Қазақ тілінен ағылшын тіліне машиналық аударудағы лексикалық таңдауды шешу жолдарының моделдері мен әдістерін жасау
КІРІСПЕ 6
1 ҚАЗАҚ ТІЛІНДЕГІ ЛЕКСИКАЛЫҚ ТАҢДАУДЫ ШЕШУДЕГІ КӨП МАҒЫНАЛЫ СӨЗДЕРДІҢ РОЛІ МЕН БЕРІЛГЕН ЕСЕПТІҢ ҚОЙЫЛЫМЫ 8
1.1 Аудармалық сәйкестілік және көп мағыналы сөздірдің аудармадағы ролі 8
1.2 Көп мағыналы сөздер және машиналық аударма 14
1.3 Лексикалық таңдау және есептің қамту аймағы 19
2 ЛЕКСИКАЛЫҚ КӨП МӘНДІЛІКТІ ШЕШУ ӘДІСТЕРІН ЖӘНЕ ШЕШІМ АЛГОРИТМІН ТАҢДАУ 21
2.1 Машиналық аудармадағы лексикалық көп мәнділікті шешу әдістерінің негізгі түрлері 21
2.2 Лексикалық көп мәнділікті шешуде қолданылатын Леск алгоритмі 23
2.3 Лексикалық көп мәнділікті шешуде қолданылатын Максимум энтропия әдісі 28
3 ЛЕКСИКАЛЫҚ ТАҢДАУДЫ ШЕШУ ҮШІН АПЕРТИУМ ПЛАТФОРМАСЫНДА МАКСИМУМ ЭНТРОПИЯ ӘДІСІН ҚОЛДАНУДЫҢ АҚПАРАТТЫҚ ЖӘНЕ БАҒДАРЛАМАЛЫҚ ҚАМТАМАСЫЗДАНДЫРУЫ. 33
3.1 Апертиум платформасындағы лексикалық таңдау модулі 33
3.2 Параллельді корпустан лексикалық таңдау ережелерін үйрену. 42
3.3 Апертиум платформасында Максимум энтропия әдісін қолдану алгоритмі 47
4 ТӘЖІРИБЕЛІК ЖҰМЫСТЫҢ ҚОРЫТЫНДЫЛАРЫ 52
ҚОРЫТЫНДЫ 57
А ҚОСЫМШАСЫ 60
Ә ҚОСЫМШАСЫ 62
1 ҚАЗАҚ ТІЛІНДЕГІ ЛЕКСИКАЛЫҚ ТАҢДАУДЫ ШЕШУДЕГІ КӨП МАҒЫНАЛЫ СӨЗДЕРДІҢ РОЛІ МЕН БЕРІЛГЕН ЕСЕПТІҢ ҚОЙЫЛЫМЫ 8
1.1 Аудармалық сәйкестілік және көп мағыналы сөздірдің аудармадағы ролі 8
1.2 Көп мағыналы сөздер және машиналық аударма 14
1.3 Лексикалық таңдау және есептің қамту аймағы 19
2 ЛЕКСИКАЛЫҚ КӨП МӘНДІЛІКТІ ШЕШУ ӘДІСТЕРІН ЖӘНЕ ШЕШІМ АЛГОРИТМІН ТАҢДАУ 21
2.1 Машиналық аудармадағы лексикалық көп мәнділікті шешу әдістерінің негізгі түрлері 21
2.2 Лексикалық көп мәнділікті шешуде қолданылатын Леск алгоритмі 23
2.3 Лексикалық көп мәнділікті шешуде қолданылатын Максимум энтропия әдісі 28
3 ЛЕКСИКАЛЫҚ ТАҢДАУДЫ ШЕШУ ҮШІН АПЕРТИУМ ПЛАТФОРМАСЫНДА МАКСИМУМ ЭНТРОПИЯ ӘДІСІН ҚОЛДАНУДЫҢ АҚПАРАТТЫҚ ЖӘНЕ БАҒДАРЛАМАЛЫҚ ҚАМТАМАСЫЗДАНДЫРУЫ. 33
3.1 Апертиум платформасындағы лексикалық таңдау модулі 33
3.2 Параллельді корпустан лексикалық таңдау ережелерін үйрену. 42
3.3 Апертиум платформасында Максимум энтропия әдісін қолдану алгоритмі 47
4 ТӘЖІРИБЕЛІК ЖҰМЫСТЫҢ ҚОРЫТЫНДЫЛАРЫ 52
ҚОРЫТЫНДЫ 57
А ҚОСЫМШАСЫ 60
Ә ҚОСЫМШАСЫ 62
Дипломдық жұмыстың тақырыбы – қазақ тілінен ағылшын тіліне машиналық аударудағы лексикалық таңдауды шешу жолдарының моделдері мен әдістерін жасау.
Лексикалық таңдау – негізгі тілде берілген сөздің не болмаса мәтіннің мақсат тілге аударғандағы бірнеше аудармалар арасындағы таңдау есебі. Бұл есеп сөздің көп мәнділігімен тығыз байланысты. Лексикалық таңдау есебінің лексикалық көпмәнділік есебінен айырмашылығы мұнда біртілді аудармадағыдай тек мағыналық аударманың дұрыстығын тексермей, сонымен қатар екі тілдің арасындағы сәйкес аудармасын табу болып табылады.[1]
Лексикалық көп мәнділікті шешу – бұл белгілі мәнмәтінде көп мағыналы сөздіңмағынасын табу процесі болып табылады. Адам үшін мәнмәтінде сөздердің дұрысмағынасын табу қиынға түспейді, бірақ машина үшін бұл оңай емес. Себебі, сөздердің мағынасын дұрыс түсіну және таңдау қабілетін жасау алгоритмдерін құру өтеқиын есеп.
Қазіргі таңда машиналық аударма ісі көптеген кәсәби салаларда және ғылыми зерттеулерде қолданыс табуда. Аударма сапасының жоғары және мағыналық сәйкестігі дұрыс болуы үшін заманауи техника мен технологиялардың көптеген түрлері мен әдістері қолданылуда. Осы мәселенің дұрыс шешімін табуда Апертиум ашық-кодты платформасы машиналық аударма саласында елеулі орын алады.
Апертиум платформасы – бұл машиналық аударманың трнасферлік жүйесі. Аудармалар сөздіктер мен трансферлік типті ережелер көмегімен іске асырылады. Толық синтаксистік талдаудың орнына, бөлек лексикалық бірліктер талданады. Апертиум машиналық аударма платформасы семантикаға негізделген. Семантикалық аудармадан бөлек қазіргі таңда статистикалық аударма да аудармашылық саласында елеулі орын алады.[3]
Статистикалық машиналық аударма – тілдік жұптардың үлкен ауқымдағы аудармаларын салыстыруға негізделген машиналық аударманың бір түрі. Тілдік жұптар – белгілі бір тіл мен екінші бір тіл арасында аудармалары сәйкес келетін сөйлемдерді қамтитын мәтіндер. Бұл қостілді қатар тұтынатын адамның осы екі сөйлемді жазу нұсқасы, сондай-ақ адамдар жасаған аударма да болуы мүмкін. Осылайша статистикалық машиналық аударма «өзін-өзі жетілдіру» қасиетіне ие.Тілдік жұптар қаншалықты көп болса, соншалықты дәл аударма қалыптасады да, статистикалық машиналық аударма нәтижесінің сапасы артады.[5]
Лексикалық таңдау – негізгі тілде берілген сөздің не болмаса мәтіннің мақсат тілге аударғандағы бірнеше аудармалар арасындағы таңдау есебі. Бұл есеп сөздің көп мәнділігімен тығыз байланысты. Лексикалық таңдау есебінің лексикалық көпмәнділік есебінен айырмашылығы мұнда біртілді аудармадағыдай тек мағыналық аударманың дұрыстығын тексермей, сонымен қатар екі тілдің арасындағы сәйкес аудармасын табу болып табылады.[1]
Лексикалық көп мәнділікті шешу – бұл белгілі мәнмәтінде көп мағыналы сөздіңмағынасын табу процесі болып табылады. Адам үшін мәнмәтінде сөздердің дұрысмағынасын табу қиынға түспейді, бірақ машина үшін бұл оңай емес. Себебі, сөздердің мағынасын дұрыс түсіну және таңдау қабілетін жасау алгоритмдерін құру өтеқиын есеп.
Қазіргі таңда машиналық аударма ісі көптеген кәсәби салаларда және ғылыми зерттеулерде қолданыс табуда. Аударма сапасының жоғары және мағыналық сәйкестігі дұрыс болуы үшін заманауи техника мен технологиялардың көптеген түрлері мен әдістері қолданылуда. Осы мәселенің дұрыс шешімін табуда Апертиум ашық-кодты платформасы машиналық аударма саласында елеулі орын алады.
Апертиум платформасы – бұл машиналық аударманың трнасферлік жүйесі. Аудармалар сөздіктер мен трансферлік типті ережелер көмегімен іске асырылады. Толық синтаксистік талдаудың орнына, бөлек лексикалық бірліктер талданады. Апертиум машиналық аударма платформасы семантикаға негізделген. Семантикалық аудармадан бөлек қазіргі таңда статистикалық аударма да аудармашылық саласында елеулі орын алады.[3]
Статистикалық машиналық аударма – тілдік жұптардың үлкен ауқымдағы аудармаларын салыстыруға негізделген машиналық аударманың бір түрі. Тілдік жұптар – белгілі бір тіл мен екінші бір тіл арасында аудармалары сәйкес келетін сөйлемдерді қамтитын мәтіндер. Бұл қостілді қатар тұтынатын адамның осы екі сөйлемді жазу нұсқасы, сондай-ақ адамдар жасаған аударма да болуы мүмкін. Осылайша статистикалық машиналық аударма «өзін-өзі жетілдіру» қасиетіне ие.Тілдік жұптар қаншалықты көп болса, соншалықты дәл аударма қалыптасады да, статистикалық машиналық аударма нәтижесінің сапасы артады.[5]
1 Forcada, M.L., Ginestí-Rosell, M., Nordfalk, J., O'Regan, J., Ortiz-Rojas, S., Pérez-Ortiz, J.A.Sánchez-Martínez, F., Ramírez-Sánchez, G., Tyers, F.M. 2011. “Apertium: a free/open-source platform forrule-based machine translation”. Machine Translation 25(2)127-144.
2 Lexical selection. – URL: http://wiki.apertium.org/ wiki /Lexical_selection(13.11.2014)
3 Сундетова А. М., Апертиум платформасындағы Ағылшын-қазақ машиналық аудармалексикалық модулі. Международная научная конференция студентов и молодых ученых «Фарабиәлемі». – Алматы: «Қазақ университеті», 2014. – C. 145.
4 Jurafsky D., James H.M., Speech and Language Processing. An introduction to Natural Language Processing,Computational Linguistics, and Speech Recognition. Second Edition. 193-206.
5 Costa, A.,Miozzo, M., Caramazza A..Lexical Selection in Bilinguals: DoWords in the Bilingual’s Two LexiconsCompete for Selection?Journal of Memory and Language 41, 365–397 (1999).
6 Francis M. Tyers and Kevin Donnelly. apertium-cy: A collaboratively-developed free RBMT system for Welsh to English. Prague Bulletin of Mathematical Linguistics, (91):57_66, 2009.
7Mireia Ginestí-Rosell, Gema Ramírez-Sánchez, Sergio Ortiz-Rojas, Francis M. Tyers,and Mikel L. Forcada. Development of a free Basque to Spanish machine translationsystem. Procesamiento del Lenguaje Natural, 43:187_195, 2009.
8Eckhard Bick. Dan2eng: Wide-Coverage Danish-English Machine Translation. Proceedings of Machine Translation Summit XI, 10-14. Sept. 2007, Copenhagen, pages37_43, 2007.
9Eneko Agirre, Philip Glenny Edmonds. WordSense Disambiguation: Algorithms andApplications. Springer, 2006
10 Michael Lesk, Automatic sensedisambiguation using machine readabledictionaries: how to tell a pine cone from anice cream cone, ACM Special Interest Groupfor Design of Communication Proceedings ofthe 5th annual international conference onSystems documentation, p. 24 – 26, 1986.
11David Milne, Ian H. Witten. Learning to Linkwith Wikipedia. Proceedings of the ACMConference on Information and KnowledgeManagement, 2008
12Antonio Molina and Ferran Pla and EncarnaSegarra and Lidia Moreno. Word SenseDisambiguation using Statistical Models andWordNet. Proceedings of 3rd InternationalConference on Language Resources andEvaluation, LREC2002, Las Palmas de GranCanaria
13Қазақтiлi (қысқашаграмматикалықанықтағыш) / – Алматы:Мемлекеттіктілдідамытуинституты, 2010. – 92 бет.
14Mikel Santesteban Insausti. lexical representation and selection On bilingual speech production.2006.
15 Турдаков Денис Юрьевич. Методы и программные средства разрешениялексической многозначности терминов наоснове сетей документов.ДиссертацияМосква – 2010.
16 S. Banerjee and T. Pedersen. An adapted Lesk algorithm for word sense disambiguation using Word-Net. In Proceedings of the Third International Conference on Intelligent Text Processing and ComputationalLinguistics, Mexico City, February 2002.
17E. Agirre and G. Rigau. Word sense disambiguation using conceptual density. In Proceedings ofthe 16th International Conference on Computational Linguistics (COLING-96), pages 16–22, Copenhagen,Denmark, 1996.
18 M. Lesk. Automatic sense disambiguation using machine readable dictionaries: How to tell a pinecone from a ice cream cone. In Proceedings of SIGDOC ’86, 1986.
19X. Li, S. Szpakowicz, and S. Matwin. A WordNet-based algorithm for word sense disambiguation.In Proceedings of the 14th International Joint Conference on Artificial Intelligence, Montreal, August1995.
20R. Mihalcea and D. Moldovan. An iterative approach to word sense disambiguation. In Proceedingsof Flairs 2000, pages 219–223, Orlando, FL, May 2000.
21 S. Patwardhan, S. Banerjee, and T. Pedersen. Using measures of semantic relatedness for word sense disambiguation. In Proceedings of the Fourth International Conference on Intelligent Text Processing and Computational Linguistics, Mexico City, February 2003.
22 Caramazza, A. (1997). How many levels of processing arethere in lexical access? Cognitive Neuropsychology,14, 177–208.
23Zinovjeva, N. (2000). Learning sense disambiguation rules for machine translation.Master’s thesis, Uppsala University.
24Tyers, F. M. (2010). Rule-based breton to french machine translation. InProceedings of the 14th Annual Conference of the European Associationfor Machine Translation, pages 174–181.
25Sánchez-Martínez, F., Pérez-Ortiz, J. A., and Forcada, M. L. (2007). Integratingcorpus-based and rule-based approaches in an open-source machinetranslation system. In Proceedings of METIS-II Workshop: NewApproaches to Machine Translation, a workshop at CLIN 17 – ComputationalLinguistics in the Netherlands, pages 73–82.
2 Lexical selection. – URL: http://wiki.apertium.org/ wiki /Lexical_selection(13.11.2014)
3 Сундетова А. М., Апертиум платформасындағы Ағылшын-қазақ машиналық аудармалексикалық модулі. Международная научная конференция студентов и молодых ученых «Фарабиәлемі». – Алматы: «Қазақ университеті», 2014. – C. 145.
4 Jurafsky D., James H.M., Speech and Language Processing. An introduction to Natural Language Processing,Computational Linguistics, and Speech Recognition. Second Edition. 193-206.
5 Costa, A.,Miozzo, M., Caramazza A..Lexical Selection in Bilinguals: DoWords in the Bilingual’s Two LexiconsCompete for Selection?Journal of Memory and Language 41, 365–397 (1999).
6 Francis M. Tyers and Kevin Donnelly. apertium-cy: A collaboratively-developed free RBMT system for Welsh to English. Prague Bulletin of Mathematical Linguistics, (91):57_66, 2009.
7Mireia Ginestí-Rosell, Gema Ramírez-Sánchez, Sergio Ortiz-Rojas, Francis M. Tyers,and Mikel L. Forcada. Development of a free Basque to Spanish machine translationsystem. Procesamiento del Lenguaje Natural, 43:187_195, 2009.
8Eckhard Bick. Dan2eng: Wide-Coverage Danish-English Machine Translation. Proceedings of Machine Translation Summit XI, 10-14. Sept. 2007, Copenhagen, pages37_43, 2007.
9Eneko Agirre, Philip Glenny Edmonds. WordSense Disambiguation: Algorithms andApplications. Springer, 2006
10 Michael Lesk, Automatic sensedisambiguation using machine readabledictionaries: how to tell a pine cone from anice cream cone, ACM Special Interest Groupfor Design of Communication Proceedings ofthe 5th annual international conference onSystems documentation, p. 24 – 26, 1986.
11David Milne, Ian H. Witten. Learning to Linkwith Wikipedia. Proceedings of the ACMConference on Information and KnowledgeManagement, 2008
12Antonio Molina and Ferran Pla and EncarnaSegarra and Lidia Moreno. Word SenseDisambiguation using Statistical Models andWordNet. Proceedings of 3rd InternationalConference on Language Resources andEvaluation, LREC2002, Las Palmas de GranCanaria
13Қазақтiлi (қысқашаграмматикалықанықтағыш) / – Алматы:Мемлекеттіктілдідамытуинституты, 2010. – 92 бет.
14Mikel Santesteban Insausti. lexical representation and selection On bilingual speech production.2006.
15 Турдаков Денис Юрьевич. Методы и программные средства разрешениялексической многозначности терминов наоснове сетей документов.ДиссертацияМосква – 2010.
16 S. Banerjee and T. Pedersen. An adapted Lesk algorithm for word sense disambiguation using Word-Net. In Proceedings of the Third International Conference on Intelligent Text Processing and ComputationalLinguistics, Mexico City, February 2002.
17E. Agirre and G. Rigau. Word sense disambiguation using conceptual density. In Proceedings ofthe 16th International Conference on Computational Linguistics (COLING-96), pages 16–22, Copenhagen,Denmark, 1996.
18 M. Lesk. Automatic sense disambiguation using machine readable dictionaries: How to tell a pinecone from a ice cream cone. In Proceedings of SIGDOC ’86, 1986.
19X. Li, S. Szpakowicz, and S. Matwin. A WordNet-based algorithm for word sense disambiguation.In Proceedings of the 14th International Joint Conference on Artificial Intelligence, Montreal, August1995.
20R. Mihalcea and D. Moldovan. An iterative approach to word sense disambiguation. In Proceedingsof Flairs 2000, pages 219–223, Orlando, FL, May 2000.
21 S. Patwardhan, S. Banerjee, and T. Pedersen. Using measures of semantic relatedness for word sense disambiguation. In Proceedings of the Fourth International Conference on Intelligent Text Processing and Computational Linguistics, Mexico City, February 2003.
22 Caramazza, A. (1997). How many levels of processing arethere in lexical access? Cognitive Neuropsychology,14, 177–208.
23Zinovjeva, N. (2000). Learning sense disambiguation rules for machine translation.Master’s thesis, Uppsala University.
24Tyers, F. M. (2010). Rule-based breton to french machine translation. InProceedings of the 14th Annual Conference of the European Associationfor Machine Translation, pages 174–181.
25Sánchez-Martínez, F., Pérez-Ortiz, J. A., and Forcada, M. L. (2007). Integratingcorpus-based and rule-based approaches in an open-source machinetranslation system. In Proceedings of METIS-II Workshop: NewApproaches to Machine Translation, a workshop at CLIN 17 – ComputationalLinguistics in the Netherlands, pages 73–82.
ӘЛ-ФAРAБИ AТЫНДAҒЫ ҚAЗAҚ ҰЛТТЫҚ УНИВЕРСИТЕТІ
МЕХAНИКA-МAТЕМAТИКA ФAКУЛЬТЕТІ
AҚПAРAТТЫҚ ЖҮЙЕЛЕР КAФЕДРAСЫ
Қазақ тілінен ағылшын тіліне машиналық аударудағы лексикалық таңдауды шешу жолдарының моделдері мен әдістерін жасау тақырыбына жазылған
ДИПЛОМДЫҚ ЖҰМЫС
Орындаған
_________________
(қолы)
Серікбаев Е.Н.
Ғылыми жетекші т.ғ.д., профессор
_________________
(қолы)
Тукеев У.А.
Нормабақылаушы
__________________
(қолы)
Жуманов Ж.М.
Қорғауға жіберілді
Кафедра мең. қ.а. PhD докторы
___________________
(қолы)
Есенгалиева Ж.С.
Алматы 2015
Реферат
Дипломдық жұмыс 64 беттен, 10 суреттен, 3 кестеден, 5 листингтен, 16 формуладан, 25 пайдаланылған әдебиеттер тізімінен және 2 қосымшадан тұрады.
Кілттік сөздер: НЕГІЗГІ ТІЛ, МАҚСАТ ТІЛ, МАШИНАЛЫҚ АУДАРМА, ЕРЕЖЕЛЕРГЕ НЕГІЗДЕЛГЕН МАШИНАЛЫҚ АУДАРМА, ЛЕКСИКАЛЫҚ ТАҢДАУ, СӨЗДІҢ КӨП МӘНДІЛІГІ, ПАРАЛЛЕЛЬДІ КОРПУС, МАКСИМУМ ЭНТРОПИЯ ӘДІСІ, АПЕРТИУМ ПЛАТФОРМАСЫ.
Зерттеу нысаны: қазақ-ағылшын машиналық аударма жүйесі.
Жұмыстың мақсаты: қазақ тілінен ағылшын тіліне машиналық аударудағы лексикалық таңдауды шешу жолдарының моделдері мен әдістерін жасау.
Зерттеу әдістері: ережелерге негізделген машиналық аудармадағы лексикалық таңдау есебін Максимум энтропия әдісімен шешу.
Нәтижелері: параллельді қазақ-ағылшын белгіленбеген корпусы дайындалды, Максимум энтропия әдісін қолдану үшін көп мәнді сөздер тізімі жасалды, көп мәнді сөздер үшін қазақ-ағылшын параллельді корпусынан алынған сөйлемдер C# бағдармалау тілінде өңдеуден өтіп, көп мәнді сөздердің ықтималдықтар кестесі жасалынды.
Жұмыстың жалпы сипаттамасы: ережеге негізделген машиналық аударма жүйесіндегі лексикалық таңдауды шешуде параллельді корпусты пайдалану ұсынылды.
Енгізу деңгейі: C# бағдарламалау тілінде жасалған көп мәнді сөздер үшін ықтималдықтар кестесін Апертиум платформасындағы лексикалық таңдау модулінде қолдану.
Қолдану аймағы: машиналық аударма жұмысымен айналысатын барлық салалар, адармашылық саласында.
Жұмыстың маңыздылығы: көп мәнді сөздің дұрыс аударылуы аудармаға тікелей әсер етеді.
Зерттеудің болашақтағы дамуы: қазақ-ағылшын параллельді корпусының өлшмін кеңейту, корпусты толығымен сөз таптарына бөлу, көп мәнді сөздер тізімін көбейту, Апертиум платфомасындағы лексикалық таңдау модуліндегі ережелер санын көбейту.
Реферат
Дипломная работа состоит из 64 страниц, 10 рисунков, 3 таблиц, 5 листингов, 16 формул, 25 источников и из 2 приложений.
Ключевые слова: ЯЗЫК ПЕРЕВОДА, ЦЕЛЕВОЙ ЯЗЫК, МАШИННЫЙ ПЕРЕВОД, МАШИННЫЙ ПЕРЕВОД НА ОСНОВЕ ПРАВИЛ, ЛЕКСИЧЕСКИЙ ВЫБОР, МНОГОЗНАЧНОСТЬ СЛОВ, ПАРАЛЛЕЛЬНЫЙ КОРПУС, МЕТОД МАКСИМУМ ЭНТРОПИЙ, ПЛАТФОРМА АПЕРТИУМ.
Объект исследования: система казахско-английского машинного перевода.
Цель работы: разработка моделей и методов решения лексического выбора в машинном переводе с казахского языка на английский язык.
Методы исследования: решение задачи лексического выбора в машинном переводе на основе правил методом Максимум энтропий.
Результаты: разработан неотмеченный казахско-английский параллельный корпус, собран список многозначных слов для использования метода Мкасимум энтропий, извлеченные из параллельного казахско-английского корпуса предложений для многозначных слов обработаны на языке программирования C#, разработаны таблицы вероятностей многозначных слов.
Основные характеристики работы: предложено использование параллельного корпуса для решения задачи лексического выбора в машинном переводе на основе правил.
Степень внедрения: использование таблиц вероятностей для многозначных слов разработанных на языке программирования С# для модуля лексического выбора в платформе Апертиум.
Область применения: все среды занимающееся машинным переводом, в переводческом деле.
Значимость работы: правильный перевод многозначного слова влияет на значение перевода.
Дальнейшее развитие исследований: расширить размеры казахско-английского параллельного корпуса, отметка корпуса по частям речи, увеличить список многозначных слов, дополнить правила в модуле лексического выбора на платформе Апертиум.
Abstract
Diploma work consists of 64 pages, 10 figures, 3 tables, 5 listings, 16 formules, 25 references and 2 appendixes.
Key words: SOURCE LANGUAGE, TARGET LANGUAGE, MACHINE TRANSLATION, RULE BASED MACHINE TRANSLATION, LEXICAL SELECTION, WORD SENSE DISAMBUGATION, PARALLEL CORPUS, MAXIMUM ENTHROPY MODEL, APERTIUM PLATFORM.
Research object: Kazakh-English machine translation system.
Research goal: development of models and methods for solving the lexical selection problem in machine translation from Kazakh into English.
Research methods: solving the task of lexical selection in rule based machine translation by Maximum entropy method.
Results: developed unaligned Kazakh-English parallel corpus, collected a list of ambiguous words to use Maximum entropy method, extracted from Kazakh-English parallel corpus sentences for ambiguous words are processed in the programming language C#, developed probability tables for ambiguous words.
Main characteristics of research: proposed to use a parallel corpus for the task of lexical selection in rule based machine translation.
Implementation degree: use of probability tables for ambiguous words developed in the programming language C# for the module of lexical selection in Apertium platform.
Usage area: all areas of machine translation and translation business.
Value of research: correct translation of an ambiguous word affects to the translation.
Further development of research: extend the size of Kazakh-English parallel corpus, align corpus by part of speech, to increase the list of ambiguous words, complement the rules in the lexical selection module on Apertium platform.
Мазмұны
КІРІСПЕ 6
1 ҚАЗАҚ ТІЛІНДЕГІ ЛЕКСИКАЛЫҚ ТАҢДАУДЫ ШЕШУДЕГІ КӨП МАҒЫНАЛЫ СӨЗДЕРДІҢ РОЛІ МЕН БЕРІЛГЕН ЕСЕПТІҢ ҚОЙЫЛЫМЫ 8
1.1 Аудармалық сәйкестілік және көп мағыналы сөздірдің аудармадағы ролі 8
1.2 Көп мағыналы сөздер және машиналық аударма 14
1.3 Лексикалық таңдау және есептің қамту аймағы 19
2 ЛЕКСИКАЛЫҚ КӨП МӘНДІЛІКТІ ШЕШУ ӘДІСТЕРІН ЖӘНЕ ШЕШІМ АЛГОРИТМІН ТАҢДАУ 21
2.1 Машиналық аудармадағы лексикалық көп мәнділікті шешу әдістерінің негізгі түрлері 21
2.2 Лексикалық көп мәнділікті шешуде қолданылатын Леск алгоритмі 23
2.3 Лексикалық көп мәнділікті шешуде қолданылатын Максимум энтропия әдісі 28
3 ЛЕКСИКАЛЫҚ ТАҢДАУДЫ ШЕШУ ҮШІН АПЕРТИУМ ПЛАТФОРМАСЫНДА МАКСИМУМ ЭНТРОПИЯ ӘДІСІН ҚОЛДАНУДЫҢ АҚПАРАТТЫҚ ЖӘНЕ БАҒДАРЛАМАЛЫҚ ҚАМТАМАСЫЗДАНДЫРУЫ. 33
3.1 Апертиум платформасындағы лексикалық таңдау модулі 33
3.2 Параллельді корпустан лексикалық таңдау ережелерін үйрену. 42
3.3 Апертиум платформасында Максимум энтропия әдісін қолдану алгоритмі 47
4 ТӘЖІРИБЕЛІК ЖҰМЫСТЫҢ ҚОРЫТЫНДЫЛАРЫ 52
ҚОРЫТЫНДЫ 57
А ҚОСЫМШАСЫ 60
Ә ҚОСЫМШАСЫ 62
КІРІСПЕ
Дипломдық жұмыстың тақырыбы – қазақ тілінен ағылшын тіліне машиналық аударудағы лексикалық таңдауды шешу жолдарының моделдері мен әдістерін жасау.
Лексикалық таңдау – негізгі тілде берілген сөздің не болмаса мәтіннің мақсат тілге аударғандағы бірнеше аудармалар арасындағы таңдау есебі. Бұл есеп сөздің көп мәнділігімен тығыз байланысты. Лексикалық таңдау есебінің лексикалық көпмәнділік есебінен айырмашылығы мұнда біртілді аудармадағыдай тек мағыналық аударманың дұрыстығын тексермей, сонымен қатар екі тілдің арасындағы сәйкес аудармасын табу болып табылады.[1]
Лексикалық көп мәнділікті шешу – бұл белгілі мәнмәтінде көп мағыналы сөздің мағынасын табу процесі болып табылады. Адам үшін мәнмәтінде сөздердің дұрыс мағынасын табу қиынға түспейді, бірақ машина үшін бұл оңай емес. Себебі, сөздердің мағынасын дұрыс түсіну және таңдау қабілетін жасау алгоритмдерін құру өте қиын есеп.
Қазіргі таңда машиналық аударма ісі көптеген кәсәби салаларда және ғылыми зерттеулерде қолданыс табуда. Аударма сапасының жоғары және мағыналық сәйкестігі дұрыс болуы үшін заманауи техника мен технологиялардың көптеген түрлері мен әдістері қолданылуда. Осы мәселенің дұрыс шешімін табуда Апертиум ашық-кодты платформасы машиналық аударма саласында елеулі орын алады.
Апертиум платформасы – бұл машиналық аударманың трнасферлік жүйесі. Аудармалар сөздіктер мен трансферлік типті ережелер көмегімен іске асырылады. Толық синтаксистік талдаудың орнына, бөлек лексикалық бірліктер талданады. Апертиум машиналық аударма платформасы семантикаға негізделген. Семантикалық аудармадан бөлек қазіргі таңда статистикалық аударма да аудармашылық саласында елеулі орын алады.[3]
Статистикалық машиналық аударма – тілдік жұптардың үлкен ауқымдағы аудармаларын салыстыруға негізделген машиналық аударманың бір түрі. Тілдік жұптар – белгілі бір тіл мен екінші бір тіл арасында аудармалары сәйкес келетін сөйлемдерді қамтитын мәтіндер. Бұл қостілді қатар тұтынатын адамның осы екі сөйлемді жазу нұсқасы, сондай-ақ адамдар жасаған аударма да болуы мүмкін. Осылайша статистикалық машиналық аударма өзін-өзі жетілдіру қасиетіне ие. Тілдік жұптар қаншалықты көп болса, соншалықты дәл аударма қалыптасады да, статистикалық машиналық аударма нәтижесінің сапасы артады.[5]
Лексикалық таңдау мәселесін Апертиум ашық кодты платформасында лексикалық таңдау ережелерін жазу арқылы шешуге болады. Апертиум – бұл бастапқы кодтармен берілген ашық машиналық аудармашы жүйесі. Апертиум машиналық аударма жүйесі бірнеше модульдерден құралады, солардың бірі – лексикалық модуль. Лексикалық таңдау Апертиум платформасындағы басқа модульдар сияқты аударма жүйесін ақпаратпен қамтамасыз етеді. Осы ережелер формализі ережелердің мәнмәтініне негізделеді.
Қарастырылып отырған дипломдық жұмыста аударманың екі тәсілін де қолдануды ұсындық. Негізгі аудармалық бағыт ретінде семантикаға негізделген аударманы қарастырамыз.
Аударманың дұрыс әрі шынайы болуы үшін семантика бөліміндегі лексикалық таңдау мәселесін дұрыс шешу керек. Сөздердің көпмағыналығына қарай әрбір сөздің дұрыс аударылғанын қамтамасыз ету керек. Осы орайда біз лексикалық таңдау мәселесіне көшеміз.
Лексикалық таңдау мәселесін шешудің қазіргі таңда бірнеше әдстері қалыптасқан. Әдістердің ішіндегі көп қолданысқа ие болғандыры Жасырын Марков моделі, Максимум энтропия моделі болып табылады.
Максимум Энтропия (қысқаша MaxEnt) әдісі тізбекті классификациялау үшін қолданылады. Тізбекті классификациялау есебі немесе тізбекті белгілеу (sequence labeling) бұл – әлдебір тізбектің әрбір элементтерін белгілеу есебі болып табылады, сөз үшін оның сөз табын анықтау секілді.
1 ҚАЗАҚ ТІЛІНДЕГІ ЛЕКСИКАЛЫҚ ТАҢДАУДЫ ШЕШУДЕГІ КӨП МАҒЫНАЛЫ СӨЗДЕРДІҢ РОЛІ МЕН БЕРІЛГЕН ЕСЕПТІҢ ҚОЙЫЛЫМЫ
1.1 Аудармалық сәйкестілік және көп мағыналы сөздірдің аудармадағы ролі
Аударманың мазмұны мен құрылымы жағынан түпнұсқаға қол жеткізуге ұмтылу, тек аударма барысында біріктірілетін мәтіндер мен сол мәтіндердегі жеке тіркестер ғана емес, сонымен қатар бастапқы тіл мен аударма тілін құрайтын бірліктердің де балама болып табылатындығына әкеліп соғады. Берілген бастапқы тілдің бірліктерін аудару үшін аударма тілінің белгілі бір бірліктерін қолдану кездейсоқ жағдай емес. Екі бірліктің де қатысты тұрақтылық мағыналары бар, демек олардың аударма барысында бірінің орнын бірі толықтыруы мағыналарының көптеген ұқсастықтары бар екендігін көрсетеді. Мұндай мағыналық ұқсастық олардың арасындағы аударма баламалық қатынастарды аударуға, яғни олардың бірін екіншісінің аудармасы ретінде күнделікті қолдануға алғышарттар жасайды. Берілген бастапқы тілдің бірлігін аудару үшін үнемі пайдаланылатын аударма бірлігін аудармадағы сәйкестілік деп атаймыз.
Аударманың жеке теориясы берілген тілдің бірліктеріне немесе берілген тілдегі аударма сәйкестіліктері жүйелерінің басқа, әр түрлі тілдерге қатысты аударма сәйкестіліктерін зерттейді. Басқа тілдің кейбір бірліктерін аударма сәйкестіліктері ретінде пайдаланатын бір тіл бірліктері өз кезегінде, яғни аударма кері қарай іске асырылған жағдайда аударма тілінің қызметін атқара отырып, басқа тілдің сәйкестіліктері болып табыла бермейді. Басқаша айтқанда, аудармадағы сәйкестілік толығымен қайтарымды емес, тілдер бірліктерінің қатынастары әрбір жеке аударма теориясының шегінде екі тілдің әрбіріне аудару барысында өз алдына бөлек зерттеледі.
Аудармадағы сәйкестіліктер бастапқы тіл бірліктерімен тең қатынаста қызмет атқарушы ретінде есептеледі. Сондықтан аударма тілі мен бастапқы тіл бірліктері мағыналарының жақындығы аударма сәйкестіліктерінің пайда болуына алғышарттар жасайды. Аудармада балама қатынастары оқшауланған тіл бірліктерінің арасында емес, тілдегі айтылымдар құрамында шығатын бастапқы тіл мен аударма тілі бірліктерінің арасында орнатылады. Олардың коммуникативті тең бағалы болуының қабілеті олардың тіл жүйесіндегі мағынасы жөнінен емес, тілдегі қолданыс ерекшеліктерімен анықталады. Сондықтан аудармадағы сәйкестіліктерді екі тіл жүйесінде орын алатын бірліктерді салыстыра айқындаудың қажеті жоқ. Оны аударма барысында біріктірілетін коммуникативті тең бағалы айтылымдардан анықтай аламыз. Бұл түпнұсқаны аудару барысында, салыстырмалы талдау кезінде бір-бірімен теңестірілетін бастапқы тіл мен аударма тілі бірліктерінің аударылуымен анықталады. Тәжірибелік мақсат негізінде, аударманың жеке теориясы сәйкестілік таңдауы ерекше қиындық тударатын сөздік құрамның бірліктері мен бастапқы тілдің грамматикалық құрылымы аудармаларының мәселелерін анығыр-ақ қарастырады.
Ереже бойынша бастапқы тіл бірлігі бастапқы талдау орны ретінде алынып, оған аударма тілі сәйкестілігі ізделінеді. Қағидаға сәйкес бастапқы тіл бірліктері үшін мұндай сәйкестіліктерді кез келген тіл жүйесінің деңгейінде: фонемадан сөйлемге дейін табуға болады.
Ағылшын сөзінің әрбір фонемасына артикуляция мен дыбысталу жағынан жақын фонемелер орыс немес қазақ тілдерінде де табылады.
Қазақша немесе орысша ауадрмадағы ағылшын сөзінің әрбір морфемасына қазақ сөзінің белгілі бір морфемасы сәйкес келеді. Түбір морфемдер, сонымен қатар қосымшалы, оның ішінде сөз өзгерткіш жұрнақтарыжалғаулары бар морфемдер де бір-біріне сәйкес бола алады.
Сөз деңгейіндегі сәйкестілік.
My friend lives in Astana- Менің досым Астанада тұрады.
Alya was very happy yesterday - Әлия кеше өте бақытты болды.
Бұл жерде әрбір ағылшын тіліндегі сөйлемнің әрбір сөзіне қазақша аудармасында сәйкестелінетін сөз табуға болады. Мұндай сөзбе-сөз аударуды аса күрделі құрылымды сөйлемді аудару кезінде де қолданады.
The Industrial Revolution brought into being the industrial proletariat and with it the fight for civil and political rights, trade-unions and the right to vote.
Өнеркәсіп төңкерісі өмірге өнеркәсіп пролетариатын және сонымен қатар азаматтық және саяси құқықтарды, трейд-юниондар мен дауыс құқығын алып келді.
Сөзбе-сөз аудармада түпнұсқаның барлық элементіне абсолютті (дара) сәйкестілік қарастырылмайды, өйткені ереже бойынша қазақ тілінде ағылшын артикльдерімен кейбір қызметтік және қосымша сөздерге тікелей балама жоқ. Көбінесе сөзбе-сөз сәйкестілікті түпнұсқаның тек кейбір сөздерінен ғана табуға болады, ал қалған сәйкестіліктер басқаша деңгейлерде орнатылады.
Сөз тіркес деңгейіндегі сәйкестіліктер:
To bore to death by something-өлердей жалықтыру.
To keep to a diet-диета сақтау.
To see a doctor-дәрігерге көріну.
To live from hand to mouth-күнін әрең көру.
Бұл жағдайларда сөз тіркестері түпнұсқа және аудармада тұтастай балама тауып тұр, ал олардың құрамындаға сөздер бір-біріне сәйкестілік ретінде қабылдана алмайды.
Сөйлемдер деңгейіндегі сәйкестіліктер:
There is a pretty kettle of fish- Міне, осындай жағдай!
I wish you had come- Келгеніңде ғой.
I really feel bad about it- Мен оған шынымен де өкінемін.
Балама сөйлемдердің түпнұсқасы мен аудармасында бір-бірінің орнына беріліп тұрған сөз бен сөз тіркестері кездеседі. Солай бола тұрса да, қазақ тіліндегі сөйлемдер үнемі ағылшын тіліндегі сөйлемдердің сәйкестіліктері мен мағынасын жеткізу үшін қолданылады және сөзсіз, олардың толық мақсатта сәйкестіліктері болып табылады.
Аударма сәйкестіліктері жүйесін сипаттағанда айтылымдардың көптеген жағдайда қолданылатын, тұрақты мағынаға ие бастапқы тілдің лексикалық, фразеологиялық және грамматикалық бірліктерінің сәйкестіліктеріне басты назар аударылады. Ереже бойынша аударма тіл бірлігі де сәйкестілік ретінде сол деңгейде көрінеді. Алайда сөз айтылымдары әр түрлі деңгейдегі бірліктердің өзара байланыстары негізінде құрылады. Түпнұсқаның берілген бірлігі аударылғанда, қай деңгейдегі амалмен жеткізілетіндегі аударма барысында алдын-ала анықталмайды. Сондықтан аударма сәйкестіліктерінде әр түрлі деңгейдегі нақты жағдайларды ұстануға болады.
Ағылшын тіліндегі but she will do it сөйлемінің көмекші етістігіндегі екпін аударма барысында бірліктердің көмегімен жеткізіледі. Бірақ ол оны міндетті түрде орындайды фонетикалық-лексикалық сәйкестілік. Осы жолмен лексико-грамматикалық сәйкестілік Pass me some sugar-Маған қант беріп жіберіңізжәне грамматикалық-лексикалық сәйкестілік The delegation had been received by the prime-minister-Бұған дейін өкілдер премьер-министрдің қабылдауында болдықұрылады.
Сәйкестілік ретінде бір деңгей шегіндегі, яғни аударма тіл жүйесінде орын алатын бірліктер, сондай-ақ түпнұсқада орын ауыстыра алатын және де осы деңгейдегі басқа да бірліктер қызмет атқара алады.
Ағылшын және қазақша сөздік құрамында көбіне ортақ мағына беретін сөздер бар (to go, to be, to come, to leave- жүру, бар болу, келу, қалдыру немесе кетіп қалу) және де көбіне тұрақты мағыналы сөздер бар (to stand, to slip away, to fly, to possess-тұру, кетіп қалу, ұшу, иемдену). Алайда, осы сөздердің қолданысын қарастырсақ, қазақ тіліне қарағанда ағылшын тілінде ортақ мағынаға ие сөздер көбірек қолданылады. Ағылшын аудармасымен салыстырғанда, осыдан шығатыны to be сөзіне “болу сөзі ғана емес, тұру, өмір сүру және to go сөзіне “жүру, айдау, ұшу сөздері сәйкес келе береді. Бұл сәйкестіліктерді аудармаларды салыстырғанда және сөздердің басқа бірліктерінің қатынастарынын да көруге болады.
Аудармадағы жиі сәйкестіліктер бастапқы тіл бірлігінің қатынасына тән және белгілі бір бастапқы тіл деңгейінің сәйкестілігіне сай топтастырылады. Бірінші белгісі бойынша сәйкестіліктер көптік және жекелік болып бөлінеді. Екінші белгісі бойынша лексикалық, фразеологиялық болады. Екінші белгісі бойынша лексикалық, фразеологиялық және грамматикалық болып бөлінеді. Көрсетіліп кеткендей, қажетті жағдайда деңгей арасындағы сәйкестіліктер де сипатталады. Фонемдік және морфемдік сәйкестіліктер бірліктер құрамының аса жоғары деңгейінде қарастырылады. Сөйлем деңгейіндегі сәйкестілік не фразеологиялыққа қосылады немесе тізімі берілген сөз мөрі ретінде қарастырылады.
Жекелік (тұрақты) сәйкестілік- бұл берілген бастапқы тіл бірлігінің аудармадағы көбінесе тұрақты тәсілі, түпнұсқада оның пайда болуының барлық жағдайында қолданылады, өз мағынасында бұл салыстырмалы түрде контекстке бағынбайды. Жекелік сәйкестілік аударма бірліктерінің тұрақты баламасы болып, көбіне оның мағынасын қайта толық өңдейді. Жекелік сәйкестіліктер, ең алдымен, терминдерде, жалқы есімдерде, географиялық атауларда, сонымен қатар күнделікті қолданыстағы сөздер мен сөз тіркестерінде бар:
Thames- Темза
contrabandist- контрабандист
Көптік сәйкестілік бұл- берілген бастапқы тіл бірлігінің аудармасындағы жиі қолданылатын тәсілдердің бірі. Олардың арасындағы таңдау контексттегі шартқа байланысты анықталады. Мұндай жағдайда әрбір нұсқадағы сәйкестіліктер бастапқы бірліктердің мағынасын өзіне ұқсас мағынада тек жартылай ғана бере алады:
Essence- мән, өмір
Gap- тесік, үзіліс, кемшілік
Knot- буын, бант, бір топ халық
Attitude- қатынас, позиция, саясат
Нұсқалық (вариантты) сәйкестілік бір мағыналы сөзге де, сондайақ әр түрлі мағыналы, көп мағыналы сөзге де ие бола алады:
Trade-union- кәсіподақ, трейд юнион
Labour party- лейбористік партия, жұмысшылар партиясы
Chamber- бөлме, апартамент, зал, конференц зал, кабинет, қойма
Көбінесе нұсқалық сәйкестіліктер аударма тіліндегі синонимдер немесе паронимилардан құралады.
Enjoyment- рақат
Writing- жазу, жазатын қағаз
Prestige- бедел, абырой, мәртебе
Сәйкестіліктерді тұрақты және нұсқалыққа бөлуді, ең бастысы лексикалық және фразеологиялық сәйкестілікте қолдануға болады. Түпнұсқа бірлігінің грамматикалық сәйкестілігі басқа сипатқа ие. Грамматикалық мағыналар бір-біріне ұқсас болып келеді. Олардағы ақпарат сәйкес грамматикалық безендірілетін лексикалық бірліктің мағыналарымен нақтыланады. Аудармадағы грамматикалық қалыпты таңдау көбінесе түпнұсқа бірліктерінің грамматикасымен емес, жеткізілетін ақпараттың толығымен атылуын ұйымдастырумен таңдалады.
Түпнұсқада берілген бірлік көрінген кезде, аудармада тұрақты түрде немесе көпшілік жағдайда қолданылатын бастапқы тілдің грамматикалық бірлігіне, бірлік сәйкестіліктер табыла бермейді. Грамматикалық бастапқы тіл бірлігіндегі көп сәйкестіліктер лексикалық нұсқа сәйкестілікпен айрықшаланады. Олардың арасынан бір түр мен әр түрге жататын сәйкестіліктерді ажырата білу керек. Бір түрге жататын сәйкестіліктерді бастапқы тіл мен аударма тілінде бірдей анықтауға болады, олардың ұқсас атаулары мен грамматикалық мағыналары да екі тілде бірдей бір-біріне сәйкес келеді. Бір түрге жататын сәйкестілікті қолданғанда берілген түпнұсқа бірлігінің грамматикалық мағынасы аудармада неғұрлым толығырақ жеткізіледі. Мұндай сәйкестілік, әсіресе грамматикалық категориясы ерекшеленген қағидаға сәйкес тілдерде кездеседі.
Берілген бастапқы тіл бірлігіндегі әр түрлі және сонымен қатар әр түрдегі сәйкестіліктер бірдей кездеседі де, бастапқы тіл мен аударма тілінің синонимдік грамматикалық бірліктері өзара балама қатынастарын құрайды.
Аударма жеке теориясы шеңберінде сәйкестілік сипаттамасы, аударылатын түпнұсқа бірлігінің орнына сәйкестіліктердің механикалық қойылуы қарастырылмайды.
Лингвистикалық және жағдаяттық контекстегі сәйкестілік ұғымы.
Сәйкестілік ұғымы лингвистикалық және ситуативті контекст түсінігімен тығыз байланысты. Сондықтан олар аудармада қай сәйкестілікті таңдау немесе танымал сәйкестіліктерді қолданудан бас тарту және аударудың жаңа тәсілдерін іздеуді анықтайды. Лингвистикалық контексті мәтінде қолданылатын тіл бірліктері деп білеміз. Бастапқы берілген сөздің айналасында қолданылған сөздер жиынтығы, грамматикалық түрі мен құрылымы жиылып, сөз контекст болады. Контекст тар көлемді және кең көлемді болып бөлінеді. Сөйлем ішіндегі берілген бірліктің айналасында қолданылған сөз тіркесі контексті немесе сөйлемді, яғни тіл бірліктерін тар контекст деп білеміз. Ал, бастапқы берілген бірліктің айналасында, сөйлемнен шығып сөйлемдер шегінде қолданылатын тіл бірліктерінің жиынтығы, яғни мәтін контекстін кең көлемді контекст деп атаймыз. Кең көлемді контексттің қандай қалыпқа сиятынын көрсету қиын, өйткені ол сөйлем топтарындағы контекстте, абзацта, бір тарауда немесе тіпті бүкіл шығармада толығымен болуы мүмкін. Тар көлемді контекстті, өз кезегінде, синтаксистік және лексикалық деп бөлеміз. Синтаксистік контекст- берілген сөз, сөз тіркестері немесе сөйлем мүшелері қолданылған синтаксистік құрылым. Лексикалық контекст- берілген бірліктердің айналасында қолданылған лексикалық бірліктердің жиынтығы, сөз және тұрақты сөз тіркестері.
Ситуативті, яғни жағдаяттық контекст айтылымдарға қатысты орын, уақыт, құрал жабдықтарды қамтиды, сонымен бірге кез келген шынайы болып жатқан деректерді беру аудармашыға тіл бірліктерінің мағынасын дұрыс жеткізуге көмектеседі.
Аударма сәйкестіліктерін пайдалану үшін, түпнұсқа бірліктерін аударғанда қолданған контекстті әрқашанда есепке алып отыруды ұйғарады. Сәйкестілік, бұл- аударма тілінің бірлігі, бастапқы тіл бірлігіне мағынасы жөнінен жақын, сондықтан берілген бірлік тұпнұсқада қандай мағынамен шығатынын қарастыру керек. Тіл бірліктері көбінесе көп мәнді болып келеді, бірақ олар өз контекстінде мағынасының ықтималды мүмкіндігі бойынша беріледі. Ықтималды мағыналарымен бірге қолданылған тіл бірліктерін салыстырғанда, әрқайсының берілген айтылымдарында қандай мағына беретінін анықтауға болады. Әдетте бұл тар көлемді контекст шегінде ғана мүмкін болады. Келесі ағылшын сөйлемін қарастырайық:
The Striking unions have won concessions despite bitter opposition of the employer.
Контекстен тысқары алынған бұл сөйлемдігі барлық толық мәнді сөздердің бірнеше мағынасы бар. “to strike” етістігі ұру, соғу, табу, ұрыну, жеңу, тамыр жаю дегенді білдіруі мүмкін. “Union” зат есімі одақ, бірлестік, кәсіподақ, некелік одақ дегенді білдіреді. Етістік to win жеңу , ұту, жету, қол жеткізу дегенді білдіреді. Concession зат есімі концессия, шегініс, bitter сын есімі ащы, қинайтын, қатал. “Opposition” зат есімі контраст, қарама қайшылық, қарсыластық. “Employer” зат есімі кәсіпкер, жұмыс беруші, жалдаушы.
Жоғарыда айтылған контексте бұл мағыналарды бір бірімен белгілі бір жағдайда ғана қатар қолдануға болады. Бірінші сөзіміз ереуілге шығу мағынасында, екіншісі кәсіподақ, үшіншісі жету, төртіншісі көну не ымыра, бесіншісі қатал, соңғысы қарсылық мағынасында алынып отыр.
“Employer” кәсіпкер сөзі тап осы жағдайда, әңгіме өмірде қай салада жүріп жатқанын анықтап тұр, ал қалған сөздердің мағынасын ашу үшін келесі сөз тіркестерін қолданса жетіп жатыр. “Striking unions”, “win concessions”, “bitter opposition”.
Контекстегі сөздің мағынасын ашу аударма тілінде тұрақты сәйкестілікті табу мүмкіндігін немесе аудару кезінде таңдау жасау үшін қайтадан лингвистикалық және ситуативтік контекстке жүгіну керек болады.
Төменде өзімізге таныс “attitude” зат есімінен жасалған мысалдар көрсетілген:
I don’t like your attitude to your work
He is known for his reactionary attitude
Бұл жерде бірінші жағдайда жұмысқа деген қатынасты, ал екінші жағдайда реакциялық көзқарастарды таңдауда тар көлемді контекст жеткілікті.
Алайда, кейде мүмкін сәйкестіліктердің біреуін таңдау үшін, кең көлемді контекстке де жүгінуге тура келеді. Ағылшын тіліндегі “chair” сөзіне қазақша орындық та, кресло да сәйкес келеді.
Then I got this book I was reading and sat down in my chair.
Бірақ бұл сөйлемнен қай сәйкестілікті таңдау керек екені көрсетілмеген. Бірақ әрі қарай сол абзацта осы жиһаздар туралы айтылады: The arms were in sad shape, because everybody was sitting on them. Бұл сөйлемде тұтқаға нұсқау жасалғандықтан сенімді түрде кресло нұсқасын аламыз.
Аударма нұсқасын таңдау кезінде көбінесе шынайы болып жатқан деректерді білу біліміне жүгінуге тура келеді. Егер мәтінді біреуді “abolitionist” деп атаса, онда мәтінде сипатталып жатқан оқиғаның уақытына байланысты таңдау сәйкестілігіне тәуелді болады. Егер бұл американдық қара нәсілділерді босату күресі жайлы болса, онда айтылған кейіпкер аболиционист деп аталады, яғни АҚШ- тағы құрғақ заң кезеңі жайлы болса, онда осы заңда алып тастауды жақтаушы, ол жетпісінші жылдары, әсіресе Англияда өлім жазасын алып тастауды жақтаушы жайлы болмақ. Аудармашы қашанда аударманың дұрыс нұсқасын таңдау үшін аудармаға лайық саяси қозғалыстар жайлы белгілі білімі болуы керек, әйтпесе орыс тіліндегі аболиционист сөзі құлдыққа қарсы күреске байланысты бір ғана мағына береді.
Бірнеше ішінара сәйкестіліктердің біреуін таңдау көмегі арқылы аударма жасау- өте кең тараған әдіс. Аудармашының шеберлігі көптеген жағдайда түпнұсқа бірлігінен бірнеше сәйкестіліктерді іздеп және де контекстің шартына сәйкес келетін бірнеше нұсқаны таңдай алуында. Алайда бастапқы тіл бірлігінде бір немесе бірнеше аударма сәйкестіліктері бар болса және түпнұсқада берілген бірлік қолданылған болса, онда кез келген осы сәйкестіліктердің көрінуі керек деген мағынаны білдірмейді. Көптеген жағдайда контекстегі тіл бірліктерін қолдану шарты, аудармашының берілген контекстегі бастапқы тіл бірлігінің мағынасын дәл жеткізетін үнемі сәйкестіліктерді қолданудан бас тартып, аударма түпнұсқасын табуға мәжбүр етеді. Түпнұсқа бірлігін аударудағы тек берілген контекст үшін ғана жарамды тәсілді сирек қолданылатын (окказиональді) сәйкестілік немесе контекстуальді ауыстыру деп атаймыз.
Контекстің шарты аудармашыны тіпті бірлік сәйкестіліктерді аудармада қолданудан да бас тартқызуы мүмкін. Мысалы, географиялық атаулардың тұрақты сәйкестіліктері бар, басқа тілге аударғанда ереже бойынша имитацияға (өзгеріске) ұшырайды. Коннектикут штатындағы американ қаласы New Haven атауы қазақ тілінде Нью Хейвн деп жеткізіледі. Фиджеральдтің Ұлы Гэтсби романын аудару кезінде аудармашы Е.Калашникова тұрақты сәйкестіліктерді қолданудан бас тартты.
I graduated from New Haven in 1915 деген сөйлемді Мен Иельск университетін 1915 жылы бітірдім деп аударады. Контексте түпнұсқадағы қала атауы сол қалада орналасқан оқу орнының бар екені айқын көрініп тұр. АҚШ-тағы аты кеңінен әйгілі Иель университетінің Нью Хейвнде орналасқанын білетін аудармашының сауаттылығының арқасында осылай аударуына тура келді.
1.2 Көп мағыналы сөздер және машиналық аударма
Тілдегі кейбір сөздер бірнеше мағынада қолданылады. Екі не одан да көп мағынада қолданылатын сөздер көп мағыналы сөздер деп аталады. Көп мағыналы сөздер бір сөз табынан болады және бір негізден таралады. Мысалы, адамның немесе жан-жануардың көзі, иненің көзі, терезенің көзі, бұлақтың көзі, білімнің көзі, істің көзі. Осы тіркестердегі көз сөзі – бір негізден таралған зат есім.
Көп мағыналы сөздер өздерінің сырт формасы жағынан омонимдерге ұқсайды. Олардың осы сырт ұқсастығы бірінен-бірін ажыратуда көп ретте қиындық та келтіріп жүр. Студенттер стилистика сабағындағы талдау жұмыстарында бұл екеуіне байланысты кейде қате де жіберіп жатады. Мысалы, ай зат есімі — Қазақ тілінде әдетте көп мағыналы сөз де, сондай-ақ омоним ретінде де қаралады. Ол көп мағыналы сөз ретінде астрономиялық атауды да (ай туды, ай батты), уақыт өлшемін де (екі ай, айдан асты), теңеу құралы қызметінде жұмсалып әдемілік, көрік үғымын да (айдай, ай десе аузы..., Айсұлу), ауыспалы мағынаны да (айға қолы жеткендей) білдіреді. Демек, ай есімі төрт түрлі мағынада қатар қолданылып тұр. Төрт жердегі ай сөзінің ұғымы басқа-басқа болғанымен, олардың арасында мағыналық байланыс бәрібір сақталған. Төрт жердегі ай да айналып келгенде бір-ақ сөз. Омоним де осындай, сырт формасы (тұлғасы) бірдей сөз. Осы жағынан алғанда, ай сөзі тілімізде омоним түрінде де айтылады: кәріліктің айы өтті, соның айы өтіп тұр; ай Айша, бері келші; ай далада ақ отау, аузы-мұрны жоқ отау. Міне осылардағы “ай”-лар және әлгі көп мағыналы сөз ретінде келген “ай”-лар өз ара омоним. Немесе ат сөзін алайық. Ат — зат есім, ат — етістік. Алайда, бұл екі “ат”-тың арасында да, сондай-ақ жоғарыдағы “ай”-лардың арасында да мағыналық байланыс жоқ. Екеуі жеке-жеке екі сөз. Көп мағыналы сөз бен омоним стиль түрлеріне қатысы жөнінен де өзді-өзіне тән ерек-шеліктері, айырмашылығы бар, бір-бірінен алшақ тұрған құбылыстар. Енді осы екеуін стильдік сипаты жағынан жеке-жеке алып талдайық.
Сөздің көп мағыналыры жалпы халықтық ауыспалы мағынаның негізінде жасалады. Көп мағыналы сөз қай стильде болса да қолданылады. Бірақ оның ең көп жұмсалатын жері — көркем шығарма. Мысалы: Бер жағына бір кірпіштен соң бір кірпішті қойып, телмірген көздерден денесін жасыра бастады (М. Әуезов). Қалаға барып ескі көздерді көрген соң, қыресіңнен шығып кетті. Бүгінгі күн түрленген қынаулымын, айналамда көз де көп сынаулымын. Әжесі тірі болған күн Қасымның көңілінен сұлу сағымдай, жазғы-тұрғы мамық түсті бұлттай болып, қайта оралмастай боп жоғала бастады. Қасымның үміті, жарық күні де батты,. Сізді мен күткемін, ол кезде сіз үшін кіммен болса да, кетісуге шыдағамын. Бірақ ол күндер өтті. Бұл үзіндідегі көз және күн сөзінің екеуі де көп мағыналы. Екеуінің осылай түрлі-түрлі мән алуы көбінесе көркем әдебиет стилінің табиғатымен тығыз байланысты. Өйткені, жазушы мұнда әрбір тілдік құбылысты белгілі бір көркемдік мақсатта қолдануға тырысады. Ал ондайға әдетте көп мағыналы сөздер бейімірек. Мысалы, жоғарыда келтірілген көз сөзі әуелі адам деген ұғымды, одан соң таныс мағынасын, соңғы сөйлемде ел (жұрт) мәнін білдіріп түр. Көз есімінің әр алуан мағынасын осылай түрліше ыңғайда пайдалану — жалпы сөз қайталаудан қашқандық. Көп мағыналы күн сөзінің стильдік қолданылу аясы бұдан да әр тарап. Соны авторлар көркем әдебиет стилінде өте шебер пайдаланады. Ілгерідегі мысалда күн сөзі кез, уақыт (шақ) мәнінде алынған. Бірақ стильдік жатықтығы жағынан әжесі тірі болған кез (уақыт) деуден гөрі әжесі тірі болған күн деген ұтымдырақ. Сондай-ақ қайғысыз, қамсыз шағы (кезі), ол кез (ондайға бел байлаған кез), ол уақыт дегенге қарағанда, үмітті жарық күні, ол күндер (өтті) деп алғанның көркемірек екенін, стильдік жағынан ұтымдылығын оңай байқауға болады. Әсіресе күн есімінің ... жалғасы
Сіз бұл жұмысты біздің қосымшамыз арқылы толығымен тегін көре аласыз.
МЕХAНИКA-МAТЕМAТИКA ФAКУЛЬТЕТІ
AҚПAРAТТЫҚ ЖҮЙЕЛЕР КAФЕДРAСЫ
Қазақ тілінен ағылшын тіліне машиналық аударудағы лексикалық таңдауды шешу жолдарының моделдері мен әдістерін жасау тақырыбына жазылған
ДИПЛОМДЫҚ ЖҰМЫС
Орындаған
_________________
(қолы)
Серікбаев Е.Н.
Ғылыми жетекші т.ғ.д., профессор
_________________
(қолы)
Тукеев У.А.
Нормабақылаушы
__________________
(қолы)
Жуманов Ж.М.
Қорғауға жіберілді
Кафедра мең. қ.а. PhD докторы
___________________
(қолы)
Есенгалиева Ж.С.
Алматы 2015
Реферат
Дипломдық жұмыс 64 беттен, 10 суреттен, 3 кестеден, 5 листингтен, 16 формуладан, 25 пайдаланылған әдебиеттер тізімінен және 2 қосымшадан тұрады.
Кілттік сөздер: НЕГІЗГІ ТІЛ, МАҚСАТ ТІЛ, МАШИНАЛЫҚ АУДАРМА, ЕРЕЖЕЛЕРГЕ НЕГІЗДЕЛГЕН МАШИНАЛЫҚ АУДАРМА, ЛЕКСИКАЛЫҚ ТАҢДАУ, СӨЗДІҢ КӨП МӘНДІЛІГІ, ПАРАЛЛЕЛЬДІ КОРПУС, МАКСИМУМ ЭНТРОПИЯ ӘДІСІ, АПЕРТИУМ ПЛАТФОРМАСЫ.
Зерттеу нысаны: қазақ-ағылшын машиналық аударма жүйесі.
Жұмыстың мақсаты: қазақ тілінен ағылшын тіліне машиналық аударудағы лексикалық таңдауды шешу жолдарының моделдері мен әдістерін жасау.
Зерттеу әдістері: ережелерге негізделген машиналық аудармадағы лексикалық таңдау есебін Максимум энтропия әдісімен шешу.
Нәтижелері: параллельді қазақ-ағылшын белгіленбеген корпусы дайындалды, Максимум энтропия әдісін қолдану үшін көп мәнді сөздер тізімі жасалды, көп мәнді сөздер үшін қазақ-ағылшын параллельді корпусынан алынған сөйлемдер C# бағдармалау тілінде өңдеуден өтіп, көп мәнді сөздердің ықтималдықтар кестесі жасалынды.
Жұмыстың жалпы сипаттамасы: ережеге негізделген машиналық аударма жүйесіндегі лексикалық таңдауды шешуде параллельді корпусты пайдалану ұсынылды.
Енгізу деңгейі: C# бағдарламалау тілінде жасалған көп мәнді сөздер үшін ықтималдықтар кестесін Апертиум платформасындағы лексикалық таңдау модулінде қолдану.
Қолдану аймағы: машиналық аударма жұмысымен айналысатын барлық салалар, адармашылық саласында.
Жұмыстың маңыздылығы: көп мәнді сөздің дұрыс аударылуы аудармаға тікелей әсер етеді.
Зерттеудің болашақтағы дамуы: қазақ-ағылшын параллельді корпусының өлшмін кеңейту, корпусты толығымен сөз таптарына бөлу, көп мәнді сөздер тізімін көбейту, Апертиум платфомасындағы лексикалық таңдау модуліндегі ережелер санын көбейту.
Реферат
Дипломная работа состоит из 64 страниц, 10 рисунков, 3 таблиц, 5 листингов, 16 формул, 25 источников и из 2 приложений.
Ключевые слова: ЯЗЫК ПЕРЕВОДА, ЦЕЛЕВОЙ ЯЗЫК, МАШИННЫЙ ПЕРЕВОД, МАШИННЫЙ ПЕРЕВОД НА ОСНОВЕ ПРАВИЛ, ЛЕКСИЧЕСКИЙ ВЫБОР, МНОГОЗНАЧНОСТЬ СЛОВ, ПАРАЛЛЕЛЬНЫЙ КОРПУС, МЕТОД МАКСИМУМ ЭНТРОПИЙ, ПЛАТФОРМА АПЕРТИУМ.
Объект исследования: система казахско-английского машинного перевода.
Цель работы: разработка моделей и методов решения лексического выбора в машинном переводе с казахского языка на английский язык.
Методы исследования: решение задачи лексического выбора в машинном переводе на основе правил методом Максимум энтропий.
Результаты: разработан неотмеченный казахско-английский параллельный корпус, собран список многозначных слов для использования метода Мкасимум энтропий, извлеченные из параллельного казахско-английского корпуса предложений для многозначных слов обработаны на языке программирования C#, разработаны таблицы вероятностей многозначных слов.
Основные характеристики работы: предложено использование параллельного корпуса для решения задачи лексического выбора в машинном переводе на основе правил.
Степень внедрения: использование таблиц вероятностей для многозначных слов разработанных на языке программирования С# для модуля лексического выбора в платформе Апертиум.
Область применения: все среды занимающееся машинным переводом, в переводческом деле.
Значимость работы: правильный перевод многозначного слова влияет на значение перевода.
Дальнейшее развитие исследований: расширить размеры казахско-английского параллельного корпуса, отметка корпуса по частям речи, увеличить список многозначных слов, дополнить правила в модуле лексического выбора на платформе Апертиум.
Abstract
Diploma work consists of 64 pages, 10 figures, 3 tables, 5 listings, 16 formules, 25 references and 2 appendixes.
Key words: SOURCE LANGUAGE, TARGET LANGUAGE, MACHINE TRANSLATION, RULE BASED MACHINE TRANSLATION, LEXICAL SELECTION, WORD SENSE DISAMBUGATION, PARALLEL CORPUS, MAXIMUM ENTHROPY MODEL, APERTIUM PLATFORM.
Research object: Kazakh-English machine translation system.
Research goal: development of models and methods for solving the lexical selection problem in machine translation from Kazakh into English.
Research methods: solving the task of lexical selection in rule based machine translation by Maximum entropy method.
Results: developed unaligned Kazakh-English parallel corpus, collected a list of ambiguous words to use Maximum entropy method, extracted from Kazakh-English parallel corpus sentences for ambiguous words are processed in the programming language C#, developed probability tables for ambiguous words.
Main characteristics of research: proposed to use a parallel corpus for the task of lexical selection in rule based machine translation.
Implementation degree: use of probability tables for ambiguous words developed in the programming language C# for the module of lexical selection in Apertium platform.
Usage area: all areas of machine translation and translation business.
Value of research: correct translation of an ambiguous word affects to the translation.
Further development of research: extend the size of Kazakh-English parallel corpus, align corpus by part of speech, to increase the list of ambiguous words, complement the rules in the lexical selection module on Apertium platform.
Мазмұны
КІРІСПЕ 6
1 ҚАЗАҚ ТІЛІНДЕГІ ЛЕКСИКАЛЫҚ ТАҢДАУДЫ ШЕШУДЕГІ КӨП МАҒЫНАЛЫ СӨЗДЕРДІҢ РОЛІ МЕН БЕРІЛГЕН ЕСЕПТІҢ ҚОЙЫЛЫМЫ 8
1.1 Аудармалық сәйкестілік және көп мағыналы сөздірдің аудармадағы ролі 8
1.2 Көп мағыналы сөздер және машиналық аударма 14
1.3 Лексикалық таңдау және есептің қамту аймағы 19
2 ЛЕКСИКАЛЫҚ КӨП МӘНДІЛІКТІ ШЕШУ ӘДІСТЕРІН ЖӘНЕ ШЕШІМ АЛГОРИТМІН ТАҢДАУ 21
2.1 Машиналық аудармадағы лексикалық көп мәнділікті шешу әдістерінің негізгі түрлері 21
2.2 Лексикалық көп мәнділікті шешуде қолданылатын Леск алгоритмі 23
2.3 Лексикалық көп мәнділікті шешуде қолданылатын Максимум энтропия әдісі 28
3 ЛЕКСИКАЛЫҚ ТАҢДАУДЫ ШЕШУ ҮШІН АПЕРТИУМ ПЛАТФОРМАСЫНДА МАКСИМУМ ЭНТРОПИЯ ӘДІСІН ҚОЛДАНУДЫҢ АҚПАРАТТЫҚ ЖӘНЕ БАҒДАРЛАМАЛЫҚ ҚАМТАМАСЫЗДАНДЫРУЫ. 33
3.1 Апертиум платформасындағы лексикалық таңдау модулі 33
3.2 Параллельді корпустан лексикалық таңдау ережелерін үйрену. 42
3.3 Апертиум платформасында Максимум энтропия әдісін қолдану алгоритмі 47
4 ТӘЖІРИБЕЛІК ЖҰМЫСТЫҢ ҚОРЫТЫНДЫЛАРЫ 52
ҚОРЫТЫНДЫ 57
А ҚОСЫМШАСЫ 60
Ә ҚОСЫМШАСЫ 62
КІРІСПЕ
Дипломдық жұмыстың тақырыбы – қазақ тілінен ағылшын тіліне машиналық аударудағы лексикалық таңдауды шешу жолдарының моделдері мен әдістерін жасау.
Лексикалық таңдау – негізгі тілде берілген сөздің не болмаса мәтіннің мақсат тілге аударғандағы бірнеше аудармалар арасындағы таңдау есебі. Бұл есеп сөздің көп мәнділігімен тығыз байланысты. Лексикалық таңдау есебінің лексикалық көпмәнділік есебінен айырмашылығы мұнда біртілді аудармадағыдай тек мағыналық аударманың дұрыстығын тексермей, сонымен қатар екі тілдің арасындағы сәйкес аудармасын табу болып табылады.[1]
Лексикалық көп мәнділікті шешу – бұл белгілі мәнмәтінде көп мағыналы сөздің мағынасын табу процесі болып табылады. Адам үшін мәнмәтінде сөздердің дұрыс мағынасын табу қиынға түспейді, бірақ машина үшін бұл оңай емес. Себебі, сөздердің мағынасын дұрыс түсіну және таңдау қабілетін жасау алгоритмдерін құру өте қиын есеп.
Қазіргі таңда машиналық аударма ісі көптеген кәсәби салаларда және ғылыми зерттеулерде қолданыс табуда. Аударма сапасының жоғары және мағыналық сәйкестігі дұрыс болуы үшін заманауи техника мен технологиялардың көптеген түрлері мен әдістері қолданылуда. Осы мәселенің дұрыс шешімін табуда Апертиум ашық-кодты платформасы машиналық аударма саласында елеулі орын алады.
Апертиум платформасы – бұл машиналық аударманың трнасферлік жүйесі. Аудармалар сөздіктер мен трансферлік типті ережелер көмегімен іске асырылады. Толық синтаксистік талдаудың орнына, бөлек лексикалық бірліктер талданады. Апертиум машиналық аударма платформасы семантикаға негізделген. Семантикалық аудармадан бөлек қазіргі таңда статистикалық аударма да аудармашылық саласында елеулі орын алады.[3]
Статистикалық машиналық аударма – тілдік жұптардың үлкен ауқымдағы аудармаларын салыстыруға негізделген машиналық аударманың бір түрі. Тілдік жұптар – белгілі бір тіл мен екінші бір тіл арасында аудармалары сәйкес келетін сөйлемдерді қамтитын мәтіндер. Бұл қостілді қатар тұтынатын адамның осы екі сөйлемді жазу нұсқасы, сондай-ақ адамдар жасаған аударма да болуы мүмкін. Осылайша статистикалық машиналық аударма өзін-өзі жетілдіру қасиетіне ие. Тілдік жұптар қаншалықты көп болса, соншалықты дәл аударма қалыптасады да, статистикалық машиналық аударма нәтижесінің сапасы артады.[5]
Лексикалық таңдау мәселесін Апертиум ашық кодты платформасында лексикалық таңдау ережелерін жазу арқылы шешуге болады. Апертиум – бұл бастапқы кодтармен берілген ашық машиналық аудармашы жүйесі. Апертиум машиналық аударма жүйесі бірнеше модульдерден құралады, солардың бірі – лексикалық модуль. Лексикалық таңдау Апертиум платформасындағы басқа модульдар сияқты аударма жүйесін ақпаратпен қамтамасыз етеді. Осы ережелер формализі ережелердің мәнмәтініне негізделеді.
Қарастырылып отырған дипломдық жұмыста аударманың екі тәсілін де қолдануды ұсындық. Негізгі аудармалық бағыт ретінде семантикаға негізделген аударманы қарастырамыз.
Аударманың дұрыс әрі шынайы болуы үшін семантика бөліміндегі лексикалық таңдау мәселесін дұрыс шешу керек. Сөздердің көпмағыналығына қарай әрбір сөздің дұрыс аударылғанын қамтамасыз ету керек. Осы орайда біз лексикалық таңдау мәселесіне көшеміз.
Лексикалық таңдау мәселесін шешудің қазіргі таңда бірнеше әдстері қалыптасқан. Әдістердің ішіндегі көп қолданысқа ие болғандыры Жасырын Марков моделі, Максимум энтропия моделі болып табылады.
Максимум Энтропия (қысқаша MaxEnt) әдісі тізбекті классификациялау үшін қолданылады. Тізбекті классификациялау есебі немесе тізбекті белгілеу (sequence labeling) бұл – әлдебір тізбектің әрбір элементтерін белгілеу есебі болып табылады, сөз үшін оның сөз табын анықтау секілді.
1 ҚАЗАҚ ТІЛІНДЕГІ ЛЕКСИКАЛЫҚ ТАҢДАУДЫ ШЕШУДЕГІ КӨП МАҒЫНАЛЫ СӨЗДЕРДІҢ РОЛІ МЕН БЕРІЛГЕН ЕСЕПТІҢ ҚОЙЫЛЫМЫ
1.1 Аудармалық сәйкестілік және көп мағыналы сөздірдің аудармадағы ролі
Аударманың мазмұны мен құрылымы жағынан түпнұсқаға қол жеткізуге ұмтылу, тек аударма барысында біріктірілетін мәтіндер мен сол мәтіндердегі жеке тіркестер ғана емес, сонымен қатар бастапқы тіл мен аударма тілін құрайтын бірліктердің де балама болып табылатындығына әкеліп соғады. Берілген бастапқы тілдің бірліктерін аудару үшін аударма тілінің белгілі бір бірліктерін қолдану кездейсоқ жағдай емес. Екі бірліктің де қатысты тұрақтылық мағыналары бар, демек олардың аударма барысында бірінің орнын бірі толықтыруы мағыналарының көптеген ұқсастықтары бар екендігін көрсетеді. Мұндай мағыналық ұқсастық олардың арасындағы аударма баламалық қатынастарды аударуға, яғни олардың бірін екіншісінің аудармасы ретінде күнделікті қолдануға алғышарттар жасайды. Берілген бастапқы тілдің бірлігін аудару үшін үнемі пайдаланылатын аударма бірлігін аудармадағы сәйкестілік деп атаймыз.
Аударманың жеке теориясы берілген тілдің бірліктеріне немесе берілген тілдегі аударма сәйкестіліктері жүйелерінің басқа, әр түрлі тілдерге қатысты аударма сәйкестіліктерін зерттейді. Басқа тілдің кейбір бірліктерін аударма сәйкестіліктері ретінде пайдаланатын бір тіл бірліктері өз кезегінде, яғни аударма кері қарай іске асырылған жағдайда аударма тілінің қызметін атқара отырып, басқа тілдің сәйкестіліктері болып табыла бермейді. Басқаша айтқанда, аудармадағы сәйкестілік толығымен қайтарымды емес, тілдер бірліктерінің қатынастары әрбір жеке аударма теориясының шегінде екі тілдің әрбіріне аудару барысында өз алдына бөлек зерттеледі.
Аудармадағы сәйкестіліктер бастапқы тіл бірліктерімен тең қатынаста қызмет атқарушы ретінде есептеледі. Сондықтан аударма тілі мен бастапқы тіл бірліктері мағыналарының жақындығы аударма сәйкестіліктерінің пайда болуына алғышарттар жасайды. Аудармада балама қатынастары оқшауланған тіл бірліктерінің арасында емес, тілдегі айтылымдар құрамында шығатын бастапқы тіл мен аударма тілі бірліктерінің арасында орнатылады. Олардың коммуникативті тең бағалы болуының қабілеті олардың тіл жүйесіндегі мағынасы жөнінен емес, тілдегі қолданыс ерекшеліктерімен анықталады. Сондықтан аудармадағы сәйкестіліктерді екі тіл жүйесінде орын алатын бірліктерді салыстыра айқындаудың қажеті жоқ. Оны аударма барысында біріктірілетін коммуникативті тең бағалы айтылымдардан анықтай аламыз. Бұл түпнұсқаны аудару барысында, салыстырмалы талдау кезінде бір-бірімен теңестірілетін бастапқы тіл мен аударма тілі бірліктерінің аударылуымен анықталады. Тәжірибелік мақсат негізінде, аударманың жеке теориясы сәйкестілік таңдауы ерекше қиындық тударатын сөздік құрамның бірліктері мен бастапқы тілдің грамматикалық құрылымы аудармаларының мәселелерін анығыр-ақ қарастырады.
Ереже бойынша бастапқы тіл бірлігі бастапқы талдау орны ретінде алынып, оған аударма тілі сәйкестілігі ізделінеді. Қағидаға сәйкес бастапқы тіл бірліктері үшін мұндай сәйкестіліктерді кез келген тіл жүйесінің деңгейінде: фонемадан сөйлемге дейін табуға болады.
Ағылшын сөзінің әрбір фонемасына артикуляция мен дыбысталу жағынан жақын фонемелер орыс немес қазақ тілдерінде де табылады.
Қазақша немесе орысша ауадрмадағы ағылшын сөзінің әрбір морфемасына қазақ сөзінің белгілі бір морфемасы сәйкес келеді. Түбір морфемдер, сонымен қатар қосымшалы, оның ішінде сөз өзгерткіш жұрнақтарыжалғаулары бар морфемдер де бір-біріне сәйкес бола алады.
Сөз деңгейіндегі сәйкестілік.
My friend lives in Astana- Менің досым Астанада тұрады.
Alya was very happy yesterday - Әлия кеше өте бақытты болды.
Бұл жерде әрбір ағылшын тіліндегі сөйлемнің әрбір сөзіне қазақша аудармасында сәйкестелінетін сөз табуға болады. Мұндай сөзбе-сөз аударуды аса күрделі құрылымды сөйлемді аудару кезінде де қолданады.
The Industrial Revolution brought into being the industrial proletariat and with it the fight for civil and political rights, trade-unions and the right to vote.
Өнеркәсіп төңкерісі өмірге өнеркәсіп пролетариатын және сонымен қатар азаматтық және саяси құқықтарды, трейд-юниондар мен дауыс құқығын алып келді.
Сөзбе-сөз аудармада түпнұсқаның барлық элементіне абсолютті (дара) сәйкестілік қарастырылмайды, өйткені ереже бойынша қазақ тілінде ағылшын артикльдерімен кейбір қызметтік және қосымша сөздерге тікелей балама жоқ. Көбінесе сөзбе-сөз сәйкестілікті түпнұсқаның тек кейбір сөздерінен ғана табуға болады, ал қалған сәйкестіліктер басқаша деңгейлерде орнатылады.
Сөз тіркес деңгейіндегі сәйкестіліктер:
To bore to death by something-өлердей жалықтыру.
To keep to a diet-диета сақтау.
To see a doctor-дәрігерге көріну.
To live from hand to mouth-күнін әрең көру.
Бұл жағдайларда сөз тіркестері түпнұсқа және аудармада тұтастай балама тауып тұр, ал олардың құрамындаға сөздер бір-біріне сәйкестілік ретінде қабылдана алмайды.
Сөйлемдер деңгейіндегі сәйкестіліктер:
There is a pretty kettle of fish- Міне, осындай жағдай!
I wish you had come- Келгеніңде ғой.
I really feel bad about it- Мен оған шынымен де өкінемін.
Балама сөйлемдердің түпнұсқасы мен аудармасында бір-бірінің орнына беріліп тұрған сөз бен сөз тіркестері кездеседі. Солай бола тұрса да, қазақ тіліндегі сөйлемдер үнемі ағылшын тіліндегі сөйлемдердің сәйкестіліктері мен мағынасын жеткізу үшін қолданылады және сөзсіз, олардың толық мақсатта сәйкестіліктері болып табылады.
Аударма сәйкестіліктері жүйесін сипаттағанда айтылымдардың көптеген жағдайда қолданылатын, тұрақты мағынаға ие бастапқы тілдің лексикалық, фразеологиялық және грамматикалық бірліктерінің сәйкестіліктеріне басты назар аударылады. Ереже бойынша аударма тіл бірлігі де сәйкестілік ретінде сол деңгейде көрінеді. Алайда сөз айтылымдары әр түрлі деңгейдегі бірліктердің өзара байланыстары негізінде құрылады. Түпнұсқаның берілген бірлігі аударылғанда, қай деңгейдегі амалмен жеткізілетіндегі аударма барысында алдын-ала анықталмайды. Сондықтан аударма сәйкестіліктерінде әр түрлі деңгейдегі нақты жағдайларды ұстануға болады.
Ағылшын тіліндегі but she will do it сөйлемінің көмекші етістігіндегі екпін аударма барысында бірліктердің көмегімен жеткізіледі. Бірақ ол оны міндетті түрде орындайды фонетикалық-лексикалық сәйкестілік. Осы жолмен лексико-грамматикалық сәйкестілік Pass me some sugar-Маған қант беріп жіберіңізжәне грамматикалық-лексикалық сәйкестілік The delegation had been received by the prime-minister-Бұған дейін өкілдер премьер-министрдің қабылдауында болдықұрылады.
Сәйкестілік ретінде бір деңгей шегіндегі, яғни аударма тіл жүйесінде орын алатын бірліктер, сондай-ақ түпнұсқада орын ауыстыра алатын және де осы деңгейдегі басқа да бірліктер қызмет атқара алады.
Ағылшын және қазақша сөздік құрамында көбіне ортақ мағына беретін сөздер бар (to go, to be, to come, to leave- жүру, бар болу, келу, қалдыру немесе кетіп қалу) және де көбіне тұрақты мағыналы сөздер бар (to stand, to slip away, to fly, to possess-тұру, кетіп қалу, ұшу, иемдену). Алайда, осы сөздердің қолданысын қарастырсақ, қазақ тіліне қарағанда ағылшын тілінде ортақ мағынаға ие сөздер көбірек қолданылады. Ағылшын аудармасымен салыстырғанда, осыдан шығатыны to be сөзіне “болу сөзі ғана емес, тұру, өмір сүру және to go сөзіне “жүру, айдау, ұшу сөздері сәйкес келе береді. Бұл сәйкестіліктерді аудармаларды салыстырғанда және сөздердің басқа бірліктерінің қатынастарынын да көруге болады.
Аудармадағы жиі сәйкестіліктер бастапқы тіл бірлігінің қатынасына тән және белгілі бір бастапқы тіл деңгейінің сәйкестілігіне сай топтастырылады. Бірінші белгісі бойынша сәйкестіліктер көптік және жекелік болып бөлінеді. Екінші белгісі бойынша лексикалық, фразеологиялық болады. Екінші белгісі бойынша лексикалық, фразеологиялық және грамматикалық болып бөлінеді. Көрсетіліп кеткендей, қажетті жағдайда деңгей арасындағы сәйкестіліктер де сипатталады. Фонемдік және морфемдік сәйкестіліктер бірліктер құрамының аса жоғары деңгейінде қарастырылады. Сөйлем деңгейіндегі сәйкестілік не фразеологиялыққа қосылады немесе тізімі берілген сөз мөрі ретінде қарастырылады.
Жекелік (тұрақты) сәйкестілік- бұл берілген бастапқы тіл бірлігінің аудармадағы көбінесе тұрақты тәсілі, түпнұсқада оның пайда болуының барлық жағдайында қолданылады, өз мағынасында бұл салыстырмалы түрде контекстке бағынбайды. Жекелік сәйкестілік аударма бірліктерінің тұрақты баламасы болып, көбіне оның мағынасын қайта толық өңдейді. Жекелік сәйкестіліктер, ең алдымен, терминдерде, жалқы есімдерде, географиялық атауларда, сонымен қатар күнделікті қолданыстағы сөздер мен сөз тіркестерінде бар:
Thames- Темза
contrabandist- контрабандист
Көптік сәйкестілік бұл- берілген бастапқы тіл бірлігінің аудармасындағы жиі қолданылатын тәсілдердің бірі. Олардың арасындағы таңдау контексттегі шартқа байланысты анықталады. Мұндай жағдайда әрбір нұсқадағы сәйкестіліктер бастапқы бірліктердің мағынасын өзіне ұқсас мағынада тек жартылай ғана бере алады:
Essence- мән, өмір
Gap- тесік, үзіліс, кемшілік
Knot- буын, бант, бір топ халық
Attitude- қатынас, позиция, саясат
Нұсқалық (вариантты) сәйкестілік бір мағыналы сөзге де, сондайақ әр түрлі мағыналы, көп мағыналы сөзге де ие бола алады:
Trade-union- кәсіподақ, трейд юнион
Labour party- лейбористік партия, жұмысшылар партиясы
Chamber- бөлме, апартамент, зал, конференц зал, кабинет, қойма
Көбінесе нұсқалық сәйкестіліктер аударма тіліндегі синонимдер немесе паронимилардан құралады.
Enjoyment- рақат
Writing- жазу, жазатын қағаз
Prestige- бедел, абырой, мәртебе
Сәйкестіліктерді тұрақты және нұсқалыққа бөлуді, ең бастысы лексикалық және фразеологиялық сәйкестілікте қолдануға болады. Түпнұсқа бірлігінің грамматикалық сәйкестілігі басқа сипатқа ие. Грамматикалық мағыналар бір-біріне ұқсас болып келеді. Олардағы ақпарат сәйкес грамматикалық безендірілетін лексикалық бірліктің мағыналарымен нақтыланады. Аудармадағы грамматикалық қалыпты таңдау көбінесе түпнұсқа бірліктерінің грамматикасымен емес, жеткізілетін ақпараттың толығымен атылуын ұйымдастырумен таңдалады.
Түпнұсқада берілген бірлік көрінген кезде, аудармада тұрақты түрде немесе көпшілік жағдайда қолданылатын бастапқы тілдің грамматикалық бірлігіне, бірлік сәйкестіліктер табыла бермейді. Грамматикалық бастапқы тіл бірлігіндегі көп сәйкестіліктер лексикалық нұсқа сәйкестілікпен айрықшаланады. Олардың арасынан бір түр мен әр түрге жататын сәйкестіліктерді ажырата білу керек. Бір түрге жататын сәйкестіліктерді бастапқы тіл мен аударма тілінде бірдей анықтауға болады, олардың ұқсас атаулары мен грамматикалық мағыналары да екі тілде бірдей бір-біріне сәйкес келеді. Бір түрге жататын сәйкестілікті қолданғанда берілген түпнұсқа бірлігінің грамматикалық мағынасы аудармада неғұрлым толығырақ жеткізіледі. Мұндай сәйкестілік, әсіресе грамматикалық категориясы ерекшеленген қағидаға сәйкес тілдерде кездеседі.
Берілген бастапқы тіл бірлігіндегі әр түрлі және сонымен қатар әр түрдегі сәйкестіліктер бірдей кездеседі де, бастапқы тіл мен аударма тілінің синонимдік грамматикалық бірліктері өзара балама қатынастарын құрайды.
Аударма жеке теориясы шеңберінде сәйкестілік сипаттамасы, аударылатын түпнұсқа бірлігінің орнына сәйкестіліктердің механикалық қойылуы қарастырылмайды.
Лингвистикалық және жағдаяттық контекстегі сәйкестілік ұғымы.
Сәйкестілік ұғымы лингвистикалық және ситуативті контекст түсінігімен тығыз байланысты. Сондықтан олар аудармада қай сәйкестілікті таңдау немесе танымал сәйкестіліктерді қолданудан бас тарту және аударудың жаңа тәсілдерін іздеуді анықтайды. Лингвистикалық контексті мәтінде қолданылатын тіл бірліктері деп білеміз. Бастапқы берілген сөздің айналасында қолданылған сөздер жиынтығы, грамматикалық түрі мен құрылымы жиылып, сөз контекст болады. Контекст тар көлемді және кең көлемді болып бөлінеді. Сөйлем ішіндегі берілген бірліктің айналасында қолданылған сөз тіркесі контексті немесе сөйлемді, яғни тіл бірліктерін тар контекст деп білеміз. Ал, бастапқы берілген бірліктің айналасында, сөйлемнен шығып сөйлемдер шегінде қолданылатын тіл бірліктерінің жиынтығы, яғни мәтін контекстін кең көлемді контекст деп атаймыз. Кең көлемді контексттің қандай қалыпқа сиятынын көрсету қиын, өйткені ол сөйлем топтарындағы контекстте, абзацта, бір тарауда немесе тіпті бүкіл шығармада толығымен болуы мүмкін. Тар көлемді контекстті, өз кезегінде, синтаксистік және лексикалық деп бөлеміз. Синтаксистік контекст- берілген сөз, сөз тіркестері немесе сөйлем мүшелері қолданылған синтаксистік құрылым. Лексикалық контекст- берілген бірліктердің айналасында қолданылған лексикалық бірліктердің жиынтығы, сөз және тұрақты сөз тіркестері.
Ситуативті, яғни жағдаяттық контекст айтылымдарға қатысты орын, уақыт, құрал жабдықтарды қамтиды, сонымен бірге кез келген шынайы болып жатқан деректерді беру аудармашыға тіл бірліктерінің мағынасын дұрыс жеткізуге көмектеседі.
Аударма сәйкестіліктерін пайдалану үшін, түпнұсқа бірліктерін аударғанда қолданған контекстті әрқашанда есепке алып отыруды ұйғарады. Сәйкестілік, бұл- аударма тілінің бірлігі, бастапқы тіл бірлігіне мағынасы жөнінен жақын, сондықтан берілген бірлік тұпнұсқада қандай мағынамен шығатынын қарастыру керек. Тіл бірліктері көбінесе көп мәнді болып келеді, бірақ олар өз контекстінде мағынасының ықтималды мүмкіндігі бойынша беріледі. Ықтималды мағыналарымен бірге қолданылған тіл бірліктерін салыстырғанда, әрқайсының берілген айтылымдарында қандай мағына беретінін анықтауға болады. Әдетте бұл тар көлемді контекст шегінде ғана мүмкін болады. Келесі ағылшын сөйлемін қарастырайық:
The Striking unions have won concessions despite bitter opposition of the employer.
Контекстен тысқары алынған бұл сөйлемдігі барлық толық мәнді сөздердің бірнеше мағынасы бар. “to strike” етістігі ұру, соғу, табу, ұрыну, жеңу, тамыр жаю дегенді білдіруі мүмкін. “Union” зат есімі одақ, бірлестік, кәсіподақ, некелік одақ дегенді білдіреді. Етістік to win жеңу , ұту, жету, қол жеткізу дегенді білдіреді. Concession зат есімі концессия, шегініс, bitter сын есімі ащы, қинайтын, қатал. “Opposition” зат есімі контраст, қарама қайшылық, қарсыластық. “Employer” зат есімі кәсіпкер, жұмыс беруші, жалдаушы.
Жоғарыда айтылған контексте бұл мағыналарды бір бірімен белгілі бір жағдайда ғана қатар қолдануға болады. Бірінші сөзіміз ереуілге шығу мағынасында, екіншісі кәсіподақ, үшіншісі жету, төртіншісі көну не ымыра, бесіншісі қатал, соңғысы қарсылық мағынасында алынып отыр.
“Employer” кәсіпкер сөзі тап осы жағдайда, әңгіме өмірде қай салада жүріп жатқанын анықтап тұр, ал қалған сөздердің мағынасын ашу үшін келесі сөз тіркестерін қолданса жетіп жатыр. “Striking unions”, “win concessions”, “bitter opposition”.
Контекстегі сөздің мағынасын ашу аударма тілінде тұрақты сәйкестілікті табу мүмкіндігін немесе аудару кезінде таңдау жасау үшін қайтадан лингвистикалық және ситуативтік контекстке жүгіну керек болады.
Төменде өзімізге таныс “attitude” зат есімінен жасалған мысалдар көрсетілген:
I don’t like your attitude to your work
He is known for his reactionary attitude
Бұл жерде бірінші жағдайда жұмысқа деген қатынасты, ал екінші жағдайда реакциялық көзқарастарды таңдауда тар көлемді контекст жеткілікті.
Алайда, кейде мүмкін сәйкестіліктердің біреуін таңдау үшін, кең көлемді контекстке де жүгінуге тура келеді. Ағылшын тіліндегі “chair” сөзіне қазақша орындық та, кресло да сәйкес келеді.
Then I got this book I was reading and sat down in my chair.
Бірақ бұл сөйлемнен қай сәйкестілікті таңдау керек екені көрсетілмеген. Бірақ әрі қарай сол абзацта осы жиһаздар туралы айтылады: The arms were in sad shape, because everybody was sitting on them. Бұл сөйлемде тұтқаға нұсқау жасалғандықтан сенімді түрде кресло нұсқасын аламыз.
Аударма нұсқасын таңдау кезінде көбінесе шынайы болып жатқан деректерді білу біліміне жүгінуге тура келеді. Егер мәтінді біреуді “abolitionist” деп атаса, онда мәтінде сипатталып жатқан оқиғаның уақытына байланысты таңдау сәйкестілігіне тәуелді болады. Егер бұл американдық қара нәсілділерді босату күресі жайлы болса, онда айтылған кейіпкер аболиционист деп аталады, яғни АҚШ- тағы құрғақ заң кезеңі жайлы болса, онда осы заңда алып тастауды жақтаушы, ол жетпісінші жылдары, әсіресе Англияда өлім жазасын алып тастауды жақтаушы жайлы болмақ. Аудармашы қашанда аударманың дұрыс нұсқасын таңдау үшін аудармаға лайық саяси қозғалыстар жайлы белгілі білімі болуы керек, әйтпесе орыс тіліндегі аболиционист сөзі құлдыққа қарсы күреске байланысты бір ғана мағына береді.
Бірнеше ішінара сәйкестіліктердің біреуін таңдау көмегі арқылы аударма жасау- өте кең тараған әдіс. Аудармашының шеберлігі көптеген жағдайда түпнұсқа бірлігінен бірнеше сәйкестіліктерді іздеп және де контекстің шартына сәйкес келетін бірнеше нұсқаны таңдай алуында. Алайда бастапқы тіл бірлігінде бір немесе бірнеше аударма сәйкестіліктері бар болса және түпнұсқада берілген бірлік қолданылған болса, онда кез келген осы сәйкестіліктердің көрінуі керек деген мағынаны білдірмейді. Көптеген жағдайда контекстегі тіл бірліктерін қолдану шарты, аудармашының берілген контекстегі бастапқы тіл бірлігінің мағынасын дәл жеткізетін үнемі сәйкестіліктерді қолданудан бас тартып, аударма түпнұсқасын табуға мәжбүр етеді. Түпнұсқа бірлігін аударудағы тек берілген контекст үшін ғана жарамды тәсілді сирек қолданылатын (окказиональді) сәйкестілік немесе контекстуальді ауыстыру деп атаймыз.
Контекстің шарты аудармашыны тіпті бірлік сәйкестіліктерді аудармада қолданудан да бас тартқызуы мүмкін. Мысалы, географиялық атаулардың тұрақты сәйкестіліктері бар, басқа тілге аударғанда ереже бойынша имитацияға (өзгеріске) ұшырайды. Коннектикут штатындағы американ қаласы New Haven атауы қазақ тілінде Нью Хейвн деп жеткізіледі. Фиджеральдтің Ұлы Гэтсби романын аудару кезінде аудармашы Е.Калашникова тұрақты сәйкестіліктерді қолданудан бас тартты.
I graduated from New Haven in 1915 деген сөйлемді Мен Иельск университетін 1915 жылы бітірдім деп аударады. Контексте түпнұсқадағы қала атауы сол қалада орналасқан оқу орнының бар екені айқын көрініп тұр. АҚШ-тағы аты кеңінен әйгілі Иель университетінің Нью Хейвнде орналасқанын білетін аудармашының сауаттылығының арқасында осылай аударуына тура келді.
1.2 Көп мағыналы сөздер және машиналық аударма
Тілдегі кейбір сөздер бірнеше мағынада қолданылады. Екі не одан да көп мағынада қолданылатын сөздер көп мағыналы сөздер деп аталады. Көп мағыналы сөздер бір сөз табынан болады және бір негізден таралады. Мысалы, адамның немесе жан-жануардың көзі, иненің көзі, терезенің көзі, бұлақтың көзі, білімнің көзі, істің көзі. Осы тіркестердегі көз сөзі – бір негізден таралған зат есім.
Көп мағыналы сөздер өздерінің сырт формасы жағынан омонимдерге ұқсайды. Олардың осы сырт ұқсастығы бірінен-бірін ажыратуда көп ретте қиындық та келтіріп жүр. Студенттер стилистика сабағындағы талдау жұмыстарында бұл екеуіне байланысты кейде қате де жіберіп жатады. Мысалы, ай зат есімі — Қазақ тілінде әдетте көп мағыналы сөз де, сондай-ақ омоним ретінде де қаралады. Ол көп мағыналы сөз ретінде астрономиялық атауды да (ай туды, ай батты), уақыт өлшемін де (екі ай, айдан асты), теңеу құралы қызметінде жұмсалып әдемілік, көрік үғымын да (айдай, ай десе аузы..., Айсұлу), ауыспалы мағынаны да (айға қолы жеткендей) білдіреді. Демек, ай есімі төрт түрлі мағынада қатар қолданылып тұр. Төрт жердегі ай сөзінің ұғымы басқа-басқа болғанымен, олардың арасында мағыналық байланыс бәрібір сақталған. Төрт жердегі ай да айналып келгенде бір-ақ сөз. Омоним де осындай, сырт формасы (тұлғасы) бірдей сөз. Осы жағынан алғанда, ай сөзі тілімізде омоним түрінде де айтылады: кәріліктің айы өтті, соның айы өтіп тұр; ай Айша, бері келші; ай далада ақ отау, аузы-мұрны жоқ отау. Міне осылардағы “ай”-лар және әлгі көп мағыналы сөз ретінде келген “ай”-лар өз ара омоним. Немесе ат сөзін алайық. Ат — зат есім, ат — етістік. Алайда, бұл екі “ат”-тың арасында да, сондай-ақ жоғарыдағы “ай”-лардың арасында да мағыналық байланыс жоқ. Екеуі жеке-жеке екі сөз. Көп мағыналы сөз бен омоним стиль түрлеріне қатысы жөнінен де өзді-өзіне тән ерек-шеліктері, айырмашылығы бар, бір-бірінен алшақ тұрған құбылыстар. Енді осы екеуін стильдік сипаты жағынан жеке-жеке алып талдайық.
Сөздің көп мағыналыры жалпы халықтық ауыспалы мағынаның негізінде жасалады. Көп мағыналы сөз қай стильде болса да қолданылады. Бірақ оның ең көп жұмсалатын жері — көркем шығарма. Мысалы: Бер жағына бір кірпіштен соң бір кірпішті қойып, телмірген көздерден денесін жасыра бастады (М. Әуезов). Қалаға барып ескі көздерді көрген соң, қыресіңнен шығып кетті. Бүгінгі күн түрленген қынаулымын, айналамда көз де көп сынаулымын. Әжесі тірі болған күн Қасымның көңілінен сұлу сағымдай, жазғы-тұрғы мамық түсті бұлттай болып, қайта оралмастай боп жоғала бастады. Қасымның үміті, жарық күні де батты,. Сізді мен күткемін, ол кезде сіз үшін кіммен болса да, кетісуге шыдағамын. Бірақ ол күндер өтті. Бұл үзіндідегі көз және күн сөзінің екеуі де көп мағыналы. Екеуінің осылай түрлі-түрлі мән алуы көбінесе көркем әдебиет стилінің табиғатымен тығыз байланысты. Өйткені, жазушы мұнда әрбір тілдік құбылысты белгілі бір көркемдік мақсатта қолдануға тырысады. Ал ондайға әдетте көп мағыналы сөздер бейімірек. Мысалы, жоғарыда келтірілген көз сөзі әуелі адам деген ұғымды, одан соң таныс мағынасын, соңғы сөйлемде ел (жұрт) мәнін білдіріп түр. Көз есімінің әр алуан мағынасын осылай түрліше ыңғайда пайдалану — жалпы сөз қайталаудан қашқандық. Көп мағыналы күн сөзінің стильдік қолданылу аясы бұдан да әр тарап. Соны авторлар көркем әдебиет стилінде өте шебер пайдаланады. Ілгерідегі мысалда күн сөзі кез, уақыт (шақ) мәнінде алынған. Бірақ стильдік жатықтығы жағынан әжесі тірі болған кез (уақыт) деуден гөрі әжесі тірі болған күн деген ұтымдырақ. Сондай-ақ қайғысыз, қамсыз шағы (кезі), ол кез (ондайға бел байлаған кез), ол уақыт дегенге қарағанда, үмітті жарық күні, ол күндер (өтті) деп алғанның көркемірек екенін, стильдік жағынан ұтымдылығын оңай байқауға болады. Әсіресе күн есімінің ... жалғасы
Сіз бұл жұмысты біздің қосымшамыз арқылы толығымен тегін көре аласыз.
Ұқсас жұмыстар
Пәндер
- Іс жүргізу
- Автоматтандыру, Техника
- Алғашқы әскери дайындық
- Астрономия
- Ауыл шаруашылығы
- Банк ісі
- Бизнесті бағалау
- Биология
- Бухгалтерлік іс
- Валеология
- Ветеринария
- География
- Геология, Геофизика, Геодезия
- Дін
- Ет, сүт, шарап өнімдері
- Жалпы тарих
- Жер кадастрі, Жылжымайтын мүлік
- Журналистика
- Информатика
- Кеден ісі
- Маркетинг
- Математика, Геометрия
- Медицина
- Мемлекеттік басқару
- Менеджмент
- Мұнай, Газ
- Мұрағат ісі
- Мәдениеттану
- ОБЖ (Основы безопасности жизнедеятельности)
- Педагогика
- Полиграфия
- Психология
- Салық
- Саясаттану
- Сақтандыру
- Сертификаттау, стандарттау
- Социология, Демография
- Спорт
- Статистика
- Тілтану, Филология
- Тарихи тұлғалар
- Тау-кен ісі
- Транспорт
- Туризм
- Физика
- Философия
- Халықаралық қатынастар
- Химия
- Экология, Қоршаған ортаны қорғау
- Экономика
- Экономикалық география
- Электротехника
- Қазақстан тарихы
- Қаржы
- Құрылыс
- Құқық, Криминалистика
- Әдебиет
- Өнер, музыка
- Өнеркәсіп, Өндіріс
Қазақ тілінде жазылған рефераттар, курстық жұмыстар, дипломдық жұмыстар бойынша біздің қор #1 болып табылады.
Ақпарат
Қосымша
Email: info@stud.kz