Ключевые слова
NLP для тюркских языков
морфологический анализ
низкоресурсные языки
распознавание речи
межъязыковой трансфер
морфологический анализ
низкоресурсные языки
распознавание речи
межъязыковой трансфер
Аннотация
В статье представлен комплексный обзор современных научных исследований в области обработки естественного языка (NLP) и речевых технологий для тюркских языков Центральной Азии, включая казахский, кыргызский и узбекский. Несмотря на рост теоретических и прикладных работ в последние годы, данные языки по-прежнему относятся к категории низкоресурсных. Основными причинами этого являются недостаточность аннотированных текстовых корпусов, ограниченность речевых данных, параллельное использование кириллической и латинской графики, а также отсутствие единых стандартов аннотирования и оценки. В статье систематически анализируются современные методы морфологической сегментации, распознавания именованных сущностей, сентимент-анализа и автоматического распознавания речи. Агглютинативная морфология и гармония гласных рассматриваются как ключевые типологические характеристики тюркских языков, определяющие специфику их вычислительной обработки. Показана эффективность как правил-ориентированных, так и нейронных морфологических анализаторов. Описывается опыт адаптации вычислительных моделей, разработанных для турецкого, английского и русского языков, с использованием субсловных подходов, символьных эмбеддингов и многоязычных трансформерных архитектур. Особое внимание уделяется трансферному обучению как перспективному способу снижения дефицита данных. В качестве ключевых проблем выделяются фрагментированность корпусов, несогласованность схем аннотирования и отсутствие стандартизированных речевых баз. Автор обосновывает необходимость развития открытых корпусов, внедрения общих оценочных задач и усиления институционального сотрудничества между лингвистами и специалистами по вычислительной лингвистике. Полученные выводы имеют как теоретическую, так и практическую значимость для формирования устойчивых языковых технологий для низкоресурсных языков.
Библиографические ссылки
1. Akhmed-Zaki, D., et al. (2021). Development of an information system for the Kazakh language: Text preprocessing tools for media corpus. Applied Computing and Informatics, 17(2), 320–334. DOI: https://doi.org/10.1080/23311916.2021.1896418
2. Bahry, S. A. (2012). What constitutes quality in minority education? A multiple embedded case study of stakeholder perspectives on minority linguistic and cultural content in school -based curriculum in Sunan Yughur Autonomous County, Gansu. Frontiers of Education in China, 7(3), 376-416.
3. Dave, B. (1996a). Politics of language revival: National identity and state building in Kazakhstan. Syracuse University.
4. Dave, B. (1996b). National revival in Kazakhstan: Language shift and identity change. Post- Soviet Affairs, 12(1), 51-72.
5. Dzhubanov, A., & Khasanov, B. (1980). Computational description of the Kazakh language. In Computational and mathematical linguistics: Proceedings of the International Conference on Computational Linguistics: Pisa, 27/viii-1/ix 1973: vol. II.-(Biblioteca dell'Archivum Romanicum. Serie II: Linguistica; 37) (pp. 75-77). LS Olschki.
6. Fierman, W. (2006). Language and education in post-Soviet Kazakhstan: Kazakh-medium instruction in urban schools. The Russian Review, 65(1), 98-116.
7. Hakkila, A. C. (2018). Transitional Literature of the Steppe: The First Two Qazaq Novels (Dulatuly and Köbeev). The University of Wisconsin-Madison.
8. Johanson, L., & Csató, É. Á. (1998). The Turkic languages. Routledge.
9. Kessikbayeva, G., & Cicekli, I. (2014, June). Rule based morphological analyzer of Kazakh language. In Proceedings of the 2014 Joint Meeting of SIGMORPHON and SIGFSM (pp. 46-54).
10. Kessikbayeva, G. C. Ilyas. 2016.A RuleBased Morphological Analyzer and a Morphological Disambiguator for Kazakh Language.» Linguistics and Literature Studies, 96-104. DOI: https://doi.org/10.13189/lls.2016.040111
11. Khassenov, B., Bakhitova, Zh. (2025). Sema ntic Ide ntit y of Vo wel s in t he Kaza kh La ng uag e: an E xpe rime ntal Ana ly si s o f Sou nd Symb oli sm . Actual Problems of the Present, 3( 49 ), 1 9- 30 . DOI: https://doi.org/10.64863/2312-4784/2025-3-49/19-30
12. Kulgildinova, T., Zhumabekova, A., Shabdenova, K., Kuleimenova, L., & Yelubayeva, P. (2018). Bilingualism: language policy in modern Kazakhstan. XLinguae, 11(1), 332- 341.
13. Landau, J. M., & Kellner-Heinkele, B. (2001). Politics of language in the ex-Soviet muslim states: Azerbayjan, Uzbekistan, Kazakhstan. Kyrgyzstan, Turkmenistan, and Tajikistan. University of Michigan Press.
14. Makhambetov, O., Makazhanov, A., Yessenbayev, Z., Matkarimov, B., Sabyrgaliyev, I., & Sharafudinov, A. (2013, October). Assembling the kazakh language corpus. In Proceedings of the 2013 Conference on Empirical Methods in Natural Language Processing (pp. 1022-1031).
15. Makhambetov, O., Makazhanov, A., Sabyrgaliyev, I., & Yessenbayev, Z. (2015, April). Data-driven morphological analysis and disambiguation for kazakh. In International Conference on Intelligent Text Processing and Computational Linguistics (pp. 151-163). Cham: Springer International Publishing.
16. Manni, F., & Nerbonne, J. (2021). Linguistic Diversity and Human Migrations in Gabon. Human Migration: Biocultural Perspectives, 99.
17. Mansurova, M. E., & Rakhimova, D. R. (2024). Morphological parsing of Kazakh texts with deep learning approaches. Journal of Mathematics, Mechanics and Computer Science, 124(4), 48-58. DOI: https://doi.org/10.26577/JMMCS2024-v124-i4-a4
18. Moore, P. (2023). Translanguaging in CLIL. In The Routledge handbook of content and language integrated learning (pp. 28-42). Routledge.
19. Multimedia Corpus of Modern Spoken Kazakh Language Project. (2024). Project description. Nazarbayev University.
20. Mustajoki, A., Protassova, E., & Yelenevskaya, M. (2020). The soft power of the Russian language. Routledge.
21. Pavlenko, A. (2008). Multilingualism in post-Soviet countries: Language revival, language removal, and sociolinguistic theory. International journal of bilingual education and bilingualism, 11(3-4), 275-314.
22. Salaev, U. (2024, November). UzMorphAnalyser: A morphological analysis model for the Uzbek language using inflectional endings. In AIP Conference Proceedings (Vol. 3244, No. 1, p. 030058). AIP Publishing LLC. DOI: https://doi.org/10.1063/5.0241461
23. Sharipbay, A., Gatiatullin, A., Yergesh, B., & Kazhymukhan, D. (2018). Development of a unified meta language of the turkic languages morphology. Journal of Mathematics, Mechanics, Computer Science, 4(100), 78-87. DOI: https://doi.org/10.26577/JMMCS-2018-4-557
24. Smagulova, J. (2016). The re-acquisition of Kazakh in Kazakhstan: Achievements and challenges. Language change in central Asia, 89-108.
25. Smagulova, J., & Ahn, E. S. (Eds.). (2016). Language Change in Central Asia (Vol. 106). Walter de Gruyter GmbH & Co KG.
26. Yiner, Z., & Kurt, A. (2021). Two level Kazakh morphology. Acta Infologica, 5(1), 79-98. DOI: https://doi.org/10.26650/acin.842758
27. Wei, L. (2015). Multilingualism in the Chinese diaspora worldwide. Taylor & Francis.
