ЎЗБЕК ТИЛИ ЭЛЕКТРОН КОРПУСИ УЧУН МАТНЛАР РЕПРЕЗЕНТАТИВЛИГИ МАСАЛАСИ

Мақолада ўзбек тили электрон корпуси (http://uzbekcorpus.uz) учун матнлар репрезентативлиги масаласи ўрганилган. Корпус учун матн танлашнинг статистик усули, ҳажми, миқдори каби омиллар корпус лойиҳалашнинг муҳим мезонларидан бири саналади. Унга кўра матн репрезентативлиги оғзаки ва ёзма матнлар учун турли ҳолатда бўлади. Ёзма матнларнинг графикаси, нормаллаштириш талаблари, матн элементларини компьютер таҳлилининг аниқлиги ва фойдаланиш имкониятининг қулайлиги учун мослаштириш, қолаверса, овозли матнларни транслитерациялаш ҳамда қидирув тизимига сегмент бирликларни унга мос тартибда белгилаш матн репрезентативлигининг асоси ҳисобланади.

Данная статья посвящена вопросу представления текста для электронного корпуса узбекского языка (http://uzbekcorpus.uz). Такие факторы, как статистический метод, размер, количество выделенного текста для корпуса являются одними из важных критериев дизайна корпуса. В соответствии с этим репрезентативность текста различна для устных и письменных текстов. Графика письменных текстов, требования стандартизации, адаптация текстовых элементов для точности и удобства использования компьютерного анализа, а также транслитерация аудиотекстов и присвоение сегментных единиц менеджеру корпуса в соответствующем порядке ‒ основа репрезентативности текста.

This article is devoted to the issue of text representation for the Uzbek language electronic corpus (http://uzbekcorpus.uz). Factors such as the statistical method, size, quantity of text selection for the corpus are one of the important criteria of the corpus design. According to this, the representativeness of the text is different for oral and written texts. Graphics of written texts, standardization requirements, adaptation of text elements for the accuracy and convenient of use of computer analysis, as well as transliteration of audio texts and assignment of segment units to the corpus manager in the appropriate order are the basis of text representativeness.