O‘ZBEK TILI MATNLARIDA TINISH BELGILARINI TAHLIL QILISHNING GIBRID MODELI VA DASTURIY MAJMUASINI ISHLAB CHIQISH.

Adinayev X. S.


Annotatsiya

Tinish belgilarini avtomatik tiklash tabiiy tilni qayta ishlash sohasidagi muhim vazifalardan biri bo‘lib, ayniqsa o‘zbek tili kabi resurslari cheklangan tillarda bu masala dolzarb hisoblanadi. Belgilangan korpuslarning yetishmasligi nutqni tanish, mashina tarjimasi va matnni semantik tahlil qilish kabi keyingi bosqich ilovalar samaradorligiga salbiy ta’sir ko‘rsatadi. Ushbu tadqiqotda o‘zbek tilidagi matnlar uchun tinish belgilarini bashorat qilishga mo‘ljallangan gibrid chuqur o‘rganish modeli taklif etiladi. Taklif etilgan yondashuv BERT asosidagi kontekstual vektor tasvirlari, BiLSTM yordamida ketma-ketlik bog‘liqligini modellashtirish hamda lingvistik qoidalarga asoslangan post-qayta ishlash bosqichini birlashtiradi. Mazkur arxitektura transformer modellarning semantik imkoniyatlari va rekurrent tarmoqlarning vaqt bo‘yicha bog‘liqlikni aniqlash qobiliyatidan samarali foydalanadi, qoida asosidagi tuzatish esa noaniq chegaralardagi tinish belgilarini aniqlash aniqligini oshiradi. O‘zbek tilida belgilangan korpus asosida o‘tkazilgan tajribalar natijalari taklif etilgan modelning aniqlik, to‘liqlik va F1-ko‘rsatkichlari bo‘yicha mavjud neyron va statistik usullardan ustunligini ko‘rsatdi. Olingan natijalar chuqur neyron arxitekturalarni lingvistik qoidalar bilan birlashtirish resurslari cheklangan tillarda tinish belgilarini tiklash samaradorligini sezilarli darajada oshirishini tasdiqlaydi. Ushbu ish o‘zbek tilini qayta ishlash jarayonlarini rivojlantirish hamda turli amaliy NLP ilovalari aniqligini yaxshilash uchun amaliy va kengaytiriladigan yondashuvni taqdim etadi.


Adabiyotlar

  1. O. Guhr, A.-K. Schumann, F. Bahrmann, H.-J. Böhme, “FullStop: Multilingual Deep Models for Punctuation Prediction,” Proceedings of the SEPP-NLG Shared Task, 2021.
  2. M. S. Sharipov, H. S. Adinaev, E. R. Kuriyozov, “Rule-Based Punctuation Algorithm for the Uzbek Language,” 2024.
  3. O. Attia et al., “Automatic Spelling and Punctuation Correction for Arabic,” Computational Linguistics, 2014.
  4. M. Sharipov, H. Adinaev, O. Sobirov, “Bidirectional LSTM-CRF Models for Punctuation Restoration in Uzbek Texts,” IEEE UBMK, 2025.
  5. J. Salimbajevs, “Automatic Punctuation Restoration Using Bidirectional LSTM Models,” IOS Press, 2018.
  6. H. S. Adinaev, “The mBERT Model for Restoring Punctuation in Uzbek-Language Texts,” European Science Review, 2025.
  7. V. Shymkovych et al., “Joint Punctuation Restoration and Text Capitalisation with a Hybrid XLM-RoBERTa–LSTM Model,” IEEE IDAACS, 2025.
  8. X. Zhu et al., “Resolving Transcription Ambiguity in Spanish: A Hybrid Acoustic-Lexical System for Punctuation Restoration,” ACL Workshop, 2024.
  9. J. Qiu et al., “Punctuation-aware Hybrid Trainable Sparse Attention for Large Language Models,” arXiv:2601.02819, 2026.