ნინო ამირეზაშვილი

The main problem of language modelling is the meaning of the utterance, which is the ultimate goal of one of the directions of language model functioning (analysis) and the starting point for its opposite direction (synthesis). The paper suggests one of the options of the problem solution. In particular, dividing sentences into the set of (quasi)-synonymous “sentential primitives" and on the basis of the "primitives", building such a structure, which reflects the appropriate content of this set quite transparently. Determination of the estimated set of primitives should be based on the search of the constituents according to their characteristics, particularly, to their syntactic properties. Verbs and their dominant role in sentences are considered according to "multilevel" syntax. By this theory, a primitive is a central component (core) of the layered structure, which is "surrounded" by the periphery i.e. traditional adverbs. The central component itself involves the verb and its actants. At the same time, internal relations of primitives, i.e. dependencies of actants on the predicates and peripheries on central structures are defined by the semantic roles. Such approach to language content conveys the meaning of the utterance through the sentential primitives where the primitives are the language units. In the frame of the presentation, we will offer a translation model, which is simplified to the level of primitives. For testing the model, Georgian-English parallel corpus will be used.

Рассматривается существенные черты ролевых признаков «сентенциальных

примитивов» и конкретно примитивы, содержащие имя прилагательное грузинского языка и

модель их автоматического перевода на английский язык. В зависимости от того, имя

прилагательное с каким членом предложения связано и какую роль оно выполняет в

предложении, выделены типы сентенциальных примитивов.

Если в процессе перевода оба языка будут обеспечены средствами расчленения на

примитивы и наоборот, составления выражения из примитивов, то процесс доводиться до

уровня перевода примитивов, т.е. произойдет предельное упрощение задачи перевода. Вопрос

рассмотрен на конкретных примерах. процессор грузинского языка. Таким образом производится автоматическая лемматизация грузинских слов, после чего используются алгоритмы распознавания модели деривации и автоматического перевода. Тот же процесс, только в обратном направлении используется для английской деривационной формы слова. В обеих случаях получаем одну, или несколько (в случае омонимии в исходной форме и синонимии – в итоговой) лемму деривационной формы слова.

თემატურ სფეროებში. ლექსიკონი შედგება 4 ძირითადი მეტყველების ნაწილის ცალკეული ფაილიდან: არსებითი სახელები, ზმნები, ზედსართავი სახელები და ზმნისართები. GeWordNet-ის ძირითადი სტრუქტურული ერთეული არის სინონიმების სიმრავლე (სინსეტი), რომელიც აერთიანებს მსგავსი მნიშვნელობების სიტყვებს. ივარაუდება, რომ ლექსიკონში თითოეული სინსეტი წარმოადგენს მოცემული ენის ლექსიკალიზებულ კონცეპტს. ლექსიკონის მოხმარების გასაადვილებლად ყოველ სინსეტს თან ახლავს დეფინიცია და სინსეტის სიტყვათა კონტექსტუალური მაგალითები. GeWordNet-ში სინსეტები ერთმანეთთან დაკავშირებული არიან სემანტიკური მიმართებებით - ჰიპონიმია, მერონიმია, ლექსიკური კაუზაცია, პრესუპოზიცია და სხვა. ამათ შორის ყველაზე მნიშვნელოვანია ჰიპონიმია. ჰიპონიმური მიმართებებით ხდება სინსეტების იერარქიული ხისებრი სტრუქტურის ორგანიზება. თითოეული მეტყველების ნაწილის ლექსიკა წარმოდგენილია ხეების სიმრავლით. GeWordNet-ლექსიკონების განვითარების ახალი ეტაპი დაიწყო EuroWordNet პროექტით, რომლის ფარგლებში შეიქმნა ევროპული ენების თესაურუსები. EuroWordNet-ის პროექტის წარმატებამ ბიძგი მისცა სხვადასხვა ენების დიდი რაოდენობის GeWordNet-ის სახით წარმოდგენას. რუსთაველის სახელმწიფო ფონდის დაფინანსებით საქართველოს ტექნიკური უნივერსიტეტის არჩილ ელიაშვილის სახელობის მართვის სისტემების ინსტიტუტის ენობრივი და სამეტყველო განყოფილებაში ”ქართულ სიტყვათა ქსელის კომპაილერი - GeWorNet” პროექტის ფარგლებში იქმნება GeWorNet-ი. პროექტის მიზანია ისეთი ლექსიკო-სემანტიკური რესურსის შექმნა, რომელშიც: მთლიანად აისახება ქართული ენის ლექსიკური სისტემის აგებულება; წარმოჩნდება ქართული ენის საყოველთაოდ ხმარებული ლექსიკა; დაფიქსირდება ქართული ენის ლექსიკონისთვის მნიშვნელოვანი ყველა სემანტიკური, სემანტიკურ-გრამატიკული, სემანტიკურ-დერივაციული მიმართებები. დღესდღეობით GeWorNet-ის ლექსიკა ასახავს ლექსიკონის ყველაზე მნიშვნელოვან სტრუქტურულ მიმართებებს და ფარავს თანამედროვე ქართული ენის ძირითად ბირთვს. ლინგვისტური რესურსში გაერთიანებულია რამოდენიმე სხვადასხვა პლანის აღწერა: ტრადიციული ლექსიკოგრაფიული, ენობრივი ცნობიერების მოდელი და მონაცემთა წარმოდგენა კომპიუტერული ფორმით. ყოველივე ეს იმედს გვაძლევს, რომ GeWorNet-ის გამოყენება შესაძლებელი იქნება სხვადასხვა საინფორმაციო სისტემებში.

თანამედროვე საინფორმაციო ტექნოლოგიების სფეროში ამჟამად გამოყენებული ყველაზე გავრცელებული ლექსიკონები აგებულია GeWorNet მოდელის მიხედვით. ის არის ყველაზე ავტორიტეტული და ფართო გამოყენების სტანდარტი ლექსიკო-სემანტიკური მონაცემების ბაზის ასაგებად. GeWorNet და გამიზნულია ასახოს ენის ლექსიკური სისტემის შემადგენლობა და სტრუქტურა მთლიანად და არა რომელიმე კერძო თემატურ სფეროებში. ლექსიკონი შედგება 4 ძირითადი მეტყველების ნაწილის ცალკეული ფაილიდან: არსებითი სახელები, ზმნები, ზედსართავი სახელები და ზმნისართები. GeWordNet-ის ძირითადი სტრუქტურული ერთეული არის სინონიმების სიმრავლე (სინსეტი), რომელიც აერთიანებს მსგავსი მნიშვნელობების სიტყვებს. ივარაუდება, რომ ლექსიკონში თითოეული სინსეტი წარმოადგენს მოცემული ენის ლექსიკალიზებულ კონცეპტს. ლექსიკონის მოხმარების გასაადვილებლად ყოველ სინსეტს თან ახლავს დეფინიცია და სინსეტის სიტყვათა კონტექსტუალური მაგალითები. GeWordNet-ში სინსეტები ერთმანეთთან დაკავშირებული არიან სემანტიკური მიმართებებით - ჰიპონიმია, მერონიმია, ლექსიკური კაუზაცია, პრესუპოზიცია და სხვა. ამათ შორის ყველაზე მნიშვნელოვანია ჰიპონიმია. ჰიპონიმური მიმართებებით ხდება სინსეტების იერარქიული ხისებრი სტრუქტურის ორგანიზება. თითოეული მეტყველების ნაწილის ლექსიკა წარმოდგენილია ხეების სიმრავლით. GeWordNet-ლექსიკონების განვითარების ახალი ეტაპი დაიწყო EuroWordNet პროექტით, რომლის ფარგლებში შეიქმნა ევროპული ენების თესაურუსები. EuroWordNet-ის პროექტის წარმატებამ ბიძგი მისცა სხვადასხვა ენების დიდი რაოდენობის GeWordNet-ის სახით წარმოდგენას. რუსთაველის სახელმწიფო ფონდის დაფინანსებით საქართველოს ტექნიკური უნივერსიტეტის არჩილ ელიაშვილის სახელობის მართვის სისტემების ინსტიტუტის ენობრივი და სამეტყველო განყოფილებაში ”ქართულ სიტყვათა ქსელის კომპაილერი - GeWorNet” პროექტის ფარგლებში იქმნება GeWorNet-ი. პროექტის მიზანია ისეთი ლექსიკო-სემანტიკური რესურსის შექმნა, რომელშიც: მთლიანად აისახება ქართული ენის ლექსიკური სისტემის აგებულება; წარმოჩნდება ქართული ენის საყოველთაოდ ხმარებული ლექსიკა; დაფიქსირდება ქართული ენის ლექსიკონისთვის მნიშვნელოვანი ყველა სემანტიკური, სემანტიკურ-გრამატიკული, სემანტიკურ-დერივაციული მიმართებები. დღესდღეობით GeWorNet-ის ლექსიკა ასახავს ლექსიკონის ყველაზე მნიშვნელოვან სტრუქტურულ მიმართებებს და ფარავს თანამედროვე ქართული ენის ძირითად ბირთვს. ლინგვისტური რესურსში გაერთიანებულია რამოდენიმე სხვადასხვა პლანის აღწერა: ტრადიციული ლექსიკოგრაფიული, ენობრივი ცნობიერების მოდელი და მონაცემთა წარმოდგენა კომპიუტერული ფორმით. ყოველივე ეს იმედს გვაძლევს, რომ GeWorNet-ის გამოყენება შესაძლებელი იქნება სხვადასხვა საინფორმაციო სისტემებში.

In order to solve theoretical and applied tasks of Georgian language it is very important to draw out deeply annotated text corpora. While syntactically annotated corpora are now available for English, Czech, Russian and other languages, for Georgian they are rare. The environment, developed by our research group, offers several NLP applications, including a module of morphologic, syntactic and semantic level, a Universal Networking Language interface and a natural language interface to access SQL type databases. In this article, we research the automatic syntactic parser of Georgian Language. It includes syntactic level as well as morphologic level of Georgian language model. The basis of the linguistic model of Georgian text syntax annotation is the dependency grammar.

წარმოდგენილია სახელური (NP) და ზმნური (VP) ფრაზების ელემენტებად. ხის სტრუქტურის ერთიანობის შესანარჩუნებლად შემოდის ნულოვანი კვანძის ცნება (S-წინადადება), რომელიც უპირო ზმნის შემთხვევაში მხოლოდ VP-ზმნური ფრაზის, ხოლო სხვა შემთხვევაში კი NP-ს და VP-ს მშობელია. აღწერილია წინადადების ყველა წევრი (მთავარიც და არამთავარიც). თითოეულ მათგანთან აუცილებლად მითითებულია მისი სინტაქსური როლი: ეს არის სინტაქსური მშობლისა და სინტაქსური მემკვიდრის როლი. მშობლის როლში შეიძლება იყოს როგორც სახელური ფრაზა, ასევე ზმნური ფრაზაც. ეს ფრაზები თავისუფლად შეიძლება მონაწილეობდნენ მემკვიდრის როლშიც. ნაჩვენებია აგრეთვე, რომელ სინტაქსურ კონსტრუქციაში მონაწილეობს წინადადების ესა თუ ის წევრი, რომელსაც, თავის მხრივ, მიწერილი აქვს ყველა შესაძლო როლი სათანადო გრამატიკული მახასიათებლებით. მაგალითად, პირდაპირი დამატება არის VP ზმნური ფრაზის მემკვიდრე (VP=V+N). ის შეიძლება გადმოცემული იყოს სახელით (არსებითი, ზედსართავი, რიცხვითი, ნაცვალსახელი, სახელზმნა) მხოლობითსა და მრავლობით რიცხვში. მისი ბრუნვებია სახელობითი და მიცემითი. დაირთავს თანდებულებს (ვით, თან, ზე, ში) და ნაწილაკებს (-ც, -ღა, -ვე), ასევე სხვათა სიტყვის ნაწილაკებს (ო, მეთქი, თქო). ქართული წინადადების სინტაქსური ანოტირების სტრუქტურაში მნიშვნელოვან როლს ასრულებს მორფოლოგიური ანალიზის შედეგად დაგროვილი ცოდნა, რომელიც ამომწურავ სინტაქსურ ინფორმაციას გვაწვდის. მაგალითად, მოთხრობითი ბრუნვით გადმოცემული სახელი მხოლოდ ქვემდებარე შეიძლება იყოს და ა.შ. ასეთი სტრუქტურის მქონე სინტაქსური ანოტირების სისტემა გრამატიკული მახასიათებლების მეშვეობით ქართული წინადადების სრულყოფილი აღწერის საშუალებას იძლევა. 

ენის მოდელირება თანამედროვე ლინგვისტიკის ერთ-ერთ მნიშვნელოვან მიმართულებას წარმოადგენს. ენობრივი მოდელებისათვის დამახასიათებელია, ერთი მხრივ, ენობრივი სისტემის დაყოფა რამდენიმე დონედ (მორფოლოგიური, სინტაქსური, სემანტიკური), მეორე მხრივ კი, ამ დონეებს შორის უშუალო კავშირების დამყარება. ქართული ენის მოდელის სხვადასხვა დონეების შეთანხმებული ფუნქციონირებისა და ეფექტური მოქმედებისთვის შესაძლებელია მისი დაფუძნება „განმარტებით-კომბინატორულ ლექსიკონზე“. ქართული ენის კომპიუტერულ განმარტებით-კომბინატორულ ლექსიკონში ლექსემის გარშემო არსებული მთელი ინფორმაცია ზონებადაა დაყოფილი: პირველი - მეთაური სიტყვა, მეორე - სიტყვის განმარტება, მესამე ­ - მორფოლოგიური მოდელი, მეოთხე - სიტყვის სემანტიკურ-სინტაქსური მოდელი; მეხუთე ზონა ეძღვნება სიტყვის ლექსიკური ფუნქციების სიას. შოთა რუსთაველის ეროვნული სამეცნიერო ფონდის მხარდაჭერით შემუშავდა ქართული ენის განმარტებით-კომბინატორული ლექსიკონის გენერატორი. მის შესაქმნელად ვიყენებთ ქართული ენის სინტაქსისა და სემანტიკისადმი თანამედროვე მიდგომას: “ფენოვანი” სინტაქსური სტრუქტურები; ი. მელჩუკის ­- ლექსიკური პარამეტრების თეორია; ი. აპრესიანის - სინონიმური მწკრივების მეთოდი. ქართველოლოგიის თვალსაზრისით ეს არის ქართული ენის აღწერის მეთოდიკის გაფართოება, გაძლიერება და განახლება ახალი საერთაშორისო სტანდარტების შესაბამისად; ზემოხსენებული თანამედროვე თეორიებისთვის - მათი კროსლინგვისტიკური ვარგისიანობის ახალი ტესტირება; კომპიუტერული ლინგვისტიკის კუთხით კი, ეს სამუშაო უზრუნველყოფს მძლავრ საფუძველს ქართული ენის სრულყოფილი ფუნქციონალური მოდელის შესაქმნელად.  

The lion share of mental (philosophical, logical) concepts has its origin in the natural language - “body of thinking”. The most important of those concepts should have their origin in all languages, though with some possible additional nuances which make them more understandable and near for usual users of this language. Particularly, here will be given a short review of Georgian conjunctions with semantics corresponding to the logical implication

სტატიაში განხილულია ქართულ ენაში ზოგიერთი არსებითი სახელის მრავლობით რიცხვში ბრუნების თავისებურებანი. ენობრივი მოვლენები გარკვეულ კანონზომიერებას ექვემდებარება, მაგრამ ზოგადი წესების გვერდით არსებობს გამონაკლისებიც. ყურადღება გამახვილებულია ზოგიერთი სახელის მრავლობითი რიცხვის წარმოების საკითხზე. უკვე დამკვიდრებული წესის თანახმად, მრავლობით ბრუნვაში არ იხმარება გარკვეული ჯგუფის არსებითი სახელები. მათ არათვლადი სახელები ეწოდება. ასეთებია ნივთიერებათა, აბსტრაქტული, კრებითი არსებითი სახელები, მაგრამ  სხვადასხვა სემანტიკური დატვირთვის დროს არაიშვიათია ასეთი სახელების მრავლობითში ხმარება. ზოგი ზედსართავი სახელი გაარსებითებულია მრავლობითი რიცხვის ფორმით (წითლები, მწვანეები, მდიდრები, ღარიბები და ა.შ.). ნაშრომში საილუსტრაციოდ მრავლადაა მოყვანილი მეტყველებაში უკვე მტკიცედ დამკვიდრებული სიტყვათშეთანხმებები, ისეთები, როგორიცაა „ქართული ღვინოები“ „მარილების დაგროვება“, „მინარალური წყლები“ - (ნივთიერებათა სახელები); „ფიქრები“, „მოტივები“, „არჩევნები“ - (აბსტრაქტული სახელები); „გუნდები“, „კრებები“-(კრებითი სახელები): და სხვა.

ქართული ენის კომპიუტერული სუფლიორი უნარდაქვეითებული პირებისთვის ქართულად წერის ხელშემწყობი კომპიუტერული პროგრამაა, რომელიც, რამდენადაც ჩვენთვის ცნობილია, საქართველოში ჯერ არ დამუშავებულა. პროგრამა მომხმარებელს სიტყვის სწორ ვარიანტს სთავაზობს და კლავიატურის მინიმალური გამოყენები თუადვილებს კომპიუტერთან ურთიერთობას.ქართული მორფოლოგიური პროცესორის შემუშავება ხორციელდება ცოდნის დაგროვების MESLM მულტიენობრივი ექსპერტული სისტემის საშუალებით. სისტემა შეიძლება განხილულ იქნეს როგორც ინსტრუმენტი, რომელიც ბაძავს ადამიანის აზროვნებას და ქმნის მორფოლოგიურ წესებს ნებისმიერი ენის პროცესორისათვის. MESLM სისტემის პროგრამული უზრუნველყოფის დახმარებით ქართული ენის მორფოლოგიური პროცესორის შემუშავება მოიცავს სამ ძირითად კომპონენტს, ესენია: ზმნა, არსებითი სახელი და დანარჩენი მეტყველების ნაწილები.

დისერტაციის რეცენზირება

სამაგისტრო ნაშრომების ხელმძღვანელობა

სადოქტორო თემის ხელმძღვანელობა/თანახელმძღვანელობა

უცხოურ ენებზე მონოგრაფიის სამეცნიერო რედაქტირება

ქართულ ენაზე მონოგრაფიის სამეცნიერო რედაქტირება

რეფერირებული ან პროფესიული ჟურნალის/ კრებულის მთავარი რედაქტორობა

სამეცნიერო პროფესიული ჟურნალის/ კრებულის რეცენზენტობა

რეფერირებული სამეცნიერო ან პროფესიული ჟურნალის/ კრებულის სარედაქციო კოლეგიის წევრობა

საერთაშორისო ორგანიზაციის მიერ მხარდაჭერილ პროექტში/გრანტში მონაწილეობა

სახელმწიფო ბიუჯეტის სახსრებით მხარდაჭერილ პროექტში/ გრანტში მონაწილეობა

პატენტის ავტორობა

უფლება ქართულ ან უცხოურ სასაქონლო ნიშანზე, სასარგებლო მოდელზე

საქართველოს მეცნიერებათა ეროვნული აკადემიის ან სოფლის მეურნეობის აკადემიის წევრობა

საერთაშორისო პროფესიული ორგანიზაციის წევრობა

კონფერენციის საორგანიზაციო/ საპროგრამო კომიტეტის წევრობა

ჯილდო ეროვნული/ დარგობრივი პრემია, ორდენი, მედალი და სხვ.

საპატიო წოდება

მონოგრაფია

სახელმძღვანელო

სტატია მაღალ რეიტინგულ და ადგილობრივ ჟურნალებში

პუბლიკაცია სამეცნიერო კონფერენციის მასალებში, რომლებიც ინდექსირებულია Web of Science-ში და Scopus-ში