ანა ჩუტკერაშვილი

კონტროლირებულიი ბუნებრივი ენები (CNL) არის ბუნებრივი ენების დამუშავებული ქვეჯგუფები, რომლებიც დაფუძნებულია ბუნებრივ ენაზე, მაგრამ აქვთ საკუთარი შეზღუდული ლექსიკა, სინტაქსი და/ან სემანტიკა. ასეთი ენების დანიშნულებაა იყონ მაქსიმალურად მიახლოვებული ბუნებრივ ენასთან, შეამცირონ ბუნებრივი ენის ორაზროვნება და სირთულე.

CNL-ის გამოყენების სფეროები საკმაოდ მრავალფეროვანია. ისინი ემსახურებიან ადამიანებს შორის კომუნიკაციისა და ურთიერთგაგების გაუმჯობესებას (განსაკუთრებით, კითხვასა და გაგებასთან დაკავშირებულ სპეციფიკური შეზღუდვების მქონე ადამიანებისთვის), ხელს უწყობენ ხელით ან ავტომატურ თარგმანს, გამოიყენება ტექნიკური დოკუმენტების და იურიდიული ტექსტების დასაწერად, ორგანიზაციებს შორის ბიზნეს წესების გაცვლისთვის. საკმაოდ ეფექტურია საგანგებო სიტუაციებში კომუნიკაციისთვის  და კრიზისების მართვისას. ამის მაგალითებია Boeing-ისა და IBM-ის ტექნიკური დოკუმენტაცია, სპეციალური ინგლისური კონტროლირებული ენები ები გემებსა და ნავსადგურებს შორის კომუნიკაციისთვის და ა.შ.

ამ ტიპის ენები შემუშავებულია სხვადასხვა ევროპული ენებისთვის: ინგლისური, ბულგარული, გერმანული, ფრანგული, ჩინური, ა.შ. ენობრივი სპეციფიკიდან გამომდინარე, ისევე როგორც ბუნებრივი ენები, კონტროლირებული ენებიც განსხვავებულია ერთმანეთისგან. ამ ჩამონათვალს შორის ქართული კონტროლირებული ენა არ არის. საზოგადოდ, გამოთვლითი თვალსაზრისით, მიუხედავად ზოგიერთი ბოლოდროინდელი და მიმდინარე სამუშაოებისა, ქართული ჯერ კიდევ საკმაოდ მცირე რესურსის მქონე ენაა.

ამ მოხსენებაში განვიხილავთ გამოწვევებს ქართული კონტროლირებული ენის აგებისას, რომელიც მიზნად ისახავს საგანგებო სიტუაციებში სხვადასხვა მხარეს შორის მკაფიო და ცალსახა კომუნიკაციის დამყარებას.

კონტროლირებული ბუნებრივი ენები გამოიყენება როგორც მაღალი დონის ცოდნის წარმომადგენლობითი ენები. ბოლო წლების მანძილზე გაჩნდა მანქანაზე ორიენტირებული კონტროლირებული ბუნებრივი ენები, რომლებიც შეიძლება გამოვიყენოთ, როგორც მაღალი დონის ინტერფეისის ენები სხვადასხვა სახის ცოდნის სისტემებში. ამ ენებს ძალიან მნიშვნელოვანი ადგილი უჭირავს კომპიუტერული ლინგვისტიკის დარგში, მათი ორი ძალიან საინტერესო თვისების გამო: პირველ რიგში, მათ, ბუნებრივი ენების მსგავსად, არაფრომალური სტრუქტურა აქვთ, შესაბამისად, მათი გამოყენება ფორმალურ ენებთან შედარებით, ბევრად მარტივია. მეორეც, ისინი ზუსტად განსაზღვრულია ბუნებრივი ენების ქვეჯგუფებად და მათი თარგმნა შესაძლებელია ავტომატურად ფორმალურსამიზნე ენაზე და შემდეგ მათი  დამუშავება. მათ შეუძლიათ დააბალანსონ ბუნებრივი ენების და ფორმალური ენების უარყოფითი მხარეები ცოდნის მაქსიმალურად ზუსტად წარმოდგენისთვის და შეიძლება დაეხმარონ დომენის სპეციალისტებს კონტროლირებულ ბუნებრივ ენაზე სპეციფიკაციების წერისას.

მოხსენებაში ვისაუბრებთ კონტროლირებული ქართული ენის შესახებ კრიზისების მართვისთვის.

In order to mark the information source, Georgian uses reported speech markers such as -metki, -tko and -o [1]. The -metki (c’avida-metki), which derives from the sequence me vtkvi “I said”, has been grammaticalized as a postverbal clitic. It marks the firsthand information reporting quotations in the first person singular: the speaker reports an utterance s/he had already made or reflected on in the past. In some dialects of Georgian (e.g. Kakhetian) metki is attested as an autonomous lexical unit occupying the initial position (head-position) in a phrase “metki gaetrie akedan!”. According to Harrice, the grammaticalization of metki in phrases like “metki gaetrie akedan!” is not completed, Boeder considers the particle metki in “metki gaetrie akedan!” in an intermediate stage between quotative particle and an autonomous verb. In colloquial language metki sometimes occurs twice in a sentence as an autonomous lexical unit (at the beginning) and as an enclitic (at the end of the sentence) in order to intensify the marking of reported speech “metki c’amoiqvane ege+c-metki”). In some contexts, metki as an autonomous marker loses its original meaning of saying, acquiring epistemic overtones of speaker’s reliability like ‘I thought’, ‘I was sure’ “metki saxlšidamxvdeboda”. Such an interpretation is partially caused by the presence of conditional screeve “metki saxlšidamxvdeboda”, however, the expression of an unsuccessful expectation towards metki can be expressed also with the present screeve (dzalian ggavs, metki šeni da+a).

Controlled natural languages (CNLs) are engineered languages that are based on natural language, but have their vocabulary, syntax, and/or semantics restricted [9]. The motivation is to have a language that, on one hand, looks as natural as possible and, on the other hand, is simple and unambiguous. The application area of CNLs is quite broad. There are general-purpose CNLs (e.g., Attempto Common English [6]), whose vocabulary can be adapted to specific areas, and domain-specific ones, which reflect also the domain syntax. Due to space limitations, we just list some interesting practical applications of the domain-specific CNLs: writing technical documentation [3], mathematical authoring [5], crisis management [12, 13, 2], legal texts [4], interchanging business rules among organizations [11], and editing ontologies in OWL. In this talk we present some of the work done. We present some ambiguity cases and propose alternative clearer solutions. We analyze which of the existing ambiguity cases for other languages appear also in Georgian, and which are typical only for it. Being a complex language not closely related to any well-resourced language, developing a CNL for Georgian is an additional challenge. In fact, Georgian has one of the most complex morphologies: e.g., the verb form is very complex – it has agglutinative and inflection morphemes, and many categories (person, number, tense, mood, voice, etc.) which complicates parsing.

თარგმანის დროს წარმოებული სიტყვები (დერივატები) გარკვეულ სირთულეს ქმნის. პრობლემა დერივაციულ ფორმებშია, ვინაიდან სიტყვაწარმომქმნელი აფიქსების დამატება სიტყვებში ენობრივ ცვლილებებს იწვევს. ზოგიერთი აფიქსი სინონიმურია, ზოგი ომონიმური. ამ პრობლემის გადაჭრა კი ძალიან მნიშვნელოვანია კომპიუტერული მოდელების შექმნის პროცესში. მთარგმნელობითი ალგორითმების შექმნისა და შემდგომი პროგრამირებისას განსაკუთრებული ყურადღება უნდა მიექცეს ფონეტიკურ მოვლენებს და ძირის ცვლილებებს. ამ პრობლემის გადასაჭრელად, უპირველეს ყოვლისა, შევქმენით ქართული ენის სიტყვათა მაწარმოებელი აფიქსების მონაცემთა ბაზა. იგი აერთიანებს მორფემებს, რომლებიც დამახასიათებელია თანამედროვე სალიტერატურო ქართულისთვის ან სხვა ენებიდან არიან შემოსულნი. შესაბამისი ქართულ-ინგლისური წარმოებული ფორმების ავტომატური ფორმირებისთვის ორივე ენისთვის შეიქმნა სხვადასხვა სემანტიკური ჯგუფის სიტყვაწარმოების მოდელები. ასევე შეიქმნა ინგლისური მაწარმოებელი აფიქსების მონაცემთა ბაზა. ქართული ენა ცნობილია მორფოლოგიური ფორმების სიუხვით. სრულფასოვანი ავტომატური თარგმნისთვის სისტემას დაემატა ქართული ენის მორფოლოგიური პროცესორი. ამრიგად, შესრულებულია ქართული სიტყვების ავტომატური ლემატიზაცია, რის შემდეგაც გამოიყენება დერივაციული მოდელის ამოცნობისა და ავტომატური თარგმნის ალგორითმები. იგივე პროცესი, მხოლოდ საპირისპიროდ, გამოიყენება ინგლისური სიტყვის წარმოებული ფორმისთვის. ორივე შემთხვევაში ვიღებთ სიტყვის დერივაციული ფორმის ერთ ან რამდენიმე ლემას (საწყისი სახით ომონიმის შემთხვევაში და საბოლოო სახით სინონიმიის შემთხვევაში).

საქართველოს ტექნიკური უნივერსიტეტის არჩილ ელიაშვილის მართვის სისტემების ინსტიტუტში მრავალი წლის განმავლობაში მიმდინარეობს კომპიუტერული ლინგვისტიკის მიმართულებით ფუნდამენტური მეცნიერული კვლევები. ქართული ენისათვის დამუშავდა სხვადასხვა კომბინაციური მეთოდიკა (ლექსიკური ფუნქციები, სინონიმური მწკრივები, სემანტიკური როლები და სუპერპარადიგმები); შექმნილია ქართული ენის კომპიუტერული ლექსიკონი, რომელიც, ამავე დროს, მორფოლოგიური გენერატორის ფუნქციას ასრულებს ანუ თითოეული სალექსიკონო ერთეულისგან აწარმოებს შესაბამის სრულ პარადიგმას. ენის მოდელირების ფუნდამენტური საკითხების ფარგლებში შეიქმნა ენობრივი ალგორითმების წარმოდგენის ისეთი საშუალება, რომელიც, ერთი მხრივ, ასახავს ენობრივი სისტემის ფუნქციონირების ფუნდამენტურ თვისებებს (ორმიმართულებიანობა და პარალელურობა), მეორე მხრივ, ხელსაყრელია კომპიუტერული რეალიზაციისათვის. დამუშავდა ქსელური მეთოდი, რომლის საშუალებით შესაძლებელია ორმიმართულებიანი ანალიზ-სინთეზის ერთობლივი პროცესორის ფორმულირება. ინტერნეტსივრცეში, სადაც აისახა თანამედროვე ცხოვრების მრავალი სფერო, ბუნებრივი ლექსიკის ყოველი ახალი გამოვლინება ფიქსირდება ე.წ. „სიტყვის კარიბჭის“ დახმარებით. მსგავსი სისტემა ავტომატურად გამოავლენს ახალ სიტყვაფორმას, რომელიც ლინგვისტური დამუშავების შემდეგ შევა ენის ავტომატურ გრამატიკულ ლექსიკონში. რიგი ენებისთვის ლექსიკონების შევსება-გაფართოების პროცესი გამარტივებულია გრამატიკული კომპაილერის დახმარებით, რომელიც ენის ფორმალური მოდელის ავტომატური რეალიზაციის ყველაზე თანამედროვე ინსტრუმენტია. შესაძლებელია ნებისმიერი ენის სხვადასხვა ვარიაციისთვის (დროის, სივრცის, წარმომავლობის, ჟანრის და ა.შ. მიხედვით) ცალკეულ ენათა მორფოლოგიური პროცესორების ბიბლიოთეკების კომპილირება და სხვ.კომპიუტერული ლინგვისტიკის ყველაზე დიდ მიღწევად და, გარკვეულწილად, საბოლოო მიზნად, სამართლიანად შეიძლება მოვიაზროთ ავტომატური მანქანური თარგმანი. ამ მეტად რთული ამოცანის ბოლომდე გადასაწყვეტად აუცილებელია უპირველესად ლექსიკური მთარგმნელის შექმნა. ენის რიგითი მომხმარებლისათვის ასეთი სისტემაც საკმაოდ ღირებულია, რადგან ის უადვილებს მომხმარებელს უცხო ტექსტის ინტენსიურ გაცნობას და ხშირად უფრო სასარგებლოცაა ტექსტის შედგენისას. ჩვენი ჯგუფი ბოლო წლების განმავლობაში მოქმედებს იმ სტრატეგიით, რომ ცალკეულ პროექტებში დამუშავებული საკვანძო თეორიული და პრაქტიკული საკითხები მომავალში ენის ტექნოლოგიზების საიმედო დასაყრდენად იქცეს. ჩვენ მიერ შექმნილი კომპიუტერული პროდუქტები მრავალი ლინგვისტური მიმართულებით გამოიყენება. ლინგვისტებისთვის ფართო ასპარეზი იქმნება ქართული ენის კომპიუტერული მოდელის რეალიზაციისათვის მისი მრავალი გამოვლინებისა და ცვლილებების გათვალისწინებით. აღსანიშნავია, რომ ჩვენ მიერ პროგრამული პროდუქტების სახით შექმნილია ნაციონალური კორპუსის მენეჯერის კომპილაციისათვის ძირითადი კომპონენტები.

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.

ი. მელჩუკის ცნობილი მოდელის – “შინაარსი↔ტექსტი” – მარცხენა მხარე შეიძლება წარმოვიდგინოთ როგორც სინონიმური გამონათქვამების სიმრავლე, რომელშიც შესაძლოა ავირჩიოთ რომელიმე სავარაუდოდ ყველაზე მარტივი, “ნეიტრალური” წევრი და მივანიჭოთ მას ამ სიმრავლის, ანუ ამ კონკრეტული “შინაარსის”, “დომინანტის” სტატუსი. ამგვარი მიდგომის ფარგლებში მოდელის პრაგმატიკულ-სემანტიკური დონის ფუნქციონირება უნდა ეყრდნობოდეს კვაზი-სინონიმურ გარდაქმნებს, რომლებსაც გადაჰყავთ “დომინანტი” შინაარსის სიმრავლის ნებისმიერ წევრში (სინთეზის დროს) და ასრულებენ ტრანსფორმაციას საპირისპირო მიმართულებისას (ანალიზის დროს). ცხადია, რომ მოდელის ფუნქციონირების საბოლოო მიზნის მისაღწევად, ეს ტრანსფორმაციები უნდა ითვალისწინებდნენ იმ დამატებით შინაარსობრივ ნიუანსებს, რომლებიც განასხვავებენ მაქსიმალურად “ნეიტრალურ” დომინანტას მისი ნებისმიერი კვაზი-სინონიმისგან. ყოველი ასეთი ტრანსფორმაციის როგორც შესაძლებლობა, ისე შედეგი უნდა ეყრდნობოდეს სათანადო ინფორმაციას, რომელიც სიმარტივის და ეკონომიის მოსაზრებების გამო სასურველია, რომ განაწილდეს ცალკეულ ლექსემათა შორის, ანუ მოთავსდეს შესაბამის სალექსიკონო ერთეულებში. ამ ინფორმაციის მოწესრიგების ცდა მოცემულია “ლექსიკური ფუნქციების” აპარატის საშუალებით, რომლებიც ჯამში გვთავაზობენ ლექსიკური “პარადიგმის” ანალოგს, ანუ მოცემულ ლექსემასთან სემანტიკურად კორელირებული ერთეულების სიმრავლეს: ამ კორელაციის ყოველ ცალკეულ სახეობას ახასიათებს სათანადო სიმბოლო (Syn, Conv, Magn,..), რომელიც მიუთითებს მის მნიშვნელობაზე, და მას უკავშირდება კვაზი-სინონიმები, რომლებიც გამოხატავენ ამ მნიშვნელობას მოცემული (C0) ლექსემის კონტექსტში. ნიშანდობლივია, რომ ყოველი კერძო ფუნქციის მნიშვნელობები წარმოადგენენ ერთმანეთის კვაზი-სინონიმებს. Syn ფუნქციის თავისებურ განზოგადებას წარმოადგენს “სინონიმური მწკრივის” ცნება, რომელიც აერთიანებს მოცემული ლექსემის ყველა კვაზი-სინონიმს და ამავე დროს განსაზღვრავს მათ შორის არსებულ სემანტიკურ ოპოზიციებს. კვაზი-სინონიმური მწკრივის კერძო სახეს წარმოადგენს ქართული ზმნის სუპერ-პარადიგმა, რომელიც აერთიანებს ყველა ერთი და იმავე ზმნური ლექსემიდან ნაწარმოებ პარადიგმას (მაგ., აკეთებინებს – (ა/უ)კეთებს – (/უკეთდება), ადვილი დასანახია, რომ ეს “მწკრივი” უზრუნველყოფს რიგ სტანდარტულ კვაზი-სინონიმურ ტრანსფორმაციას ძირითადი სემანტიკური ბირთვის შეუცვლელად. სამივე ეს ლექსიკური საშუალება ჩართულია ქართულ კომპიუტერულ ლექსიკონში და ტესტირებულია რამდენიმე ასეულ სალექსიკონო ერთეულზე.

მოცემული C0 ლექსიკური ერთეულის LF() ფუნქციათა მნიშვნელობები ქმნიან ლექსიკური “პარადიგმის” მსგავს ერთობლიობას, რომლის წევრებს გააჩნიათ მყარი ასოციატური და კონსტრუქციული მიმართებები საწყის C0-თან. ერთ-ერთი სარგებელი, რომელიც ენობრივი მოდელის სქემასა და მის ლექსიკონში ლექსიკური ფუნქციების ჩართვას ახლავს, არის ის, რომ ამ ინფორმაციაზე დაყრდნობით ხშირად ხდება შესაძლებელი ტექსტში სიტყვათა სწორი კომბინირება. - გასცა ბრძანება/გააკეთა განცხადება/მიიღო გადაწყვეტილება/მისცა რჩევა/... (1). ზმნები, რომლებიც (1)- ში წარმოადგენენ Oper1 ფუნქციის მნიშვნელობების მაგალითს, ვერ შეენაცვლებიან ერთმანეთს შესაბამისი არსებითების (C0-ების) აშკარა სემანტიკური სიახლოვის მიუხედავად. LF სისტემის ღირებულების მეორე ასპექტი მდგომარეობს იმაში, რომ მისი კომპონენტები მრავალი კვაზი-სინონიმური ტრანსფორმაციების საფუძველს უზრუნველყოფენ. ასე მაგალითად, (1)-ის ბოლო ნიმუშში შესაძლებელია “რჩევა” განვიხილოთ როგორც “ურჩევს” ზმნის C0 დერივატი (Der) და მივიღოთ გარდაქმნის სქემით Co « Oper1 + Der(Co). შედეგი: ურჩია « რჩევა მისცა; LF-ები მნიშვნელოვან საშუალებას და საფუძველს წარმოადგენენ კვაზი-სინონიმური გარდაქმნებისთვის, რომლებიც, თავის მხრივ, არსებით როლს ასრულებენ ენობრივი მოდელების (და საერთოდ – ბუნებრივი ენის) ფუნქციონირებაში.

The paper discusses the meaning and functions of the Georgian lexical items mxolod and mart’o. It shows that both are focus particles which can substitute each other in particular contexts and that mxolod unlike mart’o, can be negated and imply an additive reading. the paper further shows that mart’o can be categorized as an adverb additionally to its categorization as focus particle. As adverb it can function as adverbial or secondary predicate. whereas mxolod and mart’o as focus particles relate to physical, countable items mart’o can denote physical and spiritual properties. It follows from the bi-categorial status of mart’o that mart’o is more productive in word formation than mxolod.  

The paper considers the Georgian particles k’i and -c. these particles are frequently used, separately, as well as together. They have different meanings but both of them can have a focusing function: emphasizing a word or a phrase they are attached to. In spite of having similar or even the same semantic features, the particles k’i and -c cannot substitute each other. One reason for this is that -c is a bound form and k’i is not. they never substitute for each other but they very often occur together and they are much more emphatic when they are used together. The dominating element in building up the meaning of -c k’i is -c, which is stronger in emphasis. -c k’i is used to emphasize something unexpected or surprising. These particles are rendered in English by “even”. 

ნაშრომში განხილულია „happen“ კონცეპტის გადმოცემის სემანტიკური და გრამატიკული თავისებურებანი ქართულ ზმნებში. გამოყოფენ სამ ძირითად ჯგუფს: 1. ამბიენტური ზმნები; 2. ერთაქტანტიანი ზმნები, როგორიცაა „ვკვდები“ ან „მეძინება“ და 3 ორაქტანტიანი ზმნები. მათი აქტანტები განისაზღვრება როგორც ფსევდო აგენსი და პაციენსი. ბოლო ტიპის ფორმების გამოსახატავად სამი მორფოლოგიური სტრუქტურა არსებობს. განიხილება ორვალენტიანი „happen“ ტიპის ზმნების ზოგიერთი ორაზროვანი შემთხვევა პაციენსთან და მესამე აქტანტთან მიმართებით (ტენიერის გაგებით). მრავალი გამონაკლისი და არასტანდარტული ფორმა გვხვდება. საკითხის შემდგომმა შესწავლამ შეიძლება უფრო საინტერესო შემთხვევები გამოავლინოს.

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