Adabiyoti universiteti

II. 

O„ZBEK TILINING MILLIY KORPUSI VA KORPUS 

YARATISH TAMOYILLARI 

2.1.  Korpus yaratishda lingvistik belgi yorliqlari 

Korpuslar  o‗zining  xususiyatlari,  tadqiqot  uchun  bazaviy  darajasi  katta-

kichikligiga  ko‗ra  oddiy  va  tavsiflangan    til  korpuslariga  ajraladi.  Demak,  biz 

tavsiflangan  korpus  qanday  bo‗lishini  aniqlashtirib  olishimiz  kerak.  Lingvistik 

tavsiflangan  yoki  unga  belgi  qo‗yilgan  degani  bu  korpusga  matndan  tashqari, 

matnga aloqasi bo‗lmagan, lekin qandaydir bir ma‘lumot beruvchi manba sifatida 

izohlanishi mumkin. Buni quyidagicha tushunish mumkin: 

I will use Google before asking dumb questions. 

Belgilaymiz: 

I  (pronoun)  will  (verb)  use  (verb)    Google(noun)  before(preposition)  

asking (verb) dumb(adjective) questions(noun). 

Asosan,  buni  avtomatik  analiz  korpus ishini osonlashtirishda  foydalanamiz. 

Til  korpusiga  birinchi  marta  razmetka  qo‗yilayotganda,  istalgan  belgini 

qo‗yishimiz  mumkin,  faqat  belgi  va  so‗z  orasida  qandaydir  bog‗liqlik  bo‗lishi 

kerak. Shunda shu so‗zga  o‗xshash so‗zlarni topishda ham qiynalmaymiz. 

80-yillarda elektron matnlarga standart belgilar kiritildi., ya‘ni qabul qilindi. 

Avvalo, ushbu belgi tipografiya(bosmaxona) sohasi uchun mo‗ljallangan bo‗lsa-da, 

keyinchalik  barcha  sohalarda  keng  qo‗llanila  boshlandi.  SGML  (Standard 

Generalized Markup Language) nomi ostida bu hodisa keng tarqaldi. Biz u orqali 

har  xil  shakldagi  matnlarni  tahlil  qilish,  tahrir  qilish  hamda  o‗zgartirish 

imkoniyatiga ega bo‗ldik. 

15

 

SGML  yorliqlar  g‗oyasiga  asoslanadi.  Yorliqlar  –  bu  matndagi  o‗ziga  xos 

belgilar tizimi bo‗lib, mazkur tekst haqida informatsiya beradi. Har qanday holatda 

har qanday matnlar uchun razmetka yorliqlaridan foydalanishimiz mumkin.  

                                                           

15

 Кутузов А.Б. Корпусная лингвистика. – M., 2005. C. 155-156. 

---

37 

 

Til  belgilari  bo‗lgan  SGML  bu  til  konstruktorlari  sanaladi.  U  o‗zining  ilk 

holatidagi  ko‗rinishida  va  ishlatilishida  murakkabligi  sababli  uning  bazasida