Тилини ривожлантириш департаменти ўзбекистон республикаси олий ва ўрта махсус таълим вазирлиги

Kategoriya nomi 
Maqolalar soni 
Har bir maqolaga mos 
so‘zlarning o‘rtacha soni 
Har bir maqolaga mos 
belgilarning o‘rtacha soni 
Dunyo 
2000 
279 
2330 
Ilm-fan 
384 
241 
2009 
Madaniyat 
1559 
154 
1270 
Mahalliy 
2000 
670 
5739 
Shou-biznes 
424 
138 
1123 
Sport 
2000 
276 
2348 
Texnologiyalar 
1551 
155 
1318 
Avto 
1516 
128 
1096 
Foto 
1165 
152 
1227 
Kino 
625 
132 
1096 
Barchasi 
13224 
232 
1956 
2-jadval. To‘plangan matnli korpus haqida statistik ma’lumotlar 
Yuqoridagi jadvaldan shuni ko‘rishimiz mumkinki, to‘plangan maqolalarning jami soni 13224 ta, 
har bir maqolaga mos so‘zlar sonining o‘rtacha qiymati 232 va har bir maqolaga mos belgilar sonining 
o‘rtacha qiymati 1956 ga teng [Rabbimov, 2020: 4]. 
Matnli korpus so‘zlariga mos turkumlarni teglab chiqish uchun Python dasturlash tilida Django 
freymvorkini ishlatgan holda dasturiy vosita va teglash jarayonini osonlashtirish uchun telegram bot 
ishlab chiqildi. Matndagi so‘zlarni teglashda 1-jadvalda keltirilgan UZPOS va UPOS teglaridan 
foydalanildi. Teglangan matn ko‘rinishi quyidagicha bo‘ldi. 
Asl matn: 
Xalqaro konferensiya qiziqarli o‘tdi, chunki konferensiya mavzusi dolzarb edi! 
UZPOS bo‘yicha teglangan matn: 
xalqaro_SIF konferensiya_OT qiziqarli_SIF o‘tdi_FEL ,_TB 
chunki_BGL konferensiya_OT mavzusi_OT dolzarb_SIF edi_FEL !_TB 
UPOS bo‘yicha teglangan matn: 
xalqaro_ADJ konferensiya_NOUN qiziqarli_ADJ o‘tdi_VERB 
,_PUNCT chunki_SCONJ konferensiya_NOUN mavzusi_NOUN dolzarb_ADJ edi_VERB !_PUNCT
So‘z turkumlarini teglash jarayonida ba’zi munozarali holatlarga duch keldik: 

bir so‘z turli kontekstda kelganda boshqa-boshqa turkumga tegishliligi ya’ni omonimlik 
holatlari; 

---