Alisher Navoiy nomidagi Toshkent davlat o‘zbek tili va adabiyoti universiteti

So‘z 
turkumi 
(O‘zbek 
tilida 
nomlanishi) 
UZPOS 
UPOS 
So‘z 
turkumi 
(Ingliz 
tilida 
nomlanishi) 
Namuna 
Fe’l 
FEL 
VERB 
Verb 
o‘qimoq 
Ot 
OT 
NOUN 
Noun 
kitob 
PROPN 
Proper noun 
Samarqand 
Sifat 
SIF 
ADJ 
Adjective 
aqlli 
Ravish 
RAV 
ADV 
Adverb 
bugun 
Son 
SON 
NUM 
Numeral 
besh 
Olmosh 
OLM 
PRON 
Pronoun 
men 
Ko‘makchi 
KMK 
ADP 
Adposition 
uchun 
Bog‘lovchi 
BGL 
CCONJ 
Coordinating 
conjunction 
va 
SCONJ 
Subordinating 
conjunction 
chunki 
Yuklama 
YUKL 
AUX 
Auxiliary 
ham 
Undov so‘z 
UND 
INTJ 
Interjection 
eh 
Taqlid so‘z 
TAQ 
ship-ship 
Modal so‘z 
MDL
shubhasiz 
Tinish belgisi 
TB 
PUNCT 
Punctuation 
. 
Simvol 
SIM 
SYM 
Symbol 
$ 
Boshqa 
X 
X 
Other 
hello 
1-jadval. Soʻz turkumlari ro‘yxati 
Teglash jarayoni Google unversal so‘z turkumlariga asoslangan Universal Dependencies v2 
(UD) izohlash koʻrsatmalariga binoan amalga oshirildi. Korpusda teglashning bu shakli ham mavjudligi 
oʻzbek tilining boshqa tillararo lingvistik usullarni oʻrganishni osonlashtiradi, tahlil algoritmlari 
natijalarini taqqoslashga imkon beradi. UD ko‘rsatmalari bo‘yicha teglangan korpuslar 100 dan ortiq tillar 
uchun ishlab chiqilgan. 

---

Alisher Navoiy nomidagi Toshkent 
davlat o‘zbek tili va adabiyoti 
universiteti 
“O‘ZBEK MILLIY VA TA’LIMIY 
KORPUSLARINI YARATISHNING NAZARIY 
HAMDA AMALIY MASALALARI”
Xalqaro ilmiy-amaliy konferensiya
Vol. 1
№. 01 (2021) 
96 
Matnli korpus ma’lumotlarini yig‘ish uchun O‘zbekistonda mashhur milliy qidiruv tizimi 
statistikasiga ko‘ra tashrif buyuruvchilar soni va ko‘rishlar soni bo‘yicha yetakchi o‘rinni egallab 
kelayotgan “Daryo” internet nashri (
https://daryo.uz
) tanlab olindi. Daryo onlayn xabarlar sayti 
maqolalarining so‘z turkumlarini qo‘lda teglab matnli korpus yaratish masalasini bajarish uchun afzallik 
tomonlaridan biri bu xabar maqolalari mualliflar, tahrirlovchilar tomonidan imloviy xatolarning imkon 
qadar to‘g‘irlanganligi va kategoriyalanganligidir. Bu esa tabiiy tilni qayta ishlashning yana bir masalasi 
matnlarni tasniflashda matnning so‘z turkumiga asoslangan xususiyatlarini tasniflash masalalarini hal 
qilishdagi samarasini tekshirishga yordam beradi.
Matnli ma’lumotlarini yig‘ish o‘zimiz ishlab chiqqan dastur yordamida bajarildi. Ushbu dasturni 
ishlab chiqishda Requests Python Library va Beautiful Soup Python package dan foydalanildi. 
“Daryo” onlayn xabarlar saytida 50 dan ortiq kategoriyalar mavjud bo‘lib, ulardan 10 tasi: dunyo, 
ilm-fan, madaniyat, mahalliy, shou-biznes, sport, texnologiyalar, avto, foto, kino kategoriyalari tanlandi. 
Kategoriyalarni tanlashda ulardagi maqolalar soni va maqolalardagi belgilar soni ko‘proq bo‘lganlari 
olindi. Kategoriyalar bo‘yicha maqolalar sonining muvozanatini saqlash uchun har bir kategoriyadan 
ko‘pi bilan 2000 ta maqola olinib, u xabarlar maqolalari 01/01/2016 dan va 31/12/2020 gacha onlayn 
nashr qilingan yangiliklardir. Ma’lumotlar to‘plamida har bir maqolaga tegishli yangilik havolasi, matni, 
nomi, nashr etilgan sanasi, toifasi, matn uzunligi va meta ma’lumotlari to‘plangan. Maqola matnlari 
HTML teglar, URL manzillar va turli xil emojilardan tozalangan. 2-jadvalda to‘plangan matnli korpus 
haqidagi statistik ma’lumotlar keltirilgan.