Бидний тухай
Багш ажилтан
Орчин цагийн монгол хэлний өгүүлбэрийн модны сан буюу үгийн аймаг болон өгүүлбэрийн бүтцийг ялган тэмдэглэсэн 6000 гаруй өгүүлбэртэй өгөгдлийн сангаас заахын тийн ялгалаар хэлбэржсэн шууд тусагдахуун гишүүнийг ялган шинжиллээ. Тус сан нь шинжлэх ухаан, сонин нийтлэл, уран зохиол, албан бичгийн найруулгын эхээс бүрдсэн бөгөөд нийт өгөгдлийн сангийн 51% нь заахын тийн ялгалаар хэлбэржсэн шууд тусагдахуун гишүүнтэй гурван бүрэлдэхүүнт өгүүлбэр байна. Албан бичгийн найруулгын эхийн 76%, сонин нийтлэлийн найруулгын 57%, шинжлэх ухааны найруулгын эхийн 36%, уран зохиолын найруулгын 37% нь заахын тийн ялгалтай шууд тусагдахуун гишүүнтэй байна. Заахын тийн ялгалтай шууд тусагдахуун гишүүний 94% нь жинхэнэ нэрээр, 6% нь жинхэнэ нэрээс бусад үгийн аймгаар илэрсэн байна. Бид тус өгүүлэлд жинхэнэ нэрээр илэрсэн заахын тийн ялгалтай шууд тусагдахуун гишүүний хэлбэр, давтамж, хэрэглээг авч үзсэн бөгөөд 4713 тохиолдлын 2903 нь заахын тийн ялгалын ил нөхцөлтэй, 1810 нь заахын тийн ялгалын тэг нөхцөлтэй байна.
Abstract This paper introduces a part-of-speech and syntactically annotated dataset for modern Mongolian. The dataset is a fully annotated corpus of modern Mongolian texts written in Mongolian Cyrillic. The texts were collected from diverse sources, segmented into sentences, and annotated using language-processing tools and annotation guidelines. The corpus contains 80,757 tokens and 6,099 sentences, with part-of-speech tags and syntactic-level annotations of syntactic form and grammatical function. In language education, the recognition and annotation of Mongolian syntactic structures are still carried out manually using traditional methods. In Mongolian, morphological forms, grammatical relations, and lexical semantics play an important role in determining sentence structure, constituent order, and head–dependent relations. Therefore, fine-grained part-of-speech identification is essential. For this reason, we defined and used 22 high-level part-of-speech tag types, 18 syntactic-level tag types, including 6 sentence-member (constituent function) tag types.
Энэхүү судалгааны ажлын хүрээнд бид машин сургалтын аргад суурилан бүтээсэн монгол хэл боловсруулалтын хэрэглүүрүүд болон нээлттэй эхийн программуудыг ашиглан сурах бичгийн нэг ангийн (монгол хэлний 5 дугаар анги) өгөгдлийг боловсруулж, үеийн давтамж, үгийн сангийн давтамж болон үгийн аймгийн хэрэглээ, хэлзүйн хувилал, өгүүлбэрийн бүтэц, хэв шинжийн давтамж зэрэг цогц тоон шинжилгээ хийж, үр дүнг танилцуулахыг зорьсон болно. Сурах бичгийн өгөгдлийн шинжилгээ нь түүний агуулга, стандарт, сургалтын хөтөлбөрийн удирдамж боловсруулах болон анги дэвших бүрд агуулга, үгийн сан, хэл найруулгын талаас ямар ахиц дэвшил гарч байгааг тогтоох зэрэгт чухал ач холбогдолтой юм.
Developing ontologies from scratch appears to be very expensive in terms of cost and time required and often such efforts remain unfinished for decades. Ontology localization through translation seems to be a promising approach towards addressing this issue as it enables the greater reuse of the ontological (backbone) structure. However, during ontology localization, managing language diversity across cultures remains as a challenge that has to be taken into account and dealt with the right level of attention and expertise. Furthermore, reliability of the provided knowledge in the localized ontology is appearing as a non-trivial issue to be addressed. In this paper, we report the result of our experiment, performed on approximately 1000 concepts taken from the space ontology originally developed in English, consisted in providing their translation into Mongolian.
