Acceso usuarios
El fenómeno de la homonimia crea dificultades adicionales para los procesos de reconocimiento automático de texto, lo que requiere el uso de algoritmos y métodos de procesamiento más complejos. La investigación busca abordar los problemas del reconocimiento automático de homónimos en kazajo, ruso, inglés, turco y tártaro. El estudio identificó los principales problemas que surgen en la detección e identificación automática de homónimos/homoformas, en particular, la falta de una estructura oracional clara (ruso, turco), la significativa diversidad morfológica de la lengua (presencia de un gran número de categorías gramaticales, alto nivel de afijación), la ambigüedad contextual y el insuficiente desarrollo de las cuestiones teóricas del estudio de la homonimia. Se consideraron los métodos más eficaces para distinguir homónimos en corpus nacionales de ruso (modelo de Markov con máxima entropía), inglés (incrustaciones del modelo lingüístico), turco (método híbrido) y tártaro (método de eliminación de homónimos de un corpus marcado con homónimos). El presente estudio se centra en la solución del problema desde la perspectiva del análisis morfológico y sintáctico, y requiere un estudio más detallado de los aspectos semánticos y contextuales.PALABRAS CLAVE: corpus lingüístico, analizador morfológico, algoritmo, pares homográficos, rasgos formales.PROBLÉMATIQUE DE LA RECONNAISSANCE AUTOMATIQUE DES HOMONYMES/HOMOFORMES EN LINGUISTIQUE APPLIQUÉERESUMÉ : Le phénomène d'homonymie crée des difficultés supplémentaires pour les processus de reconnaissance automatique de texte, nécessitant l'utilisation d'algorithmes et de méthodes de traitement plus complexes. La recherche vise à aborder les problèmes de reconnaissance automatique des homonymes en kazakh, russe, anglais, turc et tatar. L'étude a identifié les principaux problèmes qui se posent dans la détection et l'identification automatiques des homonymes/homoformes, en particulier, l'absence d'une structure de phrase claire (russe, turc), la diversité
The phenomenon of homonymy creates additional difficulties for automatic text recognition processes, requiring the use of more complex algorithms and processing methods. The research aims to address the issues of automatic homonym recognition in Kazakh, Russian, English, Turkish and Tatar. The study identified the main problems that arise in the automatic detection and identification of homonyms/homoforms, in particular, the lack of a clear sentence structure (Russian, Turkish), significant morphological diversity of the language (the presence of a large number of grammatical categories, high level of affixation), contextual ambiguity, insufficient development of theoretical issues of homonymy study. The most effective methods of distinguishing homonyms in national corpora of Russian (Markov model with maximum entropy), English (Embeddings from Language Model), Turkish (hybrid method) and Tatar (method of removing homonyms from a corpus marked with homonyms) were considered. The present study is more aimed at solving the problem from the point of view of analysing morphology and syntax and requires a more detailed study in semantic and contextual aspects.
