Атты І халықаралық конференция ЕҢбектері



жүктеу 8.57 Mb.
Pdf просмотр
бет29/39
Дата25.12.2016
өлшемі8.57 Mb.
1   ...   25   26   27   28   29   30   31   32   ...   39

 
Литература 
1.
 
Raut,  C.K.,  Bayesian  discriminative  adaptation  for  speech  recognition,  Acoustics,  Speech 
and  Signal  Processing,  2009.  ICASSP  2009.  IEEE  International  Conference  on  Eng.  Dept., 
Cambridge Univ., Cambridge ,  19-24 April 2009, Page(s): 4361 – 4364 
2.
 
 Lawrence R. Rabiner (February 1989). "A tutorial on Hidden Markov Models and selected 
applications 
in 
speech 
recognition". Proceedings 
of 
the IEEE 77 (2): 
257–
286. doi:10.1109/5.18626.  
3.
 
Mohamad  Adnan  Al-Alaoui,  Lina  Al-Kanj,  Jimmy  Azar,  and  Elias  Yaacoub,  Speech 
Recognition  using  Artificial  Neural  Networks  and  Hidden  Markov  Models,  IEEE 
MULTIDISCIPLINARY  ENGINEERING  EDUCATION  MAGAZINE,  VOL.  3,  NO.  3, 
SEPTEMBER 2008 
4.
 
Винцюк, Т.К. Анализ, распознавание и интерпретация речевых сигналов. Киев, Наук. 
думка, 1987. 
5.
 
Negin  Najkar  ,  Farbod  Razzazi,  Hossein  Sameti  An  evolutionary  decoding  method  for 
HMM-based  continuous  speech  recognition  systems  using  particle  swarm  optimizationб  Pattern 
Anal Applic, DOI 10.1007/s10044-012-0313-7 
6.
 
Mondher  Frikha*,  Ahmed  Ben  Hamida    A  Comparitive  Survey  of  ANN  and  Hybrid 
HMM/ANN Architectures for Robust Speech Recognition American Journal of Intelligent Systems 
2012??? 2(1): 1-8 DOI: 10.5923/j.ajis.20120201.01 
7.
 
J.P.  Hosom,  R.  Cole,  and  M.  Fanty.  Speech  Recognition  Using  Neural  Networks  at  the 
Center for Spoken Language Understanding. //Center for Spoken Language Understanding, Oregon 
Graduate Institute of Science and Technology, July 1999. 
8.
 
Isolated  Digit  Recognition  Using  MFCC  AND  DTW,  International  Journal  on  Advanced 
Electrical  and  Electronics  Engineering,  (IJAEEE),  ISSN  (Print):  2278-8948,  Volume-1,  Issue-1, 
2012, pp 59-64 
9.
 
Шелепов,  В.Ю.,  Ниценко  А.,  Дорохина,  Г.В.,  Карабалаева,  М.Х.,  Бурибаева,  А.К. 
(2012)  О  распознавании  речи  на  основе  межфонемных  переходов.  Вестник.  Астана: 
Евразийский  национальный  университет  им.  Л.Н.Гумилева,  2012.  –  Специальный  выпуск.–
С.436-440 
10.
 
Ж.  Есенбаев,  О.  Махамбетов,  М.  Карабалаева  ,  Текстовый  корпус  казахского  языка, 
материалы  международной  научно-практической  конференции  «Современное  казахское 
языкознание: актуальные вопросы прикладной лингвистики», Алматы, 2012, стр.61-66 
 
 
С.А. АЛТЫНБЕК, М.М. МУРАТБЕКОВ, А.М. АБЫЛАЕВА, А.С. ТУРГИНБАЕВА 
 
 
Евразийский национальный университет им. Л.Н. Гумилева, Астана, Казахстан 
 
 
ЛОГИКА ПОСТРОЕНИЯ АЛГОРИТМОВ НЕЙРОННЫХ СЕТЕЙ ДЛЯ 
РАСПОЗНАВАНИЯ РУКОПИСНОГО КАЗАХСКОГО ТЕКСТА 
 
Целью  данной  работу  является  исследование  распознавания  рукописного  казахского 
текста  и  проверка  распознанного  текста  на  орфографию  и  морфологию  казахского  языка. 
Реализации  данной  проблемы  актуально  для  Казахстана,  которая  бы    переносила 
накопленную веками информацию в книгах и рукописных текстах в цифровую информацию. 
Реализация  методов  распознавания  необходима  также  в  автоматизированных  системах, 
предназначенных  для  использования  в  криминалистике,  медицине,  военном  деле.  Такие 

245 
 
применения  теории  распознавания,  как  кластерный  анализ  (таксономия),  выявление 
закономерностей  в  множестве  экспериментальных  данных,  прогнозирование  различных 
процессов  или  явлений  широко  используются  в  научных  исследованиях.  Большую  роль 
методы 
распознавания 
(классификации) 
играют 
в 
активно 
развивающихся  
интеллектуальных информационных системах. 
В  данной  работе  предлагается  подход,  состоящий  в  построении  систем  распознавания 
рукописного  текста,  объединяющих  модули  выделения  признаков  и  классификатор  с 
применением  нейронных  сетей,  имеющих  меньшее  количество  весов  относительно 
многослойных полносвязных нейронных сетей. Системы должны сами выделять признаки и 
обладать  инвариантностью  к  искажению  входных  символьных  изображений.  Предлагается 
метод построения таких систем на основе сверточных нейронных сетей. 
Исследуем  алгоритм  пошаговой  реализации  модулей  программ,  для  мультиагентной 
нейронной сети, которая одновременно, разными методами распознает текст
Логика последовательности модулей программы: 
1) Последовательное применение графических фильтров: 
- удаление шумовых помех 
- скелетизация изображения 
- округление углов и выравнивание линий 
2) Выделение букв: 
- разбивка изображения на строки 
- разбивка строк на слова 
- разбивка слов на буквы методом предсказания длин [1-2,4] 
- вычисление угла наклона букв 
3) Обучение нейронов Кохонена-Гроссберга: 
- векторизация символов с учетом угла наклона 
- сравнение выявленных символов с эталонами из базы данных [3,5] 
4) Орфографический и грамматический анализ: 
- поиск в базе данных слов по найденным буквам 
- выявление наиболее вероятных слов в предложении по найденным словам 
- предсказание слов по количеству букв и по смыслу предложения 
5) Сохранение результатов: 
- обучение нейронов по принятому изображению и результатов распознавания 
-  при  отсутствии  в  базе  данных  подобного  подчерка  -  создается  новый  профиль  для 
сохранения эталонных векторов 
Помимо вышеуказанных пунктов нейронная сеть, должна будет применить уже известные 
методы и алгоритмы распознавания для повышения качества. Модель мультиагентной сети 
позволит  методом  голосования  между  всеми  методами  распознавания  выделять  лучшие 
результаты.  Кроме  того,  в  мультиагентную  сеть  можно  постоянно  добавлять  новые 
подпрограммы, которые в итоге станут способны решать широкий спектр задач машинного 
зрения. 
Предлагаемый  для  разработки  исследование  позволит  создать  систему  автоматизации 
документооборота,  которая  обязательно  присутствуют  в  средствах  ввода  бумажных 
документов,  естественно,  путем  сканирования.  Задача  распознавания  произвольного 
рукописного текста является актуальной сегодня, и проблема не будет закрыта в ближайшие 
десятилетия.  Задача  распознавания  рукописных  текстов  как  научная  проблема  и  как 
информационная  технология  находится  на  подъеме,  благодаря  большому  интересу  к  этой 
области в коммерческих кругах, среди компьютерных компаний, в научном сообществе. 
 
Литература 
1
 
Бусленко, Н.П. Метод статистических испытаний / Н.П. Бусленко, Ю.А. Шрейдер. М.: 
Государственное издательство физико-математической литературы, 1961. - 228с. 

246 
 
2
 
Вапник, В.Н. Восстановление зависимостей по эмпирическим данным /  В.Н. Вапник 
М.: Наука, 1979. - 447с. 
3
 
Вапник,  В.Н.  Теория  распознавания  образов  /  В.Н.  Вапник,  А  .Я.  Черновенкис.  М.: 
Наука, 1974. - 414 с. 
4
 
Гмурман,  В.Е.  Теория  вероятностей  и  математическая  статистика:  Учеб.  пособие  / 
В.Е. Гмурман. М.: Высш. шк., 1999. — 479с. 
5
 
Горелик, А.А. Методы распознавания / А.А. Горелик, В.А. Скрипник.1. М: Высш. шк, 
1977. 222 с. 
 
 
А.А.ШАРИПБАЕВ
1
, Г.Ж.ЖЕТИМЕКОВА

 
 
1
Л.Н. Гумилев атындағы ЕҰУ, 
2
Е.А.Бөкетов атындағы ҚарМУ 
 
 
БЕЙНЕНІ ТАНУ ЕСЕПТЕРІНДЕ НАҚТЫ ЕМЕС ЛОГИКАНЫҢ ҚОЛДАНЫЛУЫ 
ЖӘНЕ ЕРЕКШЕЛІКТЕРІ 
 
Бейнені  танудың  қазіргі  кездегі  жетістіктерінің  бірі  нейрожелілік  әдістер  арқылы 
Интернет жүйесі бойынша адамдардың бетінің бейнесін тану болып отыр.  
Жасанды  нейрондық  желі  негізінде  интеллектуальды  жүйелер,  бейнелерді  тануды, 
бақылаудың  орындалуын,  тиімділікті,  ассоциативті  жады  және  басқарудың  мәселелерін 
орындап келе жатыр. 
Нейрожелілік  әдіс  -  әртүрлі  нейрондық  желілердің  типінде  қолданылатын  негізгі 
әдістердің бірі болып табылады. Бейнені тану үшін әртүрлі нейрондық желілерді қолданудың 
негізгі бағыттары қолданылады. 
Олар: 
-
 
бейненің белгіленген белгісі бойынша немесе кілттік сипаттамалардан арылу үшін; 
-
 
бейнелер үшін жіктелу; 
-
 
тиімді тапсырмаларды шешу. 
Бейнені танудың нейрожелілік әдіс арқылы жұмыс жасауы қазіргі кездегі бірнеше саланы 
қамтамасыз етеді. 
Жасанды нейрондық желінің құрылымы төменде көрсетілген: 
 
 
 
Сурет 1. Жасанды нейрондық жүйенің құрылымы 
 
Автоматты  басқару  есептерінде  анықталмағандықтың  сипаттамасын  беру  үшін  үш  тәсіл 
қолданылады: 

247 
 
-
 
ықтималдық (стохастикалық); 
-
 
нақты емес логиканы қолдану (fuzzy logic); 
-
 
хаостикалық жүйелер. 
Нақты  емес  логиканың  алгоритмін  енгізу  мүмкін  болатын  барлық  экспертті  жүйенің 
жұмысын соның ішінде келесілерді қарастырады: 
-
 
процессті сызықтық емес түрде тексеру (өндіріс); 
-
 
өз-өзінен  оқылатын  жүйелер  (классификаторлар)  тәуекелді  және  төтенше 
жағдайларды зерттеу; 
-
 
бейнені тану; 
-
 
қаржылық анализ (құнды қағаздар нарығы); 
-
 
мәліметтерді зерттеу (корпоративті сақтау). 
Нақты емес жүйенің кемшілігі болып келесілер табылады: 
-
 
нақты емес жүйені құрастырудың стандартты тәсілінің жоқтығы; 
-
 
сәйкес  тәсілдермен  нақты  емес  жүйенің  математикалық  анализіне  талдау  жасай 
алмауы; 
-
 
ықтималдықпен салыстыру тәсілін нақты емес жүйеге алып қолдану. 
Нақты емес логика қазіргі басқару теориясының жедел түрде дамып келе жатқан бағыты. 
Нақты  емес  жүйенің  негізінде  жинақтың  теориясы  жатыр,  онда  болжау  функциясының 
элементі  жинақтың  бинарлы  еместігі  (иә/жоқ)  қарастырылады.  Бұл  өмірдегі  нақты  емес 
логиканың “жақсы”, “жоғары”, “баяу” және т.б. түсініктерін анықтайды. Нақты емес логика 
логикалық  операциялардың  бірнеше  түрлерімен  жұмыс  жасайды:  біріктіру,  қиылысу, 
терістеу және т.б.  
Нақты  емес  логика  мәліметтер  қорын  және  жаңа  дәуірдің,  кезеңнің  эксперттік  жүйесін 
құруға, нақты емес ақпаратты сақтау және өңдеу тәсілдеріне мүмкіндік береді. 
Сонымен  қатар  нақты  емес  логиканың  қолданылу  аймағы  -  әртүрлі  сипаттаудағы  – 
электронды жүйелер, технологиялық процесстер және т.б. түрлері  жатады. Дәстүрлі  анализ 
тәсілдерімен  және  ықтималдықтардың  тәсілін  салыстыра  отырып,  нақты  емес  басқарудың 
нақты, дәл нәтиженің алынатындығын айтуға болады.  
Нақты  емес  логиканың  тәсілімен  тапсырманы  шешудің  алгоритмінің  негізгі  мінездемесі 
болып,  кейбір  нақтылылар  жиынтығының,  ережелер  жиынтығының  болуын,  әр  ереже 
оқиғалар (шарттар) қасиетінің жиынтығынан және нәтижелерден тұратындығы табылады. 
Тапсырма  есеп  болып  қойылғаннан  соң,  шарттар  мен  нәтижелерден  тұратын  арнайы 
алгоритмдермен өңдеу ережелері іске қосылады. Өңдеу идеясы түрленуден (фаззификация - 
fz) нақты емес мәні өңдеуден және санды формиада нәтижені шығару жатады. Функцияның 
типін таңдау шешіліп жатқан есептерге тәуелді болады. Fz – операциясы интегралды Лаплас, 
Фурье түрлендірулеріне ұқсас және ол бір кеңістіктен екінші кеңістікте өту  мүмкіндігіне ие 
бола  алады.  Жаңа  кеңістікте  нақты  емес  айнымалыны  логикалық  операциямен  қолдану 
арқылы  өңдеуге  болады.  Алынған  нәтиже  логикалық  өңдеу  кері  тартуды  қолдана  отырып 
(дефаззификация - dfz) – бастапқы санды айнымалы кеңістігіне өтеді. 
Нақты  емес  логикалық  негізгі  қолданылу  ерекшелігі  дәстрүрлі  тәсілді  автоматты 
басқарумен  салыстырғандағы  айырмашылықты  шешу  есебі  үшін  келесі  басқарулардан 
тұрады: 
-
 
басқару процесінің жылдамдығын едәуір өсіру, ол нақты емес контроллерді қолдану 
кезінде орындалады; 
-
 
объектілер  үшін  басқару  жүйесін  құру  мүмкіндігі,  дәстүрлі  математикамен  қиын 
құрылатын алгоритмдерді құрастыру, қызмет етуі; 
-
 
классикалық регулятор  базасында адаптивті регуляторды синтездеу мүмкіндігі; 
-
 
есептеуіштен  ақпаратты  өңдеу  кезінде  кездейсоқ  оқиғалардың  алгоритмдерінің 
дәлдігін көтеру; 
-
 
басқарушы алгоритимдермен жұмыс жасау кезінде қателік шешімдерді қабылдаудың 
ықтималдығын азайту. 
Нақты емес логика жиынтығына келесі операцияларды қолдануға болады: 

248 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Фаззификация -  x мәнінің жиынтығы M(x) функциясында жататындығын анықтау болып 
табылады, демек, x мәнін нақты форматқа ауыстыру. 
Дефаззификация - фаззификацияға кері процесс. 
Нақты  емес  логиканың  барлық  жүйесі  бір  қағида  бойынша  жұмыс  жасайды:  өлшеу 
құрылғыларының  көрсеткізуі  фаззификацияланады  (нақты  емес  форматқа  ауысады), 
өңделеді,  қалыпты  сигнал  түріне  дефаззификацияланады  және  құрылғымен  орындалуға 
жіберіледі.  
Нақты  емес  логикада  лингвистикалық  айнымалы  түсініктері  енгізіледі,  олардың  мәндері 
сан емес; оларды терма деп атайды.  
Мысалы,  мобильді  роботты  басқару  жағдайында  екі  лингвистикалық  айнымалыны 
енгізуге  тура  келеді;  диспанция  (жаңғырық  ара-ақышықтығы)  және  бағыт  (жұмыс  жасалып 
тұрған остің арасындағы бұрыш және жаңғырыққа бағытты ұсыну). 
Нақты емес дәстүрлі логиканы қазіргі жүйелерде қолдану келесі факторлармен шектеулі: 
-
 
ереже бойынша басқарудың күрделі жүйесі кірудің үлкен көлеміне ие; 
-
 
кіретін айнымалыларды қосу күрделі экспоненциальды есептеуді өсіреді; 
-
 
ереже  базасы  өседі,  ол  қиын  қабылдауға  алып  келеді  (ережелер  базасы  қолмен 
теріледі). 
Әр  элемент,  нақты  емес  желі  арқылы  алынған  әр  элемент  нақты  емес  торап  ретінде 
қарастырылады.  Осы  бір  тораптың  кіруіне  екіншіге  кіретін  торапты  байланыстырсақ,  онда 
есептеу едәуір қысқартылады (Сурет 2). Осы тәсіл нақты емес есептеу алды деп аталады.  
 
 
Бірігу
 
 
 
 
Қиылысу
 
 
 
Центрлеу 
 
 
Қосылу 
 
 
 
 

249 
 
 
 
Сурет 2. Нақты емес желі арқылы алынатын элемент 
 
Сонымен қатар нақты емес тарапқа шығу мультииплексор көмегімен біріктіруге болады. 
Ол – жинақ арасындағы ережелер бағасымен өңделеді. 
 
 
 
Сурет 3. Нақты емес мультиплексор 
 
Нақты емес логикасының құрылғының жалпы құрылымы. 
Жалпы  микроконтроллердің  құрылымы  сурет  3-те  көрсетілген.  Ол  келесі  негізгі 
бөліктерден тұрады: 
-
 
фаззификация блогынан; 
-
 
білім қорынан; 
-
 
шешімдер блогынан; 
-
 
дефаззификация блогынан. 
Фаззификация  блогы  нақты  бірлікті  (crisp)  объектіні  басқарудағы  нақты  емес  бірлікке 
ауыстырылады  немесе  түрлендіріліледі.  Ол  мәліметтер  білім  қорында  лингвистикалық 
айнымалымен сипатталады. 
Шешімдер  блогы  нақты  емес  шарттан  (if  -  then)  білім  қорындағы  ереже,  ол  нақты  емес 
кіру мәліметтерін түрлендіру үшін қолданылады  (Сурет 4). 

250 
 
Дефаззификация блогы нақты емес мәліметтерді шешімдер блогынан шығу кезінде нақты 
бірлікке түрлендіру кезінде қолданылады. 
 
 
Сурет 4. Микроконтроллердің негізгі жұмыс жасауы 
 
Қарапайым кластерлеу  келесі қадамдардан тұрады:  
- үлгіні ұсыну (белгілерді таңдау немесе белгілеу); 
- үлгілердің ұқсастығын анықтау – мәліметтердің аймағына сәйкестігін өлшеу; 
- кластеризация немесе топтау; 
- мәліметтерді абстракциялау  (қажет болған жағдайда); 
- шығару бағасы (қажет болған жағдайда). 
 
Әдебиеттер  
1.
 
Фролов А.А., Муравьев И.П. Информационные характеристики нейронных сетей. - М.: 
Наука, 1988 – 289 ст.  
2.
 
Фролов  А.А.,  Муравьев  И.П.  Нейронные  модели  ассоциативной  памяти.-  М.:  Наука, 
1987.- 160 ст.  
3.
 
Фу К. Структурные методы в распознавании образов.- М.: Мир, 1977.- 320 ст.  
4.
 
Фукунга  К.  Введение  в  статистическую  теорию  распознавания  образов.-  М.:  Наука, 
1982.- 367 ст.  

251 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
МӘТІНДЕРДІ СЕМАНТИКАЛЫҚ ӨҢДЕУ ЖҮЙЕЛЕРІ 
СИСТЕМЫ СЕМАНТИЧЕСКОЙ ОБРАБОТКИ ТЕКСТОВ 
SYSTEMS OF SEMANTIC TEXT PROCESSING
 

252 
 
Г.Т. БЕКМАНОВА, Л. ЖЕТКЕНБАЙ 
 
 
Л.Н. Гумилев атындағы Еуразия ұлттық университеті, 
«Жасанды зерде» ҒЗИ, Астана, Қазақстан 
 
 
ҚАЗАҚ ТІЛІНІҢ КҮРДЕЛІ СӨЗДЕРІН ФОРМАЛДАУ НЕГІЗІНДЕ ЖАСАУ 
 
1980  жылдарға  дейінгі  еңбектерде  сөз  тұлғасының  бір  түрі  –  күрделі  сөз  деген  ұғым 
морфологиялық  категория  ретінде  қарастырылып  келгені,  1989  жылдан  бастап  сөзжасам 
жүйесінде қарала бастағаны белгілі [1].  
Күрделі  сөздер  қазіргі  тіл  біліміндегі  ең  күрделі  мәселе  болып  табылады,  оның 
анықталмаған  сырлары  мен  қырлары  өте  көп.  Күрделі  сөздер  жоқ  тілді  көрсету  өте  қиын, 
бірақ күрделі сөздер, әсіресе, неміс, ағылшын, жапон, хинди, орыс тілдерінде кең тарағанын 
жазба деректерден көруге болады. Күрделі сөздердің тілдерде алатын орны бірдей емес. Ол 
тілдердің  лексикалық  жүйесінен  әркелкі  орын  алады.  Кейбір  тілдерде  сөздерді  біріктіру 
қосымша тәсіл болып, оның нәтижесі елеусіз болады да, сөздіктің периферия бөлімінен орын 
алады. Келесі бір тілдерде ол кең тараған, негізгі тақырыпқа жатады. Соңғы топтағы тілдерге 
жапон тілі жатады. Лексикадан алатын орнына қарағанда жапон тілін тіпті күрделі сөздің тілі 
деуге де болады. Осындай күрделі сөздерге бай тілдерге түркі тілдері, оның ішінде қазақ тілі 
де  жатады.  Ғалымдар  күрделі  сөздердің  түркі  тілдерінде  жалпы  көне  құбылыс  екенін, 
олардың  орхон  жазба  ескерткіштерінің  тілінде  де  барын  айта  келіп,  ескерткіштер  тіліндегі 
кісі  аттарынан,  жер  су  аттарынан  көптеп  мысал  келтіреді.  Күрделі  сөздер  барлық  басқа 
туынды  сөздер  сияқты  сөзжасам  әрекетінің  нәтижесіне  жатады.  Анығырақ  айтқанда,  ол  – 
туынды сөздер тобындағы сөздер лексикалық бірлік – деп танылатыны белгілі. Олай болса, 
аналитикалық  синтаксистік  тәсіл  арқылы  жасалған  күрделі  сөздер  тілге  белгілі.  Күрделі 
сөздер  сөзжасамның  тілден  үлкен  орын  алатын  аналитикалық  синтаксистік  тәсіл  арқылы 
жасалады.  Сөз  жасамның  аналитикалық  тәсілі  ғылымдағы  көне  әдістердің  бірі  болып 
табылатыны  баршамызға  мәлім.  Осы  тәсілдің  түркі  тілдерінде  атам  заманнан  бері 
қолданылып  келе  жатқанын  орхон  жазба  ескерткіштердің  тілдерінде  қолданылған  йашыл 
үгүз – көк өзен, күнтүз – күндіз, Беш балық – Бес балық (қала аты), Қара құм (жер аты), Білге 
қаған  (хан  аты)  т.б.  күрделі  сөздерден  көруге  болады.  Келтірілген  мысалдар  күрделі 
сөздердің  көне  замандардан  бері  қолданылып  келе  жатқаны  екіншіден,  олардың 
географиялық атаулар, яғни өзен, көл, жер, қала және кісі аттарында жиі кездесетіні айқын 
көрінеді. Осыған қарап, кейбіреулер аналитикалық тәсіл арқылы сөз жасау тәжірибесі түркі 
тілдерінде осы жер – cу, кісі аттарынан басталмады ма екен деген ой айтады[2].  
 
1 Қазақ күрделі сөздерінің түсінігі 
Қазақ тілі сондай-ақ басқа түркі  тілдерінде күрделі  сөз мәселесі  Қазан төңкерісіне дейін 
арнаулы  зерттеудің  объектісіне  айнала  қоймаған  еді.  Түркі  тілдерінің  грамматикалық 
құрылысын  зерттеген  ғалымдардың  еңбектерінде  ол  туралы  азды-көпті  мағлұмат  беріліп 
келді.  Соның  өзінде  күрделі  сөз  лексикалық  емес,  негізінен,  тілдің  грамматикалық 
құрылысы, оның ішінде сөз табы категориясына қатысты жағынан қарастырылатын.  
Ал қазақ тілі мамандарынан бұл мәселені алғаш сөз еткен профессор Қ.Жұбанов. Ол кісі 
1930  жылдардың  өзінде-ақ  күрделі  сөздер  қанша  сөзден  біріксе,  кіріксе  де  тұтас  бір  ғана 
мағынаны білдіреді, бір ғана заттың атауы болады, сөйлемде де сол жұбын жазбай, бір ғана 
мүше  болады,  кейбіреулерінің  құрамындағы  сыңарларының  дыбыстық  өзгеріске  түсуінен 
сыртқы  түр-тұрпаты  басқаша  болып  қалыптасады,  бір  ғана  екпінді  иеленеді  деп  дұрыс 
тұжырымдайды.  
Профессор Н.Т.Сауранбаев  қазақ тіліндегі йзафеттік топтың түрлеріне тоқталған жерінде 
бірінші  топтың өзгешелігі  – синтаксистік шеңберден шығып, морфология, оның ішінде сөз 

253 
 
тудыру  жүйесіне  айналған  тәсіл  екенін көрсете  келіп,  йзафеттің  бұл  түрі  қазір  де  тұтас  бір 
атау (лексема) болып ұғынылатынын айтады.  
Біріккен сөзге арнайы еңбек жазған А.Ермеков біріккен сөздердің сыртқы түр-тұрпаттық 
белгілі  қасиеттеріне,  біріншіден,  тұтас  тұлғалануын,  екіншіден,  сөйлемнің  бір  ғана 
мүшесінің  қызметін  атқаруын,  үшіншіден,  белгілі  сөз  табының  құрамына  кіруін, 
төртіншіден,  бірұдайы  интонациямен  айтылуын,  бесіншіден,  кейбір  компоненттерінің 
бүтіндей,  ия  жартылай  дербес  мағынасынан  айрылуын,  алтыншыдан,  бірге  жазылуын, 
жетіншіден, сөздікте түтін бір сөз ретінде берілуін жатқызады.  
Қазақ тіліндегі біріккен сөзбен шұғылданған екінші бір тіл маманы Г.Жәркешова біріккен 
сөздердің ерекшеліктері дегенге мағына тұтастығын, сөйлемге дербес бір ғана мүше болуын, 
компоненттерінің қалыптасыуына дыбыс үндесу заңы қатысуын жатқызады.  
Профессор А.Ысқақов  соңғы кезде шыққан еңбектерінде күрделі  сөздердің аса маңызды 
мәселелерін  қамтып,  дұрыс  тұжырымдар  жасады,  бірқатар  өзекті  мәселелерді  алға  қойды. 
Күрделі сөздердің әлі де анықталмаған, айқындалмаған мәселелері көп екенін айта отырып, 
мәселелердің  негізгі  түйіндері  біріккен  сөздер  мен  фразалық  тіркестердің,  біріккен  сөздер 
мен  идиомалық  тіркестердің,  біріккен  сөздер  мен  күрделі  атау  сөздердің,  фразалық  тіркес 
пен идиомалық тіркестің араларын ашу, олардың ара қатынастарын анықтау мәселелерімен 
байланысып жатқанын көрсетеді.  
Профессор  Қ.Аханов  «Грамматика  теориясының  негіздері»  деген  еңбегінде  сөзге,  соның 
ішінде күрделі сөзге де тән және оны сөз тіркесінен ажырататын жалпылама белгілер делініп 
семантикалық тұтастық, морфологиялық тұтастық, синтаксистік тұтастық белгілері айтылып 
жүр дей келіп, күрделі сөздердің сөз тіркесінен айырмашылығын осы тұрғыдан сөз етеді. 
Басқа түркі тілдері сияқты, қазақ тілінде де күрделі сөздерді компоненттерінің бір-бірімен 
байланысу  тәсілі  тұрғысынан  әдетте  екіге  бөледі.  Құрамындағы  сыңарлары  сабақтаса 
байланысып  құрылғандарын  біріккен  сөзге,  ал  салаласа  байланысып  құрылғандарын  қос 
сөздерге жатқызады.  
Күрделі  сөздердің  арғы  тегі,  негізінен,  сөз тіркесі;  некен-саяқ  болмаса,  көпшілік  күрделі 
сөздерге негіз болған сөз тіркесін тауып, оны түсіндіруге болады.  
Нағыз  күрделі  сөздің  үлгісіне  –  бүгін,  биыл,  сексен,  сарала,  жарымжан,  көк  ала,  жақсы 
көру, еңбек ету, шығарып салу т.б. тәрізді сөздер жатады.  
Жалаң сөздер сияқты да сыртқы пішін, ішкі мән-мағына, яғни бірден көзге түсіп, көңілге 
қонатын  құрылым  болады.  Ол  оны  құрастырушы  компоненттердің  тұлғалық,  мағыналық 
бірлігінен тұрады.  
Тарихи  тұрғыдан  алып  қарағанда  күрделі  сөздердің  арғы  тегі,  негізінен,  сөздердің  еркін 
тіркесі  болады  дедік.  Осы  грамматикалық  категорияға  жататын  күрделі  сөздердің  пайда 
болуы,  әрине  кездейсоқ,  өзінен-өзі  бола  қалатын  жай  емес;  күрделі  және  белгілі  бір 
заңдылықтарға  негізделетін,  соның  нәтижесінде  пайда  болатын  құбылыс  болмақ.  Ондай 
заңдылықтардың  бірі  тілдік  дыбыс  жүйесі,  екіншісі  лексикасы,  үшіншісі  грамматикасына 
келіп саяды.  
Күрледі  сөз  деп  екі  я  одан  да  артық  сөз  тізбегінен  құралып,  лексика,  лексикалық-
грамматикалық  мағыналары  мен  тұлға,  сөйлемдегі  қызметі  жағынан  бөлшектенбей, 
тұтасымен белгілі бір ұғымның атауы ретінде жұмсалатын сөздерді айтамыз [3].  
Күрделі  сөздер  екі  не  одан  да  көп  сыңарлардан  жасалады.  Сондықтан  күрделі  сөздердің 
негізгі  белгісінің  біріне  оның  күрделі  құрылымы  жатады,  сол  арқылы  ол  дара  сөздерден 
ерекшеленеді. Мысалы, ата-ана, елтаңба, елбасы, таң намаз, шұбар ала, ой-пікір, тоқсан жеті, 
теміржол, күні бүгін, майшабақ т.б [2].  
 
Каталог: conf
conf -> Г. Д. Рыскелдиева Жинақта «Жаратылыстану гуманитарлық ғылымдары жəне олардың Қазақстан Республикасының индустриалды нновациялық даму бағдарламасын жүзеге асырудағы рөлі» атты
conf -> Министерство образования и науки республики казахстан
conf -> Viii халықаралық ғылыми-тәжірибелік конференциясы «Білім беру саласындағы өзгерістер аясын кеңейту: апробация мен тарату» Астана қ. Халықаралық мектебі
conf -> Қазақстан республикасы бiлiм және ғылым министрлiгi еуразия гуманитарлық институты
conf -> «Вітчизнянанаука: сучаснийстан,актуальніпроблемитаперспективирозвитку»
conf -> Развитие творческих способностей учащихся на уроках информатики с помощью инновационнных форм занятий


Поделитесь с Вашими друзьями:
1   ...   25   26   27   28   29   30   31   32   ...   39


©emirsaba.org 2019
әкімшілігінің қараңыз

    Басты бет