ئۇيغۇرچە 22 مىليون تەبئىي سۆزلۈك ئامبىرى
[ ئۇيغۇر تىل-يېزىقى ]ئۇيغۇر تىلى كومپيۇتېر تىلشۇناسلىقىدا ھەرقېتىم مۇشۇنداق يېڭى نەرسىلەرنى ھېسابلاپ نەتىجىسىنى كۆرگىنىمىدە، ئانا تىلىمنىڭ ئۇيغۇر تىلى بولۇپ قالغانلىقى، ھېسابلاش ماتېماتىكىسى كەسپىنى ئۆگەنگەنلىكىم ۋە كومپيۇتېردا پىروگرامما يازالىغانلىقىمدىن بەزىدە ئاجايىپ خۇشاللىق ھېس قىلىمەن. ئەمەلىيەتتە ھازىر بۇ بەك يۇقىرى تېخنىكىمۇ ھېسابلانمايدۇ، لېكىن چۈشىنىدىغانلار ياكى ئېھتىياجلىقلار ئۈچۈن بۇ ئىجادىي ئەمگەكنىڭ نەتىجىسى ھەقىقەتەنمۇ زور.
مەن 10 يىل بۇرۇنلا ئۇيغۇر تىلىدىكى ھەرپ-بەلگە، بوغۇملارنىڭ تەكرارلىقىنى ھېسابلاپ كۆرگەن ئىدىم، كېيىن يەنە ئۇيغۇر تىلىدىكى سۆزلەرنىڭ ئاجىزلىشىشى، تۈپ (ئىسىم، پېئىل قاتارلىق) سۆزلەرنى تۈرلەش ۋە كەينىگە قايتۇرۇش (تۈپ سۆزىنى تېپىش) قاتارلىق جەھەتلەردە بەزى ئىلمىي خىزمەتلەرنى ئىشلەپ ياخشى نەتىجىگە ئېرىشتىم، بۇلارنىڭ بەزىلىرى ئۇيغۇرسوفت مەھسۇلاتلىرىدا ئىشلىتىلدى. 3 يىلنىڭ ئالدىدا مەن يەنە تۈپ سۆزلەرنى تۈرلەش ئارقىلىق 50 مىليونغا يېقىن سۆزلۈك ئامبىرىنى قۇرۇپ، ئۇيغۇر تىلىنىڭ ئىپادىلەش كۈچىنىڭ ھەقىقەتەنمۇ يۇقىرىلىقىنى ھېس قىلدىم. ئەمما بۇ ئامباردىكى ھەربىر سۆزگە جۈملە تۈزۈش تامامەن مۇمكىن بولسىمۇ، لېكىن تەبىئىي تېكىستلەردە بۇنداق جۈملىلەر ئاساسەن ئۇچرىمايدىكەن، مۇنداقچە ئېيتقاندا بۇ ئامباردىكى %99 سۆزلۈكنى ئىشلەتمەيدىكەنمىز. ئۇنداقتا ھازىرقى زامان ئۇيغۇر تىلىدىكى تەبىئىي جۈملىلەردە ئىشلىتىلىۋاتقان تەكرارلانمىغان ھەقىقىي سۆزلۈك زادى نەچچە؟ مېنىڭ شۇ ۋاقىتتىكى ھېس قىلىشىمچە تەكرارلىقى 2 دىن كۆپ بولغان سۆزلۈك 500 مىڭدىن ھەرگىز ئاشمايدۇ، لېكىن زادى نەچچە؟
ئەلۋەتتە بۇنى ھېسابلاش ئۈچۈن غايەت زور تەبىئىي سۆزلۈك بولۇشى كېرەك. بۇ سوئال كاللامغا كىرىۋالغاندىن كېيىن تەبىئىي ماتېرىياللارنى توپلاشقا باشلىغان ئىدىم. لېكىن بۇ ھەرگىزمۇ ئۇيغۇرچە تور بېكەتلەردىكى ئۇچۇرلار ئەمەس، ئۇنى ئاساس قىلىشقا بولمايدۇ. چۈنكى ئىلمىيلىكى يۇقىرى بولمايدۇ، توردا تەكرارلانغان سۆز بەك كۆپ، مەسىلەن: ئىنكاس، تېما،…دېگەندەك، ئۇنىڭدىن باشقا يەنە ئىملادىكى خاتالىقلار كۆپ بولۇپ، %20 دىن ئاز ئەمەس. شۇڭا يەنىلا قولۇمدا بار بولغان تەبىئىي ئامبارلارنى ئاساس قىلدىم. نەچچە كۈن ئىلگىرى قارىسام بارلىق سۆزلەر 22 مىليوندىن ئېشىپ، 23 مىليونغا يېقىنلىشىپ قاپتۇ. مېنىڭچە مۇشۇ يېتەرلىك بولدى دەپ قارايمەن. چۈنكى مەن يەنە باشقا ماتېرىياللاردىن بىرەر 100 مىڭ سۆزلۈكنى ئامبارغا قوشاي دېسەم، بۇنىڭ ئىچىدە يېڭىدىن قوشۇلىدىغان سۆز 200 دىن ئاشمايدۇ. دېمەك مېنىڭ بۇ ئامبىرىمدا ئۇيغۇر تىلىدىكى سۆزلەرنىڭ %99.8 كىرىپ بولدى دېگەن گەپ. كەمتەرلىك بىلەن دېگەندە ئۇيغۇر تىلىدىكى %99 سۆزلۈك مېنىڭ ئامبىرىمدا بار.
23 مىليونغا يېقىن سۆزلەرنىڭ تەكرارلىقىنى ھېسابلاپ كۆرسەم، تەكرارلانمىغان 367741 سۆزلۈك قالدى. بۇلارنى تەكرارلىقى بويىچە يۇقىرىدىن تۆۋەنگە رەتلەپ چىقتىم، نەتىجىسى مانا:
سوئال: ئۇيغۇر تىلىدىكى ئەڭ كۆپ ئىشلىتىلىدىغان 5 سۆز قايسى؟
جاۋاب: ۋە، بۇ ، بىلەن، بىر، بولۇپ (لېكىن بۇ تۈپ سۆز ئەمەس، تۈپ سۆز بويىچە «قىل-» دېگەن تۈپ پېئىل بۇ يەرگە تىزىلىدۇ)
سوئال: مەنىداش سۆز «لېكىن»، «ئەمما»، «بىراق»نىڭ ئىچىدە قايسىسى سۆزنىڭ تەكرارلىقى ئەڭ يۇقىرى؟
جاۋاب: ئەمما (58-ئورۇندا)، لېكىن (77-ئورۇندا)، بىراق (154-ئورۇندا) بولۇپ، بۇنىڭ ئىچىدە «ئەمما» ئەڭ كۆپ ئىشلىتىلىدۇ. ئېسىڭىزدە بولسۇن بۇلارنىڭ تەرتىپى ئەمما، لېكىن، بىراق
سوئال: «تېز تاماقخانا» ياكى «تىز تاماقخانا» ئىچىدە قايسىنىڭ ئىملاسى توغرا؟ كومپيۇتېر بۇنى قانداق پەرقلەندۈرۈشى كېرەك؟
جاۋاب: «تېز» دېگەن سۆزنىڭ كەينىدە 86 قېتىم «تاماقخانا»، «تىز» دېگەن سۆزنىڭ كەينىدە 12 قېتىم «تاماقخانا» دېگەن كۆرۈلگەن، شۇڭا كومپيۇتېرغا ھۆكۈم قىلدۇرساق «تېز تاماقخانا» دېگەن سۆزنىڭ ئىملاسى توغرا بولىدۇ. «ئۇيغۇرسوفت كوررېكتورى»دا مۇشۇنداق ھەقىقىي سۆز خاتالىقى مەسىلىسى ھەل بولمىغان ئىدى، مانا ئەمدى بۇنىڭ ھەل بولۇشىدا ئۈمىد بار.
…
بۇ ئامبارنىڭ ئىلمىي قىممىتى ئىنتايىن يۇقىرى بولۇپ، ئۇيغۇرچە سۆزلۈك كىرگۈزگۈچ، ئاۋازلىق كىرگۈزگۈچ، OCR (رەسىملىك كىرگۈزگۈچ)، كوررېكتورلۇق (ئاپتوماتىك توغرىلاش)، …قاتارلىق نۇرغۇن ساھەلەردە قوللىنىشقا بولىدۇ. مۇشۇ ساھەگە ئائىت دۆلەتنىڭ پەن-تەتقىقات تۈرلىرىگە ئېرىشكەنلەر ناۋادا پايدىلىنىمەن دېسە، مەن ھەقلىق شەكىلدە تەمىنلەپ بېرىمەن. مەندە يەنە مەلۇم بىر ماقالىنىڭ ئۇيغۇرچە، قازاقچە ياكى ئەرەبچە ئىكەنلىكىنى %99 تېپىپ بېرەلەيدىغان سۆزلۈك ئامبىرىم بار. بۇنىڭ ئەھمىيىتى شۇكى ئىزدەش ماتورلىرى توردىن يىغىۋالغان ماتېرىياللارنىڭ مەن يۇقىرىدا دېگەن 3 تىلنىڭ قايسىدا يېزىلغانلىقىنى %99 ھۆكۈم قىلالايدۇ ۋە تۈرلەرگە ئايرىپ ئامبارغا ساقلىيالايدۇ.
كومپيۇتېرلىرىم يەنە بۇ ئامبارلارنى جۈملىلەرگە پارچىلاپ مۇنداق ھېسابلاشلارنى قىلىۋاتىدۇ، بەلكىم ئۇنىڭ نەتىجىسى يېقىندا چىقىشى مۇمكىن. مەسىلەن: «مەكتەپ» دېگەن سۆزنىڭ ئالدىدا نەچچە سۆز ئىشلىتىگەن؟ ئۇنىڭ كەينىدىچۇ؟ «مەكتەپ» دېگەن سۆزنى ئايروپىلاننىڭ گەۋدىسىگە ئوخشاتساق، ئۇنىڭ ئوڭ قانىتىدا نەچچىلىك سۆز بار؟ سول قانىتىدا نەچچىلىك سۆز بار؟ ئايروپىلان ئوڭغا قاراپ ئۇچامدۇ ياكى سولغىمۇ؟ بۇ ئارقىلىق ئويۇن ياساشقىمۇ بولغۇدەك يەنە يېزىقچىلىق ئىشلىرىغىمۇ قوشۇمچە ياردەم بەرگىلى بولۇشى مۇمكىن.
ئۇيغۇر تىلىدا ئەڭ كۆپ ئىشلىتىدىغان ئالدىنقى 100 سۆز
(بۇنى كۆچۈرۈپ Excel غا چاپلاپ كۆرسىڭىزمۇ بولىدۇ)
ID سۆز سانى تەكرارلىقى
1 ۋە 256550 1.1203%
2 بۇ 218911 0.9559%
3 بىلەن 195816 0.8551%
4 بىر 186683 0.8152%
5 بولۇپ 94665 0.4134%
6 قىلىش 77457 0.3382%
7 بولىدۇ 67637 0.2954%
8 قىلىپ 63961 0.2793%
9 بولغان 61218 0.2673%
10 ئۈچۈن 58868 0.2571%
11 مۇنداق 53282 0.2327%
12 ئۇ 52420 0.2289%
13 بويىچە 51298 0.2240%
14 يەنە 49065 0.2143%
15 قاتارلىق 47298 0.2065%
16 كېيىن 46558 0.2033%
17 كېرەك 46440 0.2028%
18 دېدى 45250 0.1976%
19 ئارقىلىق 43122 0.1883%
20 دەپ 39187 0.1711%
21 ئەمدى 37382 0.1632%
22 يۇقىرى 35867 0.1566%
23 قىلغان 34590 0.1510%
24 قىلىدۇ 34325 0.1499%
25 مۇشۇ 33904 0.1481%
26 قىلدى 33624 0.1468%
27 چوڭ 32613 0.1424%
28 مەن 32037 0.1399%
29 ئۇنىڭ 31209 0.1363%
30 دېگەن 30545 0.1334%
31 ئېلىپ 30452 0.1330%
32 بېرىش 29107 0.1271%
33 ياكى 27963 0.1221%
34 شۇ 26712 0.1166%
35 بىز 26051 0.1138%
36 قانداق 25117 0.1097%
37 بېرىپ 25098 0.1096%
38 بولسا 24935 0.1089%
39 يېقىندا 24900 0.1087%
40 سۇ 23656 0.1033%
41 بۇيان 23593 0.1030%
42 ھەمدە 23390 0.1021%
43 باشقا 22487 0.0982%
44 بولسۇن 21937 0.0958%
45 بولدى 21758 0.0950%
46 ئىچىدە 21411 0.0935%
47 تېخىمۇ 21179 0.0925%
48 ھەم 20229 0.0883%
49 بولۇش 19487 0.0851%
50 قارىغاندا 18866 0.0824%
51 شۇڭا 18406 0.0804%
52 قايسى 18053 0.0788%
53 سىز 17364 0.0758%
54 نۆۋەتتە 16439 0.0718%
55 باشلاپ 16304 0.0712%
56 كەلگەن 16257 0.0710%
57 ئىكەن 16253 0.0710%
58 ئەمما 16003 0.0699%
59 ئۇلارنىڭ 15321 0.0669%
60 نۇرغۇن 15128 0.0661%
61 ئۇلار 15100 0.0659%
62 ھازىر 14777 0.0645%
63 يېتىپ 14733 0.0643%
64 نەچچە 14423 0.0630%
65 شۇنداقلا 14207 0.0620%
66 قىلىنغان 14194 0.0620%
67 ئۇنى 13501 0.0590%
68 ئوخشاش 13438 0.0587%
69 توغرىسىدا 13397 0.0585%
70 ئەمەس 13307 0.0581%
71 ھالدا 13091 0.0572%
72 ئىدى 13002 0.0568%
73 قالغان 12952 0.0566%
74 بۇنىڭدىن 12877 0.0562%
75 شۇنداق 12837 0.0561%
76 ناھايىتى 12811 0.0559%
77 لېكىن 12763 0.0557%
78 ئەگەر 12741 0.0556%
79 بەردى 12601 0.0550%
80 بۇنداق 12484 0.0545%
81 يوق 12473 0.0545%
82 ئۆزىنىڭ 12324 0.0538%
83 كىشىلەر 12087 0.0528%
84 بولسىمۇ 11977 0.0523%
85 كېلىپ 11957 0.0522%
86 داۋاملىق 11898 0.0520%
87 بەرگەن 11823 0.0516%
88 ۋاقىتتا 11632 0.0508%
89 ئارتۇق 11446 0.0500%
90 مۇمكىن 11165 0.0488%
91 تۇرۇپ 11109 0.0485%
92 قاراپ 10875 0.0475%
93 يەردە 10606 0.0463%
94 چىقىپ 10394 0.0454%
95 تولۇق 10340 0.0452%
96 تۇرسۇن 10272 0.0449%
97 يەنى 10267 0.0448%
98 ئالدى 10073 0.0440%
99 قىلىمىز 10071 0.0440%
100 ئىبارەت 10045 0.0439%
- يازما كۆرۈلۈشى: 13,387 قېتىم
- يوللانـغان ۋاقىت:2013-يىلى 08-ئاينىڭ 5-كۈنى pm 23:10
- ئالدىنقى يازما :مىكروسوفت ھېيتلىق ئەۋەتىپتۇ
- كېيىنكى يازما :تۆۋەندىكى بۇ ئاتالغۇلارنى قانداق ئاتايمىز؟
3. تىل ئامبىرىنىڭ ساھەلەر بويۇنچە نىسبىتى تەڭشەلمەي قالدىمۇ قانداق. ئەدەبىي تىلدا ۋە «خەۋەر» لەردە كۆپ كۆرۈلىدىغان سۆزلەرنىڭ نىسبىتى يوقىرى بولۇپ كەتكەندەك ھېس قىلدىم. ئۇيغۇر تىلىدا ئەڭ كۆپ ئىشلىتىلىدىغان ئالدىنقى 100 سۆزنىڭ ئىچىدە «قاتارلىق»، «تېخىمۇ»، «ئىبارەت» قاتارلىق سۆزلەرنىڭ كۆرۈلۈشى، ۋە ئاساسىي لۇغەت تەركىبىدىكى سۆزلەردىن «40-سۇ» دىن باشقىلىرى كۆرۈلمەسلىكى مېنى موشۇنداق ئويغا كەلتۈرۈپ قويدى. بولۇپمۇ «ئىبارەت» دېگەن سۆزنىڭ 100-ئورۇنغا تىزىلىشى دىققتىمنى تارتتى.
مېنىڭ قىلغىنىم ھازىرقى زامان ئۇيغۇر ئەدەبىي تىلىدىكى سۆزلەرنىڭ تەكرارلىقى، باشقا ساھەگە قول تىقىش ئۈچۈن شۇ ساھەدىكى ئامبار بولسىلا بولىدۇ. بۇ 23 مىليونغا يېقىن سۆزلەرنى ئۆز ئىچىگە ئالغان تەبئىي ئامباردىن ھېسابلانغان نەتىجىدۇر، مەيلى قانداق ئەدەبىي ئامبارنى ئىشلىتەيلى سۆزلەرنىڭ چاستوتاسى مۇشۇ دائىرە ئىچىدە تەۋرىنىپ تۇرىدۇ، ھەرگىزمۇ ئاسمان-زېمىن پەرق چىقمايدۇ. يەنىلا «ۋە»، «بىلەن» سۆزى 1-، 2-ئورۇنغا تىزىلىدۇ. باشقا سۆزلەرمۇ نىسبىي جەھەتتىن ئىلگىرى كېيىنلىك تەرتىپىنى ساقلايدۇ. ئىبارەت سۆزى 100-ئورۇنغا تىزىلغان بولسا، بەلكىم باشقا بىر غايەت زور ئامبارنى ئىشلەتسەك بەلكىم 95-ئورۇنغا ياكى 105-ئورۇن ئەتىراپىدا بولىدىغانلىقى ئېنىق. ھەرگىزمۇ بىر سەكرەپ 50-ئورۇننىڭ ئالدىغا ياكى 150-ئورۇننىڭ كەينىگە تىزىلمايدۇ. شۇڭا، باشقا ساھەلەرگە قول تىقىشتىن بۇرۇن، ئالدى بىلەن ئەدەبىي تىلدىكى مەسىلە ھەل بولۇشى كېرەك. مەيلى قانداق ئامبار ئىشلىتەيلى مېنىڭ پەرزىمچە ئالدىنقى 3000 سۆزنىڭ تەكرارلىقىدا، ئىلگىرى-كېيىنلىك مەسىلىسىدە خاتالىق كۆرۈلمەيدۇ. كۆرۈلگەن تەقدىردىمۇ نەزەردىن ساقىت قىلىشقا بولىدۇ، بەلكىم 4-5 ئورۇن ئىلگىرى-كېيىن بولۇشى مۇمكىن. شۇڭا، بۇ تەكرارلىق جەدۋىلىنىڭ توغرىلىقىنى %95 دىن كەم ئەمەس دەپ قارايمەن. كېيىنكى %5 نى تىرىشىش ئۈچۈن يەنە نەچچە 10 يىل ۋاقىت كېتىدۇ، ھەم چوڭ ئەھمىيىتى يوق، چۈنكى بۇنداق ئىستاتىستىكىدا %100 لىك نەتىجە چىقمايدۇ. چۈنكى ھەر 10-20 يىلدا تىل ئىشلىتىش قانۇنىيىتى ئوخشىمايدۇ، ئىملا ئۆزگىرىپ تۇرىدۇ دېگەندەك.
تەپسىلىي جاۋابىڭىزغا كۆپ رەھمەت.
قارىغاندا بۇ جەھەتتىكى تەتقىقاتلىرىڭىزدا مەن ئويلىغاندىنمۇ ياخشى نەتىجىلەرگە ئېرىشىپسىز. ستاتىستىكىنىڭ توغرىلىق نىسبىتىمۇ ھەقىقەتەن يۇقىرى كۆتۈرۈلگەندەك قىلىدۇ. بۇ خەۋەرنى ئاڭلاپ ناھايىتى خۇشال بولدۇم.
مېنىڭ ئوقۇشۇم ئاياغلىشىشقا ئاز قالدى. ماقالىنى كېلەر ئايدا تاماملىسام، كېلەر يىلنىڭ بېشىدا قايتماقچى بولۇپ تۇرۇۋاتىمەن. مېنىڭ بۇ يەردىكى ئوقۇشۇم كومپيۇتېر تىلشۇناسلىقىغا مۇناسىۋەتلىك ئەمەس. ھەم ئۆزۈمنىڭمۇ بۇنىڭدىن كېيىن باشقا ساھەدە ئىزدىنىپ بېقىش پىلانىم يوق، كومپيۇتېر تىلشۇناسلىقىدىن نەتىجە چىقىرالايدىغانلىقىمغىمۇ كۆزۈم يەتمەيدۇ )كومپيۇتېر تىلشۇناسلىقى دېگەن تىل ساھەسىدىكىلەرگە قارىغاندا كومپيۇتېر ساھەسىدىكىلەرگە بەكرەك ماس كېلىدىغاندەك ھېس قىلمەن(. شۇڭىلاشقا، كېينچىمۇ ھازىرقى ئىشلىرىمنىڭ داۋامىنى قىلىشىم مۇمكىن.
سۆزلەرنىڭ چاستوتىسىنى تېپىش، تىل ماتېرىياللىرى ئامبىرى قورۇش توغرىسىدا باشقىلارنىڭ ئىزدىنىپ باققىنىدىن بىر ئاز خەۋىرىم بولغاچقا، بۇ يازمىڭىزغا ئىنكاس يازدىم. ھازىرقى ئەھۋالدىن قارىغاندا، تېخنىكىلىق مەسىلىلەرنى ئاساسەن ھەل قىلىپ بولغان ئوخشايسىز. شۇڭلاشقا، مۇمكىن بولسا سۆزلەرنىڭ «يىلتىز» ھالىتىگە قايتۇرۇلغاندىكى ستاتىستىكىسىنى ئېلان قىلسىڭىز، ئۇيغۇر تىلى دەرسلىكلىرىدىكى بەزى نامۇۋاپىق جايلارنى تۈزىتىشكە كۆپ ياردىمى بولاتتى دەپ ئويلايمەن. يەنە بىرسى سىز دېگەندەك سۆز تۈركۈمىگە بەلگە قويۇپ، جۈملىدىكى ئىشلىتىلىشىنى كۆرسىتىپ بېرەلەيدىغان تور مۇھىتىدىكى بىر ئامبارنىڭ بولۇشىمۇ تىل تەتقىقاتى ئۈچۈن كۆپ پايدىلىق ئىدى (چوڭ تىللارنىڭ ھەممىسىنىڭ توردا ھەقسىز تىل ماتېرىياللىرى ئامبىرى تەمىنلەنگەنلىكىنى سىزمۇ بىلىسىز، ئۇنىڭ ئۈستىگە بۇ ئامبارلار خام ئامبار بولماستىن، خېلى كۆپ ئىشلارنى ئاپتوماتىك بىر تەرەپ قىلىش ئەمەلگە ئاشۇرۇلغان). تىل تەتقىقاتى بىلەن شۇغۇللانغۇچىلاردىن بىرەرسىنىڭ ئوتتۇرىغا چىقىپ يىگىرمە نەچچە مىليون سۆزلۈك تىل ماتېرىياللىرى ئامبىرى تەييارلاپ، سىز ھەل قىلغان تېخنىكىلىق مەسىلىلەرنى ھەل قىلىپ، توردا تەتقىقاتچىلارنىڭ پايدىلىنىشىغا قويۇشى يېقىنقى مەزگىلدە ئەمەلگە ئاشماسمىكىن دەپ ئويلايمەن. سىز بۇنىڭغا بىر نەچچە يىللىق ئەجرىڭىزنى سىڭدۈرگەن ئىكەنسىز، باشقىلارنىڭ نەتىجىلىرىڭىزدىن ئەجىرسىز پايدىلىنىشىنى بەلكىم خالىمايسىز. باشقا بىرسى بۇ خىزمەتنى تاماملىسىمۇ، ئۇمۇ ئورتاق پايدىلىنىشقا قوشۇلماسلىقى مۇمكىن. سىزنىڭ بۇ ئىشلارنى نام-ئاتاق، ئابرۇي، ئۇنۋان ياكى مائاش ئۈچۈن قىلمايۋاتقانلىقىڭىز بىزلەرگە ئايان. مېنىڭ «دۆلەت خىراجىتى» مەسىلىسىنى تىلغا ئېلىشىمدىكى سەۋەب، نەتىجىڭىزدىن باشقىلارمۇ پايدىلىنالايدىغان ھالەتكە كېلىشىنى ئۈمىد قىلغان ئىدىم. يەنى بىز سىزگە ھېچنەرسە قىلىپ بېرەلمىگەندىكىن، ھۆكۈمەت تەرەپتىن كۈچەپ بەرسە، تىل تەتقىقاتى بىلەن شۇغۇللىنىدىغانلار نەتىجىڭىزدىن پايدىلىنالىسا دېمەكچى ئىدىم.
ئۈستىدە بەرگەن جاۋابىڭىزغا كۆپ رەھمەت. بىرىنچى ۋە ئىككىنچى مەسىلىنىڭ تېخنىكا جەھەتتىن ھەل قىلىنغىنىنى ئاڭلاپ ناھايىتى خۇشال بولدۇم. قارىغاندا ئەگەر لازىملا دېسەك، بىز ئويلىغاندەك شەكىلدە چىقىرىپ بېرىش سىز ئۈچۈن ئاسانلا ئىش ئوخشايدۇ. ئەمدى ئۈچىنچى مەسىلىگە قوشۇمچە قىلسام، تىل ماتېرىياللرىنىڭ ساھەلەردىكى نىسبىتىنى دېيىشىمدىكى سەۋەب، ئەگەر ئېغىز تىلىدىن )دىئالوگ دېگەندەك، بەلكىم كىنو قاتارلىقلاردىن ئېلىپ( ماتېرىيال توپلانسا «ئىبارەت» دېگەندەك سۆزلەرنىڭ چاستوتىسىنىڭ تۆۋەنلىشى ئېنىق. چۈنكى ئۇنداق سۆزلەرنى ئېغىز تىلىدا كۆپ ئىشلەتمەيمىز. سىز «ئەدەبىي تىل»دىكى سۆزلەرنىڭ تەكرارلىقىنى تاپقان بولغاچقا، بۇ سۆزلەرنىڭ تەكرارلىقىنىڭ يۇقىرى چىقىشى تەبئىي. ئەگەر خەۋەر ياكى ئەدەبىي ئەسەرلەردىن توپلانغان تىل ماتېرىياللىرىنىڭ سانىنى ئازايتىپ، تەبئىي پەن، تىببىي ۋە سانائەت پەنلىرىدىكى ماتېرىياللارنىڭ نىسبىتىنى كۆپەيتسەك، تەكرارلىق تەرتىپىدە بىر ئاز ئۆزگىرىش بولۇشى مۇمكىن. لېكىن بەك چوڭ ئۆزگىرىش بولماسلىقى مۇمكىن. تېخنىكىلىق جەھەتتىن ئالغاندىمۇ، سىزگە نىسبەتەن بۇ ئەمەلگە ئاشۇرۇلۇپ بولغان ئىش بولغاچقا، بۇ ئانچە موھىم ئەمەس ئىكەن. قايسى لازىم بولسا، شۇ مەزمۇندىكى ماتېرىياللارنىڭ نىسبىتىنى تەڭشىسە بولىدىغان ئىشكەن.
ئەمما، مېنىڭچە، سۆزنىڭ تۈرلەنگەن شەكلىنى سۆزنىڭ تۈرلەنمىگەن شەكلىگە قايتۇرسىڭىز، يۇقىرىدىكى تەرتىپتە خېلىلا ئۆزگىرىش بولامدىكىن دەيمەن. مەسىلەن، يۇقىرىدا دېگەن «بول-» نىڭ تۈرلەنگەن شەكىللىرىنىڭ يىغىندىسىنى قوشۇپ باقسام «ۋە» دىن ئېشىپ كەتتى. بەلكىم يۇقىرىقى 100 نىڭ كەينىدە يەنە نۇرغۇن تۈرلەنگەن شەكىللىرى بار. ئەمما «ۋە»، «بىلەن»…قاتارلىق سۆزلەر تۈرلىنىشكە كىرمەيدۇ. ئۇنداق بولغاندا پېئىللارنىڭ ئالدىنقى رەتكە ئۆتۈش ئېھتىماللىقى چوڭ دەپ ئويلىدىم. ئىسىم، سۈپەتلەرنىڭكىدىمۇ ئۆزگۈرۈش بولۇشى مۇمكىن. ئۇيغۇر ئەدەبىي تىلىدا ئەڭ كۆپ ئىشلىتىلىدىغان سۆزلەر «ۋە»، «بىلەن» قاتارلىق ياردەمچى سۆزلەرنڭ چىقىشى بىر ئاز گۇمانىمنى قوزغىدى. ئۇيغۇر تىلدا ئەڭ كۆپ ئىشلىتىلىدىغان سۆزلەرنىڭ تەرتىپىنى تىزغاندا ئادەتتە تۈرلەنمىگەن شەكىلدىكى تەرتىپى لازىم بولىدۇ. تىل تەتقىقاتچىلىرىنىڭ ستاتىستىكا قىلىشتىكى سەۋەبىمۇ تۈرلەنمىگەن ۋاقىتتىكى چاستوتىسىنى تېپىش. ۋاقتىڭىز چىققاندا، سۆزلەرنىڭ تۈرلىنىشكە كىرمىگەن ھالىتىدىكى ستاتىستىكىسىنى قىلىپ باقسىڭىز، كۆرۈپ باقساق.
تېنىڭىزگە سالامەتلىك، ئىشلىرىڭىزغا ئۇتۇق تىلەپ:
ئىسمائىل
ئەسسالامۇ ئەلەيكۇم، ئالىم مۇئەللىم.
يېڭى نەتىجىلەرگە ئېرىشكەنلىكىڭىزنى قۇتلۇقلايمەن.
سىز ئېيتقاندەك، ئۇيغۇر تىلىدىكى سۆزلەرنىڭ چاستوتىسىنى ئېنىقلاش مۇھىم خىزمەتلىرىمىزنىڭ بىرى ئىدى. مېنىڭ بىلىشىمچە، بۇ ئىشنى تاماملاشقا بىر نەچچە ئادەم ئۇرۇنۇپ كۆردى. لېكىن، ئۇلارنىڭ ھېچقايسىسى ياخشىراق نەتىجىگە ئېرىشەلمىدى. چۈنكى، بۇلارنىڭ بىر قىسىملىرى تىل تەتقىقاتى ساھەسىدىكىلەر بولغاچقا، كومپيۇتېر بىلىملىرىدىن سەۋىيىسى يەتمىدى. كومپيۇتېر ساھەسىدىكى بىر قىسىم كىشىلەر بۇ ئىشنىڭ ئەھمىيىتىنى تونۇپ يەتمىگەن، ھەم تىل مەسىلىلىرىنى بىر تەرەپ قىلىشتا قىينالغان بولۇشىمۇ مۇمكىن. كومپيۇتېر ساھەسىدىكى يەنە بىر قىسىملار ئىشنى باشلىدىيۇ، ئازراق قىلىپ بېقىپ تاشلاپ قويدى. ئىشقىلىپ، مەن بۇ ئىشنىڭ بارلىقىنى ئاڭلىغاندىن ھازىرغا قەدەر ئون نەچچە يىل ئۆتۈپتۇ، بۇ خىزمەتتە ئادەمنى خۇشال قىلغۇدەك بىرەر نەتىجە چىقمىدى. مېنىڭ چۈشۈنۈشۈمچە، بۇ خىزمەتنى ئەڭ ياخشى قىلالايدىغان ئادەم سىز ئىدىڭىز، ھەم سىز بۇ خىزمەتنىڭ مەلۇم باسقۇچلىرىنى تاماملاپ بولغان ئىدىڭىز. ئەگەر سىز بۇ ئىشقا راستىنىلا كىرىشسىڭىز، باشقىلارغا سېلىشتۇرغاندا بۇ ئىش سىز ئۈچۈن تەس توختىماسلىقى مۇمكىن ئىدى. ئەپسۇس، سىزنىڭ خىزمەتلىرىڭىز ۋە شىركەتنىڭ ئىشلىرى ئالدىراش بولغانلىقتىن سىز تېخى ۋاقىت چىقىرىپ بولالمىدىڭىز، باشقا بىرى تېخى قىلالمىدى (ياكى قىلىشنى خالىمىغاندۇ). ئەگەر سىز بۇ ئىشنى قىلسىڭىز، ياخشى نەتىجە چىقىدىغانلىقىغا ئىشىنەتتىم. ھەم سىز باشقىلارغا قارىغاندا ئەگرى يولنى ئازراق مېڭىشىڭىز مۇمكىن ئىدى.
مەن بورۇندىن سىزنى مۇشۇ تېمىنى ئىشلىسىكەن دەپ ئارزۇ قىلغان ئىدىم. بۈگۈن يوللىغان بۇ تېمىڭىزنى كۆرۈپ تۇيۇقسىز بۇرۇنقى خىياللىرىم ئېسىمگە كېلىپ قالدى. سىزنىڭ ھازىرقى تەتقىقاتلىرىڭىز ۋە بۇنىڭدىن كېيىنكى پىلانلىرىڭىز توغرىسىدا ھېچنېمە بىلمەيمەن. ئەمما موشۇ تېمىنى دۆلەت دەرىجىلىك تەتقىقات تېمىلىرىغا ئىلتىماس قىلىشنى ئويلىشىپ بېقىشىڭىزنى تەۋسىيە قىلىمەن. ئەگەر پەقەت ۋاقىت چىقىرالمىسىڭىز، سىزنىڭ يېنىڭىزدىكىلەردىن بىرسى بۇ خىزمەتكە بەل باغلىسا، بۇ ئىشنىڭ نەتىجىسى باشقىلار قىلغانغا قارىغاندا ياخشى چىقىشى مۇمكىن دەپ ئويلايمەن. ھازىر مېنىڭ ھېس قىلىشىمچە، بەرىبىر بۇ ئىشنى ئىشتىياق سەۋەبىدىنمۇ قىلىدىكەنسىز، ئۇنداق بولغانىكەن تەتقىقات تېمىسىغا ئىلتىماس قىلىشنىمۇ ئويلىشىپ باقسىڭىز. (ئەگەر بۇ خىزمەتكە تىلشۇناسلىق جەھەتتىن ئېھتىياج تۇغۇلسا، مەنمۇ بەزى ياردەملەرنى بېرەلىشىم مۇمكىن. مېنىڭ ئوقۇشۇممۇ كېلەر يىلنىڭ ئالدىنقى يېرىمىدا تاماملانماقچى ‹خۇدا بۇيرۇسا›. خالىسىڭىز ئىلتىماسنىڭ تىلغا ئائىت قىسمىنى تەييارلىشىپ بېرەي)
ئەمدى ئۈستىدىكى ستاتىستىكا نەتىجىسىگە كۆز قارىشىمنى دەپ باقسام:
1. سۆزلەرنىڭ تۈرلەنگەن شەكلى ئەسلى شەكلىگە تولۇق قايتمىغان ئەھۋاللار باردەك تۇرىدۇ. مەسىلەن، 5-سۆز ”بولۇپ“، 7-سۆز ”بولىدۇ“، 9-سۆز ”بولغان“، 38-سۆز ”بولسا“، 44-سۆز ”بولسۇن“، 45-سۆز ”بولدى“، 49-سۆز “ بولۇش“ نىڭ يىلتىزى ”بول-“ غا قايتسا ئۇ ۋاقىتتا ”بول-“ ئۇيغۇر تىلىدىكى ئەك كۆپ ئىشلىتىلىدىغان سۆزلەرنىڭ بىرى بولۇشى مۇمكىن. ئۇنىڭدىن باشقا ”قىل-”، ”دە-”، ”بار-“ نىڭ ئەھۋالىمۇ شۇنداقتەك قىلىدۇ.
2. پېئىلنىڭ تۇرغۇن سۆز شەكىللىرى، يەنى ”رەۋىشداش، سۈپەتداش، ھەرىكەتنام“ لار توغرىسىدا قايتا ئويلىنىپ باقسىڭىز. مەسىلەن ”ئوقۇپ، يېزىپ، سەكرەپ“، ”ئوقۇغان، يازغان، سەكرىگەن“، ”ئوقۇش، يېزىش، سەكرەش“ لەرنىڭ تومۇرى ”ئوقۇ-، ياز-، سەكرە-“ دەمدۇق ياكى ئۇنىڭ تۈرلەنگەن شەكىللىرىنى ئايرىم سۆز دەپ قارامدۇق دېگەننى ئويلىشىپ باقسىڭىز بولغۇدەك.
ھۆرمەت بىلەن:
ئىسمائىل
ۋەئەلەيكۇم ئەسسالام،
مەن بۇنداق ئىشلارنى باشتىن-ئاخىرى پۈتۈن ۋۇجۇدۇم ۋە چوڭقۇر مېھرى-مۇھەببەت بىلەن قىلىۋاتىمەن، ھەرگىزمۇ بىرەر نام-ئاتاق، ئابرۇي، ئۇنۋان ياكى مائاش ئۈچۈن قىلمىدىم، شۇڭا، باشقىلارغا قارىغاندا ھەرھالدا يامان ئەمەس ئىلمىي نەتىجىلەرگە ئېرىشىپ كېلىۋاتىمەن، مانا بۇ ئاساسىي سەۋەب.
دۆلەتتىن تەتقىقات خىراجەتلىرى ئىلتىماس قىلىدىغان ئىشنى سىز قىلىڭ، كەپسىڭىز ۋە ئۇنىۋانىڭىزمۇ چۈشىدۇ.
====================================================================================
ئەمدى ئۈستىدىكى سوئالىڭىزغا كەلسەك:
1-سوئالغا جاۋاب: مەن بۇنى تەبىئىي ماتېرىياللاردىن ھېسابلاپ چىقتىم، شۇڭا سۆزلەرنىڭ ھەممە شەكىللىرىنى ئۆز ئىچىگە ئالغان، بۇ ئەلۋەتتە 1-قەدەم. ئەمدى تۈپ سۆزگە قايتۇرۇش ئىشىغا كەلسەك، مەن ئۈچۈن ئۇ پەقەت بىرلا كۇنۇپكا بېسىشتىن ئىبارەت. يەنى ھەش-پەش دېگۈچە تۈپ سۆزلەرگە قايتۇرۇپ بېرەلەيمەن، ھەرگىزمۇ باشقىلارنىڭ ھېلىقىدەك داۋراڭ سالغان ئىشىدەك ئەمەس جۇمۇ يەنى «قاغىلىق» دەپ كىرگۈزسەم، «قاغى+لىق» دەپ پارچىلىغان ئوخشايدۇ، «-لىق» دېگەن قوشۇمچە، تۈپ سۆزى «قاغى» دېگەن ئاجىزلاشقان سۆزكەن دەپ، ئۇنى «قاغا» دەپ قايتۇرۇپ بەرمەيدۇ. شۇڭا، سىز دېگەندەك تۈپ سۆزگە قايتۇرۇپ ئالغاندىن كېيىن، ئاندىن ئاۋۇ يېنىدىكى ساناقلارنى قوشۇۋەتسەم بولىدۇ، بۇ مەن ئۈچۈن قىيىن ئەمەس، لېكىن سۆزلۈك كىرگۈزگۈچ، ئاۋازلىق كىرگۈزگۈچ، رەسىملىك كىرگۈزگۈچ (يەنى OCR) ئۈچۈن دەل مۇشۇنداق سۆزلەرنىڭ بارلىق شەكىللىرى ئۇچرايدىغان ئىستاتىستىكا كېرەك بولىدۇ.
2-سوئالغا جاۋاب: ئۇلارنى ئەلۋەتتە تۈپ (پېئىل) سۆزگە قايتۇرغاندا، «ئوقۇ-، ياز-، سەكرە-» دەپ قايتۇرۇپ بېرىدۇ، چۈنكى مەن بۇ تۈپ پېئىللاردىن 50 مىليونغا يېقىن تۈرلەنگەن سۈنئىي پېئىللارنى ھاسىل قىلغان.
مەن يەنە بۇلارنى تۈپ سۆزگە قايتۇرغاندىن كېيىن سۆز تۈركۈملىرىگە ئايرىپ بېرەلەيمەن. شۇنداق بولغاندا، «قوي» سۆزى ھەم ئىسىم ھەم پېئىل بولۇپ، ئىسىم بولغاندا قانچە قېتىم تەكرارلاندى، پېئىل بولغاندا قانچە قېتىم تەكرارلاندى دېگەننى ئوڭايلا تاپالايمەن. «ئالما»، «ئالماس» دېسىمۇ شۇ، ھەم تۈپ ئىسىم، ئاندىن يەنە تۈرلەنگەن پېئىل. شۇڭا، بۇنداق نەتىجىگە ئېرىشكەندىن كېيىن، سىلەردەك تىلشۇناسلار قانداق قىلىپ بەر دېسەڭلار، مەن شۇنداق قىلىپ بېرەلەيمەن. ناۋادا مەندە يوق بولسا، شۇ 1-2 كۈن پىروگرامما يازىمەن شۇ.
ھازىر مەن ئاپتوماتىك كوررېكتورلۇقنى سىناق قىلىۋاتىمەن، بۇرۇنقى نەشرى %30 ئەتراپىدا ئاپتوماتىك تۈزىتىپ بېرەلەيدۇ، %60 ئەھۋالدا نامزات سۆزلۈك كۆرسىتىپ بېرىدۇ، %10 نى ئۆزىمىز قولدا يازاتتۇق، ھازىرقى سىناق نەتىجىسى شۇ بولدىكى ئاپتوماتىك تۈزىتىش نىسبىتى %60 دىن يۇقىرى بولۇۋاتىدۇ،
مەسىلەن: ئىلگىرى كوررېكتوردا «سوئالغا قاۋاپ» دېسە توغرا دەيتتى، چۈنكى بۇ ھەر ئىككى سۆز ئامباردا بار، ئەمما ھازىرقى سەۋىيەدە «سوئال» دېگەن سۆزنىڭ كەينىدە «جاۋاب» كېلەمدۇ ياكى «قاۋاپ»مۇ دېسە، ئەلۋەتتە تەكرارلىقى بويىچە «جاۋاب» دېگەن سۆز مۇتلەق ئۈستۈنلۈككە ئىگە بولغاچقا، «سوئالغا جاۋاب» دەپ توغرىلاپ بېرىدۇ، لېكىن بۇنداق قىلسام، ھەممە سۆزلەرنىڭ ئالدى كەينىنى تەكشۈرۈپ، سۈرئەت جەھەتتە سەل ئاۋارە قىلىۋاتىدۇ، مەن ھازىر مۇشۇ مەسىلە ئۈستىدە ئويلىنىۋاتىمەن. ياخشى پىكىرىڭىز بولسا ئايىمىغايسىز.
ھە راست، ئوقۇش ئىشلىرىڭىز تاماملاندىمۇ؟ قاچان قايتىپ كېلىسىز؟ قايتىپ كەلگەندىن كېيىن بۇنداق تەتقىقاتنى سىز باش بولۇپ ئالسىڭىز ئوڭاي بولىدۇ.
ئىشلتىلىش نىسبىتى ئەڭ يۇقىرى بولغان سۆز دەل ‹‹ بول›› دېگەن سۆزنىڭ شاخچىلىرى . ئېنگىلىز تىلىدا ئىشلىتىلىشى ئەڭ كۆپ بولغىنى is دېگەن سۆز ئىكەن ،خەنزۇچىدا بولسا 是 ئىكەن .
شۇنداق بولغاندا ،بۇلارغا ماس ھالدا ‹‹بول›› دېگەن پېئىلنىڭ تۈرلەنمە سۆزلۈكلىرى بۇنىڭغا ماس كېلىدۇ .لېكىن ئۇيغۇرچىدا ‹‹بول ›› ،‹‹بولۇش ››دېگەن سۆزنىڭ يەككە ھالەتتە ئشلىتىلىشى ئۇنچىۋالا كۆپ ئەمەس . بۇ خۇددى ئېنگىلىزچىدىكى be دېگەن سۆزنىڭ ئانچە كۆپ ئۇچرىمايدىغانلىقىغا ئوخشاش .
يەككە ھالەتتە ئشلىتىلىش نىسىبىتىنى ئويلاشقاندا بۇ خىل ماتېماتىكىلىق سىتاستىكىنىڭ ئاساسى بار . شۇڭا ‹‹ۋە ››دېگەن سۆزنى ئەڭ كۆپ دېسەك توغرا بولىدۇ .
مېنىڭچە، ھەرقانداق بىر تىلدىكى ئىشىلىتىلىش نىسبىتى ئەڭ كۆپ بولغىنى ،مەنىسى‹‹بولۇش ›› قا ئوخشايدىغان يەنى be دېگەن ھۆكۈم سۆز .ئەمما ، يەككە ھالەتتە ئشلىتىش سانى كۆپ بولغىنى ھەرخىل تىلدا ھەرخىل بولۇشى مۇمكىن .
‹‹ئوقۇش، يېزىش، سەكرەش ›› دېگەن سۆزلەر دەل تۈپ سۆزلەردۇر .مېنىڭچە ، ئۇيغۇرچىدا مۇنداق بىر خاتا قاراش بار .يەنى ئوقۇش دېگەن سۆزنى ئالساق ئوقۇشنىڭ ئۆزى دەل تۈپ سۆز. ئەمما بىز بۇنى تېخمۇ كەينىگە ياندۇرۇپ ‹‹ ئوقۇ ›› دېگەن تەۋەلىك تۈسىنى ئالغان سۆزنى تۈپ سۆز دەپ ئايرىۋاتىمىز . بۇ پەقەت ‹‹ئوقۇ ››دېگەن سۆز ‹‹ئوقۇش ›› دېگەن سۆزدىن بىر ھەرپ قىسقا بولغانلىقى ئۈچۈنلىغۇ دەيمەن . بۇ جەھەتتە يەنىمىۇ ئىچكىرلەپ تەتقىق قىلىپ بېقىشقا ئەرزىيدۇ .
مېنىڭ قارىشىمچە ، تۈپ سۆز ھېچقانداق بىر تەۋەلىك تۈسىنى ئالمىغان بولۇشى كېرەك .بۇنداق بولغاندا‹‹ قىل ،ئەت ،ماڭ ،تۇر …››دېگەن سۆزلەرنىڭ ھەممىسى تۈپ سۆز بولماي قالىدۇ .چۈنكى بۇسۆزلەر بىر قاراشتىلا بىرىنچى شەخىسنىڭ ئىككىنچى شەخىسكە نىسبەتەن ئېيتقان سۆزى بولۇپ قالىدۇ . يەنى بۇ پېئىللارنىڭ سەندىن ئىبارەت ئىگىسى بار .
ئەمما ،مېنىڭ دېگىنىمچە بولغاندا ئۇيغۇرچىدىكى تۈپ سۆزلەرنى ئايرىشتىكى مۈجىمەللىكمۇ ئايدىڭلىشىدۇ . تۈپ سۆز ھېچقانداق بىر قوزغاتقۇچ (驱动 ) قاچىلانمىغان ساپ windowsسېستىمىسىغا ئوخشاش بولۇشى كېرەك . خۇددى تەبىئەت دۇنياسىدىكى شەيئىگە ئوخشاش ، تۈپ سۆز ھېچقانداق بىر شەخس بىلەن ۋە ئىگە بىلەن مۇناسىۋەتسىز بولۇشى كېرەك .
تېخىمۇ ئىچكىرلەپ يازاي دېسەم ئىلمىي ماقالىگە ئوخشاش بەكلا ئۇزۇن بولۇپ كېتىدىكەن .
گەرچە ئالىم مۇئەللىم كەسپىي تىلشۇناسلىق تەتقىقاتچىسى بولمىسىمۇ مېنىڭ بۇ دېگەنلىرىم ،ئالىم مۇئەللىمنىڭ ئويلىنىپ بېقىشىغا ئەرزىيدۇ دەپ قارايمەن .
ئاللاھ ئەجرىلىرىنى بەرسۇن مۇئەللىم!!! ئانا تىىلىمىزنىڭ تەرەققىياتى ئۈچۈن تېخىمۇ كۆپ خىزمەتلەرنى قىلىشقا نىسىپ ئەتسۇن!!
پۈتۈن بىر توربەتتىكى خەتلەرنى بىر كۇنۇپكا بىلەن ساندانغا ئەكىرىش مۇمكىنچىلىكى بارمۇ؟ بولسا قانداق ئەكىرىمىز؟
——————
مىنىڭ بىر تەكلىپمى بار. بولسا بۇ توربەتكە بىر سەھىپىنى قاتساق سەھىپىنىڭ ئىسمىنى يېڭى تەپەككۇر دەپ قۇيۇپ، بۇنىڭدا تورداشلار ئۆزى ئىلغار دەپ ئويلىغان بەكمۇ فانتازىيلىك تۈسىنى ئېلىپ كەتمىگەن تەپەككۈرلارنى ئوتتۇرغا قويسا. شۇ ئاساستا كاللا ئىشلىتىش ئويۇنى ئوينىساق.
ئەلۋەتتە بار، لېكىن قانداق شەكىلدە ئەكېرىشنى دەيسىز؟ ئابزاسقا پارچىلاپمۇ؟ سۆزگە پارچىلاپمۇ؟ ھەرپكە پارچىلاپمۇ؟
مېنڭچە سۆزگە پارچىلاپ ئەكىرسەك ياخشى بولارمىكىن، يا بەلكىم بۇ ئېھتىياجقا قاراپ بولىدىغاندۇ.
سۆزگە پارچىلاشنى دىمەكچىتىم. نەزىريە ئاساسى قانداق.
مەن بىر ئامالنى دەپ باقاي بەك قالايمىقان شۇنداق بولسىمۇ. توغۇرمۇ خاتامۇ ئۇنىمۇ بىلمەيمەن. پەقەت يۈزەكى ئويلۇغۇنۇم.
بىر پروگرامما ياسىساق بىر كۇنۇپكىنى باسسا ھەر بېتىگە بىر قېتىم كىرسە ئاندىن ئۇنۇڭ 查看源文件دىگەن يېرىگە كىرىپ ئۇيغۇرچە خەتلەرنى ئېلىۋىلىپ ئاندىن ئۇنى RichTextBox قا ئەكىرىپ شۇ يەردە سۆزگە بۆلۈپ ئۇلارنى ساندانغا ئەكىرىش. خې خې لىكىنزە بۇنداق قىلسا كالىنى ئۆگىزگە تاتقاندەكلە ئىش بولامدىكىن دەيمەن.
ئەجرىڭىزدىن گۇل ئۇنسون ،سىزنىڭ بەزى ئىلمى مۇۋەپپىقيەتلىرىڭىزگە قاراپ كۇنلەرنىڭ بىركۇنى باشقا تىلغا مۇھتاج بولماي ئانا تىلىمىزدىن پايدىلىنىپمۇ يېڭى-يېڭى كەشپىياتلارنى مەيدانغا كەلتۇرگىلى بۇلدىغاندەك بىر خىل ھاياجانلىق تۇيغۇلارغا چۇمۇلۇپ قالىمەن.
ھەممىمىز ئۆز ساھەيىمىزدە داۋاملىق تىرىشساق، ھەممىمىز يەنە ئانا تىلنىڭ قەدرىنى قىلساق، بەلكىم ئۇمۇ بولۇپمۇ قالار.
ئالىم مۇئەللىم، مۇشۇ ئۇيغۇرتىلى، ئىملا ئىشىلىرى،سۆزلۈك ئىشلىرىدا تولىمۇ كۈچەۋاتىسىز. نەتىجىرىلىڭىزنىڭ بەزىلىرى ھەقلىق ۋە ھەقسىز يوسۇندا تاۋارغا ئايلىنىپ بازارغا سېلىندى ھەم تولىمۇ ياقتۇرۇپ ئىشلىتىۋاتىمىز. بۇلار ئۈچۈن ئاللاھ سىزگە ئەجرىڭزنى بەرسۇن.
يەنە تىنىش بەلگىلىرىنى كومپيۇتېردا بىرتەرەپ قىلىش توغرىلىقمۇ تەتقىقاتىڭىز بارمۇ؟ بەزىلەر دەيدىكەن تىنىش بەلگىلىرىنى كومپيۇتېردا بىر تەرەپ قىلىش مۇمكىن ئەمەس ياكى بەك تەس، دەپ. لېكىن مېنىڭچە تىنىش بەلگىلىرىمۇ تىلنىڭ مەلۇم قائىدىلىرىگە بويسۇنىدۇ، بوي سۇنغان ئېكەن ئۇنى كومپيۇتېردا بىر تەرەپ قىلىش تامامەن مۇمكىن، بۇ ئۆزىمىزدىكى مەسىلە دەپ قارايمەن.
ھازىرقى سەۋىيەدە تىنىش بەلگىلىرىنى بىر تەرەپ قىلىش سەل قىيىن، نۆۋەتتە كۆڭۈل بۆلۈشكە تېگىشلىك مەسىلە يەنىلا سۆزلەرنىڭ ئىملا مەسىلىسى، مەن بۇ ئىشتا يەنىمۇ چوڭقۇرلاپ نەتىجىگە ئېرىشكەندىن كېيىن، ئاندىن بەزى بىر تىنىش بەلگىلىرىنى ئويلىشىشىم مۇمكىن.
«غەلىتە سۇئالغا غەلىتە جاۋاب» ناملىق توپلامدا «كىشىلەر ئەڭ كۆپ ئىشلىتىدىغان سۆز قايسى؟» دەپ بىر سۇئال بار ئىدى، ئەسلى جاۋابى «مەن» ئىدى. ئەمدى سىز ئىسپاتلاپ چىقىپسىز…
ئۇنداقتا ئۇ خاتا ئىكەنغۇ. نەچچە ۋاقىتتىن بېرى ئىشىنىپ يۈرۈپتۇق
قالتىس ئىش بوپتۇ ئالىمكا، ئەجرىڭىزدىن گۈللەر ئۈنسۇن ، ئاللاھ ئىشلىرىڭىزنى ئاسان قىلسۇن ، سىز بىلەن بىر كۆرۈشۈشنى نىسىپ قىلغان بولسا …. قۇلىڭىزغا دەرت بەرمىسۇن
بەكمۇ قالتىس ئىش بوپتۇ ئالىمكا، قولىڭىزغا دەرىت كەلمىسۇن
ئىنچىكە ئىشلاركەن بۇ ،كەسىپ ئىھتىياجى بۇيىچە ئۇيغۇر تىلى گىرامماتىكىسىنىمۇ خىلى تەتقىق قىلىپسىز ھە؟ قىيىن ئىش يوق ئالەمدە كۆڭۈل قويغان ئادەمگە دەپ .سىزدىن جىق ئىلھام ئالىمىز.
بۈگۈنكى بۇلۇت ھېسابلاش تېخنىكىسىغا قاراپ يۈزلىنىۋاتقان دەۋردە دەل مۇشۇنداق نەچچە يىللىق ئىلىمىي تەتقىقات ئارقىلىق ئېرىشىلگەن زور سانلىق مەلۇماتنىڭ قىممىتى ئۆز كۈچىنىنى ھەقىقىي نامايەن قىلىدۇ.
مەندە مانداق تېخنىكا بار دەپلا دەرھاللا ئەمەلگە ئاشۇرۇش مۇمكىن ئەمەس بەزى ئىقتىدارلارنى.
ناھايىتى ئەھمىيەتلىك ئىستاتىستىكىلار ئىكەن مۇئەللىم، ئۇيغۇر تىل يېزىقىغا قارىتا ئەڭ ئىلمي بولغان زور مىقداردىكى تەھلىل ئۇچۇرى تەتقىقات نەتىجىسى مۇئەللىمنىڭ قولىدا دەپ قارايمەن.
ئۇيغۇرچە سۆزلۈك كىرگۈزگۈچ، ئاۋازلىق كىرگۈزگۈچ، OCR (رەسىملىك كىرگۈزگۈچ)، كوررېكتورلۇق جەھەتلەردىكى تەرەققىيات بىرقەدەر ئاستا,بولۇپمۇ ئاۋاز بىلەن رەسىملىك كىرگۈزۈش تېزراق ئەمەلگە ئاشسا بولاتتى.تېرىشىڭلار قېرىنداشلار!ئالىم مۇئەللىم يالغۇزلۇق تارتىپ قالغاندەك ھېس قىلىمەن.سۆزلەر تەرتىۋىگە قارىسام مەن سەن ئۇ نىڭ ئىچىدە ئۇ 12-ئورۇندا,مەن 28-ئورۇندا تۇرىدۇ.قارىغاندا بىز ئۆزىمىزگە قارىغاندا باشقىلاردىن بەكرەك ئۇمۇت كۈتۈپلا يۈرەمدۇ نىمە؟ئالىم مۇئەللىم باغۇ دەپ يۇرىۋاتقاندەكلا.يا بىز بەك غەيۋەتچىمۇ ؟بۇ يۈز سۆز خېلى جىق ئويغا سالدى ئادەمنى.
ھې ھې ، مەن ۋە ئۇ دىگەن ئىككى سۆزنىڭ ئورنىغا دىققەت قىلىپسىزدە ، بۇ تەھلىل مۇ بولىدىكەن !
مەن دىگەن سۆزگە قارىغاندا ئۇ دىگەن سۆزنى ئىشلىتىش قېتىم سانىمىز كۆپ دىگەن گەپ ، ئادەم ئۆزىگە ئىشەنگەندىن بەكراق باشقىلارغا ئىشىنىدۇ دىگەندەك لوگىلىكىلىق تەپەككۇردىن بىرنى كىسىپ ئېيتقىلى بولغاندەك ! ماتىماتىكا دىگەن زادى يامان نىمىكەن دەيمەن !
ئۇ دېگەن ئالماش نەرسىلەرگە ۋە يەر جاي ناملىرىغىمۇ ئالمىشىپ كېلىدۇ، مەن بولسا، پەقەت ئادەگىلا ئىشىلىتىلىدۇ.
ئۇيغۇرچە توربېكەتلەرنىڭ ئىملا خاتالىق دەرىجى كۆرسەت كۇچ مۇلازىمىتى قۇرۇشنى ئويلاشقان بۇ تۈرگە ياردەم قىلارسىزمۇ ؟
ياردەم قىلسام بولاتتى، ئەمما تور بېكەتلەرنى رەتكە تۇرغۇزۇپ، بېكەت باشلىقلىرىنىڭ نارازىلىقىنى قوزغاپ قويۇش ئېھتىماللىقى بار. شۇڭا كىشىگە يامان بولىدىغان ئىشقا مەن ئارىلاشمايمەن.
ئەجىبا باشقىلارنىڭ خاتالىقىنى كۆرسىتىپ قويۇشمۇ «يامان»بولىدىغان ئىشمۇ؟ ئەمەلىيەتتە مۇشۇنداق خاتالىقىنى كۆرسىتىپ بېرىش،سەمىمىي تەكلىپ بېرىش قاتارلىقلار شۇ تور بىكەتكە نىسپەتەن پايدىلىقتۇر،ناۋادا شۇ تور بېكەتنىڭ باشلىقى ھەقىقەتەنمۇ نارازى بولسا زادىلا چۈشەنگىلى بولمايدۇ.مەن تور بىكەت قۇرالىغان بولسام ،يۇقۇرىقىدەك خاتالىقلارنى كۆرسىتىپ بېرىمەن دېسىڭىز جان دەپ قوشۇلاتتىم،ھەق ئالسىڭىزمۇ مەيلىتتى.
ھەممە توربەتنىڭ نارازى بولىشى ناتايىن.رەتكە تۇرغۇزۇشقا قوشۇلغان توربەتلەرنى تىزىپ باقسىڭىز قانداق بولار
ئەسسالامۇ ئەلەيكۇم ، مومكىن بولسا ئەڭ ئاز ئىشلىتىلگەن يۈز سۆزنىمۇ چاپلاپ قويسىڭىزكەن ، يەنى ئاخىرىدىن سانىغاندا يۈزىنچىسىگىچە، قىزىقىپ قالدىم
بۇنداق قىلغىلى بولمايدۇ، چۈنكى 1 قېتىم تەكرارلانغان سۆزنىڭ سانى 110 مىڭغا بارىدۇ. ئاز ئىشلىتىلگەن 100 سۆز دېگىلى بولمايدۇ، ناۋادا، بۇ 110 مىڭ سۆزنىڭ ھەممىنى چاپلاپ قويسام، بىلوگىم قېتىپ قالار.
ئەڭ ئاخىرىدىكى ئاز ئىشلىتىدىغان 100 سۆزنى دىمەكچىكەن ! مەنمۇ ئەڭ ئاخىرقى 10 سۆز قايسىكىن دەپ قالدىم !
ئالىمكا مەنمۇ سىزنىڭ بىلوگىڭىزنىڭ قىزغىن ئۇقۇرمىنى ،سىزنىڭ مىللەت سۈيەرلىكىڭىز قىزىقارلىق ئۇسۇلدا يىزىلغان يازما خاتىرلىرىڭىز مىنى بەكلام جەلىپ قىلىدۇ.گەرچە مەن تۇلۇق ئوتتۇردىن باشلاپ ئىچكىر ئۆلكىدە ئۇقۇش بىلەن بۇلۇپ تا ھازىرغىچە 8يىل بۇلۇپتۇ ،بەزىدە ئويلاپ قالىمەن ئەگەر شىنجاڭدا ئۇقىغان بولسام ئالىم مۇئەللىمدىن دەرىس ئالغان پىكىرلەشكەن بۇلاتتىم دەپ ھې ھې … مەيلى نىمىلام بولمىسۇن سىز بىزنىڭ پەخرىمىز، اللە يۇلىڭىزنى ئۇچۇق تىنىڭىزنى ساغلام قىلسۇن
بەكمۇ قالتىس ئىش بوپتۇ ئالىمكا، قولىڭىزغا دەرىت كەلمىسۇن ، ئۇلۇغ اللە ئىشلىڭىزنى ئۇتۇقلۇق تىنىڭىزنى سالامەت قىلسۇن،