DEVELOPMENT OF A HYBRID ALGORITHM FOR DETECTING ADVERBIAL MODIFIERS IN UZBEK
Аннотация
Abstract. In this work, a hybrid algorithm and a software pipeline architecture were developed for automatically identifying adverbial modifiers in Uzbek texts. The solution consists of three stages: customized tokenization, transformer (BERT)-based part-of-speech (POS) tagging, and syntactic role extraction using a rule engine. To stabilize adverbial-modifier detection, a predicate (verb) identification module was introduced into the system as an anchor: the predicate is found using 6 formal rules, and adverbial modifiers are then labeled using 13 rules based on their linking conditions relative to the predicate. The system was evaluated on a test dataset and achieved 78% precision and an F1-score of 78% in adverbial-modifier detection. The results demonstrate the practical effectiveness of the hybrid (neural + rule-based) approach in low-resource settings, and emphasize that expanding rule coverage, enriching the dataset, and optimizing the module based on error analysis are the main directions for future work. Annotatsiya. Ushbu ishda o‘zbek tilidagi matnlarda hol (adverbial modifier)larni avtomatik aniqlashga mo‘ljallangan gibrid algoritm va dasturiy konveyer (pipeline) arxitekturasi ishlab chiqildi. Yechim uch bosqichli: moslashtirilgan tokenizatsiya, transformer (BERT) asosidagi so‘z turkumlarini aniqlash (POS-tagging), hamda qoida ketma-ketligi yordamida sintaktik rollarni ajratish. Hol aniqlashni barqarorlashtirish uchun kesimni aniqlash moduli tizimga tayanch sifatida kiritildi: kesim 6 ta formal qoida bilan topilib, hol 13 ta qoida orqali kesimga nisbatan bog‘lanish shartlari asosida belgilanadi. Tizim sinov ma’lumotlar to‘plamida baholandi va holni aniqlashda 78% aniqlik (Precision) hamda 78% F1-ko‘rsatkichga erishdi. Natijalar gibrid (neyron + qoidaviy) yondashuvning past-resurs sharoitida amaliy samaradorligini ko‘rsatadi hamda qoidalar qamrovini kengaytirish, ma’lumotlar to‘plamini boyitish va xatolik tahlili asosida modulni optimallashtirish kelgusidagi asosiy yo‘nalishlar ekanini ta’kidlaydi. Аннотация. В данной работе разработаны гибридный алгоритм и архитектура программного конвейера (pipeline), предназначенные для автоматического выявления обстоятельств (adverbial modifiers) в узбекскоязычных текстах. Решение состоит из трёх этапов: адаптированной токенизации, определения частей речи (POS-теггинга) на основе трансформера (BERT), а также выделения синтаксических ролей с помощью движка правил. Для стабилизации выявления обстоятельств в систему в качестве опорного (якорного) элемента введён модуль определения сказуемого: сказуемое находится по 6 формальным правилам, а обстоятельства отмечаются по 13 правилам на основе условий связи относительно сказуемого. Система была оценена на тестовом наборе данных и достигла 78% точности (Precision) и 78% значения F1 при выявлении обстоятельств. Результаты показывают практическую эффективность гибридного (нейронного + правилового) подхода в условиях ограниченных ресурсов и подчёркивают, что расширение покрытия правил, обогащение набора данных и оптимизация модуля на основе анализа ошибок являются основными направлениями дальнейшей работы.