Details

Выпускная квалификационная работа посвящена разработке чат-бота для малоресурсных языков на примере науканского. Актуальность связана с необходимостью цифровой поддержки исчезающих языков, для которых нет больших корпусов и инструментов автоматической обработки. Выбор rule-based подхода обоснован тем, что доступных данных недостаточно для нейросетевых методов, а справочный характер системы требует точности и воспроизводимости ответов. В ходе исследования проанализированы особенности науканского языка, структура электронного «Словаря языка науканских эскимосов» и аудиоматериалы с произношением. На этой основе спроектирован и реализован прототип Telegram-бота: русско-науканский и науканско-русский поиск, нормализация ввода, обработка возможных словоформ и автоматическое сопоставление слов с аудиофайлами. Поисковое ядро отделено от интерфейса, что позволяет использовать его в веб-словаре или других решениях. В результате создан детерминированный словарный чат-бот, опирающийся на структурированные лингвистические данные без нейросетевых технологий. Тестирование подтвердило работоспособность основных функций. Практическая значимость состоит в применении инструмента для изучения и цифровой документации науканского языка, а также в адаптации архитектуры для других малоресурсных языков.

This graduation thesis addresses the development of a chatbot for low-resource languages, using Naukan as a case study. Its relevance stems from the need for digital support of endangered languages that lack large corpora and au-tomatic processing tools. The rule-based approach is justified by the fact that the available data is insufficient for neural-network methods, while the reference na-ture of the system requires accuracy and reproducibility of its responses. The research analyzes the features of the Naukan language, the structure of the electronic "Dictionary of the Language of the Naukan Eskimos", and audio pronunciation materials. On this basis, a prototype Telegram bot was designed and implemented: Russian-to-Naukan and Naukan-to-Russian search, input normalization, processing of possible word forms, and automatic matching of words with audio files. The search core is separated from the interface, allowing its future use in a web dictionary or other solutions. The result is a deterministic dictionary chatbot relying on structured lin-guistic data without neural-network technologies. Testing confirmed the function-ality of the main features. The practical significance lies in applying the tool for the study and digital documentation of the Naukan language, and in adapting the architecture for other low-resource languages.

• ВВЕДЕНИЕ
• ГЛАВА 1. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ СОЗДАНИЯ ЧАТ-БОТОВ ДЛЯ МАЛОРЕСУРСНЫХ ЯЗЫКОВ
  • 1.1 Науканский как малоресурсный и исчезающий язык
  • 1.2 Краткая лингвистическая характеристика науканского языка (в контексте разработки словарного чат-бота)
  • 1.3 Чат-боты как класс систем: типология и обоснование подхода
  • 1.4 Обзор цифровых словарей и языковых инструментов для малоресурсных языков
• ВЫВОДЫ ПО ГЛАВЕ 1
• ГЛАВА 2. АНАЛИЗ ДАННЫХ И ПРОЕКТИРОВАНИЕ ЧАТ-БОТА
  • 2.1 Анализ структуры словаря и аудиоданных
  • 2.2 Анализ аудиоматериалов: состав, структура и принципы интеграции в систему
  • 2.3 Функциональные требования к чат-боту
  • 2.4 Нефункциональные требования к чат-боту
  • 2.5 Проектирование архитектуры системы
• ВЫВОДЫ ПО ГЛАВЕ 2
• ГЛАВА 3. РЕАЛИЗАЦИЯ И ТЕСТИРОВАНИЕ ЧАТ-БОТА
  • 3.1 Нормализация текста и транслитерация визуально схожих символов
  • 3.2 Алгоритм русско-науканского поиска
  • 3.3 Алгоритм науканско-русского поиска и эвристика начальной формы
  • 3.4 Подсистема произношения: алгоритм сопоставления и отправки аудиофайлов
  • 3.5 Тестирование системы: набор тестов, метрики и результаты
  • 3.6 Ограничения системы и направления дальнейшего развития
• ВЫВОДЫ ПО ГЛАВЕ 3
• ЗАКЛЮЧЕНИЕ
• СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ