Процессы конъюнкционализации представляют собой один из центральных механизмов грамматикализации в тюркских и иранских языках. Под конъюнкционализацией понимается постепенный переход полнозначных лексических единиц в разряд служебных слов – союзов и союзных аналогов. В условиях недостаточной изученности тюркско-иранского языкового ареала применение методов искусственного интеллекта открывает новые перспективы для систематического выявления и анализа данных явлений.

Современные технологии обработки естественного языка позволяют обрабатывать большие объемы текстовых данных и выявлять закономерности, недоступные при традиционном лингвистическом анализе [5, с. 1]. Особую актуальность это приобретает для языков с ограниченными цифровыми ресурсами, к которым относятся таджикский и узбекский.

Эмпирической базой исследования послужили:

1. Таджикский веб-корпус (tgWaC), содержащий 50 миллионов словоупотреблений с морфологической разметкой [3, с. 95],
2. Узбекские текстовые данные, обработанные системой UzbekTagger [6, с. 3],
3. Дополнительный корпус объемом 100 миллионов токенов для таджикского языка [4, с. 92].

Методологически исследование опирается на сочетание корпусного анализа и алгоритмов машинного обучения. Нами разработан коэффициент конъюнкционализации (Kк), определяемый по формуле:

 ,

где Fc – частота употребления элемента в служебной функции, Ft – общая частота употребления, Dc – дистрибутивное разнообразие в служебных контекстах, Dm – максимальное дистрибутивное разнообразие для данного класса слов.

Анализ выявил несколько типичных траекторий конъюнкционализации. В таджикском языке наблюдается активное преобразование деепричастных форм в союзные конструкции [1, с. 76]. В узбекском языке процесс характеризуется более выраженной ролью аналитических структур [2, с. 145] (см. таблицы №1).

Таблица 1.

Количественные показатели конъюнкционализации отдельных элементов

Согласно полученным данным, элементы с коэффициентом Kк выше 75 уверенно идентифицируются как союзы, диапазон 30–75 соответствует переходной зоне, значения ниже 30 указывают на сохранение преимущественно лексического статуса. Применение технологии BERT-based разметки для узбекского языка показало точность определения служебных элементов на уровне 94.3% [7, с. 290], что существенно превышает результативность традиционных правиловых систем (см. таблица № 2).

Таблица 2.

Контекстное распределение элемента «вақте ки» (таджикский)

Данное распределение демонстрирует высокую степень функциональной специализации элемента, что подтверждает завершенность процесса грамматикализации.

Сопоставительный анализ выявил существенные расхождения в механизмах конъюнкционализации. В таджикском языке преобладает модель «изафетная конструкция + указательное слово → составной союз» [1, с. 77], тогда как в узбекском доминирует схема «деепричастие → союз» [2, с. 146].

Искусственный интеллект позволяет отслеживать диахронические изменения через сопоставление текстов разных периодов. Например, элемент узбекского языка «-ganda» демонстрирует рост коэффициента Kк с 23.4 (тексты 1990-х) до 41.7 (тексты 2020-х), что свидетельствует об активной грамматикализации (см. таблицу № 3).

Таблица 3.

Сравнительная эффективность методов идентификации

Применение технологий искусственного интеллекта к исследованию процессов конъюнкционализации демонстрирует высокую результативность и открывает новые исследовательские перспективы. Разработанная методика количественной оценки позволяет объективизировать определение степени грамматикализации служебных элементов. Полученные результаты могут быть использованы для создания автоматических систем морфосинтаксической разметки, а также в лексикографической и грамматографической практике. Дальнейшие исследования должны охватить более широкий спектр служебных элементов и включить диахронический анализ корпусов различных временных периодов.