O‘zmu xabarlari Вестник нууз acta nuuz filologiya 1/4/1 2023 245

 
TextBlob frameworkidan foydalanishning afzallik va kamchiliklari [12-13]:
Afzalliklari 
Kamchiliklari
+1) Foydalanish oson 
-1) Sekin ishlaydi 
+2) NLTK uchun qulay interfeys 
-2) Neyro-tarmoq modeli yoʻq 
+3) Tarjima qilish va nutqni tushunishni taʻminlaydi 
-3) Integratsiyalashgan soʻz vektorlari yoʻq 
 
Xulosa. Ma’lum boʻlganidek, NLP – bu raqamli 
texnologiyalar uchun matnni qulay va 
foydali usulda tahlil 
qilish
, tushunish va inson tilidan ma’no olish jarayonidir. 
Tabiiy tilni qayta ishlash natijasida (NLPdan foydalanib), 
aynan Python dasturlash tilining yuqorida imkoniyatlari 
koʻrsatib oʻtilgan uning kutubxonalari yordamida, avtomatik 
referatlash, 
kompyuter 
tarjimasi, 
nomlangan 
obyektni 
aniqlash, nutq sintezatorini yaratish, tuygʻularni tahlil qilish, 
nutqni tanish va matnlar segmentatsiyasi, soʻz turkumlarini 
teglash, matnni tahlil qilish: tokenizatsiya, stemming, 
lemmatizatsiya, parsing [2] kabi vazifalarni bajarish uchun 
kompyuter dastuarlari va tizimlarini yaratish mumkin. 
 
ADABIYOTLAR 
1. AbjalovaM.A. Oʻzbek tili milliy korpusida soʻzshaklni leksikografik baza asosida qidiruv imkoniyatlari. // Kompyuter 
lingvistikasi: muammolar, yechim, istiqbollar/ Respublika ilmiy-texnik konferensiya toʻplami. Elektron nashr /ebook. –
Toshkent: ToshDOʻTAU, 23.04.2021. – B.12-17. http://compling.navoiy-uni.uz/index.php/conferences/article/view/12/10  
2. Abjalova M. Tahrir va tahlil dasturlarining lingvistik modullari. [Matn]: monografiya / M.A. Abjalova. - Toshkent: 
Nodirabegim, 2020. – 176 b. 
3. Zhou, M., Duan, N., Liu, S., & Shum, H. Y. (2020). Progress in Neural NLP: Modeling, Learning, and Reasoning. In 
Engineering. https://doi.org/10.1016/j.eng.2019.12.014 
4. Kulkarni, A., & Shivananda, A. (2019). Deep Learning for NLP. In Natural Language Processing Recipes. 
https://doi.org/10.1007/978-1-4842-4267-4_6 
5. Garousi, V., Bauer, S., & Felderer, M. (2020). NLP-assisted software testing: A systematic mapping of the literature. In 
Information and Software Technology. https://doi.org/10.1016/j.infsof.2020.106321 
6. Kulkarni, A., & Shivananda, A. (2019). Deep Learning for NLP. In Natural Language Processing Recipes. 
https://doi.org/10.1007/978-1-4842-4267-4_6 
7. Morris, J. X., Yoo, J. Y., & Qi, Y. (2020). TextAttack: Lessons learned in designing Python frameworks for NLP. In arXiv. 
https://doi.org/10.18653/v1/2020.nlposs-1.18 
8. Panchenko, A., Bondarenko, A., Franzek, M., Hagen, M., & Biemann, C. (2018). Categorizing comparative sentences. In 
arXiv. https://doi.org/10.18653/v1/w19-4516 
9. Indig, B., Simonyi, A., & Ligeti-Nagy, N. (2019). What’s wrong, python? - A visual differ and graph library for NlP in 
python. LREC 2018 - 11th International Conference on Language Resources and Evaluation. 
10. Maria Razno. (2019). Machine learning text classification model with NLP approach. Computational Linguistics and 
Intelligent Systems. 
11. Goyal, P., Pandey, S., & Jain, K. (2018). SpaCy. In Deep Learning for Natural Language Processing: Creating Neural 
Networks with Python. 
12. Lorla, S. (2020). TextBlob Documentation. TextBlob. 
13. Raj, S. (2019). Natural Language Processing for Chatbots. In Building Chatbots with Python. https://doi.org/10.1007/978-
1-4842-4096-0_2 

---