Қазақ тіл білімінде Кеңес Одағы кезінде-ақ компьютерлік лингвистика саласының қалыптасуы Қазақ ССР Ғылым академиясының Тіл білімі институтында 1969 ж. өткен «Түркі тілдерін статистикалық және ақпараттық зерттеу» атты Бүкілодақтық ғылыми жиыннан бастау алады. Қазақ тілінің жаңа ғылыми-инновациялық қолданбалы саласы ретінде қалыптастыру мақсатында 1970 ж. математикалық статистика саласының маманы, белгілі математик, ғалым – Қалдыбай Бектаевтың жетекшілік етуімен институтта «Тіл статистикасы және автоматтандыру» атты ғылыми топ құрылды.

Осы кезеңнен бастап, қазақ тілін статистикалық тұрғыдан зерттеу ісі жүйелі түрде қолға алынып, өз нәтижелерін бере бастады. Олардың алғашқысы ретінде 1973 ж. жарық көрген «Қазақ тексінің статистикасы» атты ғылыми жинақты атауға болады. Сонымен қатар, 1973-1974 жж. Одақтық «Тіл статистикасы» тобының ғылыми жетекшісі Раймонд Генрихович Пиотровский мен қазақстандық ғалым Қалдыбай Бектаевтың «Математические методы в языкознании» атты екі бөлімнен тұратын, жоғары оқу орындарына арналған оқу құралының қазақ елінде жарық көруі де осы жаңа саланың жетістігі болды. Сол кездері қазақ тіл білімінің жаңа саласы ретінде статистикалық лингвистиканың проблемалық мәселелері күн санап өсіп, олардың кейбір тұстары анықтала бастады. Солардың бірі қазақ мәтінінің әр әріпке (дыбысқа) шаққандағы ақпараттық өлшемін, яғни энтропияны анықтау болды. Осы орайда аталған ғылыми топ жетекшісі Қ.Бектаев пен оның шәкірті Д.Байтанаеваның қазақ мәтініне қатысты тәжірибелік мәліметтер негізінде жүргізілген ақпараттық-статистикалық ғылыми ізденісінің (1973) орны ерекше.

Сондай-ақ көркем әдебиет, публицистика, ғылыми-техникалық мәтіндер мен екітомдық «Қазақ тілінің түсіндірме сөздігі» (1959, 1961) материалдары бойынша Қ.Бектаевтың ЭЕМ арқылы жасаған қазақ тілі буындарының жиілік сөздігі (1973) қазақ тіл білімінде буынның ішкі құрылымына және сөздің буындық құрылымына ықтималды-статистикалық әдісті қолданған зерттеудің үлгісі болып саналады. Осымен байланысты 1978 ж. жарық көрген Қ.Бектаевтың «Статистико-информационная типология тюркского текста» атты докторлық монографиясы ғалымның қазақ тіл білімінің статистикалық зерттеу саласына қосқан сүбелі еңбегі болды. 1978 ж. отандық түркітану ғылымы үшін орта­ғасырлық жазба ескерткіш «Кодекс Куманикус» мәтіні тұңғыш рет ЭЕМ жадына енгізіліп, ол бойын­ша ЭЕМ көмегімен алынған «Куманша-қазақша жиілік сөздігі» қазақ тіл білімі үшін аса бағалы зерттеу жұмысы болды. Ал 1979 ж. «Ғылым» баспасынан жарық көрген М.О.Әуезовтің «Абай жолы» романының жиілік сөздігі» атты ұжымдық лексикографиялық еңбек те ғылыми топ қызметкерлерінің (А.Жұбанов, А.Зекенова, А.Белботаев, К.Алдабергенова) статистикалық лингвистика саласына қосқан елеулі еңбегінің нәтижесі екендігі даусыз.

70-жылдардан бастау алған статистикалық лингвистика саласы бойынша Тәуелсіздік алғанға дейінгі жарық көрген еңбектер легін төмендегіше санамалап көрсетуге болады: 1) К.Бектаев, А.Жұбанов, С.Мырзабеков, А.Белботаевтың «М.Әуезовтің 20 томдық шығармалар текстерінің сөздігі»; 2) ҚазССР ҒА Тіл білімі институтынан шық­қан «Абай тілі сөздігі» негізінде құрылған әліпбилі-жиілік сөздіктер; 3) А.Ахабаевтың «Қазіргі қазақ газеттері тілінің алфавитті-жиілік сөздігі»; 4) К.Бектаевтың «Қазақ ертегілері мәтіндерінің әліпбилі-жиілік сөздігі»; 5) К.Бектаев, А.Белботаев, К.Молдабековтің «Ғ.Мүсіреповтің «Кездеспей кеткен бір бейне» повесінің негізінде құрастырылған әліпбиліжиілік сөздігі»; 6) А.Белботаевтың «Математика тексінің алфавитті-жиілік сөздігі»; 7) К.Бектаев, Қ.Молдабековтің «Балалар әдебиеті тексінің алфавитті-жиілік сөздігі». «Қазақ тексінің статистикасы» жинағы қазақ тілінің квантитативтік құрылымын сипаттаған түркі тіл­дері бойынша жарық көрген алғашқы зерттеу болды. Қазақ тілінің әртүрлі стильдері бойынша жарық көрген жиілік сөздіктердің ішінде «М.Әуезовтің 20 томдық шығармалар текстерінің сөздігі» мен «Абай тілі сөздігінен» басқалары негізінен 1973 ж. жарық көрген «Қазақ тексінің статистикасы» атты кітапта жинақталған.

Қазақ елінің тәуелсіздігі жарияланған 1991 ж. А.Байтұрсынұлы атындағы Тіл білімі институтында «Түсіндірме сөздік» бөлімі мен «Тіл статистикасы және автоматтандыру» ғылыми тобы біріктіріліп, «Қолданбалы лингвистика» бөлімі ретінде жаңаша аталып, қайтадан құрылуы бөлімнің ғылыми меңгерушісі болып тағайындалған осы саладағы белгілі ғалым Асқар Құдайбергенұлы Жұбановтың есімімен тығыз байланысты. А. Жұбанов қазіргі қазақ тілінің жаңа саласы – қолданбалы тіл білімінің теориялық және практикалық негізін қалыптастыру мен жаңа деңгейге көтеру жолында табысты жетекшілік етті. Мәселен, өткен ғасырдың 90-шы жылдары 20 томнан тұратын М.Әуезовтің шығармалар жинағы ЭЕМ (Электрондық есептеуіш машина) жадына енгізіліп, соның нәтижесінде 1995 ж.

«М.Әуезовтің 20 томдық шығармалар текстерінің жиілік сөздіктері» жүйесі жарық көрді. Соның негізінде ұлы жазушының тіл байлығы мен стильдік ерекшелігі жайында бірнеше ғылыми зерттеулер жүргізіліп, диссертациялар қорғалды. 1991-1993 жж. аралығында бөлімде «Қазақ тілінің қолданбалы саласындағы проблемалар» атты тақырыпты орындауда филол.ғ.д., профессор Ә.Болғанбаев, А.Жұбанов, Ш.Дәулетқұлов, С.Бизақов сияқты ғалымдар өнімді еңбек етті. Қолданбалы лингвистика бөлімі қазақ тілін автоматтандыру ісінің жаңа сатысына көтеріліп, 1991-1993 жж. «Қазақ тілінің «ҚАЗЫНА» атты автоматтандырылған картотекалық базасын жасау» атты тақырыпты қолға алды.

Көп жылдар бойы жинақталып-теріліп, қазақ тілінің бірден-бір «тіл байлығы» деуге болатындай, институттың «сөз қоржынында» сақталған қазақ тілінің картотекалық қорын сан мен сапа жағынан сұрыптап, компьютер жадына түсіріп, автоматты түрде пайдалану ісі тек бүгінгі таңда ғана емес, қазақ тілінің болашағы үшін де маңызды еді. Қағаз түріндегі кәртішкі-мәнмәтін қордың жалпы көлемі, орташа есеппен алғанда, 5 млн. шамасындай. Осындай үлкен көлемдегі мәнмәтін қорын автоматты жүйеге ауыстырмайынша, оны тілші қауымының ойдағыдай пайдалану мүмкіндігі және үнемі жаңартылып отыруы оңайлыққа түспейтіні белгілі. 1991-1993 жж. аралығында «Қолданбалы лингвистика» бөлімінің қызметкерлері «Қазына» қорына 900 мың кәртішкі-мәнмәтін ішінен 70 мыңдайын сұрыптап алып, оларды компьютер жадына енгізген болатын.

Бастапқы әріптері «А» әрпінен «С» әрпіне дейінгі сөздерге қатысты мәнмәтіндер «Тіл – қазына» компьютерлік базасына енгізіліп, тұтынушы-лексикографтар үшін қажетті деген мәліметті іздеп табу жұмыстары жүзеге асырылды. «Тіл – қазына» атты қазақ тілінің кәртішкімәнмәтіндік компьютерлік базаның негізгі мүмкіндіктерін қысқаша былай көрсетуге болады: – қажетті деген сөзге немесе сөзформаға қатысты кәртішкі-мәнмәтіндерді лезде тауып алып, оларды компьютердің экраны арқылы немесе қағаз бетіне басып шығарып та танысу мүмкіндігі;
– әрбір әріпке байланысты реестрлік сөздік түзілгендіктен, қажет деген сөздер мен оларға қатысты кәртішкі-мәнмәтіндерді лезде іздеп тауып алу мүмкіндігі;
– қажетті деген сөзге немесе сөзформаға (олардың бастапқы, ортаңғы, соңғы бөліктеріне) байланысты кәртішкі-мәнмәтіндерді авторына, шығармасына, баспа аттары мен шыққан жылдарына қатысты іздеп табу мүмкіндігі;
– «Тіл – қазына» компьютерлік базасында кәртішкі-мәнмәтіндерді өңдеуге, өшіруге немесе жаңадан қосуға да мол мүмкіндігі.

Қазақ лексикасының түсіндірме сөздіктері негізіндегі компьютерлік базасын іске қосу мақсатына сай 1968 ж. жарық көрген «Абай тілінің сөздігі» мәтіні (6 мың сөз, 1 мыңдай сөз тіркес), 1999 ж. баспадан шыққан «Қазақ тілінің сөздігі» (50 мың сөз) және 15 томдық «Қазақ әдеби тілінің сөздігі» мәтіні, сол сияқты «Ұлттық идея – Қазақстанның даму негізі» бағдарламасы бойынша: «Қазақ тілінің терминологиялық қорының компьютерлік базасын жасау және оны терминдік әлеуеті жоғары дереккөздермен толықтыру» атты ғылыми-зерттеу жұмысының негізгі нысаны – салалық екітілді (қазақша-орысша, орысшақазақша) терминологиялық сөздіктер мен қазақ тіліндегі салалық терминологиялық түсіндірме сөздіктердің материалдары «Тіл – қазына» компьютерлік базасына жинақталды. 1998 ж. аталмыш бөлім Институттың құрылымдық өзгерістеріне байланысты «Компьютерлік лингвистика» ғылыми тобы деп аталып, Фонетика бөлімінің құрамына енді. Атауы мен мәртебесі өзгергенімен, зерттеу бағыт-бағдары айқын ғылыми топ өз қызметін әрі қарай тиімді жалғастырды. Оның нақты нәтижесі осы ғылыми-зерттеу тақырыптардың жетекшісі А.Жұбановтың «Квантитативная структура казахского текста» (1987) және «Основные принципы формализации содержания казахского текста» (2002) атты докторлық монографиясында жан-жақты көрініс тауып, қазақ қолданбалы лингвистикасының болашақ дамуының бағыттары мен қағидаларын айқындады. Қазақ тіл біліміндегі компьютерлік лингвистиканың теориялық-әдістанымдық негізі ретінде анықталған осы зерттеудің нәтижесінде қазақ тілінің қолданбалы бағыты корпустық лингвистика, компьютерлік, квантитативтік лингвистика сияқты жаңа салалармен толықты.

«Компьютерлік лингвистика» ғылыми тобының негізгі зерттеу бағыты Тәуелсіз еліміздің мемлекеттік тілін қоғамның барлық саласында ғылым тілі ретінде қолдануға бағытталған «компьютерлендіру» ісіне арналды. Қазақ тілінің көптеген кезек күттірмейтін мәселелері, мысалы, лексикография саласы бойынша компьютерлік қор (база) жасау, қазақ мәтіндері корпустарының компьютерлік базасын құрастыру және қолданбалы лингвистика саласының басқа да мәселелері «Компьютерлік лингвистика» ғылыми тобының 2000 жылдардан бастап жүргізген ғылыми ізденістерінен көрініс тапты. Мәселен, 2000-2002 жж. «Қазақ мәтіні мазмұнын формализациялаудың негізгі принциптері», 2003-2005 жж. «Қазақ тілінің сөздіктер және иллюстративті-мәтіндік қорларының көпаспектілі компьютерлік базасы» атта жобалар жүзеге асырылды. «Тәуелсіз Қазақстан жағдайында қазақ тілінің ұлттық және мемлекеттік тіл ретінде негізгі даму үрдістері мен бағыттары» атты іргелі зерттеу бағдарламасы бойынша 2006-2008 жж. жүргізген «Қазақ тілінің компьютерлік базасы: лексикалық қордың ашық жүйесі» атты ғылыми зерттеу жұмысы 2003-2005 жж. жүргізілген зерттеулердің қисынды жалғасы болып саналады. 2006-2008 жж. зерттелген «Қазақ тілінің компьютерлік базасы: лексикалық қордың ашық жүйесі» атты тақырып бойынша жүзеге асырылған зерттеулер нәтижесі жаңа пішіндегі және жаңа мүмкіндіктерге ие болып отырған «Тіл – қазына» атты қазақ тілінің картотекалық және түсіндірме сөздіктері бойынша әрекет ететін компьютерлік базасының мүмкіндіктерінің мол екендігін көрсетті.

Қазақ лексикографиясында қалыптасатын әлемдік дәрежедегі жаңа ақпараттық технологияға сай «Автоматты сөздіктердің» атқаратын міндеті мен құрылымы, қазақ мәтінін автоматты өңдеу, автоматтанған қазақ тіліндегі ақпаратты іздестіру жүйе­­сінің мақсаты мен міндеттерін айқындау және қазақ сөзі деректерінің «Тіл – қазына» атты базасын құру, автоматты жүйелерді құрудың таза инженерлік тұстарымен, яғни компьютерге бағдарлама жасайтын маманға қажетті мәселелерінің теориялық және тәжірибелік тұстарын толық зерттеу нәтижесінде «Тіл – қазына» деректер базасының алгоритмдік құрылымның теориялық негіздері зерттеліп, 2009 ж. тақырып жетекшісі А.Қ.Жұбановтың «Қазақ сөзінің «Тіл – қазына» деректер базасы және оның теориялық негіздері» атты ғылыми монографиясы жарық көрді. 2007-2009 жж. «Қазақ тілінің терминологиялық қорының компьютерлік базасын жасау және оны терминдік әлеуеті жоғары дереккөздермен толықтыру» атты іргелі зерттеу тақырыбы нәтижелі орындалды. 2009-2011 жж.

«Компьютерлік лингвистика» ғылыми тобы қызметкерлері «Мәдени құндылықтар ретіндегі қазақ тіліндегі мәтіндер корпусы және сөздіктердің «Тіл – қазына» атты ұлттық компьютерлік қоры» атты ғылыми-зерттеу тақырыбын өз зерттеу нысаны ретінде алды. Бұл тақырыптың кіріспе бөлімінде әлемдік дәрежедегі компьютерлік мәтіндер корпусын жасаудың теориялық және практикалық жақтарының лингвистикалық және инженерлік деңгейлеріне қатысты мәселелер және корпустық лингвистиканың қазіргі тілтаным парадигмасында алатын орнына байланысты ғылыми тұжырымдарға шолу жасалды (Н.Хомский, АҚШ-тағы Браун корпусы, Бирменгем университеті корпустық лингвистика кафедрасының еңбектері, Ресейдегі В.П.Захаровтың, А.П.Барановтың тұжырымдары және т.б.). Корпустық лингвистиканың жетістіктерін өзіне сақтаған аса дамыған корпус түрі – ұлттық корпус.

Мұндай корпус белгілі дәрежеде ұлттық тілді толық түрде бейнелейді. Ұлттық корпустың репрезентативтілігі (тұлғалылығы) – сол тілдің жазба және сөйлеу түріндегі мәтіндерінің барлық типтерінің бейнеленуі. Ұлттық корпустың айтарлықтай дәрежеде, көлемді (ондаған, жүздеген миллион сөзқолданыс) болуы репрезентативтілікке жетудің қажетті шарты болып саналады. Ұлттық корпустың ажыратылмас бөлігі – оның белгіленген (аннотацияланған, мазмұндалған) бейнесі. Ұлттық корпус ғылыми зерттеулердің түр-түрін жүргізуді қамтамасыз етеді: лексикографияға, жасанды интеллектіге, әдебиеттануға, сөйлеу тілін талдау мен жинақтауға және лингвистиканың барлық салаларына қатысты зерттеу түрлері. Сонымен бірге беделді академиялық сөздіктер мен ғылыми грамматикаларды құрастыру да корпустар негізінде жүзеге асады. Ұлттық корпусты пайдаланушылар – әртүрлі саладағы тілшілер, әдебиеттанушылар, тарихшылар және гуманитарлық білім салаларының өкілдері. Ғалымдар ұлттық корпустың ана тілі мен шет тілін оқытуда, оқулықтар мен бағдарламалар құрастырудағы маңыздылығын аса жоғары бағалайды. «Мәдени құндылықтар ретіндегі қазақ тіліндегі мәтіндер корпусы және сөздіктердің «Тіл – қазына» атты ұлттық компьютерлік қоры» атты тақырып бойынша 2009 жылдан бастап жүргізіліп жатқан ғылыми-зерттеу жұмысының негізгі мақсаты – мәдени құндылықтар ретіндегі әлемдік дәрежедегі компьютерлік мәтіндер корпусын жасаудың лингвистикалық негіздемесін жасау. Ол үшін әлемдік дәрежедегі компьютерлік мәтіндер корпусын жасаудың лингвистикалық деңгейінің теориялық мәселелеріне байланысты материалдарға шолу жасау қажет болды.

Сондықтан да компьютерлік лингвистика ғылыми тобы қызметкерлерінің алдында, ең алдымен, мынадай міндеттер тұрды: – тілдік корпус терминінің мәнін айқындап, оның лингвистикалық табиғатына сипаттама беру; – тілдік корпус жасаудың теориялық негіздемелерімен танысу; – корпус жасаудың лингвистикалық деңгейін компьютерлік (инженерлік) деңгеймен байланыстыра отырып, олардың арақатынасын анықтау (көркем тіл мен техника тілін орайластыру); – мәтіндік бірліктеріне белгі-кодтарды сәйкестендірудің кезеңдік әдіс-тәсілдерін меңгеру, яғни лингвистикалық белгі-кодтарды қоюдың теориялық және практикалық мәселелерін шешу; – морфологиялық талдаудың дәстүрлі принциптеріне сүйене отырып, талдау үлгілеріне шолу жасау; – олардың ең тиімді, соңғы ғылыми жаңалықтармен байытылған нұсқаларын таңдап алу (сөз табы, сөзформалардың құрамына қарай дара және күрделі, деректі, дерексіз, жұрнақ, жалғау және т.б.), морфологиялық (грамматикалық) белгілерді сұрыптау және т.б. Сонымен, 2009 ж. таңдама мәтіндер бойынша тиісті сөзформаларға лингвистикалық ақпарат берудің (белгі-код қоюдың) бірінші кезеңі, яғни мәтінде қамтылған сөзформалардың барлығына жаппай морфологиялық белгі-код қою, ал 2010 жылғы екінші кезеңде жаппай қойылған белгікодтардың омонимдік қатарларын табу мен омоним сөзформалардың лингвистикалық (морфологиялық) сипаттамасын жасау көзделді.

Морфологиялық белгі-кодтар қоюдың принциптері айқындалғаннан кейін, мәтіндер корпусын жасау мақсатында Абай Құнанбаевтың толық шығармалар мәтініндегі, М.Әуезовтің «Абай жолы» романы және Ә.Кекілбаев шығармалары және т.б. мәтіндеріндегі сөзформаларға морфологиялық талдаулар жасалып, оларды таңбалаудың шартты белгілері біріздендірілді. Мәдени құндылықтар ретіндегі қазақ тіліндегі компьютерлік мәтіндер корпусын құрастырудың лингвистикалық деңгейі бойынша М.Әуезовтің 20 томдық шығармалар мәтініндегі және т.б. толық шығармалар жинақтарынан алынған тандама мәтіндеріндегі сөзформаларды сөздерге бөліктеудің, сөздік бірлігіне келтірудің (лемматизациялаудың) программалары және морфологиялық талдау арқылы оларға шартты белгі-кодтар қою әрекеті жүзеге асырылды. 2009-2011 жж. «Компьютерлік лингвистика» ғылыми тобы қызметкерлері «Мәдени құндылықтар ретіндегі қазақ тіліндегі мәтіндер корпусы және сөздіктердің «Тіл – қазына» атты ұлттық компьютерлік қоры» атты ғылыми-зерттеу тақырыбының заңды жалғасы ретінде 2012-2014 жж. «Қазақ әдеби тілінің аннотацияланған ұлттық корпусы», 2015-2017 жж. «Қазақ тілінің ұлттық корпусындағы метамәтіндік белгіленімдер ұстанымдары мен әзірлемесі» деген тақырыптарда зерттеу жүргізді. Зерттеу нәтижесінде Қазақ тілінің ұлттық корпусын құрастырудың алғышарт­­тарын қалыптастырып, метабелгіленіммен және морфологиялық, лексикалық, морфо-семантикалық белгіленімдермен жабдықталған 7 миллионға жуық сөзқолданыстан тұратын бастапқы мәтіндер корпусын жасап, іске қосты. Қазақ тіл білімі үшін корпустық лингвистикаға қатысты көптеген мәселелер арнайы зерттеуді қажет ететіні белгілі.

Оған жататындар: корпустық лингвистика мен оның негізгі ұғымдарының анықтамалары, корпустық лингвистиканың тіл білімі құрылымында алатын орны, әдіс-тәсілдері және т.б. Осы ретте 2017 ж. А.Жұбанов пен А.Жаңабекованың авторлығымен «Корпустық линг­вистика» оқулығы жарық көрді. Оқу құралында мынадай міндеттер көзделеді: оқырмандарды корпустық зерттеулер тарихымен таныстыру; оқырмандарды корпустық лингвистиканың тілдік және программалық құралдарын зерттеуге бағыттау; оқырмандарды корпустық лингвистиканың программалық құралдарымен және ақпараттық ресурстарымен жұмыс істеу дағдысын қалыптастыру; оқырмандарды корпустық деректерге негізделген зерттеулермен таныстыру және нақты тілдік материалдармен корпустар арқылы жұмыс істеудің тез және тиімді жүзеге асатындығын көрсету.

2016 ж. профессор А.Жұбановтың жетекшілігімен бұрын-соңды жарық көрген әртүрлі стильдегі жиілік сөздіктер жинақталып, біртұтас «Қазақ тілінің жиілік сөздігі» құрастырылды. Сондай-ақ 2016 ж. өзге ұлт өкілдеріне мемлекеттік тілді оқыту мақсатында лексикалық минимумдар жасау үшін Білім және ғылым министрі Е.Сағадиев тапсырмасы бойынша Институт А.Фазылжанованың басқаруымен «Жалпы білім берудегі қазақ тілінің жиілік сөздігін» құрастырды. «Жалпы білім берудегі жиілік сөздіктің» мақсаты – тілдегі белсенді сөздік қор шекарасын, сол арқылы қазақ тілін, әсіресе екінші тіл ретінде үйренетіндерге арналған тиімді оқулықтар мен оқу құралдарын, оларға база болатын лексика-грамматикалық минимум әзірлеуге қажетті лексикалық материалды анықтап беру; нәтижесінде Лексика-грамматикалық минимум жасалды. «Жалпы білім берудегі қазақ тілінің жиілік сөздігін» құрастыруға сөздіктің базасына көркем әдебиет, публицистикалық стиль, ғылыми, публицистикалық, сөйлеу стильдер мәтіндері алынды, яғни қазақ тілінің 5 функционалдық стилін қамтиды. 36265 сөзтізбеден (сөз, лексикалық бірлік) тұратын бұл сөздік дәстүрлі жиілік сөздіктер түрлері – үш түрлі құрылымда (Әліпбилі-жиілік сөздік; Жиілікті-әліпбилі сөздік; Кері әліпбиліжиілік сөздік) түзілді. Сонымен қатар әрбір стиль бойынша «Таралым сөздігі» (Распределительный словарь) де жасалды. Сонымен қатар неше түрлі сөз таптары мен стильдер бойынша түрлері, сондай-ақ өте көлемді сөзформалар сөздігі электрондық нұсқада жасалып, кітап сөздікте қалташаға қоса салынып берілді.

Қазақ жазуын латын әліпбиіне көшіру қарсаңында ұлттық пернетақтада қазақ әріптерін тиімді орналастыру үшін Институтқа қазақ әріптерін жиілік талдау жасауды тапсырды. Осы тапсырманы орындау үшін Қолданбалы лингвистика бөлімі қызметкерлері қазақ графемаларына ғана емес, сөзформалардың құрылымдық бірліктерінің барлығының жиілік сөздігін құрастыруды мақсат етті. Нәтижесінде әріп, әріп тіркесі, буын, қосымша, сөз, сөзформаның жиілік сөздіктері құрастырылды. «Қазақ сөзформа құрылымының жиілік сөздіктерінің» мақсаты – қазақ тілін латын қарпіне көшіруге қатысты мәселені шешудің ғылыми-практикалық (лингвостатистикалық негіздерін) алғышарттарын жасау. Нәтижесінде жиілікке негізделген ұлттық пернетақта жасалды. Ұлттық пернетақта жасауға негіз болған әріп, әріп тіркестері, сондай-ақ буын, қосымша, сөз, сөзформа жиілік сөздіктерінің мәліметтеріне статистикалық талдау 2018 ж. «Қазақ жазуын латын қарпіне көшірудің статистикалық негіздері» деген атпен (Монография// А.Жұбанов, А.Жаңабекова, Д.Тоқмырзаев) жарық көрді.

Қорыта айтқанда, Қолданбалы лингвистика бөлімі ХХ ғасырда түркі тілдері бойынша алғаш жиілік сөздіктер құрастырған қазақ лингвостатистикалық зерттеулерінің заңды жалғасы ретінде осы саланың ХХІ ғасырдағы ірі өнімдерінің бірі ретінде әртүрлі мақсатта құрастырылған бірнеше Жиілік сөздік шығарды. Бұл жиілік сөздіктер бүгінгі таңда мемлекеттің тілдің қолданыс аясын кеңейтуде – лексикалық минимум құрастыру, қазақ жазуын латын қарпіне көшіруде – ұлттық пернетақта жасау, емле мәселелерін шешті, әліпби таңдау т.б. мәселелерді шешуде практикалық дереккөз қызметін атқарып отыр.

– Ұлттық корпустарға қойылатын теңгерімділік және ауқымдылық талабына сәйкес Қазақ тілінің ұлттық корпусының мәтін көлемін арттыру және лингвистикалық белгіленімдер түрлерін көбейту, параллель корпустар жасау;
– Ауызша тілдің корпусын, диалектологиялық корпус жасау және т.б.
– Қазақ тілінің ұлттық корпусының іздеу жүйесін көпшілік пайдаланушылар сұранысына, лингвистикалық зерттеулер жүргізу мен әртүрлі практикалық құралдар шығару мақсатында кеңінен пайдалану мүмкіндігін қамтамасыз ету;
– Қазақ тілінде жарық көрген сөздіктердің электрондық базасын жасау;
– Сөйлеуді синтездеу және анализдеу;
– Нейрондық желімен қазақ тілін зерттеу;
– Машиналық аударма т.б.
Ғылыми зерттеулер
– «Қазақ тілінің қолданбалы саласындағы проблемалар» (1991-1993);
– «Қазақ тілінің «ҚАЗЫНА» атты автоматтандырылған картотекалық базасын жасау» (1991-1993);
– «Қазақ мәтіні мазмұнын формализациялаудың негізгі принциптері» (2000-2002);
– «Қазақ тілінің сөздіктер және иллюстративті-мәтіндік қорларының көпаспектілі компьютерлік базасы (Қазақ тілінің лексикалық қорларының компьютерлік базасы)» (2003-2005);
– «Қазақ тілінің компьютерлік базасы: лексикалық қордың ашық жүйесі» (2006-2008);
– «Қазақ тілінің терминологиялық қорының компьютерлік базасын жасау және оны терминдік әлеуеті жоғары дереккөздермен толықтыру» (2007-2009);
– «Мәдени құндылықтар ретіндегі қазақ тіліндегі мәтіндер корпусы және сөздіктердің «Тіл-қазына» атты ұлттық компьютерлік қоры» (2009-2011);
– «Қазақ әдеби тілінің аннотацияланған ұлттық корпусы» (2012-2014);
– «Қазақ тілінің ұлттық корпусындағы метамәтіндік белгіленімдер ұстанымдары мен әзірлемесі» (2015-2017);
– «Ұлттық пернетақта жасаудың лингвотеориялық және практикалық негіздері» (2021).

Негізгі жарияланымдар
1. Джубанов А. Х. Квантитативная структура казахского текста (опыт лингвистического анализа на ЭВМ). – Алма-Ата, 1987.
2. Жұбанов Е., Малбақов М. «Қозы Көрпеш – Баян сұлу» эпосының текстологиясы. – Алматы, 1994.
3. Жубанов А. К. Основные принципы формализации содержания казахского текста. – Алматы, 2002.
4. Жұбанов А.Қ. Компьютерлік лингвистикаға кіріспе: Оқу құралы. –Алматы: Қазақ университеті, 2007.
5. Жұбанов А.Қ. Қолданбалы лингвистика: қазақтілінің статистикасы. Оқу құралы. – Алматы: Қазақ университеті, 2007.
6. Жұбанов А.Қ. Қолданбалы лингвистика: формалды модельдер: Оқу құралы. – 2 басылым. – Алматы: Қазақ университеті, 2007.
7. Жұбанов А.Қ. Қолданбалы тіл білімінің мәселелері. Вопросы прикладного языкознания. – Алматы: Арыс, 2008.
8. Жұбанов А.Қ. Қазақ сөзінің « Тіл – қазына» деректер базасы және оның теориялық негіздері. База данных « Тіл – қазына» казахского слова и ее теоретические основы. – Алматы: Арыс, 2009.
9. Жұбанов Қ. Қазақ тілі жөніндегі зерттеулер. – Алматы,1966;1999; 2009.
10. Жұбанов А.Қ. Қолданбалы лингвистика: қазақ тілінің статистикасы // Монография. – Алматы, 2013. – 209 б.
11. Жұбанов А.Қ. Компьютерлік лингвистикаға кіріспе // Монография. – Алматы, 2013. – 204 б.
12. Жұбанов А., Жаңабекова А., Карбозова Б., Қожахметова А. Қазақ тілінің жиілік сөздігі. – Алматы: «Қазақ тілі» баспасы, 2016. – 665 б.
13. Жұбанов А., Жаңабекова А. Корпустық лингвистика / Оқу құралы – Алматы: «Қазақ тілі» баспасы, 2017. – 336 б.
14. Жұбанов А., Жаңабекова А. Корпустық лингвистика. – Алматы: «Қазақ тілі» баспасы, 2017. – 336 б.
15. Жұбанов А., Жаңабекова А., Тоқмырзаев Д. Қазақ жазуын латын қарпіне көшірудің статистикалық негіздері (статистикалық жинақ). – Алматы: «А. Байтұрсынұлы атындағы Тіл білімі институты» баспасы, 2018. ISBN 978- 601-7293-62-8.
16. Жұбанов А., Жаңабекова А., Тоқмырзаев Д. Қазақ сөзформа құрылымының жиілік сөздіктері. – Алматы: А. Байтұрсынұлы атындағы Тіл білімі институты, 2018. – 552 б.
17. Жубанов А. К., Садыков Т. С., Сиразитдинов З.А. Синтез тюркской словоформы/ Монография. – Алматы, 2019. – 248 стр.
18. Жұбанов А., Жаңабекова А., Тоқмырзаев Д . О., Өтегенова Б. Қазақ ауызша тіл мәтіндерінің жиілік сөздігі // Монография. – Алматы, 2020. – 168 б.
19. Пірманова К., Жаңабекова А. Қазақ тілі мәтіндер корпусындағы сөзжасамдық белгіленімдер әзірлемесі. – Алматы, 2021. – 109 бет.
20. Жұбанов А. «Адам-компьютер-адам» жүйесіндегі табиғи тіл қызметінің ерекшеліктері // ҚР ҰҒА-ның Хабарлары. Тіл, әдебиет сериясы. 2003. № 4, 3-11 б.б.
21. Жұбанов А. Мәтін абзацтарын заттық-логикалық мазмұн тұрғысынан зерттеу// ҚР БҒМ мен ¥ ҒА Хабарлары, тіл, әдебиет сериясы, 2004, №4 (146). 21-28 бб.
22. Жұбанов А. Оқу лексикографиясының ғылыми пән ретіндегі ерекшелігі // ҚР ҰҒА Хабарлары. Филология сериясы. 2006, №5. 20-25 б.б.
23. Жұбанов А. Қазақ жазба мәтіндеріндегі графема қолданысының статистикасы// ҚР БҒМ мен ҰҒА Хабарлары. Тіл, әдебиет сериясы. 2007, №5, 28-32 б.б. ( Е . Жұбановпен бірге).
24. Жұбанов А. Қазақ тілінің « Тіл – қазына» атты ұлттық компьютерлік қорының мүмкіндіктері жайында // ҚР ҰҒА Хабарлары. Филология сериясы. 2008, №2. 19-23 б.б.
25. Жұбанов А. Жаңа ақпараттық технологияға көшу жағдайындағы қазақ лексикографиясы // ҚР ҰҒА Хабарлары. Филология сериясы. 2008, №5. 14-18 б.б.
26. Құлманов С.Қ. Мәтіндер корпусы негізінде қазақ тілінің грамматикалық сөздігін түзудің практикалық аспектілері // ҚР ҰҒА Хабарлары. – Алматы, 2011. №2.
27. Жаңабекова А. Ә., Карбозова Б. Тілдік корпустар жасауға қажетті негізсөздер сөздігін автоматты жолмен алудың практикалық мәселелері // « Білім беру жүйесінде кәсіби бағытты жүзеге асырудың өзекті мәселелері» атты ғылыми мақалалар жинағы. – Алматы: Інжу-Маржан, 2013. – 262 б. – 33-37 бб.
28. Карбозова Б. Мәтін ішіндегі лексикалық омонимдерді зерттеуде статистикалық әдістің рөлі // Материалы «Актуальные проблемы современных наук – 2013». – С. 29-32. – Польша, 2013
. 29. Жұбанов А., Жаңабекова А. Қазақ жазба мәтіндеріндегі әріп қолданысының статистикасы/ Қазақстан ғылымы мен өмірі» халықаралық ғылыми-көпшілік журнал ( Ж А К). – Астана, 2017.
30. Жұбанов А., Карбозова Б. Инженерлік тіл білімінің жалпы тіл теориясына қатысты атқаратын кейбір қызметтері/ Қазақстан ғылымы мен өмірі» халықаралық ғылыми-көпшілік журнал ( Ж А К). – Астана, 2017.
31. Жаңабекова А., Пірманова К. Технология программы полуавтоматической метаразметки казахского национального корпуса. Актуальные проблемы современной лингвистики и гуманитарных наук: сборник статей ХІ Всероссийской научно-методической конференции с международным участием. Москва, 15 марта 2019 г. – Москва: РУДН, 2019. – 727 с.: ил. ISBN 978-5-209-09321-3
32. Жаңабекова А., Пірманова К. Разработка программы словообразовательных разметок в корпусе текстов казахского языка. Языковые процессы и функционирование языков в поликультурном пространстве [электронный ресурс] : материалы Международной научно-практической конференции, посв. 75-летию Филиппова Гаврила Гаврильевича, г. Якутск, 28 марта 2019 г. / [под ред. А. Е. Шамаевой, А. К. Прокопьевой]. – Якутск: Издательский дом СВ ФУ, 2019. – 1 электр. опт. диск. ISBN 978-5-7513-2787-3
33. Жұбанов А., Жаңабекова А. Ұлттық қазақ әліпбиін пернетақтада орна ластырудың статистикалық негіздері //Қ.Шаяхметов атындағы «Тілқазына» ғылыми-практикалық орталығының журналы/ Тіл және қоғам. №1 (51), 2020.
34. Жұбанов А., Тоқмырзаев Д . О., Пірманова К.Қ. Қазақ тілінің мәтіндер корпу - сы – қазақ тілін зерттеудің жаңа (парадигмасы) үлгісі // Туған тіл альманахы ( Еларалық, қоғамдық-саяси, әдеби-ғылыми альманах) Туған тіл №1 (42), 2020. – 84-89 бб.
35. Жаңабекова А. Латын графикалы қазақ ұлттық пернетақтасын құрастырудың лингвостатистикалық негіздері. Восьмая Международная конференция по компьютерной обработке тюркских языков «TurkLang-2020». ( Труды конфе - ренции). Уфа: ИИЯЛ УФИЦ РАН, 2020. – 286 с. ISBN 978-5-91608-199-2
36. Пірманова К. О национальных корпусах казахского языка. Восьмая Между народная конференция по компьютерной обработке тюркских языков «TurkLang-2020». ( Труды конференции). Уфа: ИИЯЛ УФИЦ РАН, 2020. – 286 с. ISBN 978-5-91608-199-2
37. Жұбанов Е.Қ. Ауызекі поэзия тілін зерттеудің лингвистикалық аспектілері // Қазақ ССР Ғылым академиясының Хабаршысы. 1977, № 4. 61-68 б.б.
38. Жаңабекова А. Ә., Пірманова К.Қ. Қазақ тілі мәтіндер корпусындағы сөзжасамдық белгіленімдер қою бағдарламасы //Қазақстанның ғылымы мен өнері №5. – Астана, 2019. – 154-158 бб.
39. Жаңабекова А. Ә., Жиілік сөздіктердің мемлекеттік тілдің қолданысындағы маңызды орны // Наука и жизнь Казахстана. – 2020. – №4/2. 269-275 бб. ( Б.Өтегеновaмен бірге)
40. Жаңабекова А., Пірманова К. Орыс тілінің ұлттық корпусының сөзжасамдық белгіленімі: міндеттері мен әдістері. Абай атындағы ҚазҰПУ Хабаршысы №4 (70), 2019
41. Пірманова К., Жаңабекова А. Қазақ тілінің ұлттық корпусындағы жартылай сөзжасамдық қызмет атқаратын -лы/-лі, -ша/-ше, -ғы/-гі қосымшалары. Абай ат. ҚазҰПУ Хабаршысы №4 (70), 2019.
42. Жаңабекова А., Пірманова К. «Қазақ тілінің мәтіндер корпусының» жұмыс істеу механизмдері. Вестник Академии Педагогических Наук Казахстана, №3 (май-июнь), 2020 год.
43. Пірманова К., Тоқмырзаев Д. Технология программы полуавтоматической метаразметки и принципы автоматизации морфологической разметки текстов национального корпуса казахского языка. Абай атындағы ҚазҰПУ Хабаршысы №4 (74), 2020.
44. Жаңабекова А. Жиілік сөздіктердің мемлекеттік тілдің қолданысындағы маңызды орны. Қазақстанның ғылымы мен өмірі. 4/2. 2020.
45. Жаңабекова А. Қазақ лингвистерінің ерекше міндеттерінің бірі – ұлттық қазақ тілі корпусын құрастыру. Абай атындағы ҚазҰПУ Хабаршысы №3 (61), 2017.
46. Жаңабекова А., Пірманова К. Разработка лексико-семантической разметки в Национальном корпусе казахского языка. TÜRKOLOGİYA, №2, 2020 жыл, Азербайджан.
47. Жубанов А. Статистическое исследование казахского текста на уровне абзацев // Тілтаным. 2001. №2. – С. 35-41.
48. Жубанов А. К. Формальное описание словарной статьи автоматического словаря казахского языка (АСКЯ) // Тілтаным. 2002. №2. – С. 26-40.
49. Жұбанов А. Компьютерлік лингвистика және қазіргі қазақ тіл білімі// Тілтаным. 2003, № 3(11). 28-36 б.б.
50. Жұбанов А. Құдайберген Жұбанов зерттеулеріндегі модельдеу әдісінің көрінісі // Тілтаным. 2006, № 1, 3-9 б.б.
51. Жұбанов А. Ғылыми-техникалық лексикография және арнаулы сөздіктер түрлері // Тілтаным (Языкознание). А. Байтұрсынұлы атындағы Тіл білімі институты, Алматы.2006, №2, 146-153 бб.
52. Жұбанов А. Автоматтанған оқу жүйесінің негізгі ұстанымдары // Тілтаным. 2006, №4, 186-191 б.б.
53. Жұбанов А. Есептеуіш лексикография – қазақ тіл білімінің жаңа ғылыми бағыты // Тілтаным. 2008, №2, – 58-63 бб.
54. Жұбанов А. Корпустық лингвистика – қазақ тіл білімінің жаңа бағыты // Тілтаным. 2009 жыл, №2 (34) – 3-11 бб.
55. Жаңабекова А. Тілдік корпус ұғымының мәні, сипаттамасы // Тілтаным, 2009. №4.
56. Карбозова Б. Қазақ тілі мәтіндер корпусындағы омонимдер мәселесі // Тілта - ным. 2011, №4.
57. Құлманов С.Қ. Қазақ тілі мәтіндері корпусы – қазақ тілінің жиілік сөздіктерін, грамматикалық сөздігін, екітілді аударма сөздіктер жасаудың негізі // А. Байтұрсынұлы атындағы Тіл білімі институтының « Тілтаным» журналы. – Алматы, 2011. №2.
58. Жұбанов А.Қазақ тілінің аннотацияланған мәтіндер корпусындағы етістік сөздерге лексика-морфологиялық белгі-код қоюдың (белгіленім) алғышарттары // Тілтаным. – Алматы, 2012. – № 1. – 18-25 бб.
59. Бесіров Е. Корпустық лингвистика және корпустар // Тілтаным. – Алматы, 2012. – №2. – 200-206 бб.
60. Жұбанов А.Қ. Қазақ тілінің мәтіндер корпусы – қазақ тілін зертеудің жаңа (парадигмасы) үлгісі // Тілтаным. – Алматы, 2013. № 3.
61. Жұбанов А.Қ. «Қазақ әдеби тілінің жиілік сөздігін» құрастырудың теориялық негіздері // Тілтаным. – Алматы, 2013. № 2.
62. Жұбанов А. Түркі тілдерінің көпаспектілі компьютерлік қорын құру қажет // А.Байтұрсынұлы атындағы Тіл білімі институтының 50 жылдығына арналған «Қазақ тіл білімі: тарих, тәжірибе, болашақ» атты халықаралық ғылымитеориялық конференция материалдары. – Алматы, 2011. – 10 б.
63. Жұбанов А. Мәтіндер корпусы – лингвистер үшін ас күшті ақпараттық ресурс //«Фонетика ғылымдарының өзекті мәселелері: даму көздері мен болашағы» атты халықаралық ғылыми-теориялық конференция материалдары. – Алматы, 2012. – 186-193 бб.
64. Жаңабекова А. Қазақ әдеби тілінің аннотацияланған мәтіндер корпусына морфологиялық білімдер жүйесін енгізудің практикалық тәжірибелері және оларды оқыту жүйесіне енгізудің ғылыми-әдістемелік негіздері // «Қазақ тіл білімі: жаңа ғылыми парадигмалар мен оқытудың инновациялық технологиялары» атты халықаралық ғылыми-теориялық конференция материалдары. – Алматы, 2012. – 197-201 бб.
65. Жаңабекова А. Ұлттық корпус дегеніміз не? // «Мәдениеттер тоғысындағы тіл, әдебиет, аударма және журналистика мәселелері» атты халықаралық ғылымипрактикалық конференция материалдары. – Алматы, 2012. – 1Т. – 57-61 бб.