Аннотация. В настоящее время в Республике Казахстан одной из актуальных задач является качественный перевод текстов в области права с казахского языка на русский и английский языки, а также с этих языков на казахский. В данной научной работе проведён анализ ошибок при переводе текстов, полученных из специализированных правовых источников, с использованием широко распространённых систем машинного перевода, таких как Яндекс и Гугл, на языковой паре казахский–русский.
Основной целью исследования является точный и смысловой корректный перевод юридических предложений и терминов. Для этого был сформирован корпус из 96 555 предложений и словосочетаний, собранных с помощью специальной программы из правовых документов, судебных решений и официальных сайтов. Сформированный корпус был использован для обучения нейронной системы машинного перевода MarianMT, применённой на языковой паре казахский–русский. Для улучшения качества перевода дополнительно использовалась трансформерная модель KazRobert, архитектура и математические основы которой подробно рассмотрены в работе. Качество перевода оценивалось с использованием международно признанных метрик BLEU, TER и METEOR. В исследовании сравнительно проанализированы два результата: переводы, полученные только с помощью MarianMT, и переводы, дообученные с применением модели KazRobert. В результате установлено, что предложенный метод обеспечивает более высокое качество перевода по сравнению с моделью на основе OpenNMT.
Проведённые эксперименты показали, что увеличение объёма корпуса и количества терминов напрямую влияет на улучшение качества перевода. Кроме того, результаты исследования подтвердили возможность адаптации данного подхода к тюркским языкам, близким к казахскому по структуре.

Ключевые слова: нейронный машинный перевод, машинный перевод MarianMT, модель KazRobert, трансформер-модель, корпус в области права, показатель перевода BLEU, показатель перевода TER, показатель перевода METEOR.