Natural Language Processing 2019/2020

CONTENUTI:   Introduzione e la sfida delle macchine parlanti   Il Linguaggio: modelli e teorie linguistiche    Modelli Linguistici e Sistemi   - Come determinare che un modello è corretto e un sistema è efficace: inter-annotation agreement e statistical significance    - Automi a stati finiti e trasduttori per la morfologia (appunti per la lezione): software Xerox Finite State Transducers - Elaborazione sintattica con le grammatiche context-free - - Parsing con le grammatiche context-free  - - Feature Structures e Unificazione  - - Tree Adjoining Grammars  - - Modular and Lexicalized Parsing  - - Probabilistic context-free grammar   - Semantica - - Rappresentazione semantica simbolica: Introduzione a WordNet e FrameNet - - Lambda Calcolo per la semantica del linguaggio naturale - - Rappresentazione semantica distribuzionale   - Textual Entailment Recognition   - Cenni di Rappresentazione Simbolica Distribuita per Reti Neurali    

TESTI: 

- Daniel Jurafsky and James H. Martin, SPEECH and LANGUAGE PROCESSING: An Introduction to Natural Language Processing, Computational Linguistics, and Speech Recognition (Forth Edition)

- I.Dagan, D.Roth, M.Sammons, F.M.Zanzotto, Recognizing Textual Entailment: Models and Applications, Synthesis Lectures on Human Language Technologies #23, Morgan&Claypool Publishers, 2013

MODALITÀ D'ESAME

Agli studenti è richiesto di:  

1) Preparare una presentazione su un argomento casuale del corso. Lo studente ha a disposizione accesso ad intenet e a tutti i suoi appunti  

2) costruire una applicazione per un problema che convolga il linguaggio naturale.