Navigazione di Sezione:
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.