Základní metody a algoritmy používané pro předzpracování a
zpracování textu z hlediska počítačového zpracování přirozeného
jazyka obecně a češtiny speciálně; kromě češtiny bude zvýšená
pozornost věnována ještě angličtině. Důraz bude kladen zejména na
nižší úrovně zpracování, se všeobecným úvodem do komplexních metod
zpracování. Základy jazyka Perl (pro zpracování textu).

Předpoklady: základní zkušenosti s programováním ve kterémkoli programovacím
jazyku (konkrétní kurz programování na MFF se nevyžaduje), středoškolské znalosti mluvnice češtiny.

Basic methods and algorithms used for text processing and
preprocessing from the point of view of natural language processing in
general and Czech processing in particular; besides Czech, the second
language of interest is English. The focus is on lower levels of
processing but an introduction is given to the complex
methods. Fundaments of the Perl language (for text processing).

Prerequisities: basic experience of programming in any programming language (no
particular class of programming at MFF required), high-school level of knowledge of the Czech grammar.

• James Allen: Natural Language Understanding. The Benjamin/Cummings Publishing Company, Inc.; Redwood City, California,1994. ISBN 0-8053-0334-0.
• Larry Wall, Tom Christiansen, Randal Schwartz: Programming Perl. O'Reilly, 1996. ISBN 1- 56592-149-6. http://www.perl.com/
• Adolf Erhart: Základy jazykovědy. Státní pedagogické nakladatelství; Praha, 1990
• Kimmo Koskenniemi: Two-level Morphology: A General Computational Model for Word-form Recognition and Production. University of Helsinki, Department of General Linguistics, Publications No. 11; Helsinki, 1983
• Christopher D. Manning, Hinrich Schütze: Foundations of Statistical Natural Language Processing . The MIT Press, Cambridge, Massachusetts, 1999. ISBN 0-26213-360-1.
• Frederick Jelinek: Statistical Methods for Speech Recognition. The MIT Press, Cambridge, Massachusetts, 1997. ISBN 0-262-10066-5.

1. Přehled aplikací počítačové lingvistiky
2. Programovací jazyk Perl
3. Korpusy, první aplikace (háčkování, pavouk, hranice slov a vět, rozpoznávání jazyků)
4. Roviny formálního popisu jazyka. Fonetika (řeč), morfologie, syntax, sémantika.
5. Vyhodnocování úspěšnosti.
6. Elektronické slovníky a morfologická analýza. Přehled přístupů k morfologické analýze. Motivace dvouúrovňové morfologie
7. Dvouúrovňová morfologie, morfonologie
8. Morfologie a bezkontextové gramatiky
9. Morfologie a unifikační gramatiky
10. Zjednoznačnění morfologie (značkování). Ukázka statistických metod při počítačovém zpracování přirozeného jazyka
11. Syntaktická analýza. Frázový a závislostní model vztahů ve větě. Algoritmy syntaktické analýzy založené na pravidlech.
12. Nástin statistických přístupů k závislostní syntaktické analýze

1. A survey of the applications of computational linguistics
2. Perl programming language
3. Corpora, first applications (accent restoration, web crawling, word and sentence boundaries, language recognition)
4. Levels of formal description of language. Phonetics (speech), morphology, syntax, semantics.
5. Evaluation.
6. Electronic dictionaries and morphological analysis. An overview of approaches to morphological analysis. Motivation of the two-level morphology.
7. Two-level morphology and phonology.
8. Morphology and context-free grammars.
9. Morphology and unification grammars.
10. Morphology disambiguation (tagging). An example of statistical methods in natural language processing.
11. Syntactic analysis. Phrasal and dependency-based model of the relations in sentence. Rule-based algorithms of syntactic analysis.
12. An introduction to statistical methods in syntactic analysis.