Automatic Text Data Processing - ATKL00345

• Title: Automatické zpracování textových dat
• Guaranteed by: Institute of the Czech National Corpus (21-UCNK)
• Faculty: Faculty of Arts
• Actual: from 2023 to 2024
• Semester: summer
• Points: 0
• E-Credits: 6
• Examination process: summer s.:oral
• Hours per week, examination: summer s.:2/2, C+Ex [HT]
• Capacity: unknown / unknown (unknown)
• Min. number of students: unlimited
• 4EU+: no
• Virtual mobility / capacity: no
• State of the course: not taught
• Language: Czech
• Teaching methods: full-time
• Additional information: http://www.mff.cuni.cz/vnitro/is/sis/predmety/kod.php?kod=PFL098
• Note: course can be enrolled in outside the study plan; enabled for web enrollment
• Guarantor: Mgr. Bc. Pavel Straňák, Ph.D.

Annotation

Posluchači se seznámí se základními nástroji pro automatické
zpracování textu. Získané dovednosti by měly usnadnit samostatnou
vědeckou práci i případné další studium počítačové lingvistiky, kde se
praktické zvádnutí těchto nástojů předpokládá.

Last update: Skoumalová Hana, RNDr., Ph.D. (01.10.2010)

Syllabus

Na ukázkových textech většího rozsahu si ukážeme

základní metody zpracování textu potřebné pro získání netriviálních

informací a ověření hypotéz. Pravděpodobně použijeme texty děl Karla

Čapka a různá další díla v jazycích dle zaměření frekventantů.

• Zpracování textu jako nutný základ (nejen) komputační linvistiky

• Proč používat unixový shell; nejzákladnější příkazy

• další příkazy pro manipulaci s texty

• textové editory

• vyhledávání pomocí regulárních výrazů

• využití regulárních výrazů pro úpravy textu

• základní principy formulace a ověřování hypotéz, aplikace na data, přesnost, úplnost, vypovídací hodnota výsledků

• odstranění diakritiky, segmentace na věty, tokenizace

• pravidlové automatické určení slovních druhů

Last update: Skoumalová Hana, RNDr., Ph.D. (01.10.2010)