NLP Applications - NPFL093

• Title: Aplikace NLP
• Guaranteed by: Institute of Formal and Applied Linguistics (32-UFAL)
• Faculty: Faculty of Mathematics and Physics
• Actual: from 2020
• Semester: summer
• E-Credits: 4
• Hours per week, examination: summer s.:2/1, MC [HT]
• Capacity: unlimited
• Min. number of students: unlimited
• 4EU+: no
• Virtual mobility / capacity: no
• State of the course: taught
• Language: Czech, English
• Teaching methods: full-time
• Guarantor: doc. RNDr. Vladislav Kuboň, Ph.D.
• Teacher(s): doc. RNDr. Vladislav Kuboň, Ph.D.
• Class: Informatika Mgr. - Matematická lingvistika
• Classification: Informatics > Computer and Formal Linguistics
• Is incompatible with: NPFX093
• Is interchangeable with: NPFX093

Annotation

English

The main goal of the course is to introduce basic types of natural language processing (NLP) applications and to give the students a chance to work with some of those applications in seminars. The course will concern machine translation, machine aided human translation tools, localization tools, information retrieval and extraction, question answering, speech recognition, spelling and grammar checking, generation etc.

Last update: T_UFAL (10.05.2010)

Czech

Cílem předmětu je seznámit studenty se základními typy aplikací počítačové lingvistiky a dát jim příležitost si některé z nich vyzkoušet na cvičeních. Jedná se zejména o systémy automatického překladu a automatizované nástroje na podporu lidského překladu, o lokalizační nástroje, o vyhledávání a extrakci informací, zodpovídání dotazů, rozpoznávání mluvené řeči, kontrolu překlepů, kontrolu gramatické správnosti, generování textů v přirozeném jazyce apod.

Last update: T_UFAL (10.05.2010)

Course completion requirements

The course requires a continuous work of students in the form of reports describing topics of individual lectures. The reports are required even if a student is not present on the lecture, in such a case (s)he submits a general report on the topic of the missed lecture. A participation is strongly recommended. After submitting all reports, the student obtains a grade based upon the quality of those reports.

Last update: Kuboň Vladislav, doc. RNDr., Ph.D. (22.04.2020)

Literature

English

Handbook of NLP, ed. N.Indurkhya, F.Damerau, CRC Press, 2010.

Foundations of Statistical Natural Language Processing, C. Manning and H. Schütze, MIT Press, 1999.

Last update: T_UFAL (10.05.2010)

Syllabus

English

1. Introduction - an overview of basic application components.

2. Spelling checker

Dictionary based methods vs. checking of illegal combinations of characters, string similarity metrics, communication towards the user.

3. Grammar checking

Error patterns vs. syntactic analysis, types of detectable errors, attitude towards the user, RFODG and LanGR.

4. Machine Assisted human translation

Translation memory and its variants in commercial products, controlled language, glossary hierarchies.

5. Machine Translation

Google Translate vs. rule-based systems commercial systems (Systran, PC Translator), quality evaluation methods, evaluation of translation competitions, project Euromatrix.

6. Localization

Differences between translation and localization, commercial localization tools.

7. Generating

Text generation from tectogrammatical layer.

8. Information retrieval and extraction

Basic models, evaluation metrics, text similarity metrics, lemmatization, stop words, the role of linguistic tools, Malach project.

9. Question answering
Dialog systems, multimodal communication.

10. Speech synthesis and recognition

Basic problems and algorithms.

11. Semantic web

Exploitation of linguistic methods for searching for information on the web, the role of the tectogrammatical layer.

Last update: T_UFAL (10.05.2010)

Czech

1. Úvod - přehled základních komponent aplikací.

2. Kontrola překlepů

Slovníkové metody vs. kontrola neexistujících skupin znaků, metriky pro zjišťování podobnosti řetězců, komunikace s uživatelem.

3. Kontrola gramatické správnosti

Chybové vzorky vs. syntaktická analýza, typy zachytitelných chyb, postoj k uživateli, RFODG a LanGR.

4. Nástroje na podporu lidského překladu

Překladová paměť a varianty jejího použití v komerčních produktech, řízené psaní, hierarchie glosářů.

5. Automatický překlad

Google Translate vs. pravidlové komerční systémy (Systran, PC Translator), metody měření kvality překladu, vyhodnocování překladových soutěží, projekt Euromatrix.

6. Lokalizace

Rozdíly mezi překladem a lokalizací, komerční lokalizační nástroje.

7. Generování

Generování textů z tektogramatické roviny.

8. Vyhledávání a extrakce informací

Základní modely, evaluační metriky, metriky podobnosti textů, lemmatizace, stop slova, role jazykových nástrojů, projekt Malach.

9. Zodpovídání dotazů

Dialogové systémy, multimodální komunikace.

10. Rozpoznávání a syntéza mluvené řeči

Základní problémy, používané algoritmy.

11. Sémantický web

Využití lingvistických metod pro získávání informací z webu, role tektogramatické roviny.

Last update: T_UFAL (10.05.2010)