Zpracování přirozeného jazyka - NPFL124

• Anglický název: Natural Language Processing
• Zajišťuje: Ústav formální a aplikované lingvistiky (32-UFAL)
• Fakulta: Matematicko-fyzikální fakulta
• Platnost: od 2020
• Semestr: letní
• E-Kredity: 4
• Rozsah, examinace: letní s.:2/1, Z+Zk [HT]
• Počet míst: neomezen
• Minimální obsazenost: neomezen
• 4EU+: ne
• Virtuální mobilita / počet míst pro virtuální mobilitu: ne
• Stav předmětu: vyučován
• Jazyk výuky: čeština, angličtina
• Způsob výuky: prezenční
• Způsob výuky: prezenční
• Další informace: https://ufal.mff.cuni.cz/courses/npfl124
• Garant: doc. Ing. Zdeněk Žabokrtský, Ph.D.

Anotace

čeština

Poslední úprava: doc. Mgr. Barbora Vidová Hladká, Ph.D. (03.05.2019)

V předmětu se studenti seznámí se standardními, základními, převážně statistickými, metodami v oblasti zpracování přirozeného jazyka (NLP). Studenti si po teoretické i implementační stránce osvojí potřebné techniky a seznámí se jak se základními komponentami jako jsou korpusy a jazykové modely, tak s komplexními koncovými aplikacemi NLP, například strojovým překladem.

angličtina

Poslední úprava: doc. Mgr. Barbora Vidová Hladká, Ph.D. (03.05.2019)

The goal of the course is to provide students with knowledge and hands-on experience related to basic (mostly statistical) methods in the field of Natural Language Processing. The students will be acquainted with fundamental components such as corpora and language modes, as well as with complex end-user applications such as Machine Translation.

Podmínky zakončení předmětu

čeština

Poslední úprava: doc. Ing. Zdeněk Žabokrtský, Ph.D. (13.06.2019)

K absolvování předmětu je nutno průběžně odevzdávat domácí úkoly a absolvovat závěrečný zkouškový písemný test.

Domácí úkoly

• Úkoly budou specifikovány na hodině, zadání budou k dispozici také na webové stránce předmětu.

• K udělení zápočtu je nutno získat celkově alespoň 50% možných bodů z úkolů.

• Každý úkol má určený termín, do kterého musí být odevzdán. Při odevzdání úkolu se zpožděním méně než dva týdny budou získané body vyděleny dvěma. Po ještě pozdějším odevzdání úkolu za něj nebudou přiděleny žádné body.

Závěrečný písemný test

• K absolvování zkoušky je nutno získat alespoň 50% bodů ze závěrečného zkouškového písemného testu.

Známkování

• Celková známka vyplyne z průměru bodů získaných z domácích úkolů a ze závěrečného testu.

• ≥ 90%: známka 1

• ≥ 70%: známka 2

• ≥ 50%: známka 3

• < 50%: známka 4

angličtina

Poslední úprava: doc. Ing. Zdeněk Žabokrtský, Ph.D. (13.06.2019)

To pass the course, you will need to submit homework assignments and do a written test.

Homework assignments

• Assignments will be set in the class and specified on the website.

• To get the credit, you need to get at least 50% of the total achievable points for the assignments.

• If you miss the deadline, there is a second deadline in 2 weeks, but your points for the assignment will be multiplied by 0.5; after the second deadline, you get 0 points.

Test

• There will be a written test at the end of the semester.

• To pass the exam, you need to get at least 50% of the total points from the test.

Grading

• Your grade is based on the average of your performance; the test and the homework assignments are weighted 1:1.

• ≥ 90%: grade 1 (excellent)

• ≥ 70%: grade 2 (very good)

• ≥ 50%: grade 3 (good)

• < 50%: grade 4 (fail)

Literatura

čeština

Poslední úprava: doc. Mgr. Barbora Vidová Hladká, Ph.D. (25.01.2018)

Elektronické studijní materiály dodané k jednotlivým přednáškám.

Doporučená literatura nad rámec základních požadavků:

Manning C. D., Schuetze, H.: Foundations of Statistical Natural Language Processing.MIT Press, Cambridge, 1999 Koehn, P.: Statistical Machine Translation. Cambridge University Press New York, 2010.

Manning, C., Raghavan, P., Schuetze, H.: Introduction to Information Retrieval. Cambridge University Press, 2008.

angličtina

Poslední úprava: doc. Mgr. Barbora Vidová Hladká, Ph.D. (25.01.2018)

Electronic study materials are provided for each lecture.

Recommended literature beyond the basic requirements:

Manning C. D., Schuetze, H.: Foundations of Statistical Natural Language Processing.MIT Press, Cambridge, 1999 Koehn, P.: Statistical Machine Translation. Cambridge University Press New York, 2010. Manning, C., Raghavan, P., Schuetze, H.: Introduction to Information Retrieval. Cambridge University Press, 2008.

Sylabus

čeština

Poslední úprava: doc. Mgr. Barbora Vidová Hladká, Ph.D. (25.01.2018)

• Motivace pro NLP. Základní pojmy pravděpodobnostního modelování a teorie informace.

• Jazykové modely a jejich vyhlazování.

• Skryté markovovské modely.

• Zdroje lingvistických dat, experiment v NLP.

• Morfologické značkování.

• Syntaktická analýza.

• Přehled přístupů ke strojovému překladu.

• Statistický strojový překlad.

• Lingvistické rysy ve strojovém překladu.

• Vyhledávání informací.

• Váhy termů.

• Klasifikace a shluková analýza dokumentů.

• Vektorové modely.

angličtina

Poslední úprava: doc. Mgr. Barbora Vidová Hladká, Ph.D. (25.01.2018)

• Motivation for NLP. Probability models and information theory, basic notions.

• Language models, smoothing.

• Hidden markov models.

• Language data resources, experiments in NLP.

• Morphological tagging.

• Syntactic analysis.

• Overview of machine translation approaches.

• Statistical machine translation.

• Linguistic features in machine translation.

• Information retrieval.

• Term weights.

• Document classification and clustering.

• Word embeddings.