Pogoji za vključitev v delo oz. za opravljanje študijskih obveznosti
|
|
Osnovno znanje iz programskih jezikov in spretnost programiranja. |
Vsebina
|
|
• Uvod: pregled jezikovnih tehnologij in osnovno procesiranje jezika
• Modeliranje jezika: verjetnostni jezikovni modeli, ocenjevanje jezikovnih modelov in metode glajenja.
• Popravljanje pravopisa: besedne in nebesedne pravopisne napake.
• Klasifikacija besedil: metode klasificiranja besedil in ocenjevanje metod klasificiranja.
• Analiza sentimenta: osnovne metode analize sentimenta in leksikoni sentimenta.
• Semantika in WordNet: strukture za opis semantike, interpretacija semantike, pomen.
• Statistično strojno prevajanje: metode statističnega strojnega prevajanja in ocenjevanje strojnega prevajanja.
|
Temeljni literatura in viri
|
|
• C. D. Manning, H. Schütze: Foundations of statistical natural language processing, Sixth Edition, MIT Press, Cambridge, 2003.
• P. Jackson, I. Moulinier: Natural Language Processing for Online Applications: Text Retrieval, Extraction, and Categorization, Second Edition, John Benjamins, cop., Amsterdam, 2007.
• Daniel Jurafsky and James H. Martin. Speech and Language Processing, 2nd edition. Pearson Prentice Hall, 2008.
• Steven Bird, Ewan Klein in Edward Loper. Natural Language Processing with Python. O'Reilly Media, 2009.
• Philipp Koehn, Statistical Machine Translation, Cambridge University Press, 2010.
|
Cilji in kompetence
|
|
Cilj predmeta je seznaniti študente z osnovnimi principi procesiranja naravnega jezika in njegova uporaba na svetovnem spletu. |
Predvideni študijski rezultati - znanje in razumevanje
|
|
Po zaključku tega predmeta bo študent sposoben
• opisati smernice razvoja za procesiranje naravnega jezika,
• opisati več standardnih metod, ki jih uporabljamo v sistemih za procesiranje naravnega jezika za opis morfologije in sintakse,
• izkazati razumevanje pomembnosti pragmatike pri jezikovnih tehnologijah,
• razumeti in izkazati znanje o različnih metodologijah, ki jih najdemo pri procesiranju naravnega jezika, in kako te metodologije uporabiti v različnih aplikacijah.
|
Predvideni študijski rezultati - Prenosljive/ključne spretnosti in drugi atributi
|
|
• Spretnosti komuniciranja: ustni zagovor laboratorijskih vaj, pisno izražanje pri pisnem izpitu.
• Uporaba informacijske tehnologije: uporaba primernih algoritmov in programskih orodij pri procesiranju naravnega jezika.
|
Metode poučevanja in učenja
|
|
• predavanja,
• seminarske vaje,
• laboratorijske vaje,
• projekt.
|