Cilji in kompetence
Cilj predmeta je, da bodo študenti znali razviti, testirati in oceniti sisteme za procesiranje naravnega jezika.
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.
• Ekstrakcija informacij in prepoznavanje imenskih entitet.
• Napredne jezikovne tehnologije.
Metode poučevanja in učenja
• Predavanja: pri predavanjih študentje spoznajo teoretične vsebine predmeta. Predavanja se izvajajo kot klasična predavanja v frontalni obliki z diskusijo ob primerih uporabe jezikovnih tehnologij.
• Seminarske vaje: pri seminarskih vajah se študentje seznanijo s potekom računalniških vaj.
• Računalniške vaje: pri računalniških vajah študentje uporabljajo usvojeno znanje za pridobivanje novega znanja s pomočjo znanstvene literature in implementacijo jezikovnih tehnologij.
Predvideni študijski rezultati - znanje in razumevanje
Po zaključku tega predmeta bo študent sposoben:
• opisati smernice razvoja za procesiranje naravnega jezika,
• razložiti standardne metode, ki jih uporabljamo v sistemih za procesiranje naravnega jezika,
• razložiti pomembnosti pragmatike pri jezikovnih tehnologijah,
• izdelati različne korpuse,
• razviti, preizkusiti in ovrednotiti sisteme za procesiranje naravnega jezika.
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.
Temeljni literatura in viri
• 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.
• Li Deng and Yang Liu. Deep Learning in Natural Language Processing, 1st edition, Springer, 2018.
Pogoji za vključitev v delo oz. za opravljanje študijskih obveznosti
Pogojev ni.
Podrobnosti o izvedbi in ocenjevanju Pisni izpit se lahko nadomesti s kolokviji v enakem deležu 50 %.
