materias:pln:uba2018:descripcion
Tabla de Contenidos
Descripción de la Materia
Modalidad
El curso será evaluado a través de trabajos prácticos en los que se deben realizar diversos ejercicios de programación de modelos y experimentación con datos. Para la aprobación del curso, deben ser aprobados todos los trabajos prácticos.
Programa
- Procesamiento básico de texto: Expresiones regulares, tokenización, segmentación, normalización, lematización y stemming.
- Modelado de lenguaje: N-gramas, suavizado add-one y por interpolación, back-off. Evaluación con perplexity. Aplicaciones: Generación de lenguaje y atribución de autoría.
- Etiquetado de secuencias: Etiquetado morfosintáctico (PoS tagging) y Reconocimiento de Entidades Nombradas (NER). Modelos Ocultos de Markov (HMMs). Modelos de Máxima Entropía (MEMMs). Algoritmo de Viterbi y beam search. Ingeniería de features, evaluación y análisis de error.
- Análisis de sentimiento (sentiment analysis): Detección de polaridad. Corpus y métricas de evaluación. Pipeline básico: preprocesamiento, features y clasificadores. Recursos: Lexicones de sentimiento, representaciones de palabras (word embeddings).
- Otros temas: Análisis sintáctico (parsing), extracción de información (information extraction), traducción automática (machine translation), etc.
Bibliografía
- Jurafsky, D. and Martin, J. H. (2008). Speech and Language Processing. Prentice Hall, Upper Saddle River, NJ, USA, 2nd edition.
- Manning, C. D. and Schütze, H. (1999). Foundations of Statistical Natural Language Processing. The MIT Press, 1 edition.
- Bird, S., Klein, E., and Loper, E. (2009). Natural Language Processing with Python. O'Reilly Media, 1 edition. (online)
Enlaces
Cursos relacionados:
-
-
- Jurafsky, D. and Martin, J. H. (2008). Speech and Language Processing. Prentice Hall, Upper Saddle River, NJ, USA, 2nd edition.
Tecnologías:
materias/pln/uba2018/descripcion.txt · Última modificación: 2018/08/10 03:03 por 127.0.0.1