ECTS - University of Pisa
Scheda programma d'esame
COMPUTATIONAL LINGUISTICS
ALESSANDRO LENCI
Academic year2016/17
CourseDIGITAL HUMANITIES
Code305LL
Credits12
PeriodSemester 1
LanguageItalian

ModulesAreaTypeHoursTeacher(s)
LINGUISTICA COMPUTAZIONALEL-LIN/01LEZIONI72
FELICE DELL'ORLETTA unimap
ALESSANDRO LENCI unimap
Obiettivi di apprendimento
Learning outcomes
Conoscenze

lo studente avrà acquisito conoscenze in merito agli strumenti e alle metodologie per l'analisi computazionale dei testi e le tecnologie per il trattamento automatico della lingua
Knowledge
Students are expected to acquire: - basic methods for text processing; - elements of statistical and probabilistic natural language processing; - some knowledge on linguistic annotation; - basic knowledge of the main tools for natural language processing.
Modalità di verifica delle conoscenze

Per l'accertamento delle conoscenze saranno svolte prove in itinere, un elaborato scritto previsto all'inizio di ogni sessione d'esame e un progetto di analisi computazionale del testo
Assessment criteria of knowledge
- In the written exam (divided in 2 parts, 1h:30min each), the student must demonstrate his/her knowledge of the course material by answering correctly to questions and solving exercises; - In the oral exam, the student must discuss with the teacher his/her project work (to be sumitted elettronically at least 1 week before the exam)

Methods:

  • Final oral exam
  • Final written exam
  • Final laboratory practical demonstration
Capacità

Lo studente saprà utilizzare le tecniche di base per l'analisi computazionale dei testi e imparerà a usare l'ambiente di programmazione Python NLTK per lo sviluppo di moduli per il trattamento automatico della lingua
Modalità di verifica delle capacità

Lo studente realizzerà un progetto di costruzione e analisi computazionale di un corpus con NLTK
Comportamenti

Lo studente potrà acquisire e/o sviluppare sensibilità alle problematiche legate all'analisi quantiativa e computazionale del testo e al trattamento automatico della lingua

Saranno acquisite accuratezza e precisione nello raccolta e analisi computazionale di dati linguistici
Modalità di verifica dei comportamenti

Durante le sessioni di laboratorio saranno valutati il grado di accuratezza e precisione delle attività svolte
Prerequisiti (conoscenze iniziali)

Nozioni di base di linguistica generale (morfologia, sintassi e semantica)

Nozioni di base di programmazione
Teaching methods

Delivery: face to face

Learning activities:

  • attending lectures
  • individual study
  • Laboratory work

Attendance: Advised

Teaching methods:

  • Lectures
  • laboratory
Programma (contenuti dell'insegnamento)

Il corso ha lo scopo di presentare i temi principali della linguistica computazionale e del “Natural Language Processing” (NLP) e di familiarizzare lo studente con gli strumenti di base per l’analisi quantitativa e computazionale del testo.

Lezioni teoriche

1. Analisi computazionale dei dati linguistici

  • corpora: tipologia e uso
  • codifica e rappresentazione dei dati linguistici
  • corpora annotati
  • analisi statistica dei dati linguistici
  • linguaggio e probabilità: modelli di markov, entropia, legge di bayes
  • metodi computazionali per l'esplorazione dei dati linguistici: concordanze, collocazioni e misure di associazione

2. Natural Language Processing (NLP)

  • metodi a regole e di machine learning
  • corpora annotati per lo sviluppo di strumenti di NLP
  • analisi morfologica: Automi e Trasduttori a Stati Finiti
  • Part of Speech Tagging
  • analisi sintattica: chunking e shallow parsing, grammatiche context-free, cenni di parsing a costituenti e a dipendenze
  • metodi di valutazione
  • lessici semantici computazionali: Wordnet e FrameNet

Esercitazioni

  • espressioni regolari
  • introduzione a NLTK
  • analisi computazionali del testo con NLTK
  • annotazioni semantiche del testo
Syllabus
Computational analysis of language data: - corpora - text preparation - annotated corpora - statistical analysis of language data - language and probability - concordances, collocations and association measures - introduction to NLTK - introduction to XML for linguistic annotation - regular expressions - Finite State Automata and their application to morphological analysis - Machine learning methods for Natural Language processing - Part of Speech tagging - computational semantic lexicons: WordNet and FrameNet
Bibliografia e materiale didattico

Testi la cui conoscenza è oggetto di verifica all'esame:

Testo di consultazione per le esercitazioni:
Bibliography
Obligatory readings: - A. Lenci, S. Montemagni, V. Pirrelli, Testo e computer. Elementi di linguistica computazionale, Carocci, 2005 - D. Jurafsky & J.H. Martin, Speech and Language Processing, Prentice Hall, 2000 (capp. 1, 2, 3, 5.1-5.6, 6.1-6.2, 6.7, 8.1-8.4, 8.6, 9, 10.1-10.3, 16) Recommended reading: - Bird, S., Klein, E., & E. Loper, Natural Language Processing with Python (Analyzing Text with the Natural Language Toolkit), O'Reilly Media, 2009. (http://www.nltk.org/book)
Indicazioni per non frequentanti

Testi la cui conoscenza è oggetto di verifica all'esame:

Testo di consultazione per la realizzazione del progetto:

Gli studenti non frequentanti DEVONO contattare preventivamente il docente
Modalità d'esame

Esame scritto + progetto

L'esame scritto, diviso in due prove, può essere sostenuto o come compiti in itinere durante il corso oppure in occasione degli appelli scritti (le  due prove scritte possono essere sostenute anche in appelli differenti). Le prove in itinere possono essere effettuate SOLO dagli studenti frequentanti.

Il progetto viene presentato e discusso in occasione degli appelli orali. Il superamento dell'esame scritto (18/30 in ciascuna prova scritta) è condizione strettamente necessaria per presentarsi all'orale e discutere il progetto.
Work placement
Practical laboratory sessions in which students will learn to solve natural language processing tasks using the NLTK environment
Updated: 14/11/2016 17:27