Università di Pisa - Valutazione della didattica e iscrizione agli esami

Scheda programma d'esame

COMPUTATIONAL LINGUISTICS

ALESSANDRO LENCI

Academic year2017/18
CourseDIGITAL HUMANITIES
Code305LL
Credits12
PeriodSemester 1
LanguageItalian

Modules

Area

Type

Hours

Teacher(s)

LINGUISTICA COMPUTAZIONALE

L-LIN/01

LEZIONI

FELICE DELL'ORLETTA unimap

ALESSANDRO LENCI unimap

Esporta in pdf

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

L'accertamento delle conoscenza verrà svolto attraverso:

prova scritta (divisa in due parti), nella quale lo studente dovrà dimostarre la conoscenza dei temi svolti a lezioni e dei testi di esame rispondendo a domande aprte e risolvendo esercizi. la prova scritta si terrà in occasione di ogni appello di esame. In alternativa, gli stuenti frequentanti potranno sostenere due prove in itinere
realizzazione di un progetto sui temi delle esercitazioni di laboratorio
prova orale, in cui verrà discussa la prova scritta e il progetto

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

Skills

The student will learn the basic techniques for computaioal analysie of texts and the NLT python for Natural Language Processing

Modalità di verifica delle capacità

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

Assessment criteria of skills

The student will make a project consisting in a NLTK application to process and annotate a corpus

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

Behaviors

The student will learn and/or develop abilities related to quantitative and computational analysis of texts, and Natural Language Processing.

Modalità di verifica dei comportamenti

Durante le sessioni di laboratorio saranno valutati il grado di accuratezza e precisione delle attività svolte

Assessment criteria of behaviors

During lab sessions we will evaluate the accuracy and precision in carrying out computational linguistic tasks.

Prerequisiti (conoscenze iniziali)

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

Nozioni di base di programmazione

Prerequisites

Introductory notions of general linguistocs (morphology, syntax, and semantics)

Prerequisiti per studi successivi

Linguistica computazionale II nella Laurea Magistrale in Informatica Umanistica

Prerequisites for further study

Compuational linguistics II in the Master Degree in Digital Humanities

Indicazioni metodologiche

Lezioni: frontali

Modalità di apprendimento:

frequenza delle lezioni
studio individuale
attvità di laboratorio

Frequenza: raccomandata

Metodi di insegnamento:

lezioni
laboratorio

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
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, probabilistic context free grammars
metodi di valutazione
lessici semantici computazionali: Wordnet e FrameNet
Word sense disambiguation

Esercitazioni

espressioni regolari
introduzione a NLTK
analisi computazionali del testo con NLTK
annotazioni semantiche del testo

Syllabus

Lectures:

1. Computational analysis of language data:

corpora: typology and use
text encoding and preparation
annotated corpora
statistical analysis of language data
language and probability, Markov models, entropy, Bayes Rule
concordances, collocations and association measures

2. Natural Language Processing

rule-based and machne learning methods
annotate corpora and NLP tools
Finite State Automata and Transducers and their application to morphological analysis
Part of Speech tagging
Syntactic analysis: Context free grammar, probabilistic grammars, dependency parsing, chunking
Evaluation methods
Computational semantic lexicons: WordNet and FrameNet
Word sense disambiguation

Lab sessions:

regular expressions
introduction to NLTK
computational analsysis of texts with NLTK
semantic annotation of texts

Bibliografia e materiale didattico

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

A. Lenci, S. Montemagni, V. Pirrelli, Testo e computer. Elementi di linguistica computazionale, Carocci, 2005
D. Jurafsky & J.H. Martin, Speech and Language Processing: An Introduction to Natural Language Processing, Computational Linguistics, and Speech Recognition (second edition), Prentice Hall, 2008 (capp. 1, 2, 3, 4.10-4.11, 5.1-5.4, 12, 13.1-13.3, 13.5, 14.1, 19, 20.1-20.5)

Testo di consultazione per le esercitazioni:

Bird, S., Klein, E., & E. Loper, Natural Language Processing with Python (Analyzing Text with the Natural Language Toolkit), O'Reilly Media, 2009

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: An Introduction to Natural Language Processing, Computational Linguistics, and Speech Recognition (second edition), Prentice Hall, 2008 (ch. 1, 2, 3, 4.10-4.11, 5.1-5.4, 12, 13.1-13.3, 13.5, 14.1, 19, 20.1-20.5)