Scheda programma d'esame
LINGUISTICA APPLICATA
ALESSANDRO LENCI
Anno accademico2018/19
CdSLINGUISTICA E TRADUZIONE
Codice1080L
CFU9
PeriodoSecondo semestre

ModuliSettoreTipoOreDocente/i
LINGUISTICA APPLICATAL-LIN/01LEZIONI54
ALESSANDRO LENCI unimap
Obiettivi di apprendimento
Learning outcomes
Conoscenze

Lo studente acquisirà conoscenze in merito ai principali approcci alla rappresentazione semantica, con particolare riguardo alla semantica distribuzionale e alla sua applicazione per la modellazione linguistica e cognitiva. Lo studente verrà inoltre introdotto all'analisi statistica dei dati linguistici con l'ambiente R

Knowledge

The student will acquire knowledge on the main topics concerning semantic representation, with particular regard to distributional semantics and its application for linguistic and cognitive modeling. The student will also be introduced to the statistical analysis of linguistic data with the R environment

Modalità di verifica delle conoscenze

L'accertamento delle conoscenza verrà svolto attraverso:

  • prova scritta nella quale lo studente dovrà dimostare la conoscenza dei temi svolti a lezione e dei testi di esame rispondendo a domande aperte
  • prova scritta con la risoluzione di esercizi di analisi statistica con R
  • prova orale, in cui verranno discusse le prove scritte
Assessment criteria of knowledge

  The assessment of knowledge will be carried out through:

  • a written exam in which the student must demonstrate knowledge of the topics covered in class and of the course texts by answering open questions
  • a written test with the resolution of statistic exercises with R
  • an oral exam, in which the written tests will be discussed
Capacità

Lo studente saprà utilizzare i più recenti metodi e modelli di semantica distribuzionale  e imparerà a usare l'ambiente R per l'analisi statistica dei dati linguistici

Skills

The student will know how to use the most recent methods and models of distributional semantics and will learn to use the R environment for statistical analyses of linguistic data

Modalità di verifica delle capacità

Verranno organizzate sessioni di labortorio in cui sarranno svolti esercizi per comprendere l'uso di software per la costruzione di spazi semantici distribuzionale e l'uso dell'ambiente di analisi statistica R

Assessment criteria of skills

During laboratory sessions, students will solve exercises to understand the use of softwares for the construction of distributional semantic spaces and the use of the R environment

Comportamenti

Lo studente potrà acquisire e/o sviluppare sensibilità alle problematiche relative allo studio della semantica con metodi di tipo distribuzionale e all'analisi statistica dei dati linguistici

Saranno acquisite accuratezza e precisione nell'analisi semantica e statistica dei dati linguistici

Behaviors

The student will learn and/or develop abilities related to the study of semantics with distributional methods and to the statistical analysis of linguistic data

Students will acquire accuracy and precision in semantic and statistical analyses of linguistic data

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)

Prerequisites

Basic notions of general linguistics (morphology, syntax, and semantics)

Indicazioni metodologiche

Lezioni: frontali

Modalità di apprendimento:

  • frequenza delle lezioni
  • studio individuale
  • attività 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)

Modelli simbolici e distribuzionali della rappresentazione semantica

Il corso presenterà i principali modelli linguistici, computazionali e cognitivi per la rappresentazione semantica, con particolare attenzione ai modelli vettoriali in semantica distribuzionale:

  • rappresentazioni simboliche del significato: semantica vero-condizionale, Discourse Representation Theory, Conceptual Semantics
  • problemi e limiti delle rappresentazioni simboliche
  • fondamenti di semantic distribuzionale
  • metodi per la costruzione di spazi semantici distribuzionali: matrici di co-occorrenza, modelli neurali (word embeddings), random indexing, ecc.
  • composizionalità semantica e modelli distribuzionali
  • modelli distribuzionali delle relazioni semantiche e della polisemia
  • semantica distribuzionale e semantica formale
  • applicazione dei modelli distribuzionali nelle (neuro)scienze cognitive;

Le lezioni teoriche saranno accompagnate da esercitazioni di laboratorio in cui verranno presentati semplici software per la costruzione di spazi semantici distribuzionali.

Esercitazioni:
Introduzione all'analisi statistica dei dati linguistici con R (http://www.r-project.org/):

  • strutture dati
  • statistica descrittiva (frequenze, tabelle di contingenza, medie, grafici, ecc.)
  • test statistici di base (chi-2, t, ecc.)
  • correlazione e regressione lineare
Syllabus

Symbolic and distributional models of semantic representations

The course will introduce the main linguistic, computational and cognitive models for semantic representation, with particular focus on vector-based models in distributional semantics:

  • symbolic representations of meaning: truth-conditional semantics, Discopurse Representation Theory, Conceptual semantics
  • problems and limits of symbolic models
  • foundations of distributional semantics
  • building distributional semantic spaces: co-occurrence matrices, neural models, (word embeddings), random indexing, topic models, etc
  • compositionality in distributional semantics
  • distributional models of semantic relations and polysemy
  • distributional semantics and formal semantics
  • applications of distributional semantics for (neuro)cognitive modeling

Classes will be complemented with practical sessions to build distributional semantic spaces.

Lab sessions:
Introduction to the statistical analysis of linguistic data with R (http://www.r-project.org/):

  • data structures
  • descriptive statistics (frequence, contingency tables, measures of central tendency and dispersion, plots, etc.)
  • basic statistic tests (chi-2, t, etc.)
  • correlation and linear regression
Bibliografia e materiale didattico

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

Programma da 9 CFU:

  • Pustejovsky J. & Batiukova O. (2019), The Lexicon, Cambridge, Cambridge University Press (ch. 4,5,6,7,11)
  • Lenci A. (2018), “Distributional Models of Word Meaning“, Annual Review of Linguistics, 4:151-171
  • Erk, K. (2012). Vector Space Models of Word Meaning and Phrase Meaning: A Survey. Linguistics and Language Compass, 6(10), 635–653.
  • Jones, M. N., Willits, J., & Dennis, S. (2015). Models of Semantic Memory. In J. R. Busemeyer, Z. Wang, J. T. Townsend, & A. Eidels (Eds.), Oxford Handbook of Mathematical and Computational Psychology (pp. 232–254). Oxford: Oxford University Press.

 

Programma da 6 CFU:

  • Pustejovsky J. & Batiukova O. (2019), The Lexicon, Cambridge, Cambridge University Press (ch. 4,5,11)
  • Lenci A. (2018), “Distributional Models of Word Meaning“, Annual Review of Linguistics, 4:151-171
  • Erk, K. (2012). Vector Space Models of Word Meaning and Phrase Meaning: A Survey. Linguistics and Language Compass, 6(10), 635–653.

 

Testo di consultazione per le esercitazioni:

  • Gries, S. Th. (2009), Statistics for Linguistics with R, Berlin, De Gruyter
Bibliography

Texts whose knowledge will be tested at the exam:

Program for 9 CFU:

  • Pustejovsky J. & Batiukova O. (2019), The Lexicon, Cambridge, Cambridge University Press (ch. 4,5,6,7,11)
  • Lenci A. (2018), “Distributional Models of Word Meaning“, Annual Review of Linguistics, 4:151-171
  • Erk, K. (2012). Vector Space Models of Word Meaning and Phrase Meaning: A Survey. Linguistics and Language Compass, 6(10), 635–653. http://doi.org/10.1002/lnco.362
  • Jones, M. N., Willits, J., & Dennis, S. (2015). Models of Semantic Memory. In J. R. Busemeyer, Z. Wang, J. T. Townsend, & A. Eidels (Eds.), Oxford Handbook of Mathematical and Computational Psychology (pp. 232–254). Oxford: Oxford University Press.

 

Program for 6 CFU:

  • Pustejovsky J. & Batiukova O. (2019), The Lexicon, Cambridge, Cambridge University Press (ch. 4,5,11)
  • Lenci A. (2018), “Distributional Models of Word Meaning“, Annual Review of Linguistics, 4:151-171
  • Erk, K. (2012). Vector Space Models of Word Meaning and Phrase Meaning: A Survey. Linguistics and Language Compass, 6(10), 635–653.

 

Reference text for the lab sessions:

  • Gries, S. Th. (2009), Statistics for Linguistics with R, Berlin, De Gruyter
Indicazioni per non frequentanti

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

Programma da 9 CFU:

  • Pustejovsky J. & Batiukova O. (2019), The Lexicon, Cambridge, Cambridge University Press (ch. 4,5,6,7,11)
  • Lenci A. (2018), “Distributional Models of Word Meaning“, Annual Review of Linguistics, 4:151-171
  • Erk, K. (2012). Vector Space Models of Word Meaning and Phrase Meaning: A Survey. Linguistics and Language Compass, 6(10), 635–653.
  • Jones, M. N., Willits, J., & Dennis, S. (2015). Models of Semantic Memory. In J. R. Busemeyer, Z. Wang, J. T. Townsend, & A. Eidels (Eds.), Oxford Handbook of Mathematical and Computational Psychology (pp. 232–254). Oxford: Oxford University Press.

 

Programma da 6 CFU:

  • Pustejovsky J. & Batiukova O. (2019), The Lexicon, Cambridge, Cambridge University Press (ch. 4,5,11)
  • Lenci A. (2018), “Distributional Models of Word Meaning“, Annual Review of Linguistics, 4:151-171
  • Erk, K. (2012). Vector Space Models of Word Meaning and Phrase Meaning: A Survey. Linguistics and Language Compass, 6(10), 635–653.

Gli studenti non frequentanti sostituiscono la prova scritta su R con il seguente testo da portare all'esame orale:

  • Pustejovsky J. & Batiukova O. (2019), The Lexicon, Cambridge, Cambridge University Press (cap. 8,9,10)
Non-attending students info

Texts whose knowledge will be tested at the exam:

Program for 9 CFU:

  • Pustejovsky J. & Batiukova O. (2019), The Lexicon, Cambridge, Cambridge University Press (ch. 4,5,6,7,11)
  • Lenci A. (2018), “Distributional Models of Word Meaning“, Annual Review of Linguistics, 4:151-171
  • Erk, K. (2012). Vector Space Models of Word Meaning and Phrase Meaning: A Survey. Linguistics and Language Compass, 6(10), 635–653. http://doi.org/10.1002/lnco.362
  • Jones, M. N., Willits, J., & Dennis, S. (2015). Models of Semantic Memory. In J. R. Busemeyer, Z. Wang, J. T. Townsend, & A. Eidels (Eds.), Oxford Handbook of Mathematical and Computational Psychology (pp. 232–254). Oxford: Oxford University Press.

 

Program for 6 CFU:

  • Pustejovsky J. & Batiukova O. (2019), The Lexicon, Cambridge, Cambridge University Press (ch. 4,5,11)
  • Lenci A. (2018), “Distributional Models of Word Meaning“, Annual Review of Linguistics, 4:151-171
  • Erk, K. (2012). Vector Space Models of Word Meaning and Phrase Meaning: A Survey. Linguistics and Language Compass, 6(10), 635–653.

 

Students who do not attend classes will replace the written test on R with th following text:

  • Pustejovsky J. & Batiukova O. (2019), The Lexicon, Cambridge, Cambridge University Press (cap. 8,9,10)

 

Modalità d'esame
  • Prova scritta nella quale lo studente dovrà dimostare la conoscenza dei temi svolti a lezione e dei testi di esame rispondendo a domande aperte;
  • Prova scritta con la risoluzione di esercizi di analisi statistica con R
Assessment methods

 

  • Written exam in which the student must demonstrate knowledge of the topics covered in class and of the course texts by answering open questions
  • Written test with the resolution of statistic exercises with R

 

Note

Inizio lezioni: lunedì 25 febbraio

Notes

Classes start on Monday 25th February.

Ultimo aggiornamento 11/02/2019 11:28