Module also offered within study programmes:
General information:
Annual:
2017/2018
Code:
EIT-2-307-SY-s
Name:
Przetwarzanie języka naturalnego
Faculty of:
Faculty of Electrical Engineering, Automatics, Computer Science and Biomedical Engineering
Study level:
Second-cycle studies
Specialty:
Systemy inteligentne
Field of study:
Computer Science
Semester:
3
Profile of education:
Academic (A)
Lecture language:
Polish
Form and type of study:
Full-time studies
Course homepage:
 
Responsible teacher:
dr inż. Gajer Mirosław (gajer@agh.edu.pl)
Academic teachers:
dr inż. Gajer Mirosław (gajer@agh.edu.pl)
Module summary

Description of learning outcomes for module
MLO code Student after module completion has the knowledge/ knows how to/is able to Connections with FLO Method of learning outcomes verification (form of completion)
Social competence
M_K001 Student zna i docenia rolę lingwistyki komputerowej we współczesnej rzeczywistości IT2A_K02 Activity during classes
Skills
M_U001 Student potrafi tworzyć proste analizatory składniowe zdań języka naturalnego z wykorzystaniem reguł gramatyki transformacyjno-generatywnej IT2A_U09, IT2A_U10 Activity during classes
M_U002 Student potrafi budować statystyczne modele języków naturalnych IT2A_U09, IT2A_U10 Activity during classes
M_U003 Student potrafi opracowywać wybrane narzędzia informatyczne wspomagające pracę lingwistów, filologów, przekładoznawców i tłumaczy IT2A_U08, IT2A_U10 Activity during classes
Knowledge
M_W001 Student zna i rozumie podstawowe pojęcia związane z dziedziną przetwarzania języka naturalnego IT2A_W04, IT2A_W10 Activity during classes
M_W002 Student dysponuje wiedzą na temat metod analizy syntaktycznej i semantycznej zdań języka naturalnego IT2A_W09, IT2A_W10 Activity during classes
M_W003 Student dysponuje wiedzą dotyczącą metod statystycznej analizy tekstów zapisanych w języku naturalnym IT2A_W01, IT2A_W03 Activity during classes
FLO matrix in relation to forms of classes
MLO code Student after module completion has the knowledge/ knows how to/is able to Form of classes
Lecture
Audit. classes
Lab. classes
Project classes
Conv. seminar
Seminar classes
Pract. classes
Zaj. terenowe
Zaj. warsztatowe
Others
E-learning
Social competence
M_K001 Student zna i docenia rolę lingwistyki komputerowej we współczesnej rzeczywistości + - + - - - - - - - -
Skills
M_U001 Student potrafi tworzyć proste analizatory składniowe zdań języka naturalnego z wykorzystaniem reguł gramatyki transformacyjno-generatywnej + - + - - - - - - - -
M_U002 Student potrafi budować statystyczne modele języków naturalnych + - + - - - - - - - -
M_U003 Student potrafi opracowywać wybrane narzędzia informatyczne wspomagające pracę lingwistów, filologów, przekładoznawców i tłumaczy + - + - - - - - - - -
Knowledge
M_W001 Student zna i rozumie podstawowe pojęcia związane z dziedziną przetwarzania języka naturalnego + - + - - - - - - - -
M_W002 Student dysponuje wiedzą na temat metod analizy syntaktycznej i semantycznej zdań języka naturalnego + - + - - - - - - - -
M_W003 Student dysponuje wiedzą dotyczącą metod statystycznej analizy tekstów zapisanych w języku naturalnym + - + - - - - - - - -
Module content
Lectures:
  1. Wprowadzenie do dziedziny przetwarzania języka naturalnego przez komputer

    Porównanie języków naturalnych z językami formalnymi, wieloznaczność języków naturalnych, charakterystyka podstawowych kierunków rozwoju systemów lingwistyki komputerowej.

  2. Analiza syntaktyczna zdań zapisanych w języku naturalnym

    Gramatyki transformacyjno-generatywne, struktury syntaktyczne, analizatory składniowe zdań języka naturalnego.

  3. Analiza semantyczna zdań zapisanych w języku naturalnym

    Analiza kontekstu występowania wyrazów, słowniki semantyczne, podstawowe relacje semantyczne zachodzące pomiędzy wyrazami.

  4. Statystyczne modelowanie języków naturalnych

    Analiza korpusów tekstów, n-gramy, algorytmy wyszukiwania kolokacji wyrazowych, modele statystyczne języków naturalnych.

  5. Przykłady zastosowań systemów przetwarzania języka naturalnego

    Automatyczne wyszukiwanie informacji w tekstach, automatyczna klasyfikacja dokumentów, automatyczne streszczanie dokumentów, algorytmy identyfikacji spamu, algorytmy wykrywania plagiatów, automatyczne systemy dialogowe, systemy komunikacji z bazami danych w języku naturalnym.

  6. Języki sztuczne i kontrolowane

    Języki sztuczne aposterioryczne, języki sztuczne aprioryczne, języki kontrolowane.

  7. Przekład komputerowy

    Wprowadzenie do zagadnień automatyzacji przekładu, źródła trudności związanych z automatyzacją przekładu, metody automatyzacji przekładu, perspektywy dalszego rozwoju komputerowych tłumaczy, systemy wyspecjalizowane.

  8. Zagadnienia wytwarzanie oprogramowania dla lingwistów, filologów i tłumaczy

    Pamięci translacyjne, słowniki komputerowe, leksykony frazeologiczne, generatory form fleksyjnych wyrazów, programy automatycznego dopasowywania form fleksyjnych wyrazów, środowiska do symulacji procesów ewolucji języków naturalnych.

Laboratory classes:
  1. Parsowanie zdań jezyka naturalnego

    Opracowanie analizatora składniowego i generatora poprawnych syntaktycznie zdań dla wybranego języka sztucznego aposteriorycznego lub apriorycznego

  2. Słowniki komputerowe

    Napisanie oprogramowania umożliwiającego automatyczne utworzenie słownika bilingwicznego dla wybranej pary języków

  3. Statystyczna analiza języka naturalnego

    Wygenerowanie statystycznego modelu wybranego języka naturalnego w oparciu o korpusy tekstów

Student workload (ECTS credits balance)
Student activity form Student workload
Summary student workload 60 h
Module ECTS credits 2 ECTS
Preparation of a report, presentation, written work, etc. 20 h
Participation in lectures 15 h
Participation in laboratory classes 15 h
Realization of independently performed tasks 10 h
Additional information
Method of calculating the final grade:

Średnia z ocen uzyskanych z kolokwium z wykładu i ćwiczeń laboratoryjnych, przy czym obie oceny muszą być pozytywne (co najmniej 3.0).

Prerequisites and additional requirements:

Znajomość podstaw programowania komputerów, podstawowe informacje z zakresu systemów sztucznej inteligencji, dysponowanie elementarną wiedzą z obszaru językoznawstwa ogólnego.

Recommended literature and teaching resources:

Russell S., Norvig P., „Artificial intelligence – a modern approach”, Prentice Hall, Berkeley, 2010;
Kasperski M.J., „Sztuczna inteligencja”, Wydawnictwo Helion, Gliwice, 2003;
Gajer M., „Wielojęzyczne systemy automatycznego przekładu oparte na wzorcach translacyjnych”, AGH Uczelniane Wydawnictwa Naukowo-Dydaktyczne, Kraków, 2008;
Gajer M., „Wyspecjalizowany system automatycznego przekładu zrealizowany metodą wzorców translacyjnych”, AGH Uczelniane Wydawnictwa Naukowo-Dydaktyczne, Kraków, 2011.

Scientific publications of module course instructors related to the topic of the module:

Additional scientific publications not specified

Additional information:

None