2.9.9 IS/Procesamiento del Lenguaje Natural

Temas:
Electivo

• Gramaticas determinísticas y estocásticas
• Algoritmos de parseo
  1. Gramáticas libres de contexto (CFGs) y cuadros de parseo (e.g. Cocke-Younger-Kasami CYK)
  2. CFGs probabilísticos y ponderados CYK
• Representación del significado / Semántica
  1. Representación de conocimiento basado en lógica
  2. Roles semánticos
  3. Representaciones temporales
  4. Creencias, deseos e intenciones
• Metodos basados en el corpus
• N-gramas y Modelos ocultos de Markov (HMMs)
• Suavizado y back-off
• Ejemplos de uso: POS etiquetado y morfologia
• Recuperación de la información:
  1. Modelo de espacio vectorial
     1. TF & IDF
  2. Precision y cobertura
• Extracción de información
• Traducción de lenguaje
• Clasificación y categorización de texto:
  1. Modelo de bolsa de palabras

Objetivos de Aprendizaje (Learning Outcomes):
Elective:

1. Define y contrasta gramáticas de tipo estocásticas y determinísticas, dando ejemplos y demostrando como adecuar cada una de ellas [Evaluar]
2. Simula, aplica, o implementa algoritmos clásicos y estocásticos para el parseo de un lenguaje natural [Usar]
3. Identifica los retos de la representación del significado [Familiarizarse]
4. Lista las ventajas de usar corpus estándares. Identifica ejemplos de corpus actuales para una variedad de tareas de PLN [Familiarizarse]
5. Identifica técnicas para la recuperación de la información, traducción de lenguajes, y clasificación de textos [Familiarizarse]