|
|
 |
|
PROCESAMIENTO DEL LENGUAJE NATURAL
Profesorado
| Coordinador: Felisa Verdejo Maillo |
| (Dpto. Lenguajes y Sistemas Informáticos, UNED) |
| Profesores: |
| Enrique Amigó Cabrera |
| (Dpto. Lenguajes y Sistemas Informáticos, UNED) |
|
|
Ficha técnica:
| Tipo | Optativa |
|
| Cuatrimestre | Primero |
| Créditos/horas totales | 6/150 |
| Horas de estudio teórico | 44 |
| Horas de prácticas | 40 |
| Horas complementarias | 66 |
DESCRIPCIÓN DE LA ASIGNATURA
Prerrequisitos recomendables
Es importante una lectura fluida del inglés y disponer de conexión a internet.
En cuanto a contenidos, este curso tiene relación estrecha con las siguientes asignaturas de la carrera de
Ingeniería Informática: Teoría de autómatas, Procesadores de Lenguaje, e Introducción a la Inteligencia Artificial,
que proporcionan la base en cuanto a formalismos y técnicas computacionales. Así mismo las asignaturas de programación,
y especialmente aquellas en que se estudian paradigmas declarativos, constituyen un complemento interesante para cursar
Procesamiento de Lenguaje Natural.
Objetivos generales de la materia
Este curso introductorio al procesamiento computacional del lenguaje natural aborda el diseño y
la construcción de programas que pueden tratar, comprender y generar lenguaje natural. Se estudiarán
los problemas y soluciones (modelos y técnicas) básicas en los niveles sintáctico, semántico y pragmático.
Un capítulo de introducción y otro de áreas de aplicación, situarán la asignatura desde una perspectiva histórica,
y permitirán conocer el estado actual de las realizaciones en este campo. La realización de un proyecto permitirá poner
en práctica los conocimientos adquiridos.
Destrezas y competencias
En la primera parte del curso, mediante el estudio de la bibliografía el alumno adquirirá una visión amplia de las
técnicas de procesamiento de lenguaje natural en los niveles léxico, sintáctico y semántico y sus aplicaciones.
Los conocimientos adquiridos a nivel teórico se pondrán en práctica mediante la realización de ejercicios en un entorno WEB,
que pondrá a disposición del alumno las herramientas necesarias para la elaboración de un analizador morfológico y
un analizador sintáctico y semántico sobre un subdominio abordable del lenguaje. Paralelamente, los conocimientos adquiridos a
nivel global y la capacidad de síntesis se pondrán en práctica mediante el desarrollo de una serie de resúmenes guiados por
cuestionarios. En la segunda parte del curso el alumno adquirirá la destreza necesaria para elaborar un sistema de procesamiento
de lenguaje orientado a una tarea específica. Con este curso el alumno asimilará tanto el potencial de las técnicas existentes
de procesamiento de lenguaje como de sus limitaciones, siendo capaz de analizar en qué casos es factible aplicar estas técnicas
en la resolución de un problema.
Contextualización de la materia en el conjunto del Master
Esta asignatura está encuadrada en el Módulo ESP-IA-1: Sistemas Inteligentes de diagnóstico, planificación y control
(30 créditos, 1er. semestre), línea de especialización optativa que incluye materias que describen la aplicación de los
fundamentos y métodos en diferentes áreas, tales como la Visión Artificial y la Robótica Perceptual y Autónoma,
la Minería de Datos, el Descubrimiento de Información en Textos y el Procesamiento del Lenguaje Natural.
Permitirá por tanto al alumno poner en práctica los fundamentos y métodos adquiridos en IA, para el Procesamiento del Lenguaje
Natural. A su vez le proporcionará conocimiento y tecnología para valorar la incorporación del lenguaje natural en diferentes
aplicaciones interactivas, o que hagan uso de de información textual.
1 MEDIOS DE ESTUDIO
1.1 Metodología docente
El curso de doctorado consta de ocho temas cuyo estudio se realiza con la siguiente metodología dentro de
un paradigma de construcción de conocimiento:
Para cada tema, el alumno debe acceder al material propuesto por el equipo docente. Este material consta de:
- Bibliografía básica común a todos los temas. Se trata un libro con un conocimiento ya estructurado facilitando la introducción del alumno en la materia.
- Artículos científicos. Se propone la lectura de algunos artículos de carácter científico. Su contenido es más específico. Aparte de conocer su contenido, el alumno se familiarizará con la estructura y formato que deben seguir los textos de estas características.
- Enlaces web que apuntan a recursos y herramientas relacionados con el tema.
A partir de este material y con la guía de unas preguntas, el alumno debe realizar dos breves resúmenes de 5-10 páginas, correspondiendo cada uno a un bloque de temas, con el objetivo de sintetizar el conocimiento que ha adquirido. La elaboración del resumen se dirige a:
- Estimular la lectura detenida del material propuesto.
- Provocar la necesidad de buscar información que complete el material propuesto inicialmente. Esta búsqueda es un entrenamiento necesario en la formación del alumno como investigador. Con cada trabajo tendrá mayor capacidad para encontrar y discriminar fuentes de información relevantes, requisito para desarrollar cualquier trabajo de investigación posterior.
-Estimular una reflexión sobre el material estudiado, necesaria para poder realizar una síntesis de calidad.
Junto con la elaboración de resúmenes guiados, el alumno deberá realizar una serie de ejercicios para los que dispondrá de herramientas en el entorno virtual de la asignatura. De esta forma, el alumno podrá centrarse en aspectos del lenguaje y diseño de gramáticas sin necesidad de implementar desde un principio autómatas y mecanismos de unificación.
Los últimos meses del curso se dirigen a afianzar los conocimientos adquiridos mediante la elaboración de un proyecto en el que se pondrán en práctica las técnicas aprendidas para la resolución de un problema en un dominio de lenguaje controlado.
1.2 Material de estudio
Bibliografía básica:
-D. Jurafsky & J. J. Martin (2008) Speech and language processing. An Introduction to Natural Language Processing, Computational Linguistics and Speech Recognition. Pearson International.
1.3 Materiales y recursos de apoyo
La plataforma de aprendizaje en internet, proporcionará interfaz de interacción
entre el alumno y sus profesores. Esta plataforma de e-Learning
y colaboración permite impartir y recibir formación, gestionar
y compartir documentos, crear y participar en comunidades temáticas,
así como realizar proyectos online.
1.4 Bibliografia general de consulta, disponible en el entorno virtual
F. Verdejo (1995). Comprensión del lenguaje natural: avances, aplicaciones y tendencias. Arbor CLI 595 39-83
F. Verdejo. Comprensión automática: lenguaje natural.
F Verdejo J. Gonzalo. Del procesamiento de lenguaje natural a la ingeniería lingüística ¿dónde nos encontramos?
H. Rodriguez Técnicas de análisis sintáctico.
J Gonzalo y F Verdejo Recuperación y extracción de información.
1.5 Tutorización
La tutorización de los alumnos se llevará a cabo a través de una plataforma de aprendizaje en internet,
de las herramientas para los ejercicios y de los correos electrónicos felisa@lsi.uned.es y enrique@lsi.uned.es
2 ESTRUCTURA DEL CURSO
2.1 Estructura y contenido teórico
Tema 1. Introducción
Se identifican algunos de los problemas más importantes que se plantean en el estudio y tratamiento computacional del
lenguaje natural, y se da una breve descripción histórica del desarrollo de esta disciplina.
Tema 2. Autómatas finitos, procesamiento de unidades morfológico-léxicas, N-gramas
Se fijan los conceptos de expresiones regulares y los operadores asociados además de autómatas finitos y lenguajes regulares.
Se introduce además el concepto de morfología en inglés y, mediante lecturas complementarias, morfología castellana.
El tema aborda a continuación las técnicas de procesamiento morfológico basadas en lexicones, transductores y la aproximación de stemming. Finalmente se estudian los N-gramas.
Tema 3. Etiquetado sintáctico
En este tema se establece un puente entre los niveles léxico y sintáctico.
Se describe la taxonomía de palabras aplicables a diferentes lenguas,
y las diferentes técnicas de etiquetado sintáctico existentes.
Tema 4. Gramáticas de contexto libre para el análisis de lenguaje natural
Se introducen las estructuras de la oración, incluyendo los conceptos de constituyente,
sintagmas nominales y verbales, oraciones coordinadas, y su representación mediante gramáticas de contexto libre.
Tema 5. Parsing
Este tema se centra en las técnicas fundamentales de análisis sintáctico: descendente ("top-down" ) y ascendente ( "bottom-up").
Tema 6. Unificación de rasgos
Se describe el análisis sintáctico mediante la unificación de rasgos, su implementación y el diseño de restricciones de unificación.
Tema 7. Semántica y análisis semántico
Este tema aborda en general las diferentes técnicas de procesamiento a nivel semántico del lenguaje.
Se introducen los conceptos de nivel semántico, predicados de primer orden y análisis semántico dirigido por sintaxis, entre otros.
Incluye además el nivel léxico semántico en el que se describen relaciones semánticas entre palabras, y bases de datos léxico
semánticas.
Tema 8. Discurso, extracción de información y resúmenes
Este tema incluye el estudio de conceptos básicos de nivel de discurso como son la segmentación y resolución de correferencias. Finalmente nos centraremos en dos tipos de aplicaciones que son hoy día muy utilizadas: la extracción de información y los resúmenes, para estudiar la clase de problemas que se plantean y el alcance de las técnicas para tratarlos. A partir de esta base, se propone un trabajo personal de carácter teórico y práctico, que pone en juego los conocimientos adquiridos en la asignatura.
2.2 Objetivos por tema y orientaciones breves
Tema 1. Introducción
Objetivos: Entender el procesamiento de lenguaje natural desde una perspectiva global.
Orientaciones:Lectura del capítulo 1 del libro base y bibliografía complementaria.
Tema 2:Autómatas finitos, procesamiento de unidades morfológico-léxicas, N-gramas
Objetivos: Refrescar los conocimientos sobre expresiones regulares y autómatas finitos. Aprender los conceptos fundamentales del análisis morfológico y las técnicas algorítmicas que permiten implementarlo.
Orientaciones:Lectura del capítulo 2 del libro base (debe suponer un refresco de conceptos conocidos) estudio del capítulo 3 (3.1 a 3.8, 3.9 solo la introducción), 4 (hasta el 4.8 inclusive), y lecturas complementarias. Para la puesta en práctica de estas técnicas se pondrá a disposición del alumno un entorno de prácticas en donde se proponen: una serie de ejercicios prácticos para familiarizarse con los transductores, un glosario de términos y conceptos relacionados con el análisis morfológico y una pequeña práctica. Además, se pondrá a disposición del alumno sitios WEB en donde testear analizadores existentes.
Tema 3: Etiquetado sintáctico
Objetivos: Asimilar los conceptos de etiquetado sintáctico y las dos técnicas básicas de etiquetado: por reglas y
técnicas estocásticas.
Orientaciones:Capítulo 5 (hasta el 5.7) del libro base y lecturas complementarias para el etiquetado en castellano.
Con caracter opcional se recomienda estudiar el capítulo 6
Tema 4: Gramáticas de contexto libre
Objetivos: Repaso de conceptos relativos a las gramáticas de contexto libre y estructuras de la oración.
Orientaciones:Capítulo 12 (hasta 12.7) del libro base y referencias a herramientas accesibles vía WEB.
Tema 5: Parsing
Objetivos: Estudio a fondo de las técnicas de análisis sintáctico.
Orientaciones:Capítulo 13 del libro y bibliografía complementaria
Tema 6: Estructuras de rasgos y unificación.
Objetivos: Comprender en profundidad el concepto de unificación y su aplicación en el procesamiento de lenguaje.
Orientaciones: Capítulo 15 (hasta 15.5) del libro base Para este capítulo vamos a utilizar la herramienta PC-PATR que es una implementación de PATR-II. En el entorno de prácticas se incluye un pequeño manual que describe la herramienta y el formalismo. Así mismo se incluyen como ejemplos 4 gramáticas de sucesivo nivel de complejidad.
Tema 7: Semántica y análisis semántico
Objetivos: Conocer las diferentes técnicas de procesamiento a nivel semántico del lenguaje y los recursos léxico semánticos.
Orientaciones: Capítulos 17, 18, 19 (hasta 19,4) y 20.1 del libro base. Los conocimientos adquiridos en este tema serán también puestos en práctica mediante la realización de ejercicios en un entorno WEB, para lo que será necesario a su vez el acceso a bases de datos léxico semánticas.
Tema 8: Nivel de discurso, tareas de extracción de información y resúmenes
Objetivos: Estudio de conceptos básicos de nivel de discurso, y de las tareas mencionada
Orientaciones: Epígrafes de los capítulos 21.1, 21.4, 22.1, 22.2, 22.3.3, 23.3, 23.4,23.5, 23.6, y 23.7 del libro base.
3 Actividades y plan de trabajo
3.1 Actividades prácticas programadas
Realización de 3 resúmenes orientados por unas ciesiones. Realización de ejercicios prácticos y desarrollo de un
proyecto que se definirá sobre la base de los conocimientos adquiridos en los temas teóricos utilizando un entorno de aplicacines PLN.
3.2 Otras actividades prácticas programadas
Se irán introduciendo en la plataforma de manera dinámica según transcurra el curso.
3.3 Plan de trabajo
Tema 1. Introducción: 3 horas (semana 1)
Tema 2: Autómatas finitos, procesamiento de unidades morfológico-léxicas:
6 horas (semanas 2, 3 y 4)
Ejercicios de análisis morfológico: 10 horas.
Temas 3: Etiquetado
3 horas (semana 5)
Entrega del resumen conrrespondiente a temas 2 y 3, y ejercicios de morforlogía: 20 diciembre.
Temas 4 y 5 : Gramáticas de contexto libre y parsing:
8 horas (semanas 6 y 7)
Tema 6: Estructuras de rasgos y unificación: 4 horas (semana 8)
Tema 7: Semántica y análisis semántico: 12 horas (semanas 9, 10 y 11)
Ejercicios de análisis sintáctico y semántico: 30 horas. El plazo de realización de los ejercicios de sintaxis
y semántica y la entrega del resumen correspondiente a los temas 4, 5, 6 y 7 finalizará el 16 de febrero.
Tema 8: Nivel de discurso y aplicaciones de extracción y resumen: 8 horas (semana 12 y 13)
Proyecto: 66 horas (semanas 14-22)
Entrega del proyecto: 18 mayo.
4 Evaluación
La evaluación se realizará a partir de los ejercicios y resúmenes realizados así como del proyecto personal. Es necesario entregar en cada plazo tanto los resúmenes como los ejercicios y el proyecto. No hay mas que un único plazo de entrega para cada elemento.
Reseña del profesorado
El equipo docente está formado por los Doctores Enrique Amigó y M.Felisa Verdejo, ambos forman parte del grupo de investigación
PLN-UNED. Este grupo comenzó su actividad investigadora en 1993, y desde entonces ha estado involucrado en proyectos de investigación básica y aplicada en torno a el diseño y evaluación de sistemas inteligentes de recuperación de información (mono y multilingües),
la creación y aplicación de bases de datos léxico-semánticas a gran escala, las interfaces de lenguaje natural y el modelado del discurso en entornos de enseñanza y aprendizaje.
Actualmente las líneas de investigación principal del Grupo de PLN se centran en la adquisición y representación computacional del
conocimiento lingüístico y en el acceso inteligente a la información textual. Dentro de estas áreas el grupo ha centrado su atención
en la desambiguación de palabras, las bases de datos léxico-semánticas, tesauros y redes semánticas multilingües y, por otra parte,
en la recuperación de información multilingüe y la evaluación de sistemas de RI.
Para conocer más acerca de las actividades del grupo puede consultarse la
dirección href=http://nlp.uned.es/
| |
|
|
