Disciplina

Área

Área Científica de Inteligência Artificial > Sistemas Inteligentes

Activa nos planos curriculares

MEIC-A 2021 > MEIC-A 2021 > 2º Ciclo > Area Principal > Agrupamentos > Tecnologias da Informação e Linguagem > Língua Natural

MEIC-T 2018 > MEIC-T 2018 > 2º Ciclo > Agrupamentos > Sistemas Inteligentes > Língua Natural

MEIC-T 2021 > Meic-T 2021 > 2º Ciclo > Agrupamentos > Inteligência Artificial > Língua Natural

MECD2019 > MECD2019 > 2º Ciclo > Opções > Língua Natural

MEIC-T 2015 > MEIC-T 2015 > 2º Ciclo > Agrupamentos > Tecnologia para Processamento de Informação e Linguagem > Língua Natural

MEIC-A 2015 > MEIC-A 2015 > 2º Ciclo > Agrupamentos > Tecnologia para Processamento de Informação e Linguagem > Língua Natural

MEIC-T 2006 > MEIC-T 2006 > 2º Ciclo > Áreas de Especialização Complementares > Sistemas Inteligentes > Língua Natural

MEIC-A 2006 > MEIC-A 2006 > 2º Ciclo > Área de Especialização Complementar > Sistemas Inteligentes > Língua Natural

Nível

Avaliação de conhecimentos: • série de exercícios semanais (20%), • dois mini-projectos (30%: 15% cada um), • um exame (50%). Em época especial a avaliação tem 2 componentes: um exame (70%) e dois mini-projectos (30%). Os miniprojectos podem ser realizados na época normal, desde que tenham sido entregues como trabalho individual e não como trabalho de grupo.

Tipo

Não Estruturante

Regime

Semestral

Carga Horária

1º Semestre

2.0 h/semana

1.5 h/semana

119.0 h/semestre

Objectivos

Conhecer os conceitos básicos, principais formalismos, técnicas e algoritmos, bases de conhecimento e corpora envolvidos na área do Processamento da Língua Natural. Perceber quais são as grandes tarefas envolvidas no processamento de uma frase, parágrafo ou texto e entender as dificuldades de cada uma destas tarefas. Conhecer as principais aplicações da área e ser capaz de identificar a tecnologia envolvida. Compreender as tarefas que são realizáveis com as tecnologias atuais.

Programa

Introdução ao Processamento de Língua Natural. Metodologia: Corpus de treino/teste, Validação cruzada, Medidas de avaliação, etc. Expressões regulares. Medidas de semelhança. N-Gramas e Técnicas de alisamento. Morfologia: Transdutores, Etiquetação Morfológica, HMMs e algoritmo de Viterbi. Sintaxe: Formalismos gramaticais, Análise sintáctica. Semântica: Representação de significado (clássica e Embeddings), Semântica Lexical, Semântica Distribucional, Papéis semânticos, Análise Semântica. Tarefas de PLN que se reduzem a problemas de classificação e de etiquetação de sequências. Principais arquicteturas de deep learning usadas actualmente em PLN. Aplicações: Sistemas de Pergunta/Resposta, Chatbots, Sistemas de Tradução Automática, Processamento de Fala, etc.

Metodologia de avaliação

Avaliação de conhecimentos: • série de exercícios semanais (20%), • dois mini-projectos (30%: 15% cada um), • um exame (50%). Em época especial a avaliação tem 2 componentes: um exame (70%) e dois mini-projectos (30%). Os miniprojectos podem ser realizados na época normal, desde que tenham sido entregues como trabalho individual e não como trabalho de grupo.

Bibliografia

Principal

Speech and Language Processing: An Introduction to Natural Language Processing, Computational Linguistics and Speech Recognition, Second Edition

Daniel Jurafsky & James H. Martin

2009

Prentice-Hall


Introduction to Natural Language Processing

Jacob Eisenstein

2019

MIT PRESS