Antal poäng: 5. Betygskala: UG. Valfri för: D4, E4, F4. Kursansvarig: Professor Pierre Nugues, Pierre.Nugues@cs.lth.se, Inst f datavetenskap. Förkunskapskrav: EDA027 Algoritmer och datastrukturer. Prestationsbedömning: Godkända inlämningsuppgifter, projekt och godkända rapporter. Hemsida: http://www.cs.lth.se. Övrigt: Kursen kan komma att ges på engelska. Begränsat deltagarantal, totalt 40 platser (LTH och LU). Kursen ges gemensamt för studenter vid LTH, vid naturvetenskaplig fakultet och för studenter/forskarstuderande i Lingvistik Om det blir fler sökande än platser fördelas platserna mellan grupperna proportionellt mot antalet sökande. Urvalsgrunder för platser som tillfaller studenter vid LTH blir: 1. Antal poäng som uppnåtts vid LTH. 2. Antal poäng i kurser inom Datavetenskap.

Mål
Kursen introducerar teorier och tekniker som tillämpas i maskinell behandling av naturligt språk (Natural Language Processing, NLP). Den täcker hela fältet, från taligenkänning och talsyntes till semantik och dialogsystem.

Kursen inriktar sig på tillämpningar i industriell skala eller på försöksnivå, såsom dokumentsökning på Internet, informationsextrahering, talande agentprogram och verbal interaktion i virtuella världar. Centrala algoritmer beskrivs i Prolog eller med reguljära uttryck.

Innehåll

• En översikt över NLP: Presentation av NLP, tillämpningar, lingvistikens delområden, exempel

• Korpuslingvistik: Reguljära uttryck, ändliga automater, introduktion till Perl, konkordanser, tokenisering, frekvenslistor, kollokationer

• Morfologi och ordklasstaggning: Morfologi, transduktorer, ordklasstaggning

• Frasstrukturgrammatiker i Prolog: Konstituenter, syntaxträd, prolog för analys av naturligt språk, DCG-regler, variabler, syntaktisk parsning, semantisk parsning med kompositionell analys

• Syntaktiska formalismer: Konstituens och dependens, chart parsing, statistisk parsning, funktioner, dependensparsning

• Semantik: Formell semantik, lambda-kalkyl, kompositionalitet; substantiv, verb, determinerare, ord och betydelse, lexikal semantik, kasusgrammatiker, semantiska grammatikor

• Diskurs och dialog: diskurs och retorik, anaforer, dialogstruktur, RST (rhetorical structure theory), dialog, ändliga automater, adjacency pairs, talhandlingar, multimodalitet

• Översikt över talsyntes och taligenkänning

Litteratur
Kompendium, som säljs av institutionen.
Rekommenderad referenslitteratur:
Manning and Schutze: Foundations of Statistical Natural Language Processing, MIT Press, 1999.
Jurafsky, Martin, Vander Linden, Kehler: Speech and Language Processing, Prentice Hall, 2000.