Consideraciones generales.
La evaluación formativa del alumno se realizará a través de las prácticas de la asignatura y las actividades relativas a la resolución de problemas.
En lo que respecta a las prácticas de laboratorio, éstas se evaluarán de forma continuada al finalizar cada una de ellas. En el enunciado de cada práctica se detallan los criterios específicos de valoración de la misma.
Por otra parte, las actividades de aprendizaje no presenciales se utilizarán para realizar una valoración de la evolución y participación del alumno en el cuatrimestre.
Por último, se realiza una evaluación sumativa del alumno mediante un examen final al término del cuatrimestre. Este será eminentemente práctico para que el alumno pueda demostrar que ha adquirido los conocimientos necesarios y se ha entrenado lo suficiente como para poseer las habilidades precisas para resolver supuestos prácticos. La puntuación asignada a cada una de las preguntas del examen irá consignada en la prueba.

El estudio de la asignatura no puede plantearse como una actividad de estudio memorístico de los algoritmos presentados en clase y de lectura de la bibliografía, sino que deberá tomar una orientación más práctica tal y como se propone en las actividades no presenciales.

El examen final es optativo, por lo que el alumno puede optar por incrementar el peso de la parte práctica hasta el 80% de la nota de la asignatura.

Competencias de materia (Resultados de aprendizaxe)	Competencias da titulación
Comprender la descripción lingüística de los fenómenos presentes en el lenguaje natural.	A1	B1 B3 B4
Distinguir entre el nivel léxico, sintáctico y semántico del lenguaje.		B3
Reconocer los fenómenos del lenguaje que son tratables y aquellos que no lo son.		B3
Conocer los algoritmos, técnicas y métodos más utilizados actualmente en el procesamiento del lenguaje natural.	A1	B1 B4	C3 C6 C8
Comprender la representación formal de diversos fenómenos léxicos, sintácticos y semánticos del lenguaje humano.	A3 A5	B2 B3 B9 B15	C3
Diseñar algoritmos y estructuras de datos para el tratamiento de diversos fenómenos de los lenguajes humanos.	A3 A5	B2 B3 B8 B9 B10 B15	C3 C6
Implementar las soluciones propuestas.	A3 A5	B2 B3 B6 B9 B10 B15	C3 C6
Usar las técnicas y métodos del procesamiento del lenguaje natural para resolver problemas reales de comunicación hombre-máquina.	A1 A3 A5 A8	B2 B3 B4 B9 B10	C3 C6 C8
Asumir la complejidad del lenguaje humano y las limitaciones de los ordenadores para tratarlo.	A5	B3	C6
Aceptar soluciones parciales a un problema ante la imposibilidad de obtener soluciones completas.	A5	B3 B9 B15	C6
Valorar el esfuerzo que requiere realizar avances en un campo complejo.		B6 B15	C6 C7 C8
Rechazar la compartimentación del saber en áreas cerradas (por ejemplo, ciencias en contraposición a humanidades)	A5	B3 B5 B8	C6 C7 C8
Colaborar en el desarrollo de recursos y software libre.			C3 C5 C8

Temas	Subtemas
INTRODUCCIÓN AL PROCESAMIENTO DEL LENGUAJE NATURAL	Niveles de análisis. Ambigüedad.
ANÁLISIS LÉXICO	Segmentación de textos. Morfología flexiva y derivativa. Modelización de grandes diccionarios. Autómatas finitos acíclicos deterministas numerados. Traductores de estado finito y morfología de dos niveles.
ETIQUETACIÓN	Modelos de Markov ocultos. Ejecución eficiente de los modelos de Markov ocultos. Técnicas de suavizado. Tratamiento de palabras desconocidas. Aprendizaje de etiquetas basado en transformaciones y dirigido por el error.
ANÁLISIS SINTÁCTICO: GRAMÁTICAS INDEPENDIENTES DEL CONTEXTO	Esquemas de análisis sintáctico. Análisis ascendente. El algoritmo de Earley. Autómatas a pila y programación dinámica. Análisis sintáctico LR generalizado. Representación compartida de los árboles de análisis sintáctico. Análisis sintáctico probabilístico.
ANÁLISIS SINTÁCTICO: GRAMÁTICAS SUAVEMENTE DEPENDIENTES DEL CONTEXTO	Gramáticas de adjunción de árboles. Análisis sintáctico de gramáticas de adjunción de árboles. Autómatas para las gramáticas de adjunción de árboles. Representación compartida de los árboles de derivación. Gramáticas de adjunción de árboles probabilísticas.
ANÁLISIS SEMÁNTICO	Estructuras de rasgos y formalismos basados en unificación. Relaciones léxicas: WordNet y EuroWordNet.
RECUPERACIÓN DE INFORMACIÓN (RI)	Conceptos básicos Modelos de recuperación: booleano, vectorial y probabilístico Los procesos de indexación y recuperación Evaluación en RI RI sobre web. Un caso práctico: Google Aplicaciones del procesamiento del lenguaje natural a RI: la variación lingüística
EXTRACCIÓN DE INFORMACIÓN (EI)	Conceptos básicos Arquitectura de un sistema de EI Tareas de EI Evaluación en EI Ejemplos de sistemas de EI: FASTUS y otros
BÚSQUEDA DE RESPUESTAS (BR)	Conceptos básicos BR vs. RI/EI Arquitectura de un sistema de BR Procesamiento de la pregunta Recuperación y selección de documentos/pasajes Extracción de la respuesta Evaluación en BR
TRADUCCIÓN AUTOMÁTICA (TA)	Conceptos básicos y problemática Técnicas "clásicas" Técnicas estadísticas Aplicaciones en RI interlingüe

Metodoloxías / probas	Horas presenciais	Horas non presenciais / traballo autónomo	Horas totais
Proba de resposta breve	3	4	7
Sesión maxistral	17	17	34
Obradoiro	8	8	16
Prácticas de laboratorio	10	20	30
Mesa redonda	4	4	8

Atención personalizada	5	0	5

*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado

Metodoloxías	Descrición
Proba de resposta breve	A final de curso se realizará una prueba escrita con problemas de similar dificultad a los planteados durante el curso.
Sesión maxistral	En las clases presenciales de teoría, el profesor realizará una breve descripción de los contenidos temáticos y de los objetivos básicos perseguidos, con el fin de dotar al alumno de una visión global de la materia. Además tratará de establecer interrelaciones con otros conceptos previamente adquiridos, de forma que se pueda establecer una línea temporal, y expondrá la bibliografía recomendada. Seguidamente pasará a desarrollar los contenidos teóricos, utilizando como método la clase magistral.
Obradoiro	En las clases presenciales de problemas, con el fin de afianzar los conceptos teóricos se presentarán supuestos prácticos, que en un principio serán resueltos por el profesor para orientar a los alumnos. Como actividades no presenciales, se plantearán ejercicios adicionales que el alumno deberá resolver y comentar/corregir con el profesor durante las horas de clases prácticas. Se trata de fomentar la participación de los alumnos y promover, en la medida de lo posible, el diálogo abierto y la valoración de soluciones.
Prácticas de laboratorio	Las clases de prácticas de laboratorio obligan a la implementación de soluciones para un problema dado. Se impondrá una periodicidad en su entrega para fomentar el estudio continuo. El enunciado de las prácticas, que se proporcionará con la suficiente antelación, detallará el problema y las especificaciones, que el alumno deberá respetar estrictamente. Este enunciado se analizará con los alumnos. Posteriormente, la labor del profesor será la de supervisar las sesiones de prácticas, solucionando dudas, corrigiendo errores de interpretación, sugiriendo lecturas, etc.
Mesa redonda	Se fomentará el espíritu crítico de los alumnos y el desarrollo de su capacidad para argumentar mediante la realización de debates y discuciones en forma de tutorías colectivas.

Metodoloxías	Descrición	Cualificación
Sesión maxistral	Se valolará la participación en las clases y tutorías colectivas.	10
Obradoiro	Se valolará la participación en las clases y tutorías colectivas.	7
Prácticas de laboratorio	Se entregarán una o varias prácticas a realizar individualmente o en grupo, según el alcance de las mismas. Se evaluarán la puesta en práctica de los conocimientos de la materia, la metodología de diseño, el funcionamiento y la innovación. Independientemente de la nota obtenida en el resto de los apartados de evaluación, el alumno deberá superar esta parte práctica para superar la asignatura. El examen final es optativo, por lo que el alumno puede optar por incrementar el peso de la parte práctica hasta el 80% de la nota de la asignatura.	40
Mesa redonda	Se valolará la participación en las clases y tutorías colectivas.	3
Proba de resposta breve	Prueba escrita con problemas de similar dificultad a los planteados durante el curso. Se evaluarán el dominio de conocimientos teóricos y su aplicación en resolución de problemas. El examen final es optativo, por lo que el alumno puede optar por incrementar el peso de la parte práctica hasta el 80% de la nota de la asignatura.	40

Observacións avaliación
Consideraciones generales. La evaluación formativa del alumno se realizará a través de las prácticas de la asignatura y las actividades relativas a la resolución de problemas. En lo que respecta a las prácticas de laboratorio, éstas se evaluarán de forma continuada al finalizar cada una de ellas. En el enunciado de cada práctica se detallan los criterios específicos de valoración de la misma. Por otra parte, las actividades de aprendizaje no presenciales se utilizarán para realizar una valoración de la evolución y participación del alumno en el cuatrimestre. Por último, se realiza una evaluación sumativa del alumno mediante un examen final al término del cuatrimestre. Este será eminentemente práctico para que el alumno pueda demostrar que ha adquirido los conocimientos necesarios y se ha entrenado lo suficiente como para poseer las habilidades precisas para resolver supuestos prácticos. La puntuación asignada a cada una de las preguntas del examen irá consignada en la prueba. El estudio de la asignatura no puede plantearse como una actividad de estudio memorístico de los algoritmos presentados en clase y de lectura de la bibliografía, sino que deberá tomar una orientación más práctica tal y como se propone en las actividades no presenciales. El examen final es optativo, por lo que el alumno puede optar por incrementar el peso de la parte práctica hasta el 80% de la nota de la asignatura.

Bibliografía básica	Christopher D. Manning y Hinrich Schütze (1999). Foundations of Statistical Natural Language Processing. The MIT Press, Cambridge (Massachusetts, EE.UU.)/Londres (Reino Unido) Robert Dale, Hermann Moisi y Harold Somers (eds.) (2000). Handbook of Natural Language Processing. Marcel Dekker, Inc., Nueva York/Basilea Christopher D. Manning, Prabhakar Raghavan, y Hinrich Schütze (2008). Introduction to Information Retrieval. Cambridge University Press, Cambridge A. Arampatzis, Th. P. van der Weide, P. van Bommel y C.H.A. Koster (2000). Linguistically-motivated Information Retrieval. En Vol. 69 de Encyclopedia of Library and Information Science, pág. 201-222. Marcel Dekker Peter Jackson y Isabelle Moulinier (2007). Natural language processing for online applications : text retrieval, extraction and categorization (2nd ed.). John Benjamins, Amsterdam/Philadelphia James Allen (1995). Natural Language Understanding (2a ed.). The Benjamin/Cummings Publishing Company, Inc., Redwood City, CA, EE.UU Marius Pasca (2003). Open-domain question answering from large text collections . CSLI Publications, Standford W. Bruce Croft, Donald Metzler y Trevor Strohman (2009). Search Engines: Information Retrieval in Practice. Pearson Education, Upper Saddle River, NJ, USA Daniel Jurafsky y James H. Martin (2009). Speech and Language Processing. An Introduction to Natural Language Processing, Computational Linguistics and Speech Recognition (2nd ed.). Pearson Prentice Hall, Upper Saddle River, New Jersey, EE.UU

Bibliografía complementaria	Pierre M. Nugues (2006). An introduction to Language Processing with Perl and Prolog. Springer , Berlin - Heidelberg- New York W. John Hutchings y Harold L. Somers (1992). An Introduction to Machine Translation. Academic Press, Londres/San Diego Gregory Grefenstette (ed.) (1998). Cross-language information retrieval. Kluwer Academic Publishers, Boston José Francisco Quesada Moreno y José Gabriel De Amores Carredano (2000). Diseño e implementación de sistemas de traducción automática. Secretariado de Publicaciones de la Universidad de Sevilla Piek Vossen (ed.) (1998). EuroWordNet. A Multilingual Database with Lexical Semantic Networks. Kluwer Academic Publishers, Dordrecht, Holanda Eric Wehrli (1997). L’analyse syntaxique des langues naturelles. Masson, París Ricardo Baeza-Yates y Berthier Ribeiro-Neto (1999). Modern Information Retrieval. Addison Wesley y ACM Press, Harlow, Inglaterra Steven Bird, Ewan Klein y Edward Loper (2009). Natural Language Processing with Python. O'Reilly Media, Sebastopol, USA Klaas Sikkel (1997). Parsing Schemata — A Framework for Specification and Analysis of Parsing Algorithms, Texts in Theoretical Computer Science — An EATCS Series. Springer-Verlag, Berlín/Heidelberg/Nueva York Fernando C. N. Pereira y Stuart M. Shieber (1987). Prolog and Natural Language Analysis, CSLI Lecture Notes 10. Center for the Study of Language and Information, Stanford, CA, EE.UU. José Luis Vicedo González (2003). Recuperación de Información de alta precisión: Los sistemas de búsqueda de respuestas. Sociedad Española para el Procesamiento del Lenguaje Natural Jerry R. Hobbs (1993). The generic information extraction system. En Proceedings of the 5th Conference on Message understanding (MUC-5), pág. 87-91. Morgan Kauffman Publishers, San Francisco, USA

Observacións