| Competencias del título |
| Código | Competencias de la titulación |
| A1 | Aprender de manera autónoma nuevos conocimientos y técnicas avanzadas adecuadas para la investigación, el diseño y el desarrollo de sistemas y servicios informáticos. |
| A3 | Concebir y planificar el desarrollo de aplicaciones informáticas complejas o con requisitos especiales. |
| A5 | Saber especificar, diseñar e implementar sistemas inteligentes cuando las soluciones convencionales no resultan satisfactorias. |
| A8 | Concebir, desplegar, organizar y gestionar un servicio informático complejo. |
| B1 | Aprender a aprender. |
| B2 | Resolver problemas de forma efectiva. |
| B3 | Aplicar un pensamiento crítico, lógico y creativo. |
| B4 | Aprendizaje autónomo. |
| B5 | Trabajar de forma colaborativa. |
| B6 | Comportarse con ética y responsabilidad social como ciudadano y como profesional. |
| B8 | Trabajar en equipos de carácter interdisciplinar. |
| B9 | Capacidad para tomar decisiones. |
| B10 | Capacidad de gestión de la informática (captación y análisis de la información). |
| B15 | Motivación por la calidad. |
| C3 | Utilizar las herramientas básicas de las tecnologías de la información y las comunicaciones (TIC) necesarias para el ejercicio de su profesión y para el aprendizaje a lo largo de su vida. |
| C5 | Entender la importancia de la cultura emprendedora y conocer los medios al alcance de las personas emprendedoras. |
| C6 | Valorar críticamente el conocimiento, la tecnología y la información disponible para resolver los problemas con los que deben enfrentarse. |
| C7 | Asumir como profesional y ciudadano la importancia del aprendizaje a lo largo de la vida. |
| C8 | Valorar la importancia que tiene la investigación, la innovación y el desarrollo tecnológico en el avance socioeconómico y cultural de la sociedad. |
| Resultados de aprendizaje | |||
| Competencias de materia (Resultados de aprendizaje) | Competencias de la 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 aquéllos que no lo son. | B3 |
||
| Conocer los algoritmos, técnicas y métodos más empleados actualmente en 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 humanas. | 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 |
||
| Contenidos |
| Tema | Subtema |
| 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 sintático 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 PR |
| TRADUCCIÓN AUTOMÁTICA (TA) |
Conceptos básicos y problemática Técnicas "clásicas" Técnicas estadísticas Aplicaciones en RI interlingüe |
| Planificación | |||
| Metodologías / pruebas | Horas presenciales | Horas no presenciales / trabajo autónomo | Horas totales |
| Prueba de respuesta breve | 3 | 4 | 7 |
| Sesión magistral | 17 | 17 | 34 |
| Taller | 8 | 8 | 16 |
| Prácticas de laboratorio | 10 | 20 | 30 |
| Mesa redonda | 4 | 4 | 8 |
| Atención personalizada | 5 | 0 | 5 |
| (*)Los datos que aparecen en la tabla de planificación són de carácter orientativo, considerando la heterogeneidad de los alumnos | |||
| Metodologías |
| Metodologías | Descripción |
| Prueba de respuesta breve | A final de curso se realizaré una prueba escrita con problemas de similar dificultad a los planteados durante el curso. |
| Sesión magistral | 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. |
| Taller | 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 expondrán 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 del 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 antelación suficiente, 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 discusiones en forma de tutorías colectivas. |
| Atención personalizada |
|
|
| Evaluación | ||
| Metodologías | Descripción | Calificación |
| Prueba de respuesta breve | Prueba escrita con problemas de dificultad semejante a los expuestos durante lo 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 materia. |
40 |
| Mesa redonda | Se valorará la participación en las clases y tutorías colectivas. | 3 |
| Prácticas de laboratorio | Se presentarán 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 materia. 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 materia. |
40 |
| Taller | Se valorará la participación en las clases y tutorías colectivas. | 7 |
| Sesión magistral | Se valorará la participación en las clases y tutorías colectivas. | 10 |
| Observaciones evaluación | ||
|
En el caso de nuevos alumnos, al no haber ya ni clases teóricas ni horario de laboratorios asignados a la materia, la calificación de la materia se basará únicamente en la nota obtenida en el examen, del tipo de respuesta breve. |
||
| Fuentes de información |
| 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 |
|
|
|
| Complementária |
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 |
|
|
| Recomendaciones | |
| Asignaturas que se recomienda haber cursado previamente |
| Asignaturas que se recomienda cursar simultáneamente |
| Asignaturas que continúan el temario | |
|
| Otros comentarios | |