Datos Identificativos 2024/25
Asignatura (*) Comprensión da Linguaxe Natural Código 614544008
Titulación
Descriptores Ciclo Período Curso Tipo Créditos
Mestrado Oficial 1º cuadrimestre
Primeiro Obrigatoria 6
Idioma
Inglés
Modalidade docente Presencial
Prerrequisitos
Departamento Ciencias da Computación e Tecnoloxías da Información
Coordinación
Gómez Rodríguez, Carlos
Correo electrónico
carlos.gomez@udc.es
Profesorado
Gómez Rodríguez, Carlos
Vilares Calvo, David
Vilares Ferro, Jesus
Correo electrónico
carlos.gomez@udc.es
david.vilares@udc.es
jesus.vilares@udc.es
Web http://campusvirtual.udc.es
Descrición xeral A materia introduce os conceptos e técnicas básicas asociadas ao procesamento da linguaxe natural, punto de partida para o deseño de contornas de explotación de información e de diálogo baseadas na linguaxe humana, tanto a nivel léxico como sintáctico, semántico e pragmático.

O obxectivo é introducir ao estudante na complexidade inherente á análise da linguaxe natural humana, fundamentalmente asociada á ambigüidade e dependencias contextuais que presenta, e no deseño de estruturas de datos e algoritmos que permitan o seu tratamento práctico.

Competencias / Resultados do título
Código Competencias / Resultados do título

Resultados de aprendizaxe
Resultados de aprendizaxe Competencias / Resultados do título
Coñecer, comprender e analizar a representación formal de diversos fenómenos léxicos, sintácticos e semánticos da linguaxe natural. AM1
BM1
BM3
BM4
BM6
BM10
CM2
CM8
Coñecer, comprender e saber usar as tecnoloxías, marcos e librarías para a construción de sistemas de procesamento da linguaxe natural. AM1
AM2
BM3
BM4
BM6
BM7
BM10
CM2
CM3
CM7
Deseñar, implementar e saber usar algoritmos e estruturas de datos para tratar e dar soporte aos diversos fenómenos característicos da linguaxe natural. AM1
AM2
AM3
BM1
BM3
BM4
BM6
BM7
BM10
CM2
CM3
CM7
CM8
Coñecer, comprender e analizar as técnicas de procesamento da linguaxe natural para o procesado e desambiguación a nivel léxico, sintáctico e semántico. AM1
AM2
AM3
BM1
BM3
BM4
BM6
BM7
BM10
CM2
CM3
CM7
CM8
Coñecer e comprender os problemas que presenta a ambigüidade e imprecisión nas fontes de datos en linguaxe natural e técnicas para resolvelos. AM1
AM2
BM1
BM3
BM4
BM6
BM7
BM10
CM2
CM3
CM7
CM8

Contidos
Temas Subtemas
Introdución. Niveis de análise.
Ambigüidade e dependencias contextuais.
Análise léxica. Segmentación.
Dicionarios e tesauros.
Técnicas de etiquetaxe morfosintáctica.
Análise sintáctica. Gramáticas alxebraicas.
Gramáticas suavemente sensibles ao contexto.
Gramáticas de dependencias.
Gramáticas probabilísticas.
Análise semántica. Semántica léxica.
Dependencias semánticas.
Grafos semánticos.

Planificación
Metodoloxías / probas Competencias / Resultados Horas lectivas (presenciais e virtuais) Horas traballo autónomo Horas totais
Sesión maxistral A2 A3 A4 B1 B3 B6 B7 B10 C2 C8 21 21 42
Prácticas de laboratorio A2 A3 A4 B3 B4 B6 B7 B10 C2 C3 C7 C8 14 48 62
Solución de problemas A2 A3 A4 B3 B4 B6 B7 B10 C2 7 25 32
Proba obxectiva A2 A3 A4 B1 B6 B7 C2 3 9 12
 
Atención personalizada 2 0 2
 
*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado

Metodoloxías
Metodoloxías Descrición
Sesión maxistral Clases teóricas, nas que se expón o contido de cada tema. O alumno disporá de copias das transparencias con anterioridade e o profesor promoverá unha actitude activa, realizando preguntas que permitan aclarar aspectos concretos e deixando cuestións abertas para a reflexión do alumno.
Prácticas de laboratorio Clases prácticas con uso de computador, que permiten ao alumno familiarizarse desde un punto de vista práctico coas cuestións expostas nas clases teóricas.
Solución de problemas Aprendizaxe baseada en problemas, seminarios, estudo de casos e proxectos.
Proba obxectiva Avaliarase o dominio dos coñecementos teóricos e operativos da materia.

Atención personalizada
Metodoloxías
Sesión maxistral
Prácticas de laboratorio
Solución de problemas
Proba obxectiva
Descrición
O desenvolvemento, tanto das clases maxistrais como das de resolución de problemas e os laboratorios de prácticas, realizarase atendendo ao progreso dos alumnos nas capacidades de comprensión e asimilación dos contidos impartidos. O avance xeral da clase compaxinarase cunha atención específica a aqueles alumnos que presenten maiores dificultades na tarefa da aprendizaxe e cun apoio adicional a aqueles que presenten maior desenvoltura e desexen ampliar coñecementos.

No que respecta ás tutorías individuais, dado o seu carácter personalizado, non deben dedicarse a estender os contidos con novos conceptos, senón a aclarar os conceptos xa expostos. O profesor utilizaraas como unha interacción que lle permita extraer conclusións respecto ao grao de asimilación da materia por parte dos alumnos.

Avaliación
Metodoloxías Competencias / Resultados Descrición Cualificación
Prácticas de laboratorio A2 A3 A4 B3 B4 B6 B7 B10 C2 C3 C7 C8 As entregas das prácticas deben realizarse dentro do prazo establecido no campus virtual e deben seguir as especificacións indicadas no enunciado tanto para a súa presentación como o seu defensa. 50
Proba obxectiva A2 A3 A4 B1 B6 B7 C2 Realización obrigatoria. Avaliarase o dominio dos coñecementos teóricos e operativos da materia. 50
 
Observacións avaliación
Os alumnos deberán alcanzar polo menos un 40% da máxima nota cada parte (teoría, práctica) e en calquera caso a suma de ambas as partes debe superar un 5 para superar a materia. Se non se cumpre algún dos requisitos anteriores, a nota da convocatoria establecerase de acordo á menor nota obtida. 

En caso de non alcanzar o mínimo nalgunha das partes, o alumno terá unha segunda oportunidade na que soamente se lle esixirá a entrega de dita parte. 

As entregas das prácticas deben realizarse dentro do prazo establecido no campus virtual e deben seguir as especificacións indicadas no enunciado tanto para a súa presentación como a súa defensa.

Terá a condición de "Presentado" quen entregue todas as prácticas obrigatorias ou concorra á proba obxectiva no período oficial de avaliación.

Todos os aspectos relacionados con dispensa académica, dedicación ao estudo, permanencia e fraude académica rexeranse de acordo coa normativa académica vixente da UDC.


Fontes de información
Bibliografía básica Manning, C., & Schutze, H. (1999). Foundations of statistical natural language processing. MIT Press
Manning, C., & Schutze, H. (1999). Foundations of statistical natural language processing. MIT Press
Jacob Eisenstein (2019). Introduction to Natural Language Processing. MIT Press
Goldberg, Y. (2017). Neural network methods for natural language processing. Synthesis lectures on human language technologies. Morgan Claypool
Jurafsky, D. & Martin, J. H. (2022). Speech and Language Processing (3rd ed. draft). Disponible en: https://web.stanford.edu/~jurafsky/slp3/

Bibliografía complementaria Stuart Russell, Peter Norvig (2020). Artificial Intelligence: A Modern Approach, 4th Edition. Pearson
Kübler, S., McDonald, R., & Nivre, J. (2009). Dependency Parsing. Synthesis lectures on human language technologies. Morgan Claypool
Christopher D. Manning, Prabhakar Raghavan, Hinrich Schütze (2008). Introduction to Information Retrieval. Cambridge University Press, Cambridge
Chollet, F. (2018). Keras: The python deep learning library. Astrophysics Source Code Library

Adicionalmente, manexaranse textos científicos dispoñibles nas bibliotecas dixitais da área, como o ACL Anthology ou ACM.


Recomendacións
Materias que se recomenda ter cursado previamente

Materias que se recomenda cursar simultaneamente
Aprendizaxe Automática I/614544012

Materias que continúan o temario
Minería de Textos/614544011
Modelado da Linguaxe/614544009
Intelixencia Web e Tecnoloxías Semánticas/614544010

Observacións

Segundo se recolle nas distintas normativas de aplicación para a docencia universitaria, esta materia incorpora a perspectiva de xénero. Propiciarase a intervención en clase de alumnos e alumnas, e traballarase para identificar e modificar prexuízos e actitudes sexistas e influirase na contorna para modificalos e fomentar valores de respecto e igualdade. Deberanse detectar situacións de discriminación por razón de xénero e proporanse accións e medidas para corrixilas.



(*)A Guía docente é o documento onde se visualiza a proposta académica da UDC. Este documento é público e non se pode modificar, salvo casos excepcionais baixo a revisión do órgano competente dacordo coa normativa vixente que establece o proceso de elaboración de guías