Grundläggande textanalys

Poäng: 7,5 hp
Kursplan: 5LN443
Teachers: Joakim Nivre, Marie Dubremetz, Eva Pettersson

Nyheter

Alla uppgifter är nu rättade. För dem som har uppgifter kvar, erbjuds ett sista inlämningstillfälle den 15 augusti.
GÖR KURSVÄRDERING! (2014-05-27)
Deadline för inlämning av ALLA kvarvarande uppgifter: 5 juni. (2014-05-27)
Eva: Deadline för uppgift 3 utsträckt till 28 maj. (2014-05-23)
Joakim: Jag har rättat ett fel i VG-uppgiften på inlämingsuppgift 2. Den andra och tredje uppgiften hade blivit omkastade. Tack till Rickard som upptäckte detta. (2014-05-17)
Schema för de muntliga redovisningarna finns nu längre ner på sidan. Observera att redovisningstillfället på eftermiddagen den 22/5 är struket. (2014-05-15)
Joakim: Meddela mig senast 2014-05-16 om ni vill redovisa på engelska. Jag kommer därefter att göra ett schema för redovisningarna (och anta att de som inte hört av sig vill redovisa på svenska). (2014-05-05)
Schemaändring: Föreläsningen om XML har senarelagts och kommer efter föreläsningarna om språkgranskning som tidigareläggs. (2014-05-05)
Joakim: Jag har reviderat instruktionerna för uppgift 2 och lagt till mera data. (2014-05-01)
Joakim: Jag har nu tilldelat alla en artikel att sammanfatta. (2014-05-01)
Joakim: Jag har lagt upp en rättad version av HMM-bilderna som innehöll en del småfel. (2014-04-30)
Joakim: Meddela mig vilken artikel ni vill sammanfatta. Jag lägger till namn i blått framför de artiklar som är tagna enligt principen först till kvarn. Den 24 april fördelar jag kvarvarande artiklar på dem som inte gjort något val. (2014-04-07)

	Datum	Tid	Sal	Innehåll	Litteratur
F1	1/4	10-12	16-0041	Introduktion (JN)
F2	3/4	14-16	16-0041	Textsegmentering (MD)	Mikheev
F3	8/4	10-12	16-0041	Morfologisk analys (MD)	J&M 3
L4	10/4	10-12	Chomsky	Lab 1
F5	15/4	10-12	16-0041	N-gram-modeller (JN)	J&M 4
F6	22/4	10-12	16-0041	Ordklasstaggning (JN)	J&M 5
F7	24/4	10-12	16-0041	Markov-modeller (JN)	J&M 6
L8	6/5	10-12	Chomsky	Lab 2
F9	8/5	10-12	16-0041	Språkgranskning 1 (EP)	DB&M
F10	13/5	10-12	16-0041	Språkgranskning 2 (EP)	Knutsson, Birn
F11	15/5	10-12	16-0041	Textanalys med XML (MD)	Myer
L12	20/5	14-16	9-1064	Lab 3
S13	22/5	10-12	16-0041	Redovisningar
S15	27/5	10-12	16-0041	Redovisningar
S16	27/5	14-16	16-0042	Redovisningar

Kursen behandlar metoder för grundläggande textanalys upp till ordnivå, inklusive tokenisering, meningssegmentering, morfologisk analys och ordklasstaggning. Kursen tar också upp språkgranskning med tonvikt på stavningskontroll.

Examination

Kursen examineras genom inlämingsuppgifter med både praktiska och teoretiska uppgifter samt ett muntligt och skriftligt referat. För betyget godkänt (G) krävs godkänt på samtliga uppgifter. För betyget väl godkänt (VG) krävs väl godkänt på minst två inlämningsuppgifter samt det skriftliga referatet.

Inlämingsuppgifter

Referat

Referatuppgiften består i att sammanfatta en vetenskaplig artikel muntligt på 5-10 minuter och skriftligt på 1-2 sidor. Artikeln väljs bland de förslag som finns under litteratur nedan. Det skriftliga referatet skickas som PDF till joakim.nivre@lingfil.uu.se senast den 5 juni.

Schema för muntlig redovisning:

Torsdag 22/5 10-12: Nicklas, Oscar G A, Vivian, Henrik, Avan, Kim.
Tisdag 27/5 10-12: Jakob, Odd, Dennis, Rickard, Tiger, Oscar S.
Tisdag 27/5 14-16: Vincent, Victor, Emil, Nils, Julia.

OBS: Vi har inga redovisningar på eftermiddagen den 22/5.

Frågor att beakta i såväl det muntliga som det skriftliga referatet:

Vilket språkteknologiskt problem behandlas i artikeln?
Vilken metod används för att tackla detta problem?
Hur förhåller sig metoden till tidigare arbeten på området?
Hur visar författarna att metoden fungerar?
Vad lärde du dig av att läsa artikeln?
Skulle du rekommendera andra att läsa artikeln/använda metoden?

Litteratur

Gemensam litteratur:

Birn = Juhani Birn. 2000. Detecting Grammar Errors with Lingsoft's Swedish Grammar Checker. Proceedings of the Twelfth Nordic Conference in Computational Linguistics (NoDaLiDa), 28-40.
DB&M = Markus Dickinson, Chris Brew and Detmar Meurers. 2013. Language and Computers. Wiley-Blackwell. 2013. Kapitel 2. [webbsida]
J&M = Daniel Jurafsky and James H. Martin. 2009. Speech and Language Processing. Second Edition. Pearson Prentice-Hall. [webbsida]
Knutsson = Ola Knutsson. 2001. Automatisk språkgranskning av svensk text. Licentiatavhandling, KTH. Kapitel 2: Utgångspunkter och angrepssätt för automatisk språkgranskning. Kapitel 3: Granskas regelspråk
Mikheev = Andrei Mikheev. 2003. Text Segmentation. The Oxford Handbook of Computational Linguistics, 201-218
Myer = Tom Myer. 2005. A Really, Really, Really Good Introduction to XML. Chapter 1. Excerpt from No Nonsense XML Web Development with PHP.

Artiklar för referatuppgiften:

[Nicklas] Antti Arppe. 1999. Developing a Grammar Checker for Swedish. In NODALIDA '99: Proceedings from the 12th Nordic Conference on Computational Linguistics.
[Oscar G A] Kenneth R. Beesley. 1996. Arabic Finite-State Morphological Analysis and Generation. In Proceedings of the 16th International Conference on Computational Linguistics, 89-94.
[Julia] Thorsten Brants. 2000. TnT - A Statistical Part-of-Speech Tagger. In Proceedings of the Sixth Conference on Applied Natural Language Processing, 224-231.
[Vivian] Eric Brill. 1992. A Simple Rule-Based Part-of-Speech Tagger. In Proceedings of the Third Conference on Applied Computational Linguistics, 112-116.
[Henrik] Stanley F. Chen and Joshua Goodman. 1996. An Empirical Study of Smoothing Techniques for Language Modeling. In Proceedings of the 34th Annual Meeting of the Association for Computational Linguistics, 310-318.
[Avan] Rickard Domeij, Ola Knutsson, Johan Carlberger and Viggo Kann. 2000. Granska - an efficient hybrid system for Swedish grammar checking. In Proceedings of the 12th Nordic Conference on Computational Linguistics.
[Jakob] Gregory Grefenstette and Pasi Tapanainen. 1994. What is a word, What is a sentence? Problems of Tokenization. In Proceedings of the 3rd Conference on Computational Lexicography and Text Research (COMPLEX '94).
[Odd] Nizar Habash and Owen Rambow. 2005. Arabic Tokenization, Part-of-Speech Tagging and Morphological Disambiguation in One Fell Swoop. In Proceedings of the 43rd Annual Meeting of the Association for Computational Linguistics, 573-580.
[Dennis] Péter Halácsy, András Kornai and Csaba Oravecz. 2007. HunPos - An Open Source Trigram Tagger. In Proceedings of the ACL 2007 Demo and Poster Session, 209-2012.
[Rickard] Fred Karlsson. 1990. Constraint Grammar as a Framework for Parsing Running Text. In Proceedings of the 13th International Conference on Computational Linguistics, 168-173.
[Tiger] Hwee Tou Ng and Jin Kiat Low. 2004. Chinese Part-of-Speech Tagging: One-ata-Time or All-at-Once? Word-based or Character-Based?. In Proceedings of EMNLP 2004, 277-284.
[Oscar S] Patrizia Paggio. 2000. Spelling and Grammar Correction for Danish in SCARRIE. In Proceedings of the 6th Applied Natural Language Processing Conference, 255-261.
[Vincent] Hasim Sak, Tunga Güngör and Murat Saraclar. 2009. A Stochastic Finite-State Morphological Parser for Turkish. In Proceedings of the ACL-IJCNLP 2009 Conference Short Papers, 273–276.
[Victor] Helmut Schmid. 1994. Probabilistic Part-of-Speech Tagging Using Decision Trees. In Proceedings of the International Conference on New Methods in Language Processing.
[Kim] Mark Stevenson and Robert Gaizauskas. 2000. Experiments on Sentence Bounday Detection. In Proceedings of the 6th Applied Natural Language Processing Conference, 84-89.
[Emil] Heli Uibo. 2005. Finite-State Morphology of Estonian: Two-Levelness Extended. In Proceedings of Recent Advances in Natural Language Processing, 580-584.
[Nils] Yue Zhang and Stephen Clark. 2008. Joint Word Segmentation and POS Tagging Using a Single Perceptron. In Proceedings of the 46th Annual Meeting of the Association for Computational Linguistics, 888-896.

Kursvärderingar

Mittkursvärdering

Slutkursvärdering