Descripción y contextualización de la asignatura

El objetivo de la asignatura es conocer y obtener la capacidad de implementar aplicaciones basadas en las tecnolog¿ del lenguaje o procesamiento del lenguaje natural. Se estudiaran la aplicaciones b¿cas de PLN que en la actualidad se utilizan en la industria de la tecnolog¿ del lenguaje.

El contenido se concentrara en las siguientes tareas:

i) Extracci¿e la informaci¿Presentar t¿icas avanzadas para la desambiguaci¿el l¿co en varios niveles ling¿¿icos. Las t¿icas desambiguaci¿ncluyen algoritmos de desambiguaci¿e sentido de palabras, entity linking, y reconocimiento y clasificaci¿e entidades nombradas (NERC). Conocer e implementar algoritmos de extracci¿e informaci¿structurada, as¿omo la extracci¿e relaciones sem¿icas y extracci¿e eventos. Para ello, el alumno ser¿apaz de utilizar t¿icas avanzadas de Deep Learning (embeddings, transfer learning, LSTM, CNN, etc.), sequence labeling (inferencia, beam search, viterbi, etc.) y supervisi¿ distancia.

ii) Question Answering: Presentar t¿icas no supervisadas (unsupervised learning) basadas en la similitud textual sem¿ica (embeddings, teoria de grafos), y t¿icas basadas en algoritmos supervisados que incluyen m¿dos end-to-end, recuperaci¿e informaci¿y recuperaci¿e conocimiento. Tambi¿se estudiar¿t¿icas de generaci¿e lenguaje (p.e. modelos de lenguaje, seq2seq). Se estudiaran los ¿ltimos avances en tareas multimodales (e.g. visual question answering)

iii) Sistemas conversacionales: Presentar los m¿os que conforman los sistemas conversacionales, y los algoritmos que controlan interacci¿el dialogo entre humanos y m¿ina. Se har¿special hincapi¿n el m¿o de comprensi¿el lenguaje natural (NLU) as¿omo la generaci¿el lenguaje.

Resultados del aprendizaje de la asignatura

Capacidad de implementar aplicaciones basadas en la tecnolog¿ del lenguaje o procesamiento del lenguaje natural.

Conocimiento de la utilizaci¿e herramientas b¿cas del procesamiento del lenguaje natural.

Capacidad de utilizar y programar aplicaciones que utilizan m¿dos avanzados como Deep Learning y Machine Learning.

Capacidad de evaluaci¿e aplicaciones NLP.

Temario

1. Introducci¿l NLP aplicado

2. Extracci¿e Informaci¿ t¿icas de desambiguaci¿3. Sistemas de Preguntas-Respuestas.

4. Sistemas conversacionales.

Bibliografía

Bibliografía básica

Chris Manning and Hinrich Sch¿tze. Foundations of Statistical Natural Language Processing, MIT Press. Cambridge, MA: May 1999.

Daniel Jurafsky, James H. Martin. Speech and Language Processing (2nd Edition), Pearson. May, 2008.

Eneko Agirre, Phillip Edmonds (Eds.). Word Sense Disambiguation: Algorithms and applications, Springer. 2007

Yoav Goldberg, Graeme Hirst. Neural Network Methods in Natural Language Processing (Synthesis Lectures on Human Language Technologies). 2017. Primer. http://u.cs.biu.ac.il/~yogo/nnlp.pdf

ACL: https://aclweb.org/anthology/