Alapvető természetes nyelvi és szoftvertechnológiai ismeretek.

A tárgy célkitűzése, hogy egyetemi oktatási és laborok keretein belül a hallgatók behatóan tanulmányozhassák a természetes nyelvi szövegfeldolgozás informatikai alapjait úgy, hogy egy egyszerűsített nyelvi feldolgozót építsenek egyetlen félév leforgása alatt. A tárgy kifejezetten az alkalmazott technológiák mérnöki megoldásával kíván foglalkozni, nem törekszik a problémák nyelvészet-centrikus elemzésére.

Az előadások a feladat megoldásához szükséges információk rendezését, kiegészítését, tisztázását és a konzultációkat foglalják magukba.

Korunk egyik legnagyobb kihívása az, hogy a számítógép és az ember közötti közvetítő réteg egyetlen, mindenki által jól használható elemből álljon – a (természetes) nyelvből. Az élet minden részén jelen levő hasonló technológia teljes kialakítása a közeli jövő egyik fontos eredménye lehet, illetve egyes területeken máris azzá vált. A tárgy keretében a nyelvtechnológiát használó rendszerek minél szélesebb és mélyebb megismerését tesszük lehetővé – elméleti és gyakorlati megoldásokat, illetve problémákat is bemutatva.

A tematika az egyes laborgyakorlatokhoz és előadásokhoz kötődik:

Bevezető: Elméleti áttekintés

1. A szövegfeldolgozási eszköztárak. A nyelv története, sajátosságai. A nyelvfeldolgozás története, céljai, problémái, trendjei. Fogalmi rendszerek pontosítása: adat, információ, tudás, tapasztalat, ismeret, értelem, jelentés, jelentéstartalom. Közlések és közlési formák és modellek tisztázása. Nyelvi bonyolultság fogalma.

2. Bevezető: szó alapú nyelvtechnológiai alapeszközök megismerése

3. Szófa. Szótövező eljárás és szóelválasztó építése reguláris kifejezések segítségével. Működésük a TeX rendszerben.
4. Szótárak. Szótári alakra hozás szótárral. Morfológia jegyek levágása. Morfológia jegyek ragasztása. Egyéb generatív lehetőségek.

5. Kifejezés alapú nyelvtechnológiai eszközök

6. Dokumentum-visszakeresés. Relevancia, információérték. Indexelési stratégiák. Automatikus tárgyszavazás működése a TeX rendszerben.
7. Névelemek azonosítása és felismerése. Köznevek. Tipikus összetett címkék. Címkék értelmezése. Idiómák kezelése szövegekben. Tezaurusz és ontológiák.
8. Névutók, birtokos kifejezések, felsőfokú melléknevek problémái. Kérdések adatbázis-lekérdezésre való fordítása. A mélyháló.

9. Szövegcentrikus nyelvtechnológiai eszközök

10. Vonzatkerettárak. Szöveggenerálás.
11. Sablon alapú fordítás lehetőségei.
12. Hivatkozások feloldása szövegekben. Hobbs-algoritmus, Mitkov-módszer.

13. Alkalmazott informatikai eszközök

14. Kivonatolási problémák és megoldások. Lényegkiemelés minta alapú megoldásai. Hoax- és a phishingszűrés.
15. Kategorizáló építése dokumentumok hierarchiába sorolásához. Spamszűrés.
16. Osztályozó építése dokumentumok egy halmazához. Dinamikus osztályozási feladatok. Archívumok karbantartása.

17. Hangos nyelvi eszközök

18. Beszéd és írás kapcsolata. Fonetikus ábécé és átírás. Szó a beszédben. Végződések.
19. Fonetikai kapcsolatok, kötések. Keresés beszédhanganyagokban. Hangminta-keresés.

(előadás, gyakorlat, laboratórium):

2 előadás + 2 laboratórium

3. A vizsgaidőszakban: szóbeli vizsga
4. Elővizsga: van
5. A vizsgába 50%-os súllyal beszámít a TVSZ által előírt részvételi számú laborgyakorlatokon szerzett osztályzatok átlaga. Ha a hallgató több laborgyakorlaton vett részt, akkor erre a kötelező hányadra előírt legjobb átlagot vesszük figyelembe.

Egy laborgyakorlat pótolható a félév végén.

Előre egyeztetett időpontban bármikor és az előadásokon.

Kiefer F.: Strukturális magyar nyelvtan, I és III. kötet (Mondattan, ill. Morfológia).

Jurafsky, D.-Martin, J.H., Speech and Language Processing (An Introduction to Natural Language Processing, Computational Linguistics, and Speech Recognition), 2000.