Procesamiento de Corpus Textuales y Orales

Programa: Licenciatura en computación, Facultad de Ingeniería, UNAM

Objetivo: El alumno conocerá los métodos, problemas y aplicaciones del Procesamiento del Lenguaje Natural basado en el procesamiento de corpus textuales y será capaz de imaginar soluciones a problemas concretos en este campo.

Temario

• 1. Introducción al curso

  2. Definición del concepto de corpus

     1. Antecedentes

     2. ¿Qué son los corpus?

     3. Corpus lingüísticos informatizados

     4. Lingüística de corpus

     5. Características de un corpus

  3. Tipología y compilación de corpus

• • 1. Tipología

    2. Identificación del objetivo

    3. Extracción de textos

    4. Corpus orales

• 4. Teoría de la información y representación de datos

• • 1. Definición de información

    2. Entropía

    3. Modelo del canal ruidos

    4. Ley de Zipf

    5. Modelos del lenguaje

• 5. Lenguajes de anotación

• • 1. Anotación de corpus

    2. Extándares

    3. Lenguajes de anotación

    4. XML

    5. Esquemas de anotación

• 6. Anotación fonética

• • 1. Fonética y fonología

    2. Rasgos fonéticos

    3. Anotación de datos orales

    4. Anotación de datos textuales

• 7. Anotación morfológica

• • 1. Morfología

    2. Métodos de detección morfológica

    3. Lematización y stemming

    4. Ultra-stemming

• 8. Anotación morfosintáctica

• • 1. Categorías gramaticales

    2. Etiquetado gramatical

    3. Algoritmos basados en reglas

    4. Modelos Ocultos de Markov

    5. Herramientas para POST

• 9. Anotación Sintáctica

• • 1. Sintaxis

    2. Gramáticas libres de conte4xto

    3. Gramáticas libres de contexto probabilísticas

    4. Chunking

    5. Parsing

• 10. Anotación semántica

• • 1. Semántica

    2. Terminología y terminótca

    3. TF-IDF

    4. Relaciones léxicas

    5. Ontologías

• 11. Análisis de corpus

• • 1. Conteo de palabras

    2. Concordancias

    3. Colocaciones

    4. Medidas de asociación

    5. Análisis cuantitativo

    6. Herramientas disponibles