| 授業方針・テーマ |
機械翻訳、情報検索、Webマイニングといった様々な人工知能の応用で活用されている自然言語処理の要素技術と応用を学ぶ。 |
習得できる知識・能力や授業の
目的・到達目標 |
・自然言語処理に関する基礎知識を習得する
・自然言語処理の重要なアプリケーションを支える技術を理解する
・自然言語処理の最近の動向（深層学習）を知る
・自然言語処理のシステムの構築と評価ができるようになる |
授業計画・内容
授業方法 |
（授業計画）
2024年に出版予定の「自然言語処理の教科書（仮）」のドラフトを教科書として配布し、自然言語処理システムの作り方について解説・演習する。課題の提出を毎回課す。授業の最後は自然言語処理システムに関するプレゼンテーションを課す。
（内容）
01. イントロダクション
02. 自然言語処理システムのデザイン (1): タスクとアプローチ
03. 自然言語処理システムのデザイン (2): データと評価、フロー
04. 分類タスク (1): 評価極性分析
05. 分類タスク (2): 文書分類
06. 分類タスク (3): 品質推定
07. 系列ラベリングタスク (1): 形態素解析
08. 系列ラベリングタスク (2): 固有表現認識
09. 系列ラベリングタスク (3): 誤り検出
10. 生成タスク (1): 文書要約
11. 生成タスク (2): 機械翻訳
12. 生成タスク (3): 対話
13. 言語資源のつくり方 (1): 辞書
14. 言語資源のつくり方 (2): コーパス
15. 期末課題発表会
（授業方法）
教科書をベースに解説し、演習で自然言語処理システムを構築する。 |
| 授業外学習 |
各回の内容に相当する教科書の該当部分を指定するので、読んでくる。 |
| テキスト・参考書等 |
教科書
小町「自然言語処理の教科書（仮）」（技術評論社 2024 出版予定）
参考書
奥野・ニュービッグ・萩原（共著）小町（監修）「自然言語処理の基本と技術」（翔泳社 2016）
黒橋（著）「自然言語処理〔三訂版〕」（放送大学 2023） |
| 成績評価方法 |
毎回の提出課題（60%）および最終プレゼンテーション（40%）によって評価する。
プレゼンテーションは独創性、有用性、信頼性、了解性の観点から評価する。 |
質問受付方法
(オフィスアワー等) |
メールもしくは X による質問を受け付ける。
e-mail: komachi@tmu.ac.jp
X ID: mamoruk |
特記事項
(他の授業科目との関連性) |
以下の学部専門科目と関連している。このうち「機械学習」は履修しておくことが望ましい。
B2「形式言語とオートマトン」「人工知能」
B3「情報理論」「機械学習」「パターン認識」 |
| 備考 |
|
シラバス照会