タイトル「2021年度 修士課程シラバス」、フォルダ「2021年度 教育学研究科(修士課程)シラバス-教育AI研究プログラム
シラバスの詳細は以下となります。
ナンバリングは科目コードとは異なります。ご注意ください。
ナンバリングとは
科目コード   16230070 
科目名   言語情報解析論  
担当教員   内海 彰  
対象学年   2年   クラス   01  
講義室   S204    開講学期   春学期  
曜日・時限   月2   単位区分   選必  
授業形態   演習   単位数  
受講対象  教育支援協働実践開発専攻教育AI研究プログラム展開(情報AI) 
備考   
ナンバリング   2S2M12 
ねらいと目標 AIをはじめとした高度情報通信技術において必要とされる自然言語処理の基礎と応用に関して,講義と演習を行う.これらの学習を通じて言語情報を解析・処理するための知識と技術を習得することを目標とする.
 
内容 日本語を主な対象として,自然言語処理の基礎技術である形態素解析,構文解析,言語統計,テキスト分類,意味解析について学習する.さらに,これらの応用として,機械翻訳や対話システムなどの実現方法を学習する.
 
テキスト 特に使用しない. 
参考文献 WebClass 上で,適宜,プリントやスライドを提供する.

さらに,自主学習のための参考文献として,以下を推奨する.
Dan Jurafsky and James H. Martin: Speech and Language Processing (3rd ed. draft)
https://web.stanford.edu/~jurafsky/slp3/

演習問題については,以下のサイト

「言語処理100本ノック 2020年版」
https://nlp100.github.io/ja/

を基本的に用いるが,本講義独自の演習問題も用意する. 
成績評価方法 授業中に課す数回の課題の提出と最終レポートで評価する. 
授業スケジュール(展開計画)
内容
1導入と準備(1):自然言語処理とは
2導入と準備(2):形態素解析とpythonによる言語処理
3言語統計:単語の出現頻度と共起頻度,tf-idf
4言語モデル:n-gram
5構文解析:係り受け解析と述語項構造
6機械学習と文章分類(1):センチメント分析(二値分類)
7機械学習と文章分類(2):ロジスティック回帰と分類器の評価方法
8機械学習と文章分類(3):多値分類とナイーブベイズ法
9単語ベクトル(1):基礎と利用
10単語ベクトル(2):単語ベクトルの学習
11ニューラル言語処理(1):階層型ネットワーク
12ニューラル言語処理(2):分類器の学習
13ニューラル言語処理(3):リカレントネットワーク(RNN)
14ニューラル言語処理(4):系列変換(seq2se2)と機械翻訳
15今までのまとめ
授業のキーワード 自然言語処理,形態素解析,言語統計,構文解析,ベクトル空間モデル,ニューラル言語処理 
受講補足(履修制限等) 本授業では,Pythonによる自然言語処理に関するプログラミングの演習を行うが,プログラミングそのものの演習は意図していない.よって,Pythonによるプログラミング経験の有無は必ずしも問わないが,プログラミングそのものの基礎的な知識は前提とする.プログラミングの知識や経験が皆無の場合には,本授業の演習を行うのに,かなりの自主的な努力を要する.
 
遠隔授業形態(ライブ配信/オンデマンド) Zoom によるライブ配信型の遠隔授業を行うが,場合に応じてオンデマンド型を併用する.初回の授業までに WebClass に登録して,遠隔授業を受講するための準備をしておくこと. 
その他  
Copyright(C) 2013 NTT DATA KYUSHU Co.,Ltd All rights reserved.