Natural Language Processing

Fout bij het aanmaken van de miniatuurafbeelding: Bestand is zoek

Natural Language Processing

Table of Contents, Some structure

toc-structure, PDF

Opgeloste Examenvragen

Examenvragen en oplossingen (grote download) (Ik heb de afbeeldingen niet verkleind, om de leesbaarheid zo hoog mogelijk te houden. (Een camera biedt natuurlijk niet dezelfde kwaliteit als een scanner)) Dank aan Mathijs!

Meer info over ATN's

http://www.cs.msstate.edu/~lboggess/courses/atninstr.txt

http://www.cs.bham.ac.uk/research/poplog/src/master/S.pcwnt/teach/atnsum

Systems & Approaches

Ik stel voor dat we hier de gevonden informatie of links posten over. De vragen die we over het systeem zullen krijgen zijn waarschijnlijk:

• Bespreek 1 van de 3 systemen die je gelezen hebt:
  • What kind of nlp system is it?
  • What is the approach. What are the principles?
  • Give Pro’s and Contra’s
  • How is this an improvement over older systems; how would newer systems tackle this problem?

ELIZA

http://www-ai.ijs.si/eliza-cgi-bin/eliza_script

FLEXP

http://www.gnu.org/software/flex/

PARSIFAL

http://www.spinfo.uni-koeln.de/lehre/clg/docs/referate/MarcusParser.pdf - presentatie in 't Duits

ROBOT

Paper over ROBOT (grote download) (Ik heb de afbeeldingen niet verkleind, om de leesbaarheid zo hoog mogelijk te houden. (Een camera biedt natuurlijk niet dezelfde kwaliteit als een scanner)) Dank aan Mathijs!

SHRDLU

Wiki-samenvatting en een technische uitleg (met voordelen en nadelen ten opzichte van Eliza en Parry)

SYSTRAN

SYSTRAN op wikipedia

TOVNA

http://lists.village.virginia.edu/lists_archive/Humanist/v02/0023.html

VERBMOBIL

Verbmobil-documentatie

EIGEN VONDSTEN

van de nieuwsgroep:

Jeroen Trappers, 2006-06-17

Examenvragen NLP 2006; weeral dezelfde vragen, waarom is hier nog een examen van? (niet dat ik klaag :))

• 1. Gegeven 3 teksten (Origineel, resultaat van dictee en vorige door spell checker gehaald, met gevonden fouten aangeduid).

Gevraagd:

• • bereken precision en recall
  • bespreek wat je van het resultaat vindt (bespreek de kwaliteit van de spell checker)

• 2. Parsing

Grammar:

S ← NP VP                         NP ← DET N
VP ← V NP                         NP ← DET N PP
VP ← V NP PP                      PP ← P NP

Lexicon:

the: DET
boy, girl, mouth: N
on: P
kisses: V, N

Gevraagd:

Shift reduce parser: maak hiervoor een parser state diagram en oracle;

Pas het toe op de gegeven zin: “The girl kisses the boy on the mouth”.

• 3. Bespreek 1 van de 3 systemen die je gelezen hebt: (at most 2 pages should suffice)
  • What kind of nlp system is it?
  • Give Pro’s and Contra’s
  • -voor nieuwere systemen: hoe zijn ze een verbetering ten op zicht van ouderen
  • -voor oudere systemen: leg uit hoe nieuwere systemen het gekozen systeem verbeteren

--> merk hierbij op dat de prof niet zegt welk van de drie je moet bespreken, 't komt er dus op neer dat je er vooral een goed gelezen moet hebben en kunnen vergelijken met een ander.

Koenraad Heijlen, 2005-06-18

Examenvragen NLP 2005; zeker geen verrassing t.o.v. de vorige jaren.

• 1. Gegeven 3 teksten (1 correct, 1 ingetypt en 1 door een spellings-checker gehaald met de gevonden fouten gemarkeerd).

Gevraagd: (a) bereken precision en recall (b) bespreek en wat vind je van het resultaat?

• 2. Parsing

Grammar:

S ← NP VP                         NP ← DET N
VP ← V NP                         NP ← DET N PP
VP ← V NP PP                      PP ← P NP

Lexicon:

the: DET
boy, girl, mouth: N
on: P
kisses: V, N

Gevraagd:

Shift reduce parser: maak hiervoor een parser state diagram en oracle;

Pas het toe op de gegeven zin: “The boy kisses the girl on the mouth”. (of vice versa)

• 3. Bespreek 1 van de 3 systemen die je gelezen hebt:
  • What kind of nlp system is it?
  • What is the approach. What are the principles?
  • Give Pro’s and Contra’s
  • How is this an improvement over older systems; how would newer systems tackle this problem?

Willem Poorten, 2003-06-21

• 1. In class we dealt with ATN’s for NP-structures. Write the network(s) that you need to recognice and analyse (i.e. build the structure of) a PP (Prepositional Phrase); start from the states of the simple RTN for PPs From figure (TD3’)

REMARK: the NP-ATN is not asked for; you may assume that it is available

• 2. ab*a*c: transitiediagram maken

• 3. geg:

S <- NP VP
VP <- V NP
VP <- V NP PP
NP <- DET N
NP <- DET N PP
PP <- P NP

shift reduce parser: maak hiervoor een parser state diagram en oracle parse trace NOT asked

• 4. reading assignment
  • kind of nlp system
  • approach/principles
  • pro en contra
  • how is this an improvement over older systems/how would newer systems tackle this problem

Robby Goetschalckx, 2002-02-02

• 1) error grammar approach en similarity: bespreek voor en nadelen, wat gebruiken in een echt systeem

• 2) a(ba)*b*c: deterministisch transitiediagram maken

• 3) geg:

S <- NP
NP <- DET NO
NP <- NP PP
NO <-N
NO <- ADJ NO
PP <- PREP NP

shift reduce parser: maak hiervoor een parser state diagram en oracle + pas toe op een gegeven zin

• 4) reading assignment
  • kind of nlp system
  • approach/principles
  • pro en contra
  • how is this an improvement over older systems/how would newer systemstackle this problem