Curso de procesamiento del lenguaje natural
|
|
- María Antonia Méndez Botella
- hace 7 años
- Vistas:
Transcripción
1 Curso de procesamiento del lenguaje natural César Antonio Aguilar Facultad de Lenguas y Letras 02/05/2012 Cesar.Aguilar72@gmail.com
2 Qué es una palabra dentro de un corpus? (1) Un hecho que se da muchas veces por sentado en lenguaje natural es el término palabra. Usualmente, la vemos como una cadena de caracteres delimitada por espacios en blanco, con un contenido léxico específico, además de tener rasgos fonológicos, morfológicos y sintácticos. Ahora, esto es así de claro siempre? Qué pasa con las lenguas que tienen como medio de escritura los ideogramas? El primer grafo se pronuncia rén, y significa persona ; el segundo se prouncia mù, y significa árbol. Ambos son identificados como palabras.
3 Qué es una palabra dentro de un corpus? (2) Otro caso, por ejemplo, son las lenguas con morfología aglutinante, p. e., en alemán una frase como La biblioteca de la Universidad de Stuttgart equivalen a dos palabras: Universitätsbibliothek Stuttgart. Existen casos curiosos como la palabra Bundeslandwirtschaftsministerin, que equivale en español a Ministro de Estado para Asuntos Económicos.
4 Qué es una palabra dentro de un corpus? (3) Incluso en español tenemos casos curiosos. Cómo escribirían estas palabras?:
5 Análisis al nivel de palabra (1)
6 Análisis al nivel de palabra (2)
7 Análisis al nivel de palabra (3)
8 Un déjà vu con el POS
9 Por qué es útil el etiquetado POS?
10 Textos crudos y cocidos
11 Procesando textos nuevamente (1) Retomemos nuestros experimentos con NLTK, para lo cual vamos a emplear nuestro conocido texto sobre Turing. Las herramientas que requerimos importar primero son: Una vez hecho esto, importemos nuestro archivo de texto: Cadena_Turing01 = open( Escritorio/turing01.txt', 'ru').read()
12 Procesando textos nuevamente (2) Volvamos a desarrollar el código que hicimos la clase pasada: 1. Tokenizar con la opción que NLTK da default: Tokens_Turing01 = nltk.word_tokenize(cadena_turing01) 2. Insertar etiquetas POS default desde NLTK: Tagged_Turing01 = nltk.pos_tag(tokens_turing01) 3. Mostrar algunos resultados: Tagged_Turing01[0:100]
13 Procesando textos nuevamente (3) Pregunta: que tenemos realmente en nuestro archivo Turing: types o tokens asociados a palabras? Mientras pensamos esto, resolvamos la siguiente cuestión: cuántas palabras hay aquí?
14 Procesando textos nuevamente (4)
15 Procesando textos nuevamente (5) >>> Tokens_Turing01 = nltk.word_tokenize(cadena_turing01)
16 Procesando textos nuevamente (6) Un resultado conocido:
17 Procesando textos nuevamente (6) Un atajo: podemos tokenizar directamente nuestro documento con las siguientes funciones:
18 El algoritmo de Porter (1) La lematización de corpus textuales (sobre todo en inglés) ha tenido un avance considerable a partir de la implementación del algoritmo de Porter.
19 El algoritmo de Porter (2) Para ahorrarnos unas palabras, veamos la explicación que da de este algortimo Dan Jurafsky en su curso:
20 El algoritmo de Porter (3) Las reglas que aplica Porter son las siguientes:
21 El algoritmo de de Porter (4) (4) El algoritmo permite trabajar con palabras que tengan flexión regular o irregular:
22 El algoritmo de Porter (5) Finalmente, este algoritmo nos permite hacer un análisis morfológico bastante eficaz, incluso adaptándolo a otras lenguas.
23 El algoritmo de Porter (6)
24 El algoritmo de Brill (1) Otro algoritmo útil en esta clase de procesamiento al nivel de palabra es el que desarrolló Eric Brill, el cual reconoce formas de palabras, asociándolas posteriormente a una etiqueta sintáctica. Al respecto pueden ver el siguiente sitio WEB: Brill_tagger Eric Brill
25 El algoritmo de Brill (2) El algoritmo de Brill se fundamenta en el aprendizaje basado en transformaciones y dirigido por el error. Este algoritmo consta de los siguientes módulos:
26 El algoritmo de Brill (3) El etiquetador léxico funciona del siguiente modo:
27 El algoritmo de Brill (4) Por su parte, el etiquetador de palabras desconocidas intenta adivinar una etiqueta para una palabra desconocida en función de sus afijos (sufijos o prefijos), y de otras propiedades relevantes similares
28 El algoritmo de Brill (5) El algoritmo de Brill cuenta también con una plantilla genérica de transformaciones léxicas, esto es:
29 El algoritmo de Brill (5) Un ejemplo de transformaciones:
30 El algoritmo de Brill (6) Ejemplos de aplicación en español:
31 El algoritmo de Brill (7) El etiquetador contextual actúa justo después del etiquetador de palabras desconocidas, ya que aplica en orden una secuencia de reglas contextuales que han sido aprendidas de manera automática a partir del corpus de entrenamiento. Un ejemplo es:
32 El algoritmo de Brill (8) El etiquetador contextual también cuenta con una plantilla de transformaciones:
33 El algoritmo de Brill (9) Veamos un caso aplicado al inglés. Supongamos que queremos aplicar un proceso de etiquetado basados en el Corpus Brown:
34 El algoritmo de Brill (10) Aplicamos nuestro etiquetador, y obtenemos oraciones anotadas como:
35 El algoritmo de Brill (11) Si aplicamos el algoritmo de Brill, el módulo de etiquetado contextual podría aplicar las siguientes reglas:
36 El algoritmo de Brill (12) Aplicando la segunda regla obtenemos: Para mayores detalles, pueden consultar la siguiente página, la cual es una explicación que dan Miguel Alonso, Jorge Graña y Jesús Virales, de la Universidad de La Coruña (España):
37 El algoritmo de Porter en NLTK (1) NLTK nos permite usar estos dos algoritmos de manera automática para detectar raíces en nuestros textos. En esta clase, vamos a abordar en concreto el algoritmo de Porter. La instrucción para importarlo es: >>> porter = nltk.porterstemmer() Vamos a complementar el uso del algoritmo de Porter con otro similar, llamado alroritmo de Lancaster: >>> lancaster = nltk.lancasterstemmer()
38 El algoritmo de Porter en NLTK (2) Apliquemos entonces el algoritmo de Porter con la siguiente instrucción: >>> [porter.stem(t) for t in Tokens_Turing01] El resultado lo podemos ver en la siguiente lámina:
39 El algoritmo de Porter en NLTK (3) Intuitivamente, qué errores comete el algoritmo en nuestro texto? De qué manera creen que puedan mejorarse?
40 El algoritmo de Porter en NLTK (4) Ahora, usemos el algoritmo de Lancaster: >>> [lancaster.stem(t) for t in Tokens_Turing01] El resultado lo podemos ver en la siguiente lámina:
41 El algoritmo de Porter en NLTK (5) Qué diferencias encuentran respecto a los resultados arrojados por el algoritmo de Porter?
42 Usando WordNet para lematizar palabras (1) Finalmente, también se puede lematizar un documento. Para ello, NLTK emplea como diccionario una red léxica (otros lo llamarían ontología) con un listado de palabras asociadas a uno o varios ítems léxicos. Esta red léxica es WordNet. La instrucción es: >>> wnl_turing01 = nltk.wordnetlemmatizer() >>> [wnl_turing01.lemmatize(t) for t in Tokens_Turing01]
43 Usando WordNet para lematizar palabras (2) Resultado: Qué diferencias encuentran respecto a la tokenización y la lematización? En qué les podría resultar útil?
44 Gracias por su atención Blog del curso:
Introducción a la lingüística computacional
Introducción a la lingüística computacional César Antonio Aguilar Facultad de Lenguas y Letras 01/10/2013 Cesar.Aguilar72@gmail.com Buscando nuevos textos (1) Antes de empezar a trabajar con los documentos
Más detallesCurso de procesamiento del lenguaje natural
Curso de procesamiento del lenguaje natural César Antonio Aguilar Facultad de Lenguas y Letras 24/09/2013 Cesar.Aguilar72@gmail.com Etiquetado morfo-sintáctico (1) Etiquetado morfo-sintáctico (2) Funciones
Más detallesSemántica española. César Antonio Aguilar Facultad de Lenguas y Letras 21/03/2016.
Semántica española César Antonio Aguilar Facultad de Lenguas y Letras 21/03/2016 caguilara@uc.cl Síntesis de la clase anterior (1) En la clase anterior terminamos de revisar las nociones de referencia
Más detallesCurso de procesamiento del lenguaje natural
Curso de procesamiento del lenguaje natural César Antonio Aguilar Facultad de Lenguas y Letras 31/08/2016 Cesar.Aguilar72@gmail.com Corpus lingüísticos (1) Para la lingüística contemporánea, y en particular
Más detallesIntroducción a la lingüística computacional
Introducción a la lingüística computacional César Antonio Aguilar Facultad de Lenguas y Letras 15/10/2013 Cesar.Aguilar72@gmail.com Analizando frases con NLTK (1) En esta sesión vamos a empezar a emplear
Más detallesCurso de procesamiento del lenguaje natural
Curso de procesamiento del lenguaje natural César Antonio Aguilar Facultad de Lenguas y Letras 11/04/2013 Cesar.Aguilar72@gmail.com Explorando NLTK (1) En esta sesión, vamos a ver algunos de los recursos
Más detallesRaúl
Raúl Garreta @raulgarreta Subárea de Inteligencia Artificial, Ciencias de la Computación. Estudia métodos que permitan a las máquinas interactuar con las personas mediante lenguaje natural. Poder extraer
Más detallesSeminario de análisis del discurso
Seminario de análisis del discurso Dr. César Antonio Aguilar Facultad de Lenguas y Letras 09/09/2010 CAguilar@iingen.unam.mx Anotación lingüística (1) Algo que marca una diferencia fundamental entre tener
Más detallesCurso de traducción automática de lenguas naturales
Curso de traducción automática de lenguas naturales César Antonio Aguilar Facultad de Lenguas y Letras 27/11/2015 Cesar.Aguilar72@gmail.com Extracción de términos (1) Vamos a cerrar el curso abordando
Más detallesAprendizaje de etiquetas basado en transformaciones
Aprendizaje de etiquetas basado en transformaciones El etiquetador de Brill Miguel A. Alonso Jorge Graña Jesús Vilares Departamento de Computación, Facultad de Informática, Universidade da Coruña Miguel
Más detallesCurso de procesamiento del lenguaje natural
Curso de procesamiento del lenguaje natural César Antonio Aguilar Facultad de Lenguas y Letras 18/04/2013 Cesar.Aguilar72@gmail.com Expresiones regulares (1) Para convertir nuestros archivos en cadenas,
Más detallesIntroducción a la lingüística computacional
Introducción a la lingüística computacional César Antonio Aguilar Facultad de Lenguas y Letras 17/08/2017 Cesar.Aguilar72@gmail.com Síntesis de la clase pasada (1) En la clase anterior nos dedicamos a
Más detallesCurso de procesamiento del lenguaje natural
Curso de procesamiento del lenguaje natural César Antonio Aguilar Facultad de Letras 05/10/2016 Cesar.Aguilar72@gmail.com Análisis sintáctico (1) De acuerdo con Jurafsky y Martin (2007), el estudio de
Más detallesSeminario de análisis del discurso
Seminario de análisis del discurso Dr. César Antonio Aguilar Facultad de Lenguas y Letras 27/09/2010 CAguilar@iingen.unam.mx Análisis sintáctico en corpus (1) En esta clase, terminaremos de revisar lo
Más detallesCurso de procesamiento del lenguaje natural
Curso de procesamiento del lenguaje natural César Antonio Aguilar Facultad de Lenguas y Letras 13/06/2012 Cesar.Aguilar72@gmail.com Semántica y PLN Por qué queremos usar computadoras en cuestiones de semántica?
Más detallesSemántica española. César Antonio Aguilar Facultad de Lenguas y Letras 06/04/2016.
Semántica española César Antonio Aguilar Facultad de Lenguas y Letras 06/04/2016 caguilara@uc.cl Síntesis de la clase anterior (1) En la clase pasada, observamos de qué forma la lógica aporta a la semántica
Más detallesSeminario de análisis del discurso
Seminario de análisis del discurso Dr. César Antonio Aguilar Facultad de Lenguas y Letras 25/10/2010 CAguilar@iingen.unam.mx Tarea Para iniciar la clase, revisemos nuestra tarea anterior. El fragmento
Más detallesCésar Antonio Aguilar Facultad de Lenguas y Letras 16/10/2017
Métodos de Investigación en Letras César Antonio Aguilar Facultad de Lenguas y Letras 16/10/2017 caguilara@uc.cl Síntesis de la clase pasada En la clase pasada hicimos una breve descripción sobre cómo
Más detallesCurso de traducción automática de lenguas naturales
Curso de traducción automática de lenguas naturales César Antonio Aguilar Facultad de Lenguas y Letras 13/11/2015 Cesar.Aguilar72@gmail.com Síntesis de la clase pasada (1) En la clase anterior, tratamos
Más detallesCurso de procesamiento del lenguaje natural
Curso de procesamiento del lenguaje natural César Antonio Aguilar Facultad de Lenguas y Letras 09/05/2012 Cesar.Aguilar72@gmail.com Empezando a programar En esta clase, vamos a ver algunas tareas para
Más detallesCurso de traducción automática de lenguas naturales
Curso de traducción automática de lenguas naturales César Antonio Aguilar Facultad de Lenguas y Letras 28/08/2015 Cesar.Aguilar72@gmail.com Síntesis de la clase pasada (1) Como vimos en nuestra primera
Más detallesSeminario de análisis del discurso
Seminario de análisis del discurso Dr. César Antonio Aguilar Facultad de Lenguas y Letras 14/10/2010 CAguilar@iingen.unam.mx Análisis retórico de textos (1) La teoría de centrado, como hemos visto en la
Más detalles3. ESTRUCTURA DE UN CONVERSOR TEXTO-VOZ
Capítulo 3. Estructura de un conversor texto-voz Pagina 27 3. ESTRUCTURA DE UN CONVERSOR TEXTO-VOZ 3.1 INTRODUCCIÓN La conversión automática de texto a voz requiere la sucesión de una serie de procesos
Más detallesSemántica española. César Antonio Aguilar Facultad de Lenguas y Letras 17/04/2017.
Semántica española César Antonio Aguilar Facultad de Lenguas y Letras 17/04/2017 caguilara@uc.cl Síntesis de la clase anterior (1) Durante la clase pasada vimos algunos criterios y conceptos útiles para
Más detallesUNIVERSIDAD DE LOS ANDES FACULTAD DE INGENIERÍA DIVISIÓN DE ESTUDIOS DE POSTGRADO POSTGRADO EN COMPUTACIÓN
UNIVERSIDAD DE LOS ANDES FACULTAD DE INGENIERÍA DIVISIÓN DE ESTUDIOS DE POSTGRADO POSTGRADO EN COMPUTACIÓN APRENDIZAJE AUTOMÁTICO DE ONTOLOGÍAS PARA UN MARCO ONTOLÓGICO DINÁMICO EN LA WEB SEMÁNTICA Autor:
Más detallesCurso de procesamiento del lenguaje natural
Curso de procesamiento del lenguaje natural César Antonio Aguilar Facultad de Lenguas y Letras 30/05/2012 Cesar.Aguilar72@gmail.com ASCII y Unicode en NLTK (1) ASCII y Unicode en NLTK (2) ASCII y Unicode
Más detallesCurso de procesamiento del lenguaje natural
Curso de procesamiento del lenguaje natural César Antonio Aguilar Facultad de Letras 06/12/2017 Cesar.Aguilar72@gmail.com La semántica desde un enfoque lingüístico (1) De acuerdo a lo que hemos venido
Más detallesCurso. Lingüística Aplicada III (Procesamiento inteligente de textos)
Curso Lingüística Aplicada III (Procesamiento inteligente de textos) DURACIÓN: 80 horas AUTOR DEL PROGRAMA: Dr. Alexander Gelbukh, Dr. Grigori Sidorov OBJETIVO GENERAL Describir que tipos de sistemas de
Más detallesSemántica española. César Antonio Aguilar Facultad de Lenguas y Letras 10/04/2017.
Semántica española César Antonio Aguilar Facultad de Lenguas y Letras 10/04/2017 caguilara@uc.cl Semántica y lógica (1) En esta clase, vamos a abordar una de las líneas de investigación que tiene hoy mayor
Más detallesSKETCH ENGINE. Seminario de Traducción Automática Magíster en Traducción Pontificia Universidad Católica de Chile
SKETCH ENGINE Seminario de Traducción Automática Magíster en Traducción Pontificia Universidad Católica de Chile Sketch Engine Es un programa disponible en la web (cloud computing): http://www.sketchengine.co.uk
Más detallesIntroducción a la lingüística computacional
Introducción a la lingüística computacional César Antonio Aguilar Facultad de Lenguas y Letras 22/08/2017 Cesar.Aguilar72@gmail.com Teoría de autómatas (1) La teoría de autómatas es una línea de investigación
Más detallesSemántica española. César Antonio Aguilar Facultad de Lenguas y Letras 14/03/2016.
Semántica española César Antonio Aguilar Facultad de Lenguas y Letras 14/03/2016 caguilara@uc.cl Síntesis de la clase anterior (1) En la clase pasada hicimos una primera aproximación a los contenidos de
Más detallesCurso de procesamiento del lenguaje natural
MPGI UC MAGISTER EN PROCESAMIENTO Y GESTIÓN DE LA INFORMACIÓN Curso de procesamiento del lenguaje natural César Antonio Aguilar Facultad de Lenguas y Letras 09/08/2017 Cesar.Aguilar72@gmail.com Aprendiendo
Más detallesUn lematizador desambiguado con R
Un lematizador desambiguado con R Carlos J. Gil Bellosta cgb@datanalytics.com Mayo 2013 Contenidos 1 Motivación: un discurso de Rajoy 2 Lematización basada en reglas Lematización basada en diccionarios
Más detallesUniversidad Fermín Toro. Cabudare Lara
Universidad Fermín Toro Cabudare Lara Lenguaje Natural y Lenguaje Artificial Autor: Jesús Colmenarez C.I.13.032.160 Sec. SAIA Introducción a la Computación Lenguaje Natural El lenguaje natural es el lenguaje
Más detallesCésar Antonio Aguilar Facultad de Lenguas y Letras 10/06/2013
Métodos y técnicas de investigación cuantitativa César Antonio Aguilar Facultad de Lenguas y Letras 10/06/2013 Cesar.Aguilar72@gmail.com Obteniendo datos (1) Como complemento a lo que vimos en la primera
Más detallesEnju. A fast, accurate, and deep parser for English
Enju A fast, accurate, and deep parser for English Introducción Enju es un parser para el inglés Desarrollado en la Universidad de Tokio http://www.nactem.ac.uk/enju Basado en una gramática HPSG Output
Más detallesProfesor de Español para Extranjeros ELE
Profesor de Español para Extranjeros ELE Modalidad Online Horario Flexible Descuento Alumnos Duración 420 horas Nivel Superior Subvención Empresas Descripción Detallada Profesor de Español para Extranjeros
Más detallesN.A.C.H.U.S (New Advanced Clinical Hospital Ultra Search) Buscador Sintáctico de Conceptos Clínicos en los Informes de Alta de Urgencias
Resumen COMUNICACIÓN PREMIADA DE INFORSALUD N.A.C.H.U.S (New Advanced Clinical Hospital Ultra Search) Buscador Sintáctico de Conceptos Clínicos en los Informes de Alta de Urgencias Ignacio Martinez Soriano
Más detallesIntroducción al Procesamiento de Lenguaje Natural. Grupo PLN - InCo
Introducción al Procesamiento de Lenguaje Natural Grupo PLN - InCo 2017 Normalización de Textos Unidades de texto Cuáles son las unidades independientes más pequeñas del texto? - Segmento del discurso
Más detallesCurso de traducción automática de lenguas naturales
Curso de traducción automática de lenguas naturales César Antonio Aguilar Facultad de Lenguas y Letras 25/09/2015 Cesar.Aguilar72@gmail.com Síntesis de la clase pasada (1) En la clase pasada, abordamos
Más detallesSeminario de análisis del discurso
Seminario de análisis del discurso Dr. César Antonio Aguilar Facultad de Lenguas y Letras 04/10/2010 CAguilar@iingen.unam.mx Lingüística computacional y discurso (1) En esta nueva unidad, vamos a abordar
Más detallesIntroducción al procesamiento del lenguaje natural (PLN)
Introducción al procesamiento del lenguaje natural (PLN) Leticia Martín-Fuertes Moreno Lingüista computacional en Bitext @nimbusaeta nimbusaeta@gmail.com Lingẅars @ Cylicon Valley 9 de noviembre de 2017
Más detallesAnalizador Sintáctico Ascendente
Analizador Sintáctico Ascente Un Analizador Sintáctico (A. St.) Ascente construye el árbol desde las hojas hacia la raíz. Funciona por reducción-desplazamiento, lo cual quiere decir que, siempre que puede,
Más detallesPalabra o afijo? Es posible pensar, por la tradición de la escritura que compartimos, que es fácil determinar si un morfema
Palabra o afijo? Es posible pensar, por la tradición de la escritura que compartimos, que es fácil determinar si un morfema es un afijo o si es una palabra. o es siempre obvio. Son especialmente problemáticos
Más detallesCésar Antonio Aguilar Facultad de Lenguas y Letras 03/11/2016
Métodos de Investigación en Letras César Antonio Aguilar Facultad de Lenguas y Letras 03/11/2016 caguilara@uc.cl Síntesis de la clase pasada (1) Síntesis de la clase pasada (2) Ahora bien, lo que debemos
Más detallesCésar Antonio Aguilar Facultad de Lenguas y Letras 08/04/2013
Métodos y técnicas de investigación cuantitativa César Antonio Aguilar Facultad de Lenguas y Letras 08/04/2013 Cesar.Aguilar72@gmail.com Definiendo el concepto de probabilidad En la clase pasada estuvimos
Más detallesCésar Antonio Aguilar Facultad de Lenguas y Letras 22/04/2013
Métodos y técnicas de investigación cuantitativa César Antonio Aguilar Facultad de Lenguas y Letras 22/04/2013 Cesar.Aguilar72@gmail.com Distribución de frecuencias (1) En esta sesión, retomaremos nuestro
Más detallesÍndice. Introducción. Introducción: análisis léxico. Tema 2. Primera parte. análisis. Objetivo: analizar las palabras del texto. Sintagmas: sintaxis.
Tema 2. Primera parte. Análisis léxico Ingeniería del Lenguaje Natural Departamento de Lenguajes y Sistemas Informáticos Universidad de Alicante http://www.dlsi.ua.es/asignaturas/iln Índice 1. Introducción.
Más detallesSemántica española. César Antonio Aguilar Facultad de Lenguas y Letras 13/03/2017.
Semántica española César Antonio Aguilar Facultad de Lenguas y Letras 13/03/2017 caguilara@uc.cl Síntesis de la clase anterior (1) En la clase pasada hicimos una primera aproximación a los contenidos de
Más detallesIntroducción al Procesamiento de Lenguaje Natural. Obligatorio Corrector Ortográfico en Python
Introducción al Procesamiento de Lenguaje Natural Obligatorio 2 2010 Corrector Ortográfico en Python Facultad de Ingeniería Instituto de Computación Grupo de Procesamiento de Lenguaje Natural El objetivo
Más detallesDesambiguación del Sentido de las Palabras (Word Sense Disambiguation)
Desambiguación del Sentido de las Palabras (Word Sense Disambiguation) Introducción qué es ambigüedad? qué significa desambiguar? qué entendemos por sentido de las palabras? en qué consiste la tarea de
Más detallesSemántica española. César Antonio Aguilar Facultad de Lenguas y Letras 03/05/2017.
Semántica española César Antonio Aguilar Facultad de Lenguas y Letras 03/05/2017 caguilara@uc.cl Síntesis de la clase anterior (1) En la clase pasada vimos algunas cuestiones relacionadas con la teoría
Más detallesSemántica española. César Antonio Aguilar Facultad de Lenguas y Letras 06/03/2017.
Semántica española César Antonio Aguilar Facultad de Lenguas y Letras 06/03/2017 caguilara@uc.cl Introducción (1) Introducción (2) Ahora, para entrar en el tema, consideremos algunas preguntas que podemos
Más detalles3. Comprender el concepto de declinación/flexión verbal.
CRITERIOS DE EVALUACIÓN Y ESTÁNDARES DE APRENDIZAJE DE GRIEGO I, DE 1º DE BACHILLERATO BLOQUE I: LA LENGUA GRIEGA 1. Conocer y localizar en mapas el marco geográfico de la lengua griega. 1.1. Localiza
Más detallesTemas de Reflexión en el
Temas de Reflexión en el CUADERNO DE TRABAJO. Humberto Cueva G. Temas de Reflexión El objetivo de los Temas de Reflexión es proporcionar herramientas conceptuales para que los estudiantes alcancen una
Más detallesCLASES DE PALABRAS EL SUSTANTIVO Y EL ADJETIVO I
CLASES DE PALABRAS EL SUSTANTIVO Y EL ADJETIVO I Una palabra es cada una de las partes bien limitadas de una frase u oración, en lenguaje hablado y escrito, que está formada por, al menos, un lexema y,
Más detalles4º. CURSO DE EDUCACIÓN SECUNDARIA OBLIGATORIA LATÍN CONTENIDOS MÍNIMOS CURSO
4º. CURSO DE EDUCACIÓN SECUNDARIA OBLIGATORIA LATÍN CONTENIDOS MÍNIMOS CURSO 2009-2010 Bloque 1. El sistema de la lengua latina. El abecedario y la pronunciación del latín. El latín como lengua flexiva.
Más detallesIntroducción a la lingüística computacional
Introducción a la lingüística computacional César Antonio Aguilar Facultad de Lenguas y Letras 03/08/2017 Cesar.Aguilar72@gmail.com Qué es la lingüística computacional? (1) Qué es la lingüística computacional?
Más detallesUniversidad Simón Bolívar Departamento de Computación y Tecnología de la Información Organización del Computador CI-3815
Universidad Simón Bolívar Departamento de Computación y Tecnología de la Información Organización del Computador CI-385 Proyecto Objetivos Generales: realizar un programa en lenguaje de bajo nivel del
Más detallesply Teoría de Lenguajes Ramiro Camino Junio 2015 Universidad de Buenos Aires
ply Teoría de Lenguajes Ramiro Camino Universidad de Buenos Aires Junio 2015 Introducción Sirve para construir analizadores léxicos y sintácticos. Implementación de lex y yacc en python. Sitio oficial:
Más detalles1. Conocer los orígenes de las lenguas habladas en España, clasificarlas y localizarlas en un mapa.
CUARTO CURSO DE EDUCACIÓN SECUNDARIA OBLIGATORIA BLOQUE 1: EL LATÍN, ORIGEN DE LAS LENGUAS MODERNAS. Marco geográfico de la lengua. El indoeuropeo. Las lenguas de España: lenguas romances y no romances.
Más detallesEvaluación del lenguaje. Modelo psicolingüístico. 7. ANEXOS
7. ANEXOS Plantillas para la observación y elaboración de los programas de estimulación del lenguaje oral Clave de estructuración sintáctica adaptada de la Clave Fiftgerald para sordos Evaluación de las
Más detallesDesambigüación del sentido de las palabras (WSD)
Desambigüación del sentido de las palabras (WSD) Miguel A. Alonso Departamento de Computación, Facultad de Informática, Universidade da Coruña 1 / 18 Índice 1 Introducción 2 Evaluación 3 Enfoques basados
Más detallesPoeta ayer, hoy triste y pobre filósofo trasnochado tengo en monedas de cobre el oro de ayer cambiado.
Poeta ayer, hoy triste y pobre filósofo trasnochado tengo en monedas de cobre el oro de ayer cambiado. Análisis de base Análisis sintáctico El análisis semántico se realiza a partir del análisis sintáctico.
Más detallesCapítulo 5. Conclusiones
Capítulo 5 Conclusiones En este trabajo se desarrolló un sistema capaz de clasificar enunciados dependiendo de la opinión que cada uno expresa acerca de una película. Se cumplió entonces con el objetivo
Más detallesTEMA 3. MORFOLOGÍA FLEXIVA Y LEXICA.
TEMA 3. MORFOLOGÍA FLEXIVA Y LEXICA. Recuerda que los lexemas son las unidades mínimas de las palabras con significado, y que los morfemas son las unidades complementarias del lexema que designan el género,
Más detallesContenido. Prefacio Orígenes de la programación orientada a objetos... 1
Prefacio... xv 1. Orígenes de la programación orientada a objetos... 1 1.1 La crisis del software... 1 1.2 Evolución del software... 3 1.3 Introducción a la programación orientada a procedimientos... 4
Más detallesInstituto José Manuel Estrada - Villa de Soto. Asignatura: Desarrollo de Soluciones Informáticas. Curso: 5to I. Docente: Contreras, María Elena
- Villa de Soto Asignatura: Desarrollo de Soluciones Informáticas Curso: 5to I Docente: Contreras, María Elena Contenido Algoritmos... 1 Diagramas de flujo... 2 Programar... 3 Programación... 10 Scratch...
Más detallesCRITERIOS DE EVALUACIÓN
4º ESO. LATÍN. OBJETIVOS - Identificar y relacionar elementos morfológicos, sintácticos y léxicos de la lengua latina que permitan el análisis y la traducción de textos sencillos. - Desarrollar los hábitos
Más detallesContextualización del aprendizaje automático en procesamiento del lenguaje natural. Contexto
Contextualización del aprendizaje automático en procesamiento del lenguaje natural Autores: Sergio Rafael Flores, Ilda Flavia Millán, Susana Ruiz Instituto de Informática - Departamento de Informática
Más detallesEntrenamiento de nombres propios Identificación de nombres propios
Preprocesamiento Miguel A. Alonso Jorge Graña Jesús Vilares Departamento de Computación, Facultad de Informática, Universidade da Coruña Miguel A. Alonso, Jorge Graña, Jesús Vilares (Departamento Preprocesamiento
Más detallesIntroducción al Diseño de Compiladores. Año
Introducción al Diseño de Compiladores Año 2003 1 BIBLIOGRAFÍA [AHO] Compilers. Principles, Techniques, and Tools Aho, Sethi; Adisson-Wesley 1986 [TEU] Compiladores: Conceptos fundamentales. Teufel ; Addison
Más detallesGRIEGO 1º BACHILLERATO CRITERIOS DE EVALUACIÓN
GRIEGO 1º BACHILLERATO I. Conocer diferentes sistemas de escritura y distinguirlos del alfabeto. II. Conocer, identificar y distinguir los distintos formantes de las palabras. Distinguir y clasificar distintos
Más detallesI.E.S.S.Ma. ESPACIO CURRICULAR: INGLÉS TÉCNICO CARRERA: TECNICATURA SUPERIOR EN EVALUACIÓN Y GESTIÓN AMBIENTAL CURSO: 3º AÑO (2º CUATRIMESTRE)
I.E.S.S.Ma. ESPACIO CURRICULAR: INGLÉS TÉCNICO CARRERA: TECNICATURA SUPERIOR EN EVALUACIÓN Y GESTIÓN AMBIENTAL CURSO: 3º AÑO (2º CUATRIMESTRE) Nº DE HORAS SEMANALES: 5 (CINCO) PROFESOR: OMAR A. CHAILE
Más detallesIntroducción al Procesamiento de Lenguaje Natural. Grupo de PLN InCo
Introducción al Procesamiento de Lenguaje Natural Grupo de PLN InCo morfología.(de morfo- y -logía). f. Parte de la biología que trata de la forma de los seres orgánicos y de las modificaciones o transformaciones
Más detallesQué es la morfología?
[, Qué es la morfología? El estatus de la palabra Palabras léxicas y gramaticales El componente morfológico Palabras y lexemas 23 4. Las unidades morfológicas: los morfemas 25 5. Raíz 29 6. Tema Base 35
Más detallesDiccionario inteligente TERMInológico para el sector TURístico
Diccionario inteligente TERMInológico para el sector TURístico Índice Página principal... 2 Login/Registro en la aplicación... 3 Herramienta Termitur... 4 Realizar una búsqueda en el diccionario inteligente...
Más detallesPontificia Universidad Católica del Ecuador
1. DATOS INFORMATIVOS MATERIA O MÓDULO: Morfología y Sintaxis del Español CÓDIGO: 13487 CARRERA: NIVEL: No. CRÉDITOS: CRÉDITOS TEORÍA: Lingüística Aplicada Segundo Cuatro Cuatro CRÉDITOS PRÁCTICA: SEMESTRE
Más detallesCésar Antonio Aguilar Facultad de Lenguas y Letras 12/09/2017
Métodos de Investigación en Letras César Antonio Aguilar Facultad de Lenguas y Letras 12/09/2017 caguilara@uc.cl Síntesis de la clase pasada (1) En la clase pasada abordamos una nueva fase en el desarrollo
Más detallesclases cerradas: preposiciones, artículos, conjunciones, pronombres, complementantes.
Introducción al Procesamiento del Lenguaje Natural 1/2003 Apunte 1 El nivel sintáctico se ocupa de especificar las posibilidades de combinación de determinadas unidades. Según cuáles sean estas unidades,
Más detalles1º ESO LENGUA CASTELLANA Y LITERATURA CONTENIDOS
1º ESO LENGUA CASTELLANA Y LITERATURA CONTENIDOS Bloque 1. Comunicación oral: escuchar y hablar Escuchar 1. Comprensión, interpretación y valoración de textos orales en relación con el ámbito de uso: personal,
Más detallesCurso de procesamiento del lenguaje natural
Curso de procesamiento del lenguaje natural César Antonio Aguilar Facultad de Lenguas y Letras 04/04/2013 Cesar.Aguilar72@gmail.com Bases computacionales (1) Lenguaje natural versus lenguaje formal Lenguaje
Más detallesLos criterios de evaluación y los estándares de aprendizaje de la asignatura Latín I para el curso 2015/2016 son los siguientes:
Los criterios de evaluación y los estándares de aprendizaje de la asignatura Latín I para el curso 2015/2016 son los siguientes: Criterios de evaluación 1. Conocer y localizar en mapas el marco geográfico
Más detallesManual rápido para evaluación de series en Python
Manual rápido para evaluación de series en Python Breve introducción Python es un lenguaje de programación interpretado con fines científicos, de educación y para hacer programas de uso rápido. Es la base
Más detallesÁRBOLES CRISTIAN ALFREDO MUÑOZ ÁLVAREZ JUAN DAVID LONDOÑO CASTRO JUAN PABLO CHACÓN PEÑA EDUARDO GONZALES
ÁRBOLES CRISTIAN ALFREDO MUÑOZ ÁLVAREZ JUAN DAVID LONDOÑO CASTRO JUAN PABLO CHACÓN PEÑA EDUARDO GONZALES ÁRBOL Un árbol es un grafo no dirigido, conexo, sin ciclos (acíclico), y que no contiene aristas
Más detallesManual de morfolo del español
SUB Hamburg Manual de morfolo del español v ^ - / \\: í - " ((?/, t 'A / // i. Qué es la morfología? 1.1. El estatus de la palabra 17 1.1.1 Palabras léxicas y gramaticales ' 18 1.2. El componente morfológico
Más detallesDr. Carlos A. Coello Coello Departamento de Computación CINVESTAV IPN
Dr. Carlos A. Coello Coello Departamento de Computación CINVESTAV IPN ccoello@cs.cinvestav.mx Por qué estudiar conceptos de Lenguajes de Programación? Para incrementar nuestra capacidad de expresar ideas
Más detallesRECURSOS BÁSICOS PARA EL LENGUA QUECHUA: BAS E DE DATOS LÉXIC A Y CORPUS TEXTU AL. Introducción
RUNASIMI RECURSOS BÁSICOS PARA EL PROCESAMIENTO AUTOMÁTICO DE LA LENGUA QUECHUA: BAS E DE DATOS LÉXIC A Y CORPUS TEXTU AL UNSAAC (Cusco, Peru) Ixa Taldea (UPV/EHU) 2013/2014 Introducción Este proyecto
Más detalles3 er Grado Guía para los Padres /Terceras Nueve Semanas - 3 rd Grade Parent Guide Third Nine Weeks
Estas nueve semanas amplian los conocimientos y conceptos aprendidos en las nueve semanas previas. Los estudiantes van a evaluar los puntos de vista del orador, del autor y de ellos mismos. Los estudiantes
Más detallesTécnicas de Programación
Técnicas de Programación 2.1.- Introducción: unos conceptos previos y primeros conceptos de la API Introducción La resolución de un problema con medios informáticos implica generalmente la siguiente secuencia
Más detallesGENERACIÓN DE EXÁMENES TIPO TEST
PRÁCTICA Nº 5: 2 sesiones (S6: 25 de abril, 3, 4, 5 y 6 de mayo) (S7: 9, 10, 11, 12 y 13 de mayo) 0. OBJETIVOS GENERACIÓN DE EXÁMENES TIPO TEST a. Familiarizarse con el uso de listas con punto de interés.
Más detalles( ) Lengua Castellana para Maestros GUÍA DOCENTE Curso
(206205000) Lengua Castellana para Maestros GUÍA DOCENTE Curso 2010-2011 Titulación: Grado de Maestro en Educación Primaria Asignatura: Lengua castellana para maestros Materia: Enseñanza y aprendizaje
Más detallesLa aplicación ofrece tres componentes lingüísticos: estructura textual, opciones de redacción y diccionario.
Presentación El Generador de Directors Reports (GEDIRE) es una aplicación semiautomática de apoyo a la redacción en inglés de un tipo de informe conocido como directors report, que no tiene un formato
Más detallesBloques Contenidos Criterios de evaluación Estándares Instrumentos Valor máx. estándar
IES RECTOR DON FRANCISCO SABATER GARCÍA CURSO ESCOLAR: 2016/17 AREA/MATERIA: Latín (LOMCE) (00,50,20,40,30) CURSO: 4º ETAPA: Educación Secundaria Obligatoria Plan General Anual UNIDAD UF1: LENGUA LATINA
Más detallesíndice Prefacio Capítulo 1: La lingüística: Ciencia cognitiva 1 PorAntxon Olarrea
índice Prefacio xi Capítulo 1: La lingüística: Ciencia cognitiva 1 PorAntxon Olarrea 1. Introducción 1 1.1. De la gramática tradicional a la lingüística moderna: Gramáticas prescriptivas y descriptivas
Más detallesMáster Universitario en Lingüística y sus aplicaciones. Facultad de Filología (Universidad de A Coruña)
Denominación del Máster Centro de adscripción Máster Universitario en Lingüística y sus aplicaciones Facultad de Filología (Universidad de A Coruña) Facultad de Filología y Traducción (Universidad de Vigo)
Más detalles7 Esp. U 2. L 18 Elaborar un plan textual, organizando los elementos para producir oralmente un texto narrativo. 7 Esp. U 2. L 19
Logros 7 Esp. U1. L 1 Elaborar un plan textual organizando los elementos para producir un texto descriptivo oralmente. 7 Esp. U1. L 2 Reconocer las características de los textos descriptivos Producir textos
Más detallesCALCULO I UNIDAD I MATRICES. Instituto Profesional Iplacex
CALCULO I UNIDAD I MATRICES 1.3 Transformación de matrices A las matrices se les pueden realizar ciertas transformaciones o cambios internos, siempre y cuando no afecten ni el orden ni el rango de la misma.
Más detalles