Geschreven door studenten die geslaagd zijn Direct beschikbaar na je betaling Online lezen of als PDF Verkeerd document? Gratis ruilen 4,6 TrustPilot
logo-home
Document preview thumbnail
Voorbeeld 4 van de 41 pagina's
College aantekeningen

College aantekeningen Natural Language Processing Technology (L_AAMAALG005)

Document preview thumbnail
Voorbeeld 4 van de 41 pagina's

Alle aantekeningen voor het vak NLPT, zelf een 7.6 voor het tentamen gehaald. Alle nodige slides zitten er ook in met nodige uitleg.

Voorbeeld van de inhoud


Natural Language Processing
Technology
Created @March 24, 2021 2:40 PM

Class S5

Type S5

Materials



Lecture 1
Introduction
NLP:

represents language in a way that a computer can process it → representing input

Process language in a way that is useful for human → generating output

understanding language structure and language use → computational modelling



Analyzing Language

linguistic pre-processing steps

standardizing the input

normalization and cleaning

remove layout (paragraphs, underlined, bold, italics)

remove/replace emojis and urls (making URLS or sth like that)

replace numbers with NUM

anonymization: replacing phone numbers/paswords

unless you need them!

Casing: uppercase vs lowercase vs true case (for example keeping uppercase by names but
not sentence beginnings)

sentence segmentation: What are indicators for sentence boundaries?

Linguistic pre-processing

fast developments: huge research places can now be done by just one package Python.

performance: very good for generic languages and problematic for domain-specific data or
small languages.




Natural Language Processing Technology 1

, word segmentation: how can i decompose a sentence into its words?

tokenization: all things, type: amount of different tokens

morphological analysis: lemmatization, sub-words, ... [read chapter 2]

morphological analysis

we want to decompose a word into their morphemes (as small as possible): unhappier-un-
happy-er (difficult in turkish for example)

highly challenging, because most languages contain many exceptions and morpheme
boundaries can be ambiguous

subwords:

frequent tokens are unique

less frequent tokens are decomposed into subwords

really statistical, not about linguistics by the approaches!




lemmatization: dictionary word happier/happiest → happy. there are ambiguities saw → see or
saw?

now we analyze the lemma




Natural Language Processing Technology 2

, Penn Treebank: 36 labels




Natural Language Processing Technology 3

, note on image above: left more complex, deeper structure




error propagation: dat de fout gemaakt in een van de stappen overvloeit naar de volgende stap

corpora and shared tasks

1) how did automated linguistic preprocessing become so good? tools were trained on manually
annotated corpora, tuned on development data and evaluated on test data. Machine learning and
neural networks boosted the performance and facilitated transfer across languages

nlpprogress.com → good to look for which process which package is the best




Natural Language Processing Technology 4

Documentinformatie

Studie
Geüpload op
2 maart 2022
Aantal pagina's
41
Geschreven in
2020/2021
Type
College aantekeningen
Docent(en)
Lisa beinborn
Bevat
Alle colleges
$6.57

Verkeerd document? Gratis ruilen Binnen 14 dagen na aankoop en voor het downloaden kun je een ander document kiezen. Je kunt het bedrag gewoon opnieuw besteden.
Geschreven door studenten die geslaagd zijn
Direct beschikbaar na je betaling
Online lezen of als PDF

Seller avatar
De reputatie van een verkoper is gebaseerd op het aantal documenten dat iemand tegen betaling verkocht heeft en de beoordelingen die voor die items ontvangen zijn. Er zijn drie niveau’s te onderscheiden: brons, zilver en goud. Hoe beter de reputatie, hoe meer de kwaliteit van zijn of haar werk te vertrouwen is.
MeldaMalkoc
3.3
(7)
Verkocht
54
Volgers
34
Items
20
Laatst verkocht
1 jaar geleden



Waarom studenten kiezen voor Stuvia

Gemaakt door medestudenten, geverifieerd door reviews

Kwaliteit die je kunt vertrouwen: geschreven door studenten die slaagden en beoordeeld door anderen die dit document gebruikten.

Niet tevreden? Kies een ander document

Geen zorgen! Je kunt voor hetzelfde geld direct een ander document kiezen dat beter past bij wat je zoekt.

Betaal zoals je wilt, start meteen met leren

Geen abonnement, geen verplichtingen. Betaal zoals je gewend bent via iDeal of creditcard en download je PDF-document meteen.

Student with book image

“Gekocht, gedownload en geslaagd. Zo makkelijk kan het dus zijn.”

Alisha Student

Bezig met je bronvermelding?

Maak nauwkeurige citaten in APA, MLA en Harvard met onze gratis bronnengenerator.

Bezig met je bronvermelding?

Veelgestelde vragen