100% tevredenheidsgarantie Direct beschikbaar na je betaling Lees online óf als PDF Geen vaste maandelijkse kosten 4.2 TrustPilot
logo-home
Tentamen (uitwerkingen)

COS4861 Assignment 3 |EXPERTLY DETAILED ANSWERS|- DUE 10 September 2025

Beoordeling
-
Verkocht
-
Pagina's
26
Cijfer
A+
Geüpload op
21-08-2025
Geschreven in
2025/2026

COS4861 Assignment 3 |EXPERTLY DETAILED ANSWERS|- DUE 10 September 2025 Note 1: This assignment is designed to make you understand the fundamentals behind corpus-based Natural Language Processing (NLP) and various techniques applied for pre processing, analysing, and generating insights from text such as word would, tokenization, and creating encoding systems. This is in no way a definitive list of examples, but the basic components you need to get started.

Meer zien Lees minder
Instelling
Vak









Oeps! We kunnen je document nu niet laden. Probeer het nog eens of neem contact op met support.

Gekoppeld boek

Geschreven voor

Instelling
Vak

Documentinformatie

Geüpload op
21 augustus 2025
Aantal pagina's
26
Geschreven in
2025/2026
Type
Tentamen (uitwerkingen)
Bevat
Vragen en antwoorden

Onderwerpen

Voorbeeld van de inhoud

COS4861
Assignment 3
DUE 10 September 2025

, COS4861 ASSIGNMENT 3 2025

WORKING TOWARDS ENCODING SYSTEMS IN NLP

DUE: 10 SEPTEMBER 2025 MARKS: 65




Question 1 — Theory (12)

1.1) What is a corpus, and how does it differ from other data types? (2)

A corpus is a large, curated collection of natural-language text or speech transcripts
organised for linguistic or NLP analysis. Unlike generic datasets e.g., numeric sensor
tables, a corpus preserves linguistic structure, tokens, sentences, documents, genres,
meta-data such as source/date/register so that we can model language phenomena like
vocabulary, syntax and usage patterns. In this assignment we were given a small
English text corpus about smoothing algorithms to use for all tasks.

1.2) Technical term for splitting a corpus into paragraphs/sentences/words (1)

This process is called tokenization (word tokenization) and sentence segmentation
(sentence boundary detection). Together these are standard text preprocessing steps.

1.3) Define N-grams and give peer-reviewed references (2)

An N-gram is a contiguous sequence of 𝑁 items (characters or words) from a text; N-
𝑖−1
gram language models estimate 𝑃(𝑤𝑖 ∣ 𝑤 𝑖−𝑁+1 ) from counts. Foundational peer-
reviewed sources include Brown et al. (1992), who develop class-based N-gram models
for predicting the next word, and later comparative studies showing their centrality in
language modelling.

1.4) Data sparseness in N-gram models; what is smoothing? Name two
algorithms (7)

Because natural language is combinatorially large, many plausible N-grams are unseen
in training. Maximum-likelihood estimates (MLE) assign probability zero to unseen

Maak kennis met de verkoper

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.
FocusZone University of South Africa (Unisa)
Volgen Je moet ingelogd zijn om studenten of vakken te kunnen volgen
Verkocht
383
Lid sinds
7 maanden
Aantal volgers
2
Documenten
506
Laatst verkocht
3 uur geleden
Focus Zone

On this page you will find Uploads and Package Deals by the seller FOCUS ZONE.

4.3

57 beoordelingen

5
33
4
11
3
11
2
0
1
2

Recent door jou bekeken

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

Veelgestelde vragen