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 2025 - Due 10 September 2025 | ANSWERS

Beoordeling
-
Verkocht
-
Pagina's
21
Cijfer
A+
Geüpload op
03-09-2025
Geschreven in
2025/2026

Natural Language Processing - COS4861 Assignment 3 2025 - Due 10 September 2025; 100 % TRUSTED workings, Expert Solved, Explanations and Solutions. For assistance call or W.h.a.t.s.a.p.p us on ...(.+.2.5.4.7.7.9.5.4.0.1.3.2)........... Question 1 [12 points] - Theory 1) What is a corpus ? and how does it differ from other data types ? (2) 2) What is the technical term for splitting a corpus into different linguistic units such as paragraphs, sentences, and words in NLP (1) 3) Define N-grams and provide references from peer-reviewed articles (2) 4) Describe the problem of data sparseness with regards to an N-grarn model. Explain the term smoothing and name two smoothing algorithms that can be used to get better estimates for low or zero frequency counts. (7) Question 2 [13 points] – Applications and code

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
3 september 2025
Aantal pagina's
21
Geschreven in
2025/2026
Type
Tentamen (uitwerkingen)
Bevat
Vragen en antwoorden

Onderwerpen

Voorbeeld van de inhoud

COS4861
ASSIGNMENT 3 2025

UNIQUE NO.
DUE DATE: 10 SEPTEMBER 2025

, Natural Language Processing


Question 1 – Theory (12)

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

A corpus is a large, structured collection of authentic texts (written, spoken, or
transcribed) compiled to support empirical language study and NLP modeling. Unlike
generic datasets (e.g., numeric sensor tables), corpora preserve linguistic form and
sequence (tokens, order, sentence boundaries, discourse) and are often annotated
(e.g., POS tags), enabling probabilistic language models and linguistic analysis
(Jurafsky & Martin, 2023; McEnery & Hardie, 2012).

2) Technical term for splitting a corpus into linguistic units (1)

Tokenization (and, more broadly, segmentation) — e.g., sentence segmentation
and word tokenization (Manning et al., 2008; Jurafsky & Martin, 2023).

3) Define N-grams with peer-reviewed references (2)

An N-gram is a contiguous sequence of N items (characters or words) from text. In
word N-grams, items are words; in character N-grams, items are characters. N-gram
language models approximate 𝑃(𝑤𝑡 ∣ 𝑤 𝑡−(𝑁−1) , … , 𝑤𝑡−1 ) using observed counts in a
corpus (Shannon, 1948; Chen & Goodman, 2003; Kneser & Ney, 1995).

4) Data sparseness in N-gram models; smoothing; name two algorithms (7)

Data sparseness arises because even large corpora do not observe many possible N-
grams, especially for larger N. Raw Maximum Likelihood Estimation (MLE) assigns zero
probability to unseen N-grams, making models brittle.

Smoothing redistributes some probability mass from seen to unseen events to avoid
zeros and improve generalization. Two well-established algorithms are:

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.
LIBRARYpro University of South Africa (Unisa)
Volgen Je moet ingelogd zijn om studenten of vakken te kunnen volgen
Verkocht
10519
Lid sinds
2 jaar
Aantal volgers
4904
Documenten
4814
Laatst verkocht
19 uur geleden
LIBRARY

On this page, you find all documents, Package Deals, and Flashcards offered by seller LIBRARYpro (LIBRARY). Knowledge is Power. #You already got my attention!

3,7

1457 beoordelingen

5
683
4
235
3
243
2
78
1
218

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 Bancontact, iDeal of creditcard en download je PDF-document meteen.

Student with book image

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

Alisha Student

Veelgestelde vragen