Počítače a přirozený jazyk 2

Garant předmětu:

Přednášející:

Cvičící:

Předmět zajišťuje:

katedra matematiky

Anotace:

Cílem předmětu je seznámit studenty se širokou problematikou strojového překladu. Strojový překlad je úlohou, na níž lze velmi názorně ilustrovat obtížnost a techniky modelování systémů složitých jako přirozený jazyk. Podrobně probereme několik velmi odlišných přístupů k této úloze i otázky strojového a lidského hodnocení kvality překladu.

Požadavky:

Osnova přednášek:

1. Metriky kvality strojového překladu (lidské i automatické).

2. Překladový a jazykový model, obecný log-lineární model. Stavový prostor částečných hypotéz a jeho prohledávání („dekódování“). Frázový překlad.

3. Paralelní texty, jejich zarovnání a extrakce „překladových slovníků“ a pravidel z paralelních dat.

4. Morfologické předzpracování, frázový překlad o více faktorech.

5. Optimalizace parametrů log-lineárního modelu.

6. Složková syntax ve strojovém překladu, překlad založený na parsingu.

7. Závislostí syntax ve strojovém překladu.

8. Hloubková syntax ve strojovém překladu.

9. Prezentace vlastních příspěvků.

Osnova cvičení:

Cíle studia:

Znalosti:

Přehled o přístupech ke strojovému překladu (statistický frázový a hierarchický, stromové modely, hloubkově-syntaktický překlad), loglineární model a jeho optimalizace, prohledávání prostoru částečných hypotéz. Metody strojového a ručního hodnocení překladu.

Schopnosti:

Použití některé z probraných metod na konkrétní jazyková data. Navrhnout vlastní experiment a použít rozsáhlé volně šiřitelné nástroje k jeho realizaci. Vyhodnocení experimentu a srozumitelná prezentace psanou i mluvenou formou.

Studijní materiály:

Povinná literatura:

[1] Philipp Koehn: Statistical Machine Translation. Cambridge University Press. ISBN: 978-0521874151, 2009.

Doporučená literatura:

[2] Philipp Koehn, Hieu Hoang, Alexandra Birch, Chris Callison-Burch, Marcello Federico, Nicola Bertoldi, Brooke Cowan, Wade Shen, Christine Moran, Richard Zens, Chris Dyer, Ondrej Bojar, Alexandra Constantin, Evan Herbst: Moses: Open Source Toolkit for Statistical Machine Translation, Annual Meeting of the Association for Computational Linguistics (ACL), demonstration session, Prague, Czech Republic, June 2007.

http://www.statmt.org/moses/

[3] Philipp Koehn, Marcello Federico, Wade Shen, Nicola Bertoldi, Ondřej Bojar, Chris Callison-Burch, Brooke Cowan, Chris Dyer, Hieu Hoang, Richard Zens, Alexandra Constantin, Christine Moran, and Evan Herbst: Open Source Toolkit for Statistical Machine Translation: Factored Translation Models and Confusion Network Decoding. Technical report, Johns Hopkins University, Center for Speech and Language Processing, 2006.

http://ufal.mff.cuni.cz/~bojar/publications/2006-FILE-koehn_etal_jhuws_2006-2006-jhu-report.pdf

[4] Ondřej Bojar: Exploiting Linguistic Data in Machine Translation. PhD thesis, ÚFAL, MFF UK, Prague, Czech Republic, October 2008.

http://ufal.mff.cuni.cz/~bojar/publications/2008-FILE-bojar_phd-FINAL.pdf

[5] Bonnie J. Dorr, Pamela Jordan, John W. Benoit: A Survey of Current Paradigms in Machine Translation, 1998.

[6] Philipp Koehn, Franz Josef Och and Daniel Marcu: Statistical Phrase-Based Translation. 2003.

http://people.csail.mit.edu/people/koehn/publications/phrase2003.pdf

[7] Zhifei Li, Chris Callison-Burch, Sanjeev Khudanpur, Wren Thornton: Decoding in Joshua: Open Source, Parsing-Based Machine Translation. PBML 91, 2009.

http://ufal.mff.cuni.cz/pbml/91/art-li.pdf

Poznámka:

Další informace:

Pro tento předmět se rozvrh nepřipravuje

Předmět je součástí následujících studijních plánů:

• BS Matematické inženýrství - Matematické modelování (volitelný předmět)
• BS Matematické inženýrství - Matematická fyzika (volitelný předmět)
• BS Matematické inženýrství - Aplikované matematicko-stochastické metody (volitelný předmět)
• BS Informatická fyzika (volitelný předmět)
• BS Aplikace softwarového inženýrství (volitelný předmět)
• BS Aplikovaná informatika (volitelný předmět)
• BS jaderné inženýrství B (volitelný předmět)
• BS Jaderné inženýrství C (volitelný předmět)
• BS Dozimetrie a aplikace ionizujícího záření (volitelný předmět)
• BS Experimentální jaderná a částicová fyzika (volitelný předmět)
• BS Inženýrství pevných látek (volitelný předmět)
• BS Diagnostika materiálů (volitelný předmět)
• BS Fyzika a technika termojaderné fúze (volitelný předmět)
• BS Fyzikální elektronika (volitelný předmět)
• BS Jaderná chemie (volitelný předmět)