2022年度 自然言語処理 (4102)

授業科目基本情報PDFダウンロード

科目区分	専門科目	教職科目	情報
単位数	1	選択・必修・自由	選択
授業形態	講義	主な使用言語	英語
開講時期	Ⅲ	履修登録システム	使用する
履修登録期間	2022/10/07～2022/10/28	履修取消期限	2022/11/16

教育プログラム別の履修区分

プログラム名	IS	BS	MS	DS	DGI
履修区分	○	△	△	□	○
コア科目	－	－	－	C	－
履修方法	・修士論文研究又は特別課題研究を履修する場合は、序論科目、基盤科目及び専門科目から１４単位以上履修すること。 ・課題研究を履修する場合は、序論科目、基盤科目及び専門科目から１６単位以上履修すること。

授業科目概要

担当責任教員	渡辺 太郎
担当教員	渡辺 太郎、上垣外 英剛、進藤 裕之、大内 啓樹
教育目的／学修到達目標	【教育目的】 情報技術において、インターネット上のテキスト、スマートデバイス上に蓄積された会話データを始め様々な自然言語を解析する技術が重要である。本講義では、自然言語処理の基礎となる文法理論を始めとした言語学理論、形態素解析や構文解析などの基本的な技術から、最先端の技術である深層学習を用いたアルゴリズムについて学ぶ。 その上で、どのように自然言語処理技術を用いて実社会に有益なアプリケーションを研究・開発するかという点において、古典的な応用である自動要約や機械翻訳の仕組みを習得することを目的とする。 【学修到達目標】 1) 自然言語処理の基礎技術について説明、記述できる。 2) 機械学習について整理、議論ができる。 3) 言語処理応用について俯瞰、表現できる。 4) 系列ラベリングについて操作できる。
授業概要／指導方針	【授業概要／指導方針】 形態素解析や構文解析などの基礎技術、および機械翻訳等の自然言語処理の応用技術について解説する。 【授業時間外学修（予習・復習等）の目安】 各回毎に授業内で与えられた内容の予習2時間 各回毎に復習2時間程度

クラス情報

表示可能なデータがありません。

授業計画

回数	日付 [時間]	担当教員	テーマ	内容
1	11/9 [1]	渡辺 太郎	自然言語解処理概要	自然言語処理(NLP)の基本的な解析技術、および、実用的な応用アプリケーションについて概観する。 slides: https://docs.google.com/presentation/d/1Rru_jOOGleqz6Eh1Kv8P39kN9COIqQqSjqfGSyyyntY/edit?usp=sharing
2	11/16 [1]	大内 啓樹	単語分割、品詞解析	自然言語文の単語の定義および単語の文法クラスである品詞の同定手法について説明する。 Slide and Notebook: https://drive.google.com/drive/folders/1bfmOgrdIdE60xGyympDnErp7235VGwOo?usp=share_link
3	11/30 [1]	渡辺 太郎	言語モデル	言語モデルについて説明する。 slides: https://docs.google.com/presentation/d/1WVr8f8mVlxoTM5vw4DWbYd-bgm8-y4-gLaVYmttMVn8/edit?usp=sharing
4	12/7 [1]	進藤 裕之	深層学習	分散表現、深層学習について説明する。 slides and notebooks: https://drive.google.com/drive/folders/1DuUxPryLAn47hRXtxeOEng2k6ELd9qgU?usp=share_link
5	12/14 [1]	進藤 裕之	統語解析・意味解析	自然言語文の構造解析の基盤技術である統語解析アルゴリズム、特に、句構造と依存構造の解析のための代表的なアルゴリズムについて説明する。 slides and notebooks: https://drive.google.com/drive/folders/1DuUxPryLAn47hRXtxeOEng2k6ELd9qgU?usp=share_link
6	12/21 [1]	大内 啓樹	固有表現解析・関係抽出	固有表現抽出と関係抽出は、テキストから情報を抽出するために必要不可欠な技術である。固有表現と関係抽出のモデルについて概説する。 Slide and Notebook: https://drive.google.com/drive/folders/1bfmOgrdIdE60xGyympDnErp7235VGwOo?usp=share_link
7	12/28 [1]	上垣外 英剛	機械翻訳技術	種々の機械翻訳の手法とその要素技術について解説する。 Slides: https://docs.google.com/presentation/d/1Ryb4ECKKoTpIia00k4bcNE4C1yytIFkbpDpmEmbXnbE/edit?usp=sharing
8	1/4 [1]	上垣外 英剛	NLP応用技術・システム	自動要約や質問応答など、実社会へのNLP応用について概説する。 Slides: https://docs.google.com/presentation/d/1Fn52zhfFDTKQ09Ll1fJ4WbeX4-q7o3g0_ymXXGJrXi4/edit?usp=sharing * 最後に記載されているアンケートへの協力をお願いします．

授業日程

回数	日付	時間	講義室	備考
1	11/9	1	エーアイ大講義室[L1]（IS）	slides: https://docs.google.com/presentation/d/1Rru_jOOGleqz6Eh1Kv8P39kN9COIqQqSjqfGSyyyntY/edit?usp=sharing
2	11/16	1	エーアイ大講義室[L1]（IS）
3	11/30	1	エーアイ大講義室[L1]（IS）	slides: https://docs.google.com/presentation/d/1WVr8f8mVlxoTM5vw4DWbYd-bgm8-y4-gLaVYmttMVn8/edit?usp=sharing
4	12/7	1	エーアイ大講義室[L1]（IS）
5	12/14	1	エーアイ大講義室[L1]（IS）
6	12/21	1	エーアイ大講義室[L1]（IS）
7	12/28	1	エーアイ大講義室[L1]（IS）	Slides: https://docs.google.com/presentation/d/1Ryb4ECKKoTpIia00k4bcNE4C1yytIFkbpDpmEmbXnbE/edit?usp=sharing
8	1/4	1	エーアイ大講義室[L1]（IS）	Slides: https://docs.google.com/presentation/d/1Fn52zhfFDTKQ09Ll1fJ4WbeX4-q7o3g0_ymXXGJrXi4/edit?usp=sharing

テキスト・参考書

テキスト	特になし
参考書	『自然言語処理〔改訂版〕』黒橋禎夫，2019，放送大学教育振興会 『言語処理のための機械学習入門』高村大也, 2010, コロナ社 Speech and Language Processing (3rd ed. draft) https://web.stanford.edu/~jurafsky/slp3/ Introduction to Natural Language Processing, Jacob Eisenstein, 2019, MIT Press Foundations of Statistical Natural Language Processing, Christopher Manning and Hinrich Schütze, 1999, MIT Press

その他

履修条件	課題について - 提出先： * NAISTレポート提出システム: https://nrss.naist.jp * "4102 Natural Language Processing (NLP) #*" (*は授業の番号)と名前のついたデータボックスにそれぞれの授業のレポートを提出して下さい。 - ファイル名：「student ID_first name_last name」（例）：123456_taro_naist - レポート形式：PDFにて提出。LaTeX (overleaf) あるいはWordで書いてください。
オフィスアワー	メールで予約してください。
成績評価の方法と基準	- ５段階（秀・優・良・可・不可）で評価する。 - 講義期間中の区切りごとに求めるレポートにより行う。 - 自然言語処理のための基本的なアルゴリズムの知識の習得を基準とする。
関連科目	特になし
関連学位	工学，理学
注意事項	講義は　1）対面式　2）オンライン　3）アーカイブ　より、状況に応じて選択してください。 L1に入れなかった場合は、L2でアカデミックチャンネルを視聴するか、オンラインで受講していただくことになります。 L2あるいはオンラインによる受講される場合は、質問等をチャットで受け付けますので、必ずPCを持参してください。 なお、オンライン講義の接続先URLは、講義配布資料を参照ください。 配布資料の一部はNAISTが契約しているのGoogle Workspace for EducationあるいはMicrosoft 365を利用する場合があります。まだアカウントを設定していない方は、「クラウドアカウント発行システム」(http://itcw3.naist.jp/ITC-local/cloud/index.html)にてアカウントの設定をしてください。

授業関連URL

表示可能なデータがありません。

配布資料

表示可能なデータがありません。