到達目標
・自然言語処理技術の基礎を理解し，問題解決ができる．
・構文解析手法ついて理解，問題解決ができる．
・意味解析手法について理解し，問題解決ができる．
・自然言語処理技術を応用（情報検索，情報抽出，情報獲得）できる．
ルーブリック
| 理想的な到達レベルの目安 | 標準的な到達レベルの目安 | 未到達レベルの目安 |
| 自然言語処理技術の基礎を理解し，問題解決ができる． | 形態素解析の基本的なアルゴリズムを理解し，問題解決ができる． | 言葉を理解するために必要な知識を説明でき，基本的な形態素解析の基本的なアルゴリズムにより基本的な問題に適用できる． | 言葉を理解するために必要な知識を説明できない． |
| 構文解析手法ついて理解，問題解決ができる． | 各構文解析法を利用して問題解決ができる． | 構文解析法について説明ができ，構文解析法を利用して基本的な問題に適用できる． | 構文解析法について説明ができない． |
| 意味解析手法について理解し，問題解決ができる． | 意味解析手法を利用して問題解決ができる． | 基本的な意味解析手法を説明でき，基礎的な問題に適用できる． | 基本的な意味解析手法を説明できない． |
| 自然言語処理技術を応用（情報検索，情報抽出，情報獲得）できる． | 情報検索，情報抽出，知識獲得に関する問題解決および評価ができる． | 情報検索，情報抽出，知識獲得に関する問題解決ができ，課題を全て提出できる． | 情報検索，情報抽出，知識獲得に関する問題解決ができない．課題の未提出が1つでもある． |
学科の到達目標項目との関係
教育方法等
概要:
人間が使う言語である自然言語は人間の知的活動の根幹を支えており，人間の知的活動をコンピュータ処理するための技術のひとつである自然言語処理技術は機械学習や深層学習で処理するとき，人工知能の一部として位置付けられており，情報抽出，情報検索，対話システムや機械翻訳に応用されている．本科目では言語理解，言語処理をコンピュータで行うための基礎知識を解説し，さらに，知識を深めるために，情報抽出，情報検索の演習課題を行う．
授業の進め方・方法:
プレゼンスライドと黒板板書の両方を使った講義形式による解説およびコンピュータを用いたプログラミング言語pythonを用いて問題解決のための演習を行う．
また，テーマ毎にクイズを実施し理解度を確認する．
評価は定期試験，クイズ・演習課題による総合評価とする．
中間試験（1回 ）, 期末試験（1回）, クイズ（3回）の平均 60％
演習課題（4課題）の平均 40%
合計100%のうち60％で合格とする．ただし，演習課題は全て提出していることが条件．
再試験は，全範囲とし60点で合格とする．ただし，演習課題が全て提出されない場合は合格にはならない．
関連科目：オートマトン，人工知能
自習には参考書，参考演習，参考メディアを利用を推奨する．
注意点:
・クイズの目的はテーマ毎の基本的な理解を確認し，知識の確実な積み上げができることを目的にする．
・演習課題は提出期限内に提出した場合のみ評価の対象とする．提出期限厳守．
・2019年度のみ前期開講．
授業計画
|
|
週 |
授業内容 |
週ごとの到達目標 |
| 後期 |
| 3rdQ |
| 1週 |
ガイダンス，自然言語処理の背景 |
自然言語処理の背景，役割，人間の知識理解においての位置づけを理解できる．
|
| 2週 |
言葉を理解するために必要ないくつかの知識 （講義，） |
言語をコンピュータで処理するときに，手助けとなる言語辞書，コーパス，知識ベース，意味表現について理解し，説明することができる．
|
| 3週 |
形態素解析(1) （講義） |
言葉を解析するための形態素解析について学ぶ．形態素解析の基本的なヒューリスティクス手法，アルゴリズム統計的手法について学び，各手法を利用した形態素のラティス構造で表現することができる．
|
| 4週 |
形態素解析(2) （講義，クイズ） |
形態素解析の基本的なアルゴリズム動的計画法について学び，部分的な最適解を繰り返し利用することができる．
|
| 5週 |
構文解析(1) （講義） |
文法として正しい単語の並びになっているかを調べる構文解析の基礎知識を学び，構文木およびチャート法による表現することができる．
|
| 6週 |
構文解析(2) (講義，クイズ） |
構文解析の基礎的な手法，CYK法，LRアルゴリズムによる表現することができる．
|
| 7週 |
中間試験 |
|
| 8週 |
意味解析(1) （講義） |
意味解析の基本的手法を学び，単語間の類似度を計算することができる．
|
| 4thQ |
| 9週 |
意味解析(2) （講義） |
意味解析の基本的手法を学び，単語間の類似度を計算することができる．
|
| 10週 |
意味解析(3) (講義，クイズ） |
意味解析の基礎的知識を学び，格構造および意味役割について理解し説明できる．
|
| 11週 |
演習課題(1) |
pythonを利用した形態素解析と構文解析の基礎的な課題を解決することができる．
|
| 12週 |
演習課題(2) |
pythonを利用した情報検索の基礎的な課題を解決し，評価指標を利用して結果を評価することができる．
|
| 13週 |
演習課題(3) |
pythonを利用した情報抽出の基礎的な課題を解決することができる．
|
| 14週 |
演習課題(4) |
pythonを利用した自然言語処理技術を用いた基礎的な課題を解決することができる．
|
| 15週 |
まとめ |
演習課題の振り返り，各トピックについて考察をまとめる．
|
| 16週 |
期末試験 |
|
モデルコアカリキュラムの学習内容と到達目標
| 分類 | 分野 | 学習内容 | 学習内容の到達目標 | 到達レベル | 授業週 |
| 専門的能力 | 分野別の専門工学 | 情報系分野 | ソフトウェア | 与えられたアルゴリズムが問題を解決していく過程を説明できる。 | 4 | |
| ソースプログラムを解析することにより、計算量等のさまざまな観点から評価できる。 | 4 | |
| 情報数学・情報理論 | 離散数学に関する知識をアルゴリズムの設計、解析に利用することができる。 | 4 | |
| 情報量の概念・定義を理解し、実際に計算することができる。 | 4 | |
評価割合
| 試験 | 発表 | 相互評価 | 態度 | ポートフォリオ | その他 | 合計 |
| 総合評価割合 | 60 | 0 | 0 | 0 | 0 | 40 | 100 |
| 基礎的能力 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 専門的能力 | 60 | 0 | 0 | 0 | 0 | 40 | 100 |
| 分野横断的能力 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |