言語処理

科目基礎情報

学校 阿南工業高等専門学校 開講年度 令和05年度 (2023年度)
授業科目 言語処理
科目番号 1795402 科目区分 専門 / 選択
授業形態 授業 単位の種別と単位数 学修単位: 2
開設学科 情報コース 対象学年 5
開設期 前期 週時間数 2
教科書/教材 機械学習・深層学習による自然言語処理入門 ~scikit-learnとTensorFlowを使った実践プログラミング~(中山光樹、マイナビ出版)
担当教員 太田 健吾,岡本 浩行

到達目標

1. 形態素解析の考え方を説明できる。
2. 構文解析の考え方を説明できる。
3. 意味解析の考え方を説明できる。
4. 統計的言語モデルの考え方を説明できる。
5. 機械学習・深層学習による自然言語処理の考え方を説明できる。

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最低限の到達レベルの目安
到達目標1形態素解析の基本的なアルゴリズムを用いた解析を行うことができる。形態素解析の基本的なアルゴリズムを説明できる。形態素解析の基本的なアルゴリズムを説明できない。
到達目標2構文解析の基本的なアルゴリズムを用いた解析を行うことができる。構文解析の基本的なアルゴリズムを説明できる。構文解析の基本的なアルゴリズムを説明できない。
到達目標3意味解析の基本的なアルゴリズムを用いた解析を行うことができる。意味解析の基本的なアルゴリズムを説明できる。意味解析のアルゴリズムを説明できない。
到達目標4統計的言語モデルの基本的なアルゴリズムを理解し、適切な資料を参照しながら実装できる。統計的言語モデルの基本的なアルゴリズムを説明できる。統計的言語モデルのアルゴリズムを説明できない。
到達目標5機械学習・深層学習による自然言語処理について理解し、適切な資料を参照しながら実装できる。機械学習・深層学習による自然言語処理について説明できる。機械学習・深層学習による自然言語処理について説明できない。

学科の到達目標項目との関係

教育方法等

概要:
自然言語処理の基本的な解析手法(形態素解析、構文解析、意味解析、文脈解析)を習得する。また、自然言語処理技術の応用技術(情報検索、対話システム)の動作原理を学ぶ。さらに、機械学習・深層学習による自然言語処理の手法を習得する。
授業の進め方・方法:
注意点:

授業の属性・履修上の区分

アクティブラーニング
ICT 利用
遠隔授業対応
実務経験のある教員による授業

授業計画

授業内容 週ごとの到達目標
前期
1stQ
1週 自然言語処理概論 自然言語処理の概要について説明できる。
2週 形態素解析 形態素解析の基本的なアルゴリズムを用いた解析を行うことができる。
3週 構文解析 構文解析の基本的なアルゴリズムを用いた解析を行うことができる。
4週 意味解析・文脈解析 意味解析の基本的なアルゴリズムを用いた解析を行うことができる。
5週 情報検索 情報検索のアルゴリズムを理解し、説明できる。
6週 統計的言語モデル 統計的言語モデルの基本的なアルゴリズムを理解し、説明できる。
7週 統計的言語モデル 統計的言語モデルの基本的なアルゴリズムを理解し、適切な資料を参照しながら実装できる。
8週 単語分散表現 単語分散表現の原理を理解し、説明できる。
2ndQ
9週 【前期中間試験】
10週 機械学習による自然言語処理 機械学習による自然言語処理について理解し、適切な資料を参照しながら実装できる。
11週 ニューラルネットワーク ニューラルネットワークの原理を理解し、説明できる。
12週 テキスト分類 テキスト分類の原理を理解し、説明できる。
13週 深層学習による自然言語処理 深層学習による自然言語処理について理解し、適切な資料を参照しながら実装できる。
14週 深層学習による自然言語処理 深層学習による自然言語処理について理解し、適切な資料を参照しながら実装できる。
15週 対話システム 対話システムの原理を理解し、説明できる。
16週 【答案返却】

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

評価割合

試験発表相互評価態度ポートフォリオその他レポート課題合計
総合評価割合6000000400100
基礎的能力200000015035
専門的能力400000015055
分野横断的能力00000010010