徳島大学 教育・研究者情報データベース(EDB)

Education and Research Database (EDB), Tokushima University

徳島大学ウェブサイトへのリンク

授業概要: 2010/言語モデル論

ヘルプを読む

「授業概要」（授業概要のリスト）は，授業の概要を登録するテーブルです． (この情報が属するテーブルの詳細な定義を見る)

  • 項目名の部分にマウスカーソルを置いて少し待つと，項目の簡単な説明がツールチップ表示されます．

この情報をEDB閲覧画面で開く

EID
197220
EOID
485316
Map
[2009/言語モデル論]
LastModified
2009年11月25日(水) 14:05:01
Operator
水本 匡昭
Avail
TRUE
Censor
0
Owner
[教務委員会委員]/[徳島大学.工学部.知能情報工学科]
Read
継承
Write
継承
Delete
継承
種別 必須 先端技術科学教育部 (授業概要)
入学年度 必須 西暦 2010年 (平成 22年)
名称 必須 (英) Language Modeling / (日) 言語モデル論 / (読) げんごもでるろん
形態 推奨
  1. 講義形式とポートフォーリオ形式の併用
コース 必須
  1. 2010/[徳島大学.先端技術科学教育部.システム創生工学専攻.知能情報システム工学コース]/[博士前期課程]
担当教員 必須
  1. 北 研二
    肩書 任意
  2. 獅々堀 正幹([徳島大学.大学院社会産業理工学研究部.理工学域.知能情報系.知能工学分野]/[徳島大学.理工学部.理工学科.知能情報コース.知能工学講座])
    肩書 任意
単位 必須 2
目的 必須

(英) The course introduces some probabilistic models of natural language.

(日) 確率モデルを用いた自然言語のモデル化について講義し，理論と考え方を習得させる．
概要 必須

(英) Due to the availability of large text corpora, probabilistic approaches to modeling natural language text have become dominant in recent years. This lecture gives an overview of probabilistic modeling of natural language, including n-gram models, hidden Markov models, probabilistic grammars, and maximum entropy models, as well as their applications to natural language processing and information retrieval.

(日) 膨大な言語データを取り扱うことができる現在，言語現象を確率·統計的な観点からとらえる立場がますます有効になってきている．講義では，Nグラムモデル，隠れマルコフモデル，確率文法，最大エントロピーモデル等の確率的言語モデル，およびこれらのモデルの自然言語処理や情報検索への応用について述べる．本科目は，工業に関する科目である．
キーワード 推奨
  1. (英) natural language / (日) 自然言語
  2. (英) probabilistic model / (日) 確率モデル
  3. (英) n-gram model / (日) nグラムモデル
  4. (英) probabilistic grammar / (日) 確率文法
先行科目 推奨
  1. オートマトン·言語理論([2010/[徳島大学.工学部.知能情報工学科]/[昼間コース]]/->授業概要[2009/オートマトン·言語理論])
    必要度 任意
関連科目 推奨
  1. 自然言語理解([2010/[徳島大学.先端技術科学教育部.システム創生工学専攻.知能情報システム工学コース]/[博士前期課程]]/->授業概要[2009/自然言語理解])
    関連度 任意
  2. 機械翻訳特論([2010/[徳島大学.先端技術科学教育部.システム創生工学専攻.知能情報システム工学コース]/[博士前期課程]]/->授業概要[2009/機械翻訳特論])
    関連度 任意
要件 任意
注意 任意
目標 必須

  1. (英) To acquire effective techniques for modeling natural language texts using probabilistic models.

    (日) 確率的言語モデルの基礎的な理論および手法を理解し，様々な問題に適用できる応用力を習得する．
計画 必須

  1. (英) Overview of the course

    (日) 講義の概要

  2. (日) Modeling natural language

  3. (英) Estimation and evaluation of probabilistic models

    (日) 確率モデルの推定と評価

  4. (英) N-gram model

    (日) Nグラムモデル

  5. (英) Hidden Markov model

    (日) 隠れマルコフモデル

  6. (英) Maximum entropy model

    (日) 最大エントロピーモデル

  7. (英) Probabilistic grammar

    (日) 確率文法

  8. (日) Partitions of numbers and Young diagram

  9. (英) Symmetric group and its action on polynomials

    (日) 対称群とその多項式への作用

  10. (英) Symmetric form and Young diagram

    (日) 対称式とヤング図形

  11. (英) Bumping game

    (日) 盤ゲーム，その1:Bumping

  12. (英) Sliding game

    (日) 盤ゲーム，その2:Sliding

  13. (英) Product operations on Young tableaux

    (日) ヤング盤の積演算

  14. (英) Word problem

    (日) 語の問題

  15. (英) Recent topics

    (日) 最近の話題

  16. (英) Assignment

    (日) レポート課題の説明
評価 必須

(英) Assignment count 100%.

(日) レポートで評価する．
再評価 必須
対象学生 任意 開講コース学生のみ履修可能
教科書 必須

  1. (英) To be introduced in the class.

    (日) 授業中に紹介する
参考資料 推奨
URL 任意
連絡先 推奨
  1. 北 研二
    オフィスアワー 任意

    (英) Tuesday 12:50 - 14:20

    (日) 火曜日 12:50 - 14:20
科目コード 推奨
備考 任意

  1. (英) Invited talk by a part-time lecturer will be given.

    (日) ゲストスピーカー(非常勤講師)による講義を一部取り入れる．

この色で表示されている項目はマップによって参照された内容です