Семантичний аналіз даних
Спеціальність: Системи штучного інтелекту
Код дисципліни: 7.122.04.M.021
Кількість кредитів: 5.00
Кафедра: Системи штучного інтелекту
Лектор: Бойко Наталія Іванівна
Семестр: 2 семестр
Форма навчання: денна
Результати навчання: 1. Застосування конструктивних методів математичної лінгвістики: теорії інформації та інформаційних систем; теорії множин, дискретної математики та комбінаторики, методів математичної статистики та теорії ймовірності, термінологіюта визначення основних понять інформаційних технологій в обсязі достатнім для застосування отриманих базових знань, вмінь та навичок для практичного впровадження в обробку різних текстових матеріалів.
2. Вміння створювати імітаційні набори даних для тестування методів і налагодження алгоритмів, графічного представлення результатів застосування інформаційних технологій обробки текстів.
3. Використання ефективних методів проведення аналізу та візуалізації текстових даних у сучасних інформаційних системах.
Необхідні обов'язкові попередні та супутні навчальні дисципліни: машинне навчання
Короткий зміст навчальної програми: Елементи теорії інформації в лінгвістиці. Ймовірнісне моделювання тексту. Інформація лінгвістичних подій. Статистична лінгвістика. Ідентифікація текстів
Методи та критерії оцінювання: - поточний контроль (40%): письмові звіти з лабораторних робіт, виконання практичних завдань, усне опитування;
- підсумковий контроль (60%, екзамен): тестування (50%), усна компонента (10%).
Рекомендована література: 1. Дарчук Н.П. Комп’ютерна лінгвістика (автоматичне опрацювання тексту): підручник / Н.П.Дарчук. - К.: ВПЦ “Київський університет”, 2008. - 351 с.
2. Перебийніс В.І. Математична лінгвістика. - К.: Вид. Центр КНЛУ, 2014. - 125 с.
3. Карпіловська Є.А. Вступ до прикладної лінгвістики: комп’ютерна лінгвістика: Підручник.— Донецьк: ТОВ «Юго-Восток, Лтд», 2006.— 188 с.
4. Berners-Lee T., Hendler J., Lassila O. The Semantic Web. Scientific American, May 2001.
5. Benjamins V. Fensel D, Decker S., Gemez-Perez A. (KA)2: Building Ontologies for the Internet // a Mid Term Report. - 1999.
6. Borgida A., Brachman R., McGuiness D., Resnick L. Classic: A structural data model for objects
// ACM SIGMOID Int. Conf. on Management of Data, Portland, Oregon, USA, - 1989.
7. Brachman R., Schmolze J. An Overview of the KL-ONE Knowledge Representation System // Cognitive Science, - Vol. 9, - No.2, - 1985.- P.171-216.
8. Bray T., Paoli J., Sperberg C. Extensible Markup Language (XML) 1.0. W3C Recommendation. - Feb 1998. - http://www.w3.org/TR/RECxml.
9. Manola F., Miller E. RDF Primer. Oct.2003. - http://www.w3.org/TR/rdf-primer/.
10. OKBC: A Programmatic Foundation for Knowledge Base Interoperability. V. Chaudhri, A. Farquhar, R. Fikes P. Karp J. Rice // Fifteenth National Conf. on Artificial Intelligence. AAAI98, AAAIPres/The MIT Press, Madison. - 1998- P.600-607.
11. Chalupsky H, OntoMorph: A translation system for symbolic knowledge // In: Cohn A. G., Giunchiglia F., Selman B. (Eds.), Principles of Knowledge Representation and Reasoning // Proc. of the Seventh Intern. Conf. (KR2000). Morgan Kaufmann Publishers, San Francisco, CA.
12. The Description Logic Handbook. Theory, Implementation and Applications. Edited by F. Baader,
D. Calvanese, D. McGuinness, D. Nardi, Peter Patel-Schneider, Cambridge - 2003 - 574 pages.
13. Doan A., Madhavan J., Domingos P., Halevy A. Learning to map between ontologies on the Semantic Web // In: The Eleventh Intern. WWW Conference. Hawaii, US. - 2002. - doan02learning.pdf
14. Dou D., McDermott D., Qi P., Ontology translation by ontology merging and automated reasoning
// EKAW’02 workshop on Ontologies for Multi-Agent Systems. SigЁuenza, Spain. - 2002.