NLP-Werkstatt: Arbeiten mit linguistisch annotierten Korpora
Kursbeschreibung
| Studiengang | Modulkürzel | Leistungs- bewertung |
|---|---|---|
| BA-2010[100%|75%] | CS-CL | 6 LP |
| BA-2010[50%] | BS-CL | 6 LP |
| BA-2010[25%] | BS-AC, BS-FL | 4 LP |
| NBA[100%|75%] | CS-CL | 6 LP |
| NBA[50%|25%] | BS-CL, BS-AC | 4 LP |
| Magister | - | - |
| Dozenten/-innen | Éva Mújdricza-Maydt |
| Veranstaltungsart | Proseminar |
| Erster Termin | 22.04.2015 |
| Zeit und Ort | Mi, 16:15–17:45, INF 325 / SR 23 (SR) |
| Commitment-Frist | 16.06.–15.07.2015 |
Teilnahmevoraussetzungen
Programmieren I
Sprache
Deutsch
Leistungsnachweis
- regelmäßige und aktive Teilnahme
- Übungsaufgaben
- evtl. Präsentation und Diskussion der Lösungen
Inhalt
Im Seminar werden Sie - unterstützt durch praktische Übungen - notwendige Kenntnisse in der Erstellung und Weiterverarbeitung annotierter Korpora erwerben. Die Übungen werden einzeln oder in kleinen Gruppen durchgeführt. Lernziel ist es, im Laufe des Semesters Fertigkeiten für eine sicher(er)e und zielgerichtete Arbeit mit Korpora zu erwerben und für die spätere Anwendung wiederverwendbare und erweiterbare Programme zur Verarbeitung annotierter Korpora zu erstellen.
In diesem Semester konzentriert sich das Seminar auf die (manuelle und automatische) Annotation computerlinguistischer Informationen und deren Extraktion aus Korpora. Wir werden uns v.a. auf die folgenden Fragestellungen und Fertigkeiten konzentrieren:
-
Korpusauswahl und -vorverarbeitung
- Wie beeinflussen Menge, Format, Sauberkeit der zugrundeliegenden Daten die Vorgehensweise?
- Wie säubert man Korpora, wie geht man um mit Formaten, Encodings, wie führt man Formatkonversionen durch?
-
Manuelle und automatische Annotation und ihre Auswertung
- Wie stellt man Guidelines auf und wie folgt man ihnen?
- Welche Vorannotierungen und Tools sind hilfreich?
- Wie misst man die Qualität der Annotation?
- Welche (halb)automatischen oder interaktiven Annotierungstools eignen sich für welche Aufgabenstellungen? Wie verwendet man sie, welche Anpassungen der Formate muss man ggf. vornehmen?
- Wie visualisiert man quantitative Eigenschaften der Daten bzw. Ergebnisse?
-
Extraktion und Weiterverarbeitung von Informationen
- Welche Formate gibt es?
- Welche Tools oder Skripts existieren für die Verarbeitung der Formate?
- Wie kann man eigene, wiederverwendbare Extrahierungsprogramme schreiben?
Kursübersicht
Seminarplan
| Datum | Sitzung | Aufgaben | Hausaufgaben |
|---|---|---|---|
| 22.04. | Organisation (21.04.), Einführung (22.04.) | URLs (22.04.) | |
| 29.04. | Standardisierung (29.04.) | URL+RE (29.04.) | URL-Extraktion (HA) (29.04.), data (29.04.) |
| 06.05. | XML+DTD (06.05.), Beispiel (06.05.) | ||
| 13.05. | Blitzreferat Encoding in Python (JS); String-Encoding in Python 2 vs. 3 (18.05.) | MAE (XML+DTD) (13.05.) | MAE (HA) (13.05.),
MAE User Guide,
data;
HA+ (MAE Guide) (13.05.) |
| 20.05. | Blitzreferat argparse-Modul (OP); Blitzreferat DocStrings (CB); SRL (1) (20.05.) | Tools (20.05.), SRL (20.05.), SRL_Lösung (20.05.) | SRL (1, HA) (21.05.) |
| 27.05. | Blitzreferat Klassen in Python (TW); Evaluation (PRFA) (16.06.) | SALSA (27.05.) | Evaluation (PRFA, HA) (27.05.), data, data tiny |
| 03.06. | Blitzreferat Unterschiede zwischen Python 2 und 3 (SP); Formate und Annotation (03.06.) | Formatbeispiele (03.06.) | 10.06. | Szenarien der Evaluierung (09.06.) | Eval (PRFA) (10.06. - eingescannt, schlechte Qual.) | HA+ (Koll.Zusf.) (17.06.) |
| 17.06. | Blitzreferat Enum in Python (SW); WebAnno-Demo (Project, Users, Annotation) | WebAnno1 (24.06.),
SALSA2.0_Bsp.txt; HA+ (Code-Inspektion) (17.06.) |
|
| 24.06. | Guidelines (25.06.), SRL-Annotationsaufgabe planen -- siehe Wiki | SRL (Planung) (25.06.) | Guidelines (08.07.), Bsp.-Guidelines, Pilot-Korpus |
| (entfällt) | |||
| 08.07. | Blitzreferat Fehlerbehandlung in Python (DB); Evaluation: IAA (von Ines Rehbein) | IAA (07.07.) | WebAnno2 (07.07.), Anno-Korpus |
| 15.07. | WebAnno-Demo (Kuration, Monitoring); GermaNet (von Verena Henrich) | ||
| 22.07. | Circuit Training (22.07.) |
