Calendario e materiali per il Modulo su

Acquisizione Automatica di Lessico e Terminologia

Corso di Terminologia e Linguaggi Settoriali

Man mano che il corso procede, inserirò su questa pagina brevi riassunti di quanto fatto a lezione, le cose da fare per la settimana successiva, i miei handouts e i materiali disponibili in formato elettronico.

Presentazione e programma del corso

La pagina dei miei links

Primo Anno

• Lezione 0
• Lezione 1
• Lezione 2
• Verifica 1
• Lezione 3
• Lezione 4
• Lezione 5
• Lezione 6
• Lezione 7
• Lezione 8
• Verifica 2 (per traduttori)
• Verifica 2 (per interpreti)

Materiali per il Secondo Anno

Cosa abbiamo fatto

• Introduzione al modulo

Da fare

• Vedi sopra nell'handout di presentazione del corso.

Materiali

• Come ottenere una chiave per l'API di Google
• Informazioni aggiuntive su Unix
  Da leggere assieme al testo Learning the UNIX Operating System
• Unix Quick Reference
• Ulteriori materiali di approfondimento su Unix:
• Unix per Linguisti
  L'handout su Unix che uso nel corso di linguistica computazionale.
• Kenneth Church - Unix for Poets
  Un tutorial su Unix scritto da uno dei padri della linguistica computazionale. Alcune note su questo testo.

Cosa abbiamo fatto

• Abbiamo fatto quasi tutto l'handout Lavorare con i Corpora (vedi sotto nella sezione Materiali).

Materiali

• Lavorare con i Corpora
  L'handout che seguiamo a lezione.

Cosa abbiamo fatto

• La Legge di Zipf (handout della lezione precedente).
• Cenni di Teoria della Probabilità (handout di questa lezione).

Da fare

• Formare gruppi, decidere dominio su cui lavorare e lista di parole chiave del dominio.
• Ottenere Google API Key (seguendo istruzioni nella sezione Materiali della Lezione 0).
• Vedi l'handout di presentazione del corso per i dettagli.

Materiali

• Cenni di Teoria della Probabilità
  L'handout che seguiamo a lezione.
• Probabilità: il minimo indispensabile
  Le stesse nozioni presentate nell'handout in formato più discorsivo.

Verifica 1: Da consegnare il 28 febbraio

Cosa abbiamo fatto

• Scaricamento di corpora dal web con i BootCaT tools.

Da fare

• Riflettere su quanto abbiamo fatto; se necessario, ripetere la procedura.
• Potrebbe essere un buon momento per cominciare a fare la prima lettura (Distributions in text, vedi sotto).

Materiali

• Estrazione di Corpora dalla Rete
  L'handout che seguiamo a lezione.

Cosa abbiamo fatto

• Continua la procedura di scaricamento di corpora dal web con i BootCaT tools.
• Abbiamo dato un'occhiata ai corpora così costruiti col software TextSTAT.

Cosa abbiamo fatto

• Abbiamo pos-taggato i corpora scaricati dal web e trattato un po' di teoria del pos-taggng.

Da fare

• Rileggete la parte fatta in classe dell'handout su come funziona il pos tagging.
• Se non lo avete ancora fatto, leggete il paper su Distributions in text (vedi sezione Letture).

Materiali

• Il Part-of-Speech Tagging in pratica
  Un handout con indicazioni pratiche sull'annotazione morfosintattica.
• Come funziona il Part-of-Speech Tagging
  Un handout di natura più teorica sull'annotazione morfosintattica.

Cosa abbiamo fatto

• Abbiamo finito l'handout teorico sul POS tagging, abbiamo indicizzato i corpora con CWB, e abbiamo iniziato ad esplorarli con cqp.

Da fare

• Giocare un po' con cqp.

Materiali

• Esplorare un corpus con CWB
  Breve introduzione all'IMS Corpus WorkBench.
• CQP Query Language Tutorial
  Introduzione pratica a cqp preparata da Stefan Evert.

Cosa abbiamo fatto

• Abbiamo fatto un po' di ripasso e abbiamo esplorato i nostri corpora con cqp.

Da fare

• Dare un'occhiata al compito da svolgere e portare eventuali domande alla prossima lezione.

Cosa abbiamo fatto

• Ripasso e discussione della Verifica 2.

Verifica 2 (per traduttori): Da consegnare entro il 10 maggio

Sia che stampiate il compito e me lo consegnate a mano, sia che me lo spediate via email (all'indirizzo SSLMIT e all'indirizzo gmail), vi pregherei di scaricare la verifica, e usarla come template in cui inserire i vostri dati e le vostre risposte.

• Cercare collocazioni e altre parole associate
  Misure d'associazione per l'estrazione di collocazioni.
• UCS quick start
  L'estrazione di collocazioni in pratica.
• Misure di associazione e parole caratteristiche di un corpus
  Metodi statistici per identifcare parole caratteristiche di un dominio specialistico.

Verifica 2 (per interpreti che hanno seguito il percorso Estrazione Terminologica su Unix): Da consegnare entro il 16 maggio

Sia che stampiate il compito e me lo consegnate a mano, sia che me lo spediate via email (all'indirizzo SSLMIT e all'indirizzo gmail), vi pregherei di scaricare la verifica, e usarla come template in cui inserire i vostri dati e le vostre risposte.

• Marco Baroni. Distributions in text. To appear in A. Lüdeling, M. Kytö and T. McEnery (eds.) Corpus Linguistics: An International Handbook, Berlin: Mouton de Gruyter
• Daniel Jurafsky and James Martin. Word classes and part-of-speech tagging. Revised 2004 version. Original chapter in Speech and Language Processing, Upper Saddle River: Prentice-Hall, 2000. Indicazioni su cosa studiare da questo capitolo.

Materiali

• L'handout che riassume la procedura di costruzione di corpora dal Web.
• CQP Query Language Tutorial
  Introduzione pratica a cqp preparata da Stefan Evert.
• Il mio mini-tutorial su cqp.
• Cercare collocazioni e altre parole associate
  Misure d'associazione per l'estrazione di collocazioni.
• UCS quick start
  L'estrazione statistica di collocazioni in pratica.
• Misure di associazione e parole caratteristiche di un corpus
  Metodi statistici per identifcare parole caratteristiche di un corpus rispetto ad un altro corpus.

Torna alla homepage del corso