Processamento de Linguagem e Extração de Informação

Código:

PRODEI034

Sigla:

PLEI

Áreas Científicas
Classificação	Área Científica
OFICIAL	Sistemas Inteligentes

Ocorrência: 2024/2025 - 1S

Ativa?	Sim
Unidade Responsável:	Departamento de Engenharia Informática
Curso/CE Responsável:	Programa Doutoral em Engenharia Informática

Ciclos de Estudo/Cursos

Sigla	Nº de Estudantes	Plano de Estudos	Anos Curriculares	Créditos UCN	Créditos ECTS	Horas de Contacto	Horas Totais
PDMAPI	1	Plano Oficial a partir de 2020/2021	1	-	6	28	162
PRODEI	7	Plano de estudos Oficial	1	-	6	28	162

Língua de trabalho

Português - Suitable for English-speaking students

Objetivos

O objetivo principal desta unidade curricular é dotar os estudantes de conhecimentos sobre técnicas de processamento de linguagem natural e de extração de informação a partir de texto, articulando a apresentação dos fundamentos teóricos com aplicações práticas.

Resultados de aprendizagem e competências

Ao completar a unidade curricular os estudantes deverão ser capazes de:

- Explicar os conceitos e técnicas fundamentais para o processamento de linguagem natural e extração de informação a partir de texto;
- Demonstrar conhecimento da literatura científica relevante e capacidade de interpretação e apresentação de trabalhos de investigação na área;
- Desenhar e implementar sistemas para proccessamento de linguagem natural e que efetuem a análise e extração automática de informação expressa em linguagem natural.

Modo de trabalho

Presencial

Programa

- Introdução ao processamento de linguagem natural: definições, tarefas e aplicações.
- Processamento básico de texto: expressões regulares, tokenização, normalização, lematização, stemming, segmentação.
- Modelos de linguagem: n-grams.
- Classificação de texto: bag-of-words, TF-IDF, n-grams, Naive Bayes, engenharia de features; classificadores generativos e discriminativos.
- Modelos sequenciais: hidden Markov models, conditional random fields; marcação de classe gramatical e reconhecimento de entidades mencionadas.
- Representações vectoriais de palavras: semântica lexical, embeddings de palavras.
- Redes neuronais em processamento de linguagem natural: modelos neuronais de linguagem, redes neuronais recorrentes, redes encoder-decoder, attention, redes transformer.
- Grandes modelos de linguagem.
- Investigação atual em processamento de linguagem natural e extração de informação.

Bibliografia Obrigatória

Daniel Jurafsky; Speech and language processing. ISBN: 0-13-095069-6 (https://web.stanford.edu/~jurafsky/slp3/)

Bibliografia Complementar

Christopher D. Manning, Prabhakar Raghavan, Hinrich Schutze; Introduction to information retrieval. ISBN: 978-0-521-86571-5 (Conteúdo integral disponível em http://nlp.stanford.edu/IR-book/)
Steven Bird, Ewan Klein, Edward Loper; Natural Language Processing with Python, O'Reilly Media, 2009. ISBN: 978-0-596-51649-9 (Conteúdo integral disponível em http://www.nltk.org/book/)
Yoav Goldberg; Neural network methods for natural language processing. ISBN: 978-1-62705-298-6
Jacob Eisenstein; Introduction to natural language processing. ISBN: 978-0-262-04284-0

Métodos de ensino e atividades de aprendizagem

A unidade curricular funciona segundo um regime híbrido, que inclui uma componente teórica expositiva e uma componente de projeto. A componente teórica consistirá na exposição dos conceitos base sobre processamento de linguagem e extração de informação e na apresentação de literatura recente sobre a temática.

A componente de projeto permitirá aos estudantes aplicar esses conceitos em casos de estudo práticos. Os estudantes irão efetuar pesquisa, desenvolvimento e avaliação de uma solução de processamento de linguagem e extração de informação. No trabalho de investigação e desenvolvimento, os estudantes serão acompanhados em regime de tutoria.

As aulas serão utilizadas para abordar os tópicos da unidade curricular, que serão acompanhados de exercícios fornecidos com base em Jupyter notebooks (Python). O objetivo é apresentar as ferramentas que serão utilizadas nos trabalhos práticos o mais cedo possível. Ao mesmo tempo, serão fornecidas sugestões para literatura relacionada, como oportunidades de leitura adicional. Os estudantes serão convidados a fazer breves apresentações sobre as tendências recentes de investigação em PLN. Parte das aulas serão também utilizadas para acompanhamento tutorial individualizado dos trabalhos práticos.

Cada estudante define e realiza um projecto prático ao longo do semestre, que resultará na escrita de um artigo científico. Os temas dos projetos são propostos pelos estudantes e validados pelo docente.

Os estudantes realizarão também apresentações sobre tópicos recentes em processamento de linguagem natural.

Palavras Chave

Ciências Tecnológicas > Engenharia > Engenharia de computadores

Tipo de avaliação

Avaliação distribuída sem exame final

Componentes de Avaliação

Designação	Peso (%)
Trabalho escrito	25,00
Apresentação/discussão de um trabalho científico	50,00
Trabalho prático ou de projeto	25,00
Total:	100,00

Componentes de Ocupação

Designação	Tempo (Horas)
Estudo autónomo	40,00
Frequência das aulas	26,00
Apresentação/discussão de um trabalho científico	1,00
Trabalho de investigação	20,00
Trabalho escrito	25,00
Trabalho laboratorial	50,00
Total:	162,00

Obtenção de frequência

A avaliação é feita com base em quatro componentes:
1) Apresentação oral relacionada com uma direção de investigação recente: 30%
2) Trabalho prático: 25%
3) Artigo científico documentando o trabalho prático desenvolvido: 25%
4) Apresentação final do trabalho prático desenvolvido: 20%

A todas as componentes de avaliação aplica-se uma nota mínima de 7 valores em 20.

Fórmula de cálculo da classificação final

A classificação final (CF) será calculada da seguinte forma:

CF = 30% * AO + 25% * TP + 25% * AC + 20% * AF

Componentes de avaliação:
- AO: Apresentação oral relacionada com uma direção de investigação recente
- TP: Trabalho prático
- AC: Artigo científico documentando o trabalho prático desenvolvido
- AF: Apresentação final do trabalho prático desenvolvido

Avaliação especial (TE, DA, ...)

Os alunos sujeitos a regime de avaliação especial estão dispensados da componente presencial, excepto no momento das apresentações. Nestes casos, devem ser agendadas reuniões períodicas com o docente para acompanhamento dos trabalhos. A avaliação será realizada tendo em conta os parâmetros gerais definidos anteriormente.

Melhoria de classificação

Na edição seguinte da Unidade Curricular.