Il corso introduce un campo dell'Intelligenza Artificiale che si occupa dell'elaborazione automatica del linguaggio naturale. Gli argomenti includono: modellazione del linguaggio, tecniche di smoothing, analisi morfologica, tagging di parti del discorso, analisi sintattica, analisi semantica (disambiguazione e induzione del senso delle parole, etichettatura semantica dei ruoli), traduzione automatica e altre applicazioni.

- Introduzione al Natural Language Processing (4 h.)
- Modelli N-gram; smoothing; interpolation; backoff (4 h.)
- Introduzione a PyTorch e PyTorch Lightning (2 h.)
- Incorporamenti di parole monolingue e multilingue, incorporamenti di senso e concetto (4 h.)
- Modelli di linguaggio neurale (BERT, XLM-RoBERTa, GPT)(4 h.)
- Assegnazione part-of-speech (incluso POS tagging multilingue)(4 h.)
- Analisi sintattica: tecniche statistiche e neurali (4 h.)
- Semantica computazionale e semantica lessicale(2 h.)
- Lessici computazionali: WordNet (4 h.)
- Reti semantiche multilingue: BabelNet (4 h.)
- Word Sense Disambiguation; Entity Linking (4 h.)
- Multilinguismo nel Natural Language Processing (4 h.)
- Reti neurali, incorporamenti di parole e sensi e deep learning (4 h.)
- Etichettatura dei ruoli semantici neurali e analisi semantica(4 h.)
- Generazione del linguaggio naturale e Question Answering (4 h.)
- Traduzione automatica statistica e neurale (4 h.)

Testi adottati:

- Yoav Goldberg. Neural Network Methods for Natural Language Processing, Morgan & Claypool, 2017.
- Jacob Eisenstein. Introduction to Natural Language Processing, MIT Press, 2019.
- Jurafsky and Martin. Speech and Language Processing, Prentice Hall, 2009.