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.