Clasificación, resumen y extracción de la información
GUÍA DOCENTE Curso 2024-25
| Titulación: | Máster Universitario en Procesamiento del Lenguaje y Aplicaciones de la Int | 656M |
| Asignatura: | Clasificación, resumen y extracción de la información | 5288 |
| Materia: | Aplicaciones de la inteligencia artificial a la lingüística |
| Módulo: | Procesamiento del lenguaje e inteligencia artificial |
| Modalidad de enseñanza de la titulación: | Virtual | Carácter: | Obligatoria |
| Curso: | 1 | Créditos ECTS: | 4,00 | Duración: | Semestral (Segundo Semestre) |
| Horas virtuales sincrónicas: | 40,00 | Horas estimadas de trabajo autónomo: | 60,00 |
| Horas virtuales asincrónicas: | 0,00 | |
| Idiomas en que se imparte la asignatura: | Español |
| Idiomas del material de lectura o audiovisual: | Inglés, Español |
Departamentos responsables de la docencia
| MATEMÁTICAS Y COMPUTACIÓN | R111 |
| Dirección: | C/ Madre de Dios, 53 | Código postal: | 26006 |
| Localidad: | Logroño | Provincia: | La Rioja |
| Teléfono: | 941299452 | Fax: | 941299460 | Correo electrónico: | dpto.dmc@unirioja.es |
Profesorado previsto
| Profesor: | Rubio García, Julio | Responsable de la asignatura |
| Teléfono: | 941299448 | Correo electrónico: | julio.rubio@unirioja.es |
| Despacho: | 3242 | Edificio: | CENTRO CIENTÍFICO TECNOLÓGICO | Tutorías: | Consultar |
Descripción de los contenidos
-Introducción a la extracción de la información y clasificación de textos
-Modelos para la extracción de la información y clasificación de textos
-Desarrollo de un sistema para la extracción de la información y clasificación de textos
-Aplicaciones de la extracción de la información y clasificación de textos
-Desarrollo de pruebas de concepto para el procesamiento del lenguaje natural
-Evaluación de resultados de pruebas de concepto para el procesamiento del lenguaje natural
-Priorización de datos para programas de procesamiento del lenguaje natural
Requisitos previos de conocimientos y competencias para poder cursar con éxito la asignatura
Ninguno especificado.
Competencias
Competencias generales
CG01 - Poseer y comprender conocimientos sobre procesamiento del lenguaje natural y aplicaciones de la inteligencia artificial a la lingüística que aporten una base u oportunidad de ser originales en el desarrollo de soluciones dentro del ámbito de la lingüística computacional
CG02 - Aplicar los conocimientos adquiridos a la resolución de problemas en entornos nuevos o poco conocidos relacionados con las áreas de estudio de lingüística computacional, procesamiento del lenguaje natural y aplicaciones de la inteligencia artificial a la lingüística
CG03 - Integrar conocimientos y formular juicios a partir de una información que incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de la lingüística computacional, el procesamiento del lenguaje natural y aplicaciones de la inteligencia artificial a la lingüística
CG04 - Comunicar las conclusiones sobre lingüística computacional, procesamiento del lenguaje natural y aplicaciones de la inteligencia artificial a la lingüística -y los conocimientos y razones últimas que las sustentan- a públicos especializados y no especializados de un modo claro y sin ambigüedades
CG05 - Evaluar el progreso del propio aprendizaje de técnicas y recursos de procesamiento del lenguaje natural e inteligencia artificial aplicada a la lingüística
Competencias específicas
CC16 - Aplicar los modelos de clasificación automática de textos
CC17 - Aplicar los modelos de extracción automática de información
CE18 - Procesar los documentos textuales eficazmente para la traducción automática; la extracción de la información y clasificación de textos; y el análisis de sentimientos, el afecto y la connotación
CE19 - Sintetizar los principales logros del procesamiento del lenguaje natural
CE20 - Relatar los principales desafíos del procesamiento del lenguaje natural
CE21 - Diseñar una prueba de concepto para distintas aplicaciones del procesamiento del lenguaje natural
HD18 - Aplicar una prueba de concepto para la extracción de la información y clasificación de textos basada en técnicas de procesamiento del lenguaje natural
HD19 - Interpretar los resultados obtenidos por una prueba de concepto para la extracción de la información y clasificación de textos llevada a cabo con técnicas de procesamiento del lenguaje natural
Resultados del aprendizaje
Los resultados de aprendizaje (Conocimientos o contenidos [CC], competencias [CG y CE] y habilidades o destrezas [HD]) se incluyen en el apartado de competencias hasta que se actualice la aplicación informática del Ministerio de Universidades.
Objetivos de desarrollo sostenible
Temario
Aspectos básicos del procesamiento del lenguaje natural
Elementos de Python empleados en la asignatura
Procesamiento y comprensión de textos. Extracción de información
Clasificación de textos
Resumen de textos
Similitud y agrupamiento (clustering) de textos
Análisis semántico de textos
Bibliografía
| Tipo: | Título |
| Básica | Text Data Mining
by Chengqing Zong, Rui Xia, Jiajun Zhang Absys |
| Complementaria | Text Mining. Concepts, Implementation, and Big Data Challenge
by Jo, Taeho Absys |
| Recursos en Internet |
Natural Language Processing with Python.Analyzing Text with the Natural Language Toolkit |
Metodología
Modalidades organizativas
Clases teóricas
Seminarios y talleres
Clases prácticas
Estudio y trabajo en grupo
Estudio y trabajo autónomo individual
Métodos de enseñanza
Método expositivo - Lección magistral
Estudio de casos
Resolución de ejercicios y problemas
Aprendizaje basado en problemas
Aprendizaje orientado a proyectos
Aprendizaje cooperativo
Organización
| Actividades dirigidas | Tamaño
de grupo | Horas
virtuales
sincrónicas | Horas
virtuales
asincrónicas | Horas
totales |
| Clases teóricas | Grande | 15,00 | | 15,00 |
| Seminarios y talleres | Reducido | 5,00 | | 5,00 |
| Clases prácticas | Reducido | 20,00 | | 20,00 |
| Total de horas de actividades dirigidas | 40,00 |
| Trabajo autónomo del estudiante | Horas |
| Trabajo autónomo | 60,00 |
| Total de horas de trabajo autónomo | 60,00 |
Evaluación
| Sistema de evaluación | Recuperable | No Recup. |
| Pruebas de ejecución de tareas reales y/o simuladas | | 30% |
| Trabajos y proyectos | 70% | |
| Total | 100% |
Criterios críticos para superar la asignatura
1) Criterio crítico para la parte no recuperable (30% de la calificación): en cada uno de los entregables asociados a esta parte se debe obtener al menos un 4 (sobre 10) en la evaluación. Si no se supera este criterio, se puntuará con un 0 el 30% no recuperable, y se tendrá que obtener, para superar la asignatura, o bien en la convocatoria ordinaria o bien en la extraordinaria, al menos un 5 sobre 7 en la parte recuperable.
2) Para superar la asignatura, hay que obtener al menos un 4 (sobre 10) en la parte recuperable.
3) Para superar la asignatura, la calificación final debe ser al menos de 5 (sobre 10), tras ponderar la parte no recuperable (30%) y la parte recuperable (70%).
Versión: 14/06/2024 10:30:33 - G 2024-25 - 656M - 5288 - Impresión: 16/11/2025 00:58:08
