суббота, 18-11-2017

МАОТ (ИИ)

Дата - зачтено

Дата - ладно, зачтено

Дата - незачет

 

 

  • Почтовый адрес М.П. Концевого: kmp@brsu.by

  • Письмо  из учебной аудитории можно отправить через сайт mail.brsu.by (логин: student, пароль: 24690274)

  • Обязательная форма темы письма: 308-Фамилия-название работы

  • Для зачета необходимо выполнить все работы + рефераты + ответы на вопросы

  • Вопросы к зачету

  • Высылается письмо со всеми вложениями, отзывом и, если нужно, паролем. Высланное частями не принимается и не проверяется.

 

310

Font F1 GF FD St St2 St3 StL YaS LA LT iG AntC D RegExp OCR

PR

PR2

PhS KT ***
Бельская 14-10 14-10 20-10 14-11 20-10 30-10 13-11 13-11 14-11 14-11 17-11 18-11                  
Бодагова 22-10 16-10 17-10 13-11 22-10   10-11 12-11 14-11 13-11                      
Гусева 10-10 10-10 11-10 23-10 13-10 17-10 17-10 19-10 30-10 03-11 12-11                    
Закудовская 15-10 15-10 15-10 26-10 15-10 12-11 10-11 11-11 13-11 13-11                      
Зернова 17-10 20-10 24-10 13-11 28-10 12-11 12-11 12-11 13-11 15-11                      
Кунц 11-10 12-10 13-10 10-11 16-10 27-10 03-11 05-11 14-11 17-11                      
Кухарчук 13-10 13-10 13-10 10-11 16-10 27-10 03-11 03-11 10-11 10-11 17-11                    
Омельянович 13-10 13-10 20-10   24-10 27-10 07-11 08-11                          
Романченко 13-10 13-10 13-10   16-10 27-10 27-10 03-11 15-11 10-11 17-11                    
Романчук 13-10 13-10 14-10 17-11 16-10 22-10 27-10 03-11 10-11 14-11                      
Флорьянович 19-10 19-10 20-10   24-10 23-10 27-10 03-11 17-11 10-11 17-11                    
Дата 11-10 13-10 16-10 20-10 24-10 27-10 31-10 03-11 07-11 10-11 14-11 17-11 22-11 24-11 29-11 01-12 06-12 08-12 13-12 15-12 20-12

 

 

 

 

kmp

Темы лекций:

  1. Педагогическая система учебного курса «Методы автоматической обработки текста»

  2. Понятие и представления текста

  3. Автоматический анализ текста

  4. Автоматический анализ текста

  5. Представление лингвистических данных

 

Темы практических:

  1. Графематический анализ текста

  2. Графематическая обработка текста

  3. Системы и сервисы оптического распознавания текста

  4. Статистический анализ текста

  5. Статистический анализ текста

  6. Статистическая обработка текста

  7. Статистическая обработка текста

  8. Системы и сервисы статистической обработки текста

  9. Морфологический анализ текста

  10. Морфологический анализ текста

  11. Синтаксический анализ текста

  12. Синтаксический анализ текста

  13. Регулярные выражения

  14. Регулярные выражения

  15. Метаязыковая разметка

  16. Метаязыковая разметка

  17. Лингвистические аннотации

  18. Лингвистические аннотации

  19. Лексикографическая обработка текста

  20. Лексикографическая обработка текста

  21. Системы и сервисы компьютерного перевода

  22. Системы и сервисы фоносемантического анализа

  23. Системы и сервисы статистической обработки текста

  24. Системы и сервисы порождения связных текстов

  25. Системы и сервисы текстового поиска

 

 

Dia Ya RegExp OCR

PR

PR2

PhS TD iG

 

 

 

 

К обсуждению (интерпретации новости, исследования, статистических подходов):

  • ученые Cornell University  изучили статистику специального мобильного приложения, пользователи которого оценивали степень "правдивости" отправленных сообщений.

  • см. статьи Oliver Moody в The Times (полный текст доступен при наличии подписки) или The Australian

  • в эксперименте участвовали 1703 человека.

  • выяснилось, что отличить ложь от правды в письменной речи мужчин невозможно. Однако следует заподозрить неладное при повышении частотности слов "наверное" и "конечно".

  • лгущая женщина широко использует местоимение "я" и глагол "стараться" в разных формах,ее текст, как правило, длиннее "правдивого" (8,2-9,2 слова против 7,4-8), в нем чаще часто употребляются слова "возможно" и "вероятно", на 27% чаще используется местоимение "я" и на 11% меньше используются указательные местоимения