• ¿Qué es el Procesamiento de Lenguaje Natural (PLN)?

• Habilidades y competencias del NLPer ideal

• Grupos de Procesamiento del Lenguaje en España

• Grupos de Procesamiento del Lenguaje en Europa

• Grupos de Procesamiento del Lenguaje en EEUU

• MOOCs y cursos online

• Otros cursos presenciales y formación fuera de la universidad

• Otras lecturas

• Lingüística Computacional o Procesamiento del Lenguaje Natural (PLN): #NLProc

• Área multidisciplinar que combina Lingüística, Informática, Estadística/Análisis de datos e Inteligencia Artificial.

  • PLN está íntimamente relacionado con otras disciplinas como Ingeniería, Psicología, Lógica, Estadística, Interacción Hombre-Máquina, Ciencias Cognitivas.

• Nace como disciplina en los años 1950s con un objetivo inicial claro: construir sistemas de traducción automática.

• Amalgama de problemas, técnicas, ideas y soluciones para procesar automáticamente el lenguaje natural.

Es la disciplina relacionada con el desarrollo de herramientas y soluciones que permitan:

• procesar automáticamente lenguaje natural.

• comprender el lenguaje natural.

• interaccionar de manera eficaz con ordenadores (o máquinas) de manera natural a través del habla.

• Análisis morfo-sintáctico (PoS tagging, parsing).

• Reconocimiento de entidades (named entities recognition).

• Desambiguación semántica (word sense disambiguation).

• Traducción automática (machine translation).

• Extracción de información (information extraction).

• Reconocimiento del habla (automatic speech recognition).

• Recuperación de información (information retrieval).

• Resumen automático (automatic summarization).

• Búsqueda de respuestas (question answering)

• Análisis de opiniones (sentimen analysis)

• Generación del lenguaje natural (natural language generation) y comprensión del lenguaje natural (natural language understanding).

• En 1950s y al inicio de la Guerra Fría, el objetivo era los sistemas de traducción automática.

• En la decada de los 1960s, aparecen sistemas expertos que asistían en la toma de decisiones: sistemas de diálogo que trataban de imitar conversaciones humanas, creación de ontologías para capturar conocimiento del mundo.

• Hasta los 1980s, la mayor parte de los sistemas de PLN estaban basados en conocimiento y manejaban complejas reglas diseñadas a mano. Influencia de la Lingüística Generativa de Chomsky.

• A partir de esa década, irrumplen las aproximaciones estadísticas basadas en sistemas de aprendizaje automático, que requieren grandes colecciones de datos anotados manualmente. Desarrollo paralelo al aumento de potencia de los ordenadores.

• Actualmente, vivimos un auge de los sistemas de aprendizaje automático no supervisados (es decir, no anotados), con especial énfasis en el uso de la Web. Explosión de datos en formato electrónico.

• En la década de los 2010s hemos visto el resurgir de los sistemas que utilizando redes neuronales.

Language Technologies

El lenguaje natural es eminentemente ambiguo: es la principal diferencia entre lenguas naturales y lenguajes artificiales.

Y esta ambigüedad existe a varios niveles:

• ambigüedad fonética y fonológica: vaca/baca, casa/caza, has sido tú/has ido tú

• ambigüedad morfológica: casa, beso, río

• ambigüedad sintáctica: Ayer me encontré a tu padre corriendo

• ambigüedad semántica: banco, pie

• ambigüedad de discurso: correferencia, resolución de anáforas

Language Technologies

• Lingüística: fonética, sintaxis, semántica.

• Informática: programación, aprendizaje automático.

• Estadística, probabilidad, análisis de datos.

• Lógica, formalización y representación del conocimiento.

Herramientas para el día a día, trabajar en equipo, compartir y reutilizar código, acceder a colecciones de datos y poner en marcha servidores en la nube.

• línea de comandos de Unix, bash y herramientas de procesamiento de texto, git y GitHub.

• librerías para tareas de PLN: NLTK, GATE, Tensorflow, FreeLing, pattern.

• Computación en la nube: Google Cloud Platform, Amazon AWS, Heroku.

• UAM: LLI y ATVS.

• UCM: NIL y Área de Lingüística.

• UC3M: LABDA.

• UEM: GSI.

• UNED: NLP&IR UNED y SECONDS.

• UPM: GTH, GSI y OEG.

La SEPLN tiene un listado de grupos de investigación españoles.

En Catalunya:

• UAB+UB++UdL+UOC: GRIAL.

• UB: CLiC.

• UPC: TALP.

• UPF: TALN, TLR y Web Research.

En Euskadi:

• UPV/EHU: IXA.

En la Comunidad Valenciana:

• UA: GPLSI.

• UPV: ELiRF y NLEL.

En Andalucía:

• UCA: Lenguaje, Computación, Conocimiento.

• UJaén: SINAI.

• US: Julietta y Itálica.

• UHu: LABERINTO.

• Institute for Language, Cognition and Computation, U. of Edinburgh

• NLP Group, U. of Sheffield

• Computational Linguistics & Phonetics, U. des Saarlandes

• Language Tecnology LAb, DFKI

• HLT - Natural Language Processing, Fondazione Bruno Kessler

• Computational Linguistics & Psycolinguistics, U. Antwerp

• Institute for Logic, Language and Computation, UvA

Quora: Which are the best schools for studing NLP

• Stanford NLP Group

• The NLP Group at ISI/USC

• Language Technology Institute, Carnegie Mellon University

• The Berkeley NLP Group

• Proteus Project, NYU

• Introduction to Natural Language Processing.

• Manning & Jurafsky organizaron un curso de NLP en Coursera. Todavía sobreviven las presentaciones y los vídeos.

• Stanford NLP (materiales)

• Programming for Linguists (and fellow travelers) (materiales)

• Oxford Deep NLP

• Dan Jurafsky and James H. Martin. Speech and Language Processing

• Chris Manning and Hinrich Schütze, Foundations of Statistical Natural Language Processing

• Steven Bird, Ewan Klein, and Edward Loper. Natural Language Processing with Python

• Jacob Perkins. Python 3 Text Processing with NLTK 3 Cookbook

• The Stupidity of Computers

• NLP (almost) from scratch

• The Two Paths from NLP to AI

• Natural Language Processing Key Terms, Explained