Modul

Siehe Teilleistung.

• Die Studentin oder der Student soll die Probleme, die in der Verarbeitung natürlicher Sprache vorhanden sind, kennenlernen
• Der Studierende in die Grundlegenden Techniken zur Lösung der Probleme eingeführt werden.
• Die Studentin oder der Student soll die Beziehungen zwischen den Methoden der Verarbeitung natürlicher Sprache und der Dialogmodellierung verstehen
• Der Studierende soll grundlegende Konzepte der Dialogmodellierung verstehen und die dafür benötigten Techniken erlernen
• Die Studentin oder der Student soll einen Einblick in die aktuelle Forschung im Bereich der Verarbeitung natürlicher Sprache und Dialogmodellierung erhalten und kann mit dem erworbenen Wissen an aktuellen Forschungsthemen arbeiten

Siehe Teilleistung.

Damit wir uns mit einem Computer unterhalten können, muss er Sätze wie „Ich verstehe nicht, was du damit meinst!“ interpretieren können. Dafür muss er wissen, was „nicht verstehen“ bedeutet und worauf sich das „damit“ bezieht.

Diese Vorlesung gibt einen Überblick über verschiedene Themengebiete und angewandte Methoden in der Verarbeitung der natürlichen Sprache (engl.: Natural Language Processing, NLP) und der Dialogmodellierung.

In Bezug auf NLP werden Themen unterschiedlicher Komplexität behandelt, wie z.B. Part-of-Speech Tagging, Sentiment Analysis, Word Sense Disambiguation (WSD) und Question Answering (QA). Gleichzeitig werden verschiedene Techniken vorgestellt, mit denen die entsprechenden Komponenten realisiert werden können. Dazu zählen u.a. Conditional Random Fields (CRFs) und Maximum Entropy Models (MaxEnt).

Darüber hinaus werden Bezüge hergestellt, welche Themen und Methoden des NLP besonders relevant für die Realisierung von Sprachdialogsystemen sind. In der Dialogmodellierung werden unterschiedliche Bereiche wie Social Dialog, Goal-Oriented Dialog, Multimodaler Dialog und Error Handling thematisiert. Diese gehen u.a. mit zusätzlichen Techniken wie Partially Observable Markov Decision Processes (POMDPs) einher.