Parsning = analys. Parsningsalgoritmer. Användningsområden. L1: Introduktion
|
|
- Johannes Viklund
- för 8 år sedan
- Visningar:
Transkript
1 Parsning = analys Maskinell analys av naturligt språks strukturer Uppgiften som en parser löser är 1. Acceptera en sträng som grammatisk, samt oftast 2. Ge en strukturell representation av strängen som utdata XD4510 Parsningsalgoritmer Höstterminen 2001 L1: Introduktion Parser, förutsättningar Grammatikformalism En mängd regler som talar om hur man får skriva sin grammatik (ex DCG, PATR-II, CFG, BF, ) Grammatik En mängd regler som talar om vilka strängar som får genereras Parsningsalgoritm En sökstrategi som bestämmer i vilken ordning som reglerna ska appliceras Anders Green green@nada.kth.se Parsningsalgoritmer 1. Modeller för mänsklig parsning ökes: - stark ekvivalens mellan mänsklig parsning och maskinell parsning - jfr lingvisternas strävan att finna språkoberoende grammatik 2. erktyg för språkteknologer ökes: effektiv metod som gör jobbet Användningsområden Överallt yntaxkontroll Kompilatorer Maskinöversättning Dialogsystem pel Etc. yntaxkontroll Indata: text Utdata: beskrivningar av fel Kompilatorer Indata: programkod Utdata: instruktioner eller syntaxfel Maskinöversättning Indata: text på ett språk Utdata: en språkneutral representation Dialogsystem Indata: Text från en taligenkännare Utdata: En semantisk representation av yttrandet
2 Parsertyper Mänsklig parsning Hellwig: Tolkande parser Grammatik och parsningsprocedur är separata indata Parsningslagoritm utdata issa meningar ger folk problem Andra gör det inte Left-branching Grammatik Procedurell parser Grammatik och parsningsprocedur är integrerade. Kompilerad parser Precis som i fallet med den tolkande parsern skrivs grammatiken separat, men innan man kan börja parsa kompilerar man reglerna och proceduren till en (normalt) effektivare representation indata Parsningslagoritm Grammatik Parsningsalgoritm + Grammatik utdata P indata mellansteg Tillståndsautomat utdata P Johans broders katts ungar avskyr råttor Mänsklig parsning (forts) Mänsklig parsning (forts) Högertyngda meningar verkar inte heller ge folk problem när det gäller att processa dem Right-branching Centerinbäddade meningar verkar å andra sidan ge folk stora problem (Miller & Chomsky) Center-embedded Förklaringen som normalt ges är att utrymmeskravet vid mental bearbetning leder till problem när vi ska förstå centerinbäddade meningar arje nytt ämne som introduceras kräver lagring i minnet är verbet till slut dyker upp kan man ha glömt bort vad det syftar på Detta är hunden som jagade råttan som åt katten Råttan som katten som hunden jagade bet åt osten
3 ågra principer Principer Högerassociativitet/late closure Minimal attachment En princip som säger att människor föredrar den syntaktiska analys som innebär det minsta antalet noder i ett träd issa andra meningar ger ibland upphov till tolkningsproblem i målade staketet med sprickor The horse raced passed the barn fell ya konstituenter tolkas som hörande till den konstruktion som håller på att byggas upp Kalle sa att lisa åkte i sin bil PP PP AP Han hade hunden i huset Han hade hunden i huset Kalle sa att lisa åkte i sin bil Grundläggande begrepp Alfabete: Ett alfabete är en ändlig mängd av symboler ex {a,b}, {kalle, lisa, gillar, pelle} träng: En sträng är en ordnad sekvens av symboler ur ett visst alfabete ex kalle gillar lisa En sträng kan vara tom ε Konkatenering: ätta ihop två strängar så att de bildar en ny sträng ex: X = ga, Y = is, XY=gais, XYXY=gaisgais Om man konkatenerar den tomma strängen får man ex Z = ε, XZY=gais X 1 = ga, X 2 = gaga, X 3 = gagaga tränglängd tränglängd skriv X, A= aaa, A 2 = 6. pråk Ett formellt språk är en mängd strängar som uppfyller vissa krav. Ex Alfabete = {a,b}, ett språk där antalet a är lika med antalet b uttrycks a n b n, {x a n b n} ab, aabb, aaabbb etc är alla medlemmar av språket. Mer grundläggande begrepp Grammatik: En grammatik är ett språk som används för att beskriva språk (metaspråk) Formella grammatiker består av Top-symbol (σ, s ) Terminala symboler ( T ) Icke-terminala symboler ( ) Regler på formen φ ϕ G = < σ, T,, P> Ex: <, {kalle, lisa, gillar}, {,, P,, }, {,, P, P kalle, P lisa, gillar}> pråket som G1 beskriver refereras som L1 Kalle gillar lisa Lisa gillar kalle
4 Derivering Parsträd/analysträd En derivering av en sträng är en sekvens av strängar som starta med toppnoden/toppsymbolen σ σ ϕ 1 ϕ 2 ϕ 3 ϕ n P P P kalle P kalle gillar P kalle gillar lisa P P P kalle gillar P lisa Deriveringar säger hur reglerna appliceras men inte vilken struktur, det gör däremot träd Left-most derivation Expandera den vänstraste variabeln först P kalle kalle P kalle gillar P kalle gillar lisa Right-most derivation Expandera den högraste variabeln först P lisa gillar lisa P gillar lisa kalle gillar lisa Ett parsträd beskriver ordningen för en derivering Riktad acyclisk graf Bågarna i trädet står för (denoterar) en dominansrelation (D). <X > Y, X > Z, Y > kalle, Z > gillar> Parsträd har en enda rotnod Dominansrelationen D har bara en enda rotnod Partiell ordning Precedensrelationen P Y PREC Z kalle PREC gillar Y PREC gillar Obs! Men X PREC Y gäller inte En nod föregår inte en annan om någon av dem dominerar den andra, alltså X föregår inte (i exemplet) Bågar får inte korsa varandra Ettiketteringsfunktion (labeling funktion) mappar noderna till T. - alltså alfabetet av terminala symboler samt icke-terminalerna Ofta implicit Y kalle X Z gillar X DOM Y X DOM Z Y DOM kalle Z DOM gillar Parsningstypologi Parsningsstrategier Grammatikformalism Produktionsregler (ex A B C) på ett visst format Grammatiken består av ett antal produktionsregler som bestämmer vilka strängar som accepteras och vilka deriveringar som kan göras och hur träd struktureras Parserns mål är att rekonstruera derivationen från sträng (indata) till en toppkategori Ex: BF, CFG, DCG etc Transition networks Tanken är att bygga upp utdatastrukturen samtidigt som strängen traverseras Ex FT, AFT Principbaserade /särdrägsbaserade formalismer Lexikonet innehåller informationen om vilka konstituenter som kan kombineras ihop Ett antal principer för hur dessa kan kombineras bestämmer hur reglerna expanderas Ex HPG, FUG, CG Databaserad parsning Grundläggande antagandet är att om människor lär sig genom att exponeras för språket och därigenom också lär sig det så borde datorn också kunna läras på samma sätt Ex: PCFG Probabilistisk CFG DOP Dataorienterad Parsning TAG Tree Adjoining Grammar P P kalle kalle sjunger sjunger X H, C X, X Phon: kalle Cat: Phon: gillar Cat: ubcat: norm används för att beskriva det sätt vilket syntaxträden byggs upp Utgår från känd toppkategori (ex ) i vet oftast när strängen börjar och när den tar slut (ex kalle sjunger $ ) Inkrementellt uppbyggda strategier har sitt resultat klart efter varje indata sträng Kan ge svar any-time Bra vid t ex parsning i dialogsystem när svar kan krävas i realtid torleken på trädet bestäms av hur lång derivationen är (antalet regler som kan appliceras) ärsta fallet innebär exponentiell komplexitet pga ambiguitet (ex time flies like an arrow ) Oftast inte så komplext W Y X M Z
5 Top-down Djupet-först tartar från toppnoden på det träd som ska byggas upp (ex ) Trädet byggs upp beroende på vad vi förväntar oss att se på terminalnivå (botten av trädet) Hypotesdriven Måldriven Att alltid expandera variabeln längst till höger reps vänster tills man: A) når en lexikal kategori (toppen-ner schema) B) Eller rotnoden i trädet (botten-upp schema) P Bredden-först Botten-upp Alla noder på samma nivå byggs upp innan några efterföljande noder byggs upp En botten-upp strategi utgår från lexikala terminalsymbolerna Data-driven P P P
6 Bearbetningsmetod Kontrollstrategier Left-to-right Indata börjar traverseras med start från vänster (början av strängen) Right-to-left Indata börjar bearbetas från höger (slutet) En-pass trukturen som söks (analysträd t ex) byggs upp successivt Flerpass trängen traverseras flera gånger beroende på vilken kontrollstrategi som används änsterassociativ Genom att kräva att all indata till vänster om det aktuella stället i strängen har accepterats uppnås en vänsterassociativ parser Island-parsning Bearbetningen av strängen startar samtidigt på flera ställen. Ex: id parallell processning Partiella strukturer söks Backtracking Bearbetningen fortskrider så långt det går ända tills en lyckas/misslyckas Under vägen: ställen där parsern upptäckt ambiguiteter i uppbyggnaden av trädet Backtracking innebär att man återställer parsern till det tillstånd som var innan man upptäckte ambiguiteten (Ex. Prolog) Parallell bearbetning Flera träd bearbetas samtidigt (meningsfull endast om man har tillgång till flera flera processorer) Liknar Island-parsning, men syftar på kontrollen av resurserna snarare än hur reglerna expanderas Look-ahead Genom att i förväg kompilera tabeller med information om vad man kan förvänta sig vid olika tillstånd kan man motverka ambiguitet En grammatik som kan göras ickeambiguös genom att titta framåt k steg sägs ha LL(k) eller LR(k) egenskapen. Uppnår deterministiskt bearbetningssätt aturligt språk är generiskt ambiguöst men det finns ändå saker att vinna på pre-kompilering anligast att programspråk har dessa egenskaper Resultatkontroll Måldriven igenkänning lägga till hypoteser för vilka kategorier man håller på att känna igen i en datastruktur: Kö, stack etc är man bevisat hypoteserna tas de bort och bearbetningen är klar när datastrukturen är tom (eller strängen slut) träng tack [ ] [] [] [,] [, ] [P, ] [P, ] [P,, P] [P,, P] [kalle,, P] [, P] [kalle, gillar, P] [P] [kalle gillar, lisa] [] para mellanresultat i en speciell tabell WFT: Well-formed ubstring Table Chart är man når slutet på indata kan man enkelt kontrollera om man har en komplett ingång i tabellen med startkategorin. aknas en komplett toppkategori har man misslyckats, men å andra sidan har man en massa partiella strukturer som kan bearbetas för felhantering DET Book that flight
Lite mer psykologi. L2: Automater, Sökstrategier. Top-down. Kimballs sju principer
Lite mer psykologi Perception: yntaktiskt bearbetning: emantisk bearbetning PERON() & LIKE(, y) L2: Automater, ökstrategier Korttidsminnet D4510 Parsningsalgoritmer Höstterminen 200 Långtidsminne Anders
Läs merSyntaktisk parsning (Jurafsky & Martin kapitel 13)
Syntaktisk parsning (Jurafsky & Martin kapitel 13) Mats Wirén Institutionen för lingvistik Stockholms universitet mats.wiren@ling.su.se DH2418 Språkteknologi DA3010 Språkteknologi för datorlingvister Föreläsning
Läs merAutomater. Matematik för språkteknologer. Mattias Nilsson
Automater Matematik för språkteknologer Mattias Nilsson Automater Beräkningsmodeller Beräkning - (eng) Computation Inom automatateorin studeras flera olika beräkningsmodeller med olika egenskaper och olika
Läs merFöreläsning 7: Syntaxanalys
DD2458, Problemlösning och programmering under press Föreläsning 7: Syntaxanalys Datum: 2009-10-27 Skribent(er): Carl-Fredrik Sundlöf, Henrik Sandström, Jonas Lindmark Föreläsare: Fredrik Niemelä 1 Syntaxanalys
Läs merTekniker för storskalig parsning: Grundbegrepp
Tekniker för storskalig parsning: Grundbegrepp Joakim Nivre Uppsala Universitet Institutionen för lingvistik och filologi joakim.nivre@lingfil.uu.se Tekniker för storskalig parsning: Grundbegrepp 1(17)
Läs merAutomatateori (2) Idag: Sammanhangsfria språk. Dessa kan uttryckas med Grammatik PDA
Automatateori (2) Idag: Sammanhangsfria språk Dessa kan uttryckas med Grammatik PDA Grammatik = språkregler Ett mer kraftfullt sätt att beskriva språk. En grammatik består av produktionsregler (andra ord
Läs merPartiell parsning Parsning som sökning
Språkteknologi: Parsning Parsning - definition Parsningsbegrepp Chartparsning Motivering Charten Earleys algoritm (top-down chartparsning) Partiell parsning (eng. chunking) med reguljära uttryck / automater
Läs merSpråkpsykologi/psykolingvistik
Kognitiv psykologi HT09 Språk Ingrid Björk Språkpsykologi/psykolingvistik Fokuserar på individers språkanvändning Språkprocessning Lagring och åtkomst, minnet Förståelse Språket och hjärnan Språk och tänkande
Läs merTDDD02 Föreläsning 2 HT-2013. Reguljära uttryck och reguljära språk Lars Ahrenberg
TDDD02 Föreläsning 2 HT-2013 Reguljära uttryck och reguljära språk Lars Ahrenberg Översikt Reguljära uttryck sökproblem i texter definitioner och exempel UNIX-funktionen grep Reguljära transformationer
Läs merModellering med kontextfri grammatik Kontextfri grammatik - definition En enkel kontextfri grammatik Klasser av formella språk
Modellering med kontextfri grammatik Kontextfri grammatik - definition Kontextfri grammatik (CFG) definition modellering av frasstruktur andra exempel Dependensgrammatik Trädbanker Varianter av kontextfri
Läs merDatorlingvistisk grammatik
Datorlingvistisk grammatik Kontextfri grammatik, m.m. http://stp.lingfil.uu.se/~matsd/uv/uv11/dg/ Mats Dahllöf Institutionen för lingvistik och filologi Februari 2011 Denna serie Formella grammatiker,
Läs mer729G09 Språkvetenskaplig databehandling
729G09 Språkvetenskaplig databehandling Modellering av frasstruktur Lars Ahrenberg 2015-05-04 Plan Formell grammatik språkets oändlighet regler Frasstrukturgrammatik Kontextfri grammatik 2 Generativ grammatik
Läs merKontextfria grammatiker
Kontextfria grammatiker Kontextfria grammatiker 1 Kontextfria grammatiker En kontextfri grammatik består av produktioner (regler) på formen S asb S T T # Vänsterledet består av en icke-terminal (variabel)
Läs merFöreläsning 8: Intro till Komplexitetsteori
Föreläsning 8: Intro till Komplexitetsteori Formalisering av rimlig tid En algoritm som har körtid O(n k ) för någon konstant k är rimligt snabb. En algoritm som har körtid Ω(c n ) för någon konstant c>1
Läs merFL 6: Definite Clause Grammars (kap. 7)
FL 6: Definite Clause Grammars (kap. 7) Teori Introducerar kontextfria grammatikor och några besläktade begrepp Introducerar definite clause - grammatikor, Prologs sätt att jobba med kontextfria grammatikor
Läs merGrafer. 1 Grafer. Grunder i matematik och logik (2015) 1.1 Oriktade grafer. Marco Kuhlmann
Marco Kuhlmann 1 En graf är en struktur av prickar förbundna med streck. Ett tidsenligt exempel på en sådan struktur är ett social nätverk, där prickarna motsvarar personer och en streck mellan två prickar
Läs merKungliga Tekniska Högskolan 2006-03-26. Patrik Dallmann 821107-0274
Kungliga Tekniska Högskolan 2006-03-26 Patrik Dallmann 821107-0274 Patrik Dallmann dallmann@kth.se Inledning Syftet med detta arbete är att undersöka metoder för att upptäcka syftningsfel i vanlig text.
Läs merDjupstruktur och ytstruktur
Djupstruktur och ytstruktur En gammal man bodde på vinden. På vinden bodde en gammal man. Chomsky 1965 baskomponent transformationskomponent Föregångare till UCP Augmented Transition Network (Woods 1970)
Läs merVad är semantik? LITE OM SEMANTIK I DATORLINGVISTIKEN. Språkteknologi semantik. Frågesbesvarande
LITE OM SEMANTIK I DATORLINGVISTIKEN (FORMELL SEMANTIK) Vad är semantik? Form (abstrakt struktur): grammatik Innehåll (betydelse): semantik Användning: pragmatik/diskurs Mats Dahllöf Språkteknologisk motivation
Läs merTentamen: Programutveckling ht 2015
Tentamen: Programutveckling ht 2015 Datum: 2015-11-04 Tid: 09:00-13:00 Sal: Ansvarig: Resultat: Hjälpmedel: Maxpoäng: Betygsgränser: Anslås inom 3 veckor. Inga 40 p 20 p för G, 32 p för VG. Iakttag följande:
Läs merBygga hus med LECA-stenar
Bygga hus med LECA-stenar När man bygger hus med LECA-stenar finns det en del att tänka på. Till att börja med finns det LECA-stenar i olika dimensioner (t.ex. 59x19x19 och 59x19x39). Dessa dimensioner
Läs merBulltoftamodellen. parläsningen ger stora möjligheter till direkta stopp och omedelbara diskussioner, vilket utvecklar läsförståelsen
Bulltoftamodellen Vårt syfte är att utöver den egna läsningen av bänkbok, väskbok eller liknande ge barnen lästräning på ett strukturerat sätt, där kamratstödet utgör en viktig faktor för läsutvecklingen.
Läs merFöreläsning 5: Modellering av frasstruktur. 729G09 Språkvetenskaplig databehandling Lars Ahrenberg
Föreläsning 5: Modellering av frasstruktur 729G09 Språkvetenskaplig databehandling Lars Ahrenberg 2014-05-05 1 Översikt Introduktion generativ grammatik och annan syntaxforskning Att hitta mönster i satser
Läs merReguljära uttryck Grammatiker Rekursiv nedåkning Allmänna kontextfria grammatiker. Syntaxanalys. Douglas Wikström KTH Stockholm
Syntaxanalys Douglas Wikström KTH Stockholm popup-help@csc.kth.se Reguljära uttryck Reguljära uttryck förutsätter att en mängd bokstäver är givna, ett så kallat alfabet, som oftast betecknas med Σ. Uttryck
Läs merKarlsängskolan - Filminstitutet
Projektrapport Karlsängskolan - Filminstitutet 1. Om Skolan Karlsängskolan är en högstadieskola i Nora kommun som ligger 3,5 mil norr om Örebro och i Örebro län men tillhör landskapet Västmanland. Skolan
Läs merFrasstrukturgrammatik
729G09 Språkvetenskaplig databehandling (2016) Frasstrukturgrammatik Marco Kuhlmann Institutionen för datavetenskap Korpusdata 1 Folkpensionen folkpension NOUN 2 dobj 2 får få VERB 0 root 3 man man PRON
Läs merTekniker för storskalig parsning
Tekniker för storskalig parsning Introduktion till projektet Joakim Nivre Uppsala Universitet Institutionen för lingvistik och filologi joakim.nivre@lingfil.uu.se Tekniker för storskalig parsning 1(17)
Läs merEn snabb titt på XML LEKTION 6
LEKTION 6 En snabb titt på XML Bokstaven x i Ajax står för XML, ett mycket användbart beskrivningsspråk som gör det möjligt för Ajax-tillämpningar att hantera komplex strukturerad information. I den här
Läs merWienerprocesser. Finansiell statistik, vt-05. Enkel slumpvandring. Enkel slumpvandring. Varför: model för aktiekurs (dock med aber...
Varför: model för aktiekurs dock med aber... exempel: Black-Scholes jfr Binomialoptionsmodellen Johan Koskinen Statistiska institutionen Stockholms universitet Finansiell statistik vt-05 F5 Tidsserieanalys
Läs merFöreläsning 4: Giriga algoritmer. Giriga algoritmer
Föreläsning 4: Giriga algoritmer Giriga algoritmer Denna typ av algoritmer arbetar efter följande princip: Gör i varje situation det som är lokalt optimalt, d.v.s. bäst för stunden. Några exempel vi redan
Läs merDD1361 Programmeringsparadigm. Formella Språk & Syntaxanalys. Per Austrin
DD1361 Programmeringsparadigm Formella Språk & Syntaxanalys Föreläsning 4 Per Austrin 2015-11-20 Idag Rekursiv medåkning, fortsättning Olika klasser av språk och grammatiker Parsergeneratorer Sammanfattning
Läs merUPPGIFT 1 KANINER. Håkan Strömberg 1 Pär Söderhjelm
UPPGIFT 1 KANINER Kaniner är bra på att föröka sig. I den här uppgiften tänker vi oss att det finns obegränsat med hannar och att inga kaniner dör. Vi ska försöka simulera hur många kaninhonor det finns
Läs merStatistikens grunder 1 och 2, GN, 15 hp, deltid, kvällskurs
Statistikens grunder 1 och 2, GN, 15 hp, deltid, kvällskurs TE/RC Datorövning 4 Syfte: 1. Lära sig beräkna konfidensintervall och täckningsgrad 2. Lära sig rita en exponentialfördelning 3. Lära sig illustrera
Läs merParsningens olika nivåer
Parsning Språkteknologi DH418 Ola Knutsson 008 Varför parsning? Grammatikkontroll Fråge-svarsystem Maskinöversättning Semantisk analys (vad menas?) Testa grammatikformaliser och grammatiker (undvika länsstolslingvistik)
Läs merInteraktion mellan barn med språkstörning och olika samtalspartners
Interaktion mellan barn med språkstörning och olika samtalspartners Kristina Hansson Avdelningen för logopedi, foniatri och audiologi, Lunds universitet Kontextuella faktorer Fonologiska Grammatiska Aktuellt
Läs merwww.sprak h ens us.se
www.sprakenshus.se Flerspråkig utveckling Den språkliga utvecklingen börjar inte senare går inte långsammare Lexikon Grammatik Fonologi (språkljud) Flerspråkig utveckling II Kodväxling Språklig socialisation
Läs merFTEA12:2 Filosofisk metod. Att värdera argumentation I
FTEA12:2 Filosofisk metod Att värdera argumentation I Dagens upplägg 1. Några generella saker att tänka på vid utvärdering av argument. 2. Grundläggande språkfilosofi. 3. Specifika problem vid utvärdering:
Läs merSkrivstöd. Joakim Nivre. Introduktion till språkteknologi. Skrivstöd. Inledning. Orsaker till stavfel. Detektering av icke-ord
Joakim Nivre / 30 Varför bry sig om stavning? Stavfel kan skapa missförstånd Stavfel kan dölja innehåll Standardiserad stavning underlättar många uppgifter Slå upp ord i ordbok Identifiera svårlästa ord
Läs merFöreläsning 6: Introduktion av listor
Föreläsning 6: Introduktion av listor Med hjälp av pekare kan man bygga upp datastrukturer på olika sätt. Bland annat kan man bygga upp listor bestående av någon typ av data. Begreppet lista bör förklaras.
Läs merStudentguide vid grupparbete
Studentguide vid grupparbete Checklista vid grupparbete Vad är syftet med uppgiften/projektet? Vad ska ni lära er? Vilka färdigheter ska ni träna och utveckla? Vilka andra delar av kursen bygger uppgiften
Läs merProva på-laboration i PHP Johan Sjöholm johsj@ida.liu.se Institutionen för datavetenskap, Linköpings universitet 2009-08-09
Prova på-laboration i PHP Johan Sjöholm johsj@ida.liu.se Institutionen för datavetenskap, Linköpings universitet 2009-08-09 1. Introduktion till webbprogrammering Webbprogrammering består av ett antal
Läs merUMEÅ UNIVERSITET 26 april 2002 Instutionen för datavetenskap. Grafproblem. Laboration 4, Datastrukturer och Algoritmer VT02
UMEÅ UNIVERSITET 26 april 2002 Instutionen för datavetenskap Grafproblem Laboration 4, Datastrukturer och Algoritmer VT02 Laboration 4 - grafproblem Förpackningsdatum: Denna lab-spec är senast ändrad:
Läs merIllustrationer: Hugo Karlsson, Ateljé Inuti Projektledare: Elinor Brunnberg. Mälardalens högskola Text: Kim Talman, Jeanette Åkerström Kördel, Elinor
JONNY VILL VARA ENSAM Om trötta föräldrar och karusellen med professionella Illustrationer: Hugo Karlsson, Ateljé Inuti Projektledare: Elinor Brunnberg. Mälardalens högskola Text: Kim Talman, Jeanette
Läs merIntroduktion till algoritmer - Lektion 3 Matematikgymnasiet, Läsåret 2014-2015. Lektion 3
Introduktion till algoritmer - Lektion 3 Matematikgymnasiet, Läsåret 014-015 Lektion 3 Denna lektion är temat hur man effektivt ska organisera den data som en algoritm använder för att åtkomsten till datan
Läs merIntroduktion. Exempel Övningar Lösningar 1 Lösningar 2 Översikt
KTHs Sommarmatematik 2003 Exempel Övningar Lösningar 1 Lösningar 2 Översikt 5.1 Introduktion Introduktion Exponentialfunktionen e x och logaritmfunktionen ln x är bland de viktigaste och vanligast förekommande
Läs merProblem: BOW Bowling. Regler för Bowling. swedish. BOI 2015, dag 1. Tillgängligt minne: 256 MB. 30.04.2015
Problem: BOW Bowling swedish BOI 0, dag. Tillgängligt minne: 6 MB. 30.04.0 Byteasar tycker om både bowling och statistik. Han har skrivit ner resultatet från några tidigare bowlingspel. Tyvärr är några
Läs merAtt använda pekare i. C-kod
Att använda pekare i C-kod (Bör användas av de som känner sig lite hemma med C-programmering!) Rev 1, 2005-11-23 av Ted Wolfram www.wolfram.se Syfte: Man kan tycka att det är komplicerat att använda pekare
Läs merStina Nyman 2012-09-16
LINKOPINGS UNIVERSITET, IDA SmartKom Hur systemet fungerar Stina Nyman 2012-09-16 stiny786 Artificiell intelligens II Sammanfattning Detta projekt kommer handla om SmartKom som är ett multimodalt dialogsystem
Läs merTekniker för storskalig parsning
Tekniker för storskalig parsning Introduktion Joakim Nivre Uppsala Universitet Institutionen för lingvistik och filologi joakim.nivre@lingfil.uu.se Tekniker för storskalig parsning 1(18) Kursöversikt Kursnamn:
Läs merGrunderna i stegkodsprogrammering
Kapitel 1 Grunderna i stegkodsprogrammering Följande bilaga innehåller grunderna i stegkodsprogrammering i den form som används under kursen. Vi kommer att kort diskutera olika datatyper, villkor, operationer
Läs merIdag: Reguljära språk Beskrivs av Reguljära uttryck DFA Grammatik
Idag: Reguljära språk Beskrivs av Reguljära uttryck DFA Grammatik Först några definitioner: Alfabet = en ändlig mängd av tecken. Ex. {0, 1}, {a,b}, {a, b,..., ö} Betecknas ofta med symbolen Σ Sträng =
Läs merTentamen i Realtidsprogrammering
Tentamen i Realtidsprogrammering Ordinarie Tentamen Datum: 2011-05-14 Tid: 08:15 11:15 Ansvarig lärare: Telefon: 301438 Hjälpmedel: Miniräknare Poäng: Tentamen omfattar 40 poäng fördelade på 5 uppgifter.
Läs merDAB760: Språk och logik
DAB76: Språk och logik /4: Finita automater och -7 reguljära uttryck Leif Grönqvist (leif.gronqvist@msi.vxu.se) Växjö Universitet (MSI) GSLT (Sveriges nationella forskarskola i språkteknologi) Göteborg
Läs merTentamen TEN1 HI1029 2014-05-22
Tentamen TEN1 HI1029 2014-05-22 Skrivtid: 8.15-13.00 Hjälpmedel: Referensblad (utdelas), papper (tomma), penna Logga in med tentamenskontot ni får av skrivvakten. Det kommer att ta tid att logga in ha
Läs merPraktikintyg. Utbildning och praktik för ungdomar med sikte på JOBB!
Praktikintyg Utbildning och praktik för ungdomar med sikte på JOBB! Syfte med dagen Att öka chanserna att få jobb Hur? Att fram intyg som visar vad du kan och har gjort Att förstå praktikintyg och arbetsintyg
Läs merKomma igång med Eventor
Guide Eventor Komma igång med Eventor Version 2.0, 2013-10-07 Starta med startsidan På Eventors startsida finns en kortare guide över hur du skaffar användarkonto och hur du loggar in. Börja med den för
Läs merKultursektorn som exempel
Hur bemöter vi vardagsrasism på jobbet? Kultursektorn som exempel Exemplet Arbetsmarknad Första världen Andra världen Tredje världen 1 Goda människor onda effekter? Vardagsrasism diffus men visar sig som
Läs merIntroduktion till programmering. Standardfunktioner. Vad används datorer till? Standardfunktioner. Föreläsning 2. Prelude. $ ghci...
Introduktion till programmering Standardfunktioner Tecken och strängar Utskrifter och effekter Föreläsning 2 Prelude Alla fördefinierade funktioner vi använder definieras i modulen Prelude. Denna modul
Läs merDiskret matematik: Övningstentamen 4
Diskret matematik: Övningstentamen 22. Beskriv alla relationer, som är såväl ekvivalensrelationer som partiella ordningar. Är någon välbekant relation sådan? 23. Ange alla heltalslösningar till ekvationen
Läs merKursrapport Datorlingvistisk grammatik (första skiss)
Mats Dahllöf 090218 Kursrapport Datorlingvistisk grammatik (första skiss) Jag har försökt utforma undervisningen och examinationen på kursen så att de följer lärandemålen, och jag tror att den föresatsen
Läs merBevis för ett modulärt perspektiv: (tidiga studier av) afasi.
UPPSALA UNIVERSITET Institutionen för lingvistik och filologi SPRIND, HT 2006, Tillfälle 6 SPRÅKPSYKOLOGI SPRÅKPSYKOLOGISKA GRUNDBEGREPP (kap 1 + 2) I språkpsykologin finner man begrepp från - språkvetenskap
Läs merFöreläsning 13 och 14: Binära träd
Föreläsning 13 och 14: Binära träd o Binärträd och allmänna träd o Rekursiva tankar för binärträd o Binära sökträd Binärträd och allmänna träd Stack och kö är två viktiga datastrukturer man kan bygga av
Läs merStyrdokumentkompendium
Styrdokumentkompendium Information och kommunikation 2 Sammanställt av Joni Stam Inledning Jag brukar säga till mina elever, halvt på skämt och halvt på allvar, att jag förhåller mig till kursens centrala
Läs merMöjliga Världar. Skapande Skola, Halmstad. Robert Hais
Skapande Skola, Halmstad 1. Återvinning och skapande Idén är skapa en ny produkt med hjälp av restmaterial. Produkten ska kunna säljas och bidra till den gemensamma kassan. Detta projektet fokuserar på
Läs merDATORER OCH PROGRAM. Datorn är en symbolmaskin
DATORER OCH PROGRAM Datorn är en symbolmaskin men kan ha såväl symboliska som fysiska gränssnitt till omvärlden Program beteendeplan och beteendegenerator Programmerade maskiner Generalitet och portabilitet
Läs merMin syn på idéframställan
MDH Min syn på idéframställan Andreas Nilsson 2009-04-21 Examinator Rolf Lövgren Innehåll Inledning... 3 Hur ser jag på Idéframställan... 4 Metoder... 5 Beskrivna idé med ord... 5 Skiss... 6 Kavaljersperspektiv....
Läs merIntroduktion till integrering av Schenkers e-tjänster. Version 2.0
Introduktion till integrering av Schenkers e- Version 2.0 Datum: 2008-06-18 Sida 2 av 8 Revisionshistorik Lägg senaste ändringen först! Datum Version Revision 2008-06-18 2.0 Stora delar av introduktionen
Läs merInnehåll. Föreläsning 11. Organisation av Trie. Trie Ytterligare en variant av träd. Vi har tidigare sett: Informell specifikation
Innehåll Föreläsning 11 Trie Sökträd Trie och Sökträd 356 357 Trie Ytterligare en variant av träd. Vi har tidigare sett: Oordnat träd där barnen till en nod bildar en mängd Ordnat träd där barnen till
Läs merLexikon: ordbildning och lexikalisering
Svenskan i tvärspråkligt perspektiv Lexikon: ordbildning och lexikalisering Solveig Malmsten Vår inre språkförmåga Lexikon Ordförråd : Uttryck i grundform + deras betydelse Enkla ord, t.ex. blå, märke
Läs merLägga till olika dokument i en fil
Lägga till olika dokument i en fil Om du vill kombinera flera dokument och göra en enda fil kan du kopiera och klistra in innehållet från alla dokumenten i en enda fil. Eller så kan du öppna det första
Läs merTDDC30. Objektorienterad programmering i Java, datastrukturer och algoritmer. Föreläsning 8 Jonas Lindgren, Institutionen för Datavetenskap, LiU
TDDC30 Objektorienterad programmering i Java, datastrukturer och algoritmer. Föreläsning 8 Jonas Lindgren, Institutionen för Datavetenskap, LiU På denna föreläsning: Träd Traversering Insättning, borttagning
Läs merFlera kvantifierare Bevis Direkt bevis Motsägelse bevis Kontrapositivt bevis Fall bevis Induktionsprincipen. x y (x > 0) (y > 0) xy > 0 Domän D = R
Föreläsning Flera kvantifierare Bevis Direkt bevis Motsägelse bevis Kontrapositivt bevis Fall bevis Induktionsprincipen För att göra ett påstående av en öppen utsaga med flera variabler behövs flera kvantifierare.
Läs mer2. (7) Ryck kort i spel. Djurkort. 4 Röda Djur. 4 Grå Djur
1. (7) Att utmana sina motståndare i detta spel står alla fritt, se till att bli den förste att lägga ett ryck-kort. När alla ryck-kort har vunnits, är den person med flest ryck-kort vinnaren. Detta fartfyllda
Läs merAuktorisation som tolk
PROVSPECIFIKATION Auktorisation som tolk Prov i allmän språkfärdighet Sid 2 (6) 2014-04-24 Prov i språkfärdighet För att kunna bli auktoriserad som tolk krävs bland annat att man ska behärska svenska och
Läs merLära känna skrivbordet
Är det första gången du använder Windows 7? Den här versionen har mycket gemensamt med tidigare versioner av Windows, men du kan behöva hjälp med att få upp farten. Den här guiden innehåller praktisk information
Läs merR AKNE OVNING VECKA 1 David Heintz, 31 oktober 2002
RÄKNEÖVNING VECKA David Heintz, 3 oktober 22 Innehåll Uppgift 27. 2 Uppgift 27.8 4 3 Uppgift 27.9 6 4 Uppgift 27. 9 5 Uppgift 28. 5 6 Uppgift 28.2 8 7 Uppgift 28.4 2 Uppgift 27. Determine primitive functions
Läs merMontreal Cognitive Assessment (MoCA) Version 7.0. Instruktioner för testning och utvärdering
Montreal Cognitive Assessment (MoCA) Version 7.0 Instruktioner för testning och utvärdering MoCA utformades som ett snabbt screening-instrument för lätt kognitiv funktionsnedsättning. Det utvärderar olika
Läs merUtvärdering 2015 deltagare Voice Camp
Utvärdering 15 deltagare Voice Camp 8 deltagare Har det varit roligt på lägret? (%) 1 8 6 4 1 Ja Nej Varför eller varför inte? - Enkelt, jag älskar att sjunga och det är alltid kul att träffa nya vänner
Läs merIntroduk+on +ll programmering i JavaScript
Föreläsning i webbdesign Introduk+on +ll programmering i JavaScript Rune Körnefors Medieteknik 1 2012 Rune Körnefors rune.kornefors@lnu.se Språk Naturliga språk Mänsklig kommunika+on T.ex. Svenska, engelska,
Läs merSkrivprojekt åk 7. Syfte: Utveckla sin förmåga att skriva berättande text. Jobba med skrivprocessen där respons och bearbetning av texten ingår.
Skrivprojekt åk 7 Syfte: Utveckla sin förmåga att skriva berättande text. Jobba med skrivprocessen där respons och bearbetning av texten ingår. Central innehåll i Lgr11: Strategier för att skriva olika
Läs merDigitalt lärande och programmering i klassrummet. Introduktionsworkshop - Bygg ett akvarium i Scratch
Digitalt lärande och programmering i klassrummet Introduktionsworkshop - Bygg ett akvarium i Scratch Introduktion Scratch är en programmeringsomgivning utvecklad av forskare på Massachusetts Institute
Läs merGrammatik för språkteknologer
Grammatik för språkteknologer Introduktion http://stp.lingfil.uu.se/~matsd/uv/uv11/gfst/ Mats Dahllöf Institutionen för lingvistik och filologi Oktober 2011 Lärandemål Efter avslutad kurs skall studenten
Läs merUppgift 1 (Oläsliga krypterade meddelanden)
Uppgift 1 (Oläsliga krypterade meddelanden) Ofta vill man kryptera text för att inte andra skall se vad man skrivit. I den givna filen KRYPTERAD_TEXT.TXT finns en krypterad text som kan vara av intresse
Läs merArtificiell Intelligens Lektion 7
Laboration 6 Artificiell Intelligens Lektion 7 Neurala nätverk (Lab 6) Probabilistiska resonemang Vad? Mönsterigenkänning Lära ett neuralt nätverk att känna igen siffror Varför? Få ökad förståelse för
Läs merFöreläsning 3.1: Datastrukturer, en översikt
Föreläsning.: Datastrukturer, en översikt Hittills har vi i kursen lagt mycket fokus på algoritmiskt tänkande. Vi har inte egentligen ägna så mycket uppmärksamhet åt det andra som datorprogram också består,
Läs merAnmälningskod: GU-18150 Sök senast: 15 april
MATIX - Management av Tillväxtföretag Antagningsprocess 2013 Anmälningskod: GU-18150 Sök senast: 15 april Välkommen att söka till MATIX! För att samspelet mellan student, företag och akademi ska bli så
Läs merProgrammeringsteknik med C och Matlab
Programmeringsteknik med C och Matlab Kapitel 2: C-programmeringens grunder Henrik Björklund Umeå universitet Björklund (UmU) Programmeringsteknik 1 / 32 Mer organisatoriskt Imorgon: Datorintro i lab Logga
Läs merJGL Målpilen Nytta Verktyg och metoder Genus över tid Lagar och överenskommelser Den könsuppdelade arbetsmarknaden Genusordningen Makt Förändring och motstånd Självinsikt Utbildningen syftar till att ge
Läs merArbetsplan 2015/2016 Vintrosa förskola
Arbetsplan 2015/2016 Vintrosa förskola Innehållsförteckning 1. Inledning 2. Läroplansmål- Normer och värden 3. Läroplansmål- Utveckling och lärande 4. Läroplansmål- Förskola och hem 5. Läroplansmål- Samverkan
Läs merVerksamhetsrapport 2012/2013
Tuna skolområde Datum 1 (9) 2013-06-19 Grundsärskola inriktning träningsskola + Gymnasiesärskola inriktning verksamhetsträning Verksamhetsrapport 2012/2013 Tuna skolområde Inledning Tuna skolområde består
Läs merParsning I. Disposition. Parsning användingsområden. Vad menas med parsning inom språkteknologin? Top-down parsning. Parsning som sökning
Parsning I Disposition Ola Knutsson knutsson@nada.kth.se Del 1: Traditionell parsning och parsningsteknik Del 2: Alternativa metoder och synsätt Språkteknologi 2D1418 HT 2001 Parsning användingsområden
Läs merFöreläsning 7. Träd och binära sökträd
Föreläsning 7 Träd och binära sökträd Föreläsning 7 Träd Binära träd Binärt sökträd som ADT Implementering av binärt sökträd Travestera binärt sökträd Sökning Insättning/borttagning Läsanvisningar och
Läs merNKI - Särskilt boende 2012
NKI Särskilt boende (boende) 2012 1(7) NKI - Särskilt boende 2012 Enkät till boende 1.1 Nöjd Kund Index Tabell 1.1 Färgformatering i tabellen: Genomsnitt mellan svarsalt 1 & 2 RÖD Genomsnitt mellan svarsalt
Läs merSamverkande Expertnät
1 Samverkande Expertnät 2 3 1 2 3 Parallella nätverk Sammanvägning av svaren Två olika fördelar Utjämna egenheter hos nätverken Låt nätverken specialisera sig Egenskaper hos ett enkelt nätverk Överträning
Läs merMÖSG ht 2005 Maskinöversättningssystemet MATS
MÖSG ht 2005 Maskinöversättningssystemet MATS Per Weijnitz perweij@stp.ling.uu.se Om detta kursmoment främja förståelse av översättningsproblem MÖ-arbete regelbaserade MÖ-system godtyckligt valt system?
Läs merSteg 4. Lika arbeten. 10 Diskrimineringslagen
Steg 4. Lika arbeten 10 Diskrimineringslagen [ ] Arbetsgivaren ska bedöma om förekommande löneskillnader har direkt eller indirekt samband med kön. Bedömningen ska särskilt avse skillnader mellan - Kvinnor
Läs merViktigt att tänka på i en intervju och de vanligaste fallgroparna. som intervjuar. Ett kostnadsfritt whitepaper utgivet av Level Recruitment
Viktigt att tänka på i en intervju och de vanligaste fallgroparna för dig som intervjuar Ett kostnadsfritt whitepaper utgivet av Level Recruitment Level Recruitment AB - 2015 Viktigt att tänka på i en
Läs merÅ rsberä ttelse 2014/2015. Bomhus förskoleområde. Storhagens förskola
Å rsberä ttelse 2014/2015 Bomhus förskoleområde Storhagens förskola Året som gått Ett år har gått. Ett år fullt med verksamhet under Storhagens tak och i vårt härliga närområde. Det har varit Bygg och
Läs merInstruktion för att slutföra registreringen
Instruktion för att slutföra registreringen Introduktion Vi antar i den här instruktionen att du redan har registrerat sig. Du kan också ha klickat på aktiveringslänken i mailet. Vi använder ett fiktivt
Läs merAllemansdata Dags fö r örd
Allemansdata Dags fö r örd Övningar Bildgåtor. Tre svårigheter: korta ord, mittemellan och långa ord. Eleven ser ett antal bilder på skärmen. Genom att skriva begynnelsebokstaven för varje bild finner
Läs mer