Генератор псевдослов (проект) — различия между версиями

Версия 17:10, 29 декабря 2014

Что это за проект?

Задача проекта - реализовать программу-генератор псевдослов русского языка для последующего использования в исследованиях лаборатории нейролингвистики ВШЭ. Псевдослово - это фонетически примелемое слово языка, которое не имеет значения. Например, стихотворение Льюиса Кэррола "Бармаглот" ("Варкалось. Хливкие шорьки Пырялись по наве ...") почти полностью состоит из псевдослов. Псевдослова очень широко используются в психо- и нейролингвистике, от исследований лексической обработки (почему одни слова обрабатываются быстрее, чем другие? где в мозгу находятся зоны, ответственные за значения слов?) до диагностики расстройств речи (сможет ли страдающий афазией или дислексией человек отличить слово от псевдослова и если нет, то почему?)

Чему вы научитесь?

• Создавать несложные графические пользовательские интерфейсы под Windows (GUI)
• Решать реальные задачи по обработке естественного языка (NLP)
• Основам промышленной разработки (CVS, Unit Testing, code review, style guide, bug tracking, etc.)

Какие начальные требования?

Владение одним из языков программирования (C++ / Python) в рамках прослушанного курса

Какие будут использоваться технологии?

Наиболее стандартные, по возможности

Темы вводных занятий

Необходимые начальные лингвистические знания и общая постановка задачи

Направления развития

• Преобразование орфографии в фонемы и обратно
• Генерация псевдо словосочетаний и предложений
• Автоматическое определение ударения в слове

Критерии оценки

• Удовлетворительно (4-5 баллов): разбивка слов из словаря на слоги, генерация случайных псевдослов, пользовательский интерфейс с базовыми функциями, добавление слов в словарь, генерация псевдослов заданной части речи
• Хорошо (6-7 баллов): блокировка морфологически сложных (со словообразовательными показателями) слов, генерация слов, близких к заданному
• Отлично (8-10 баллов): генерация слов, далеких от слов словаря (расстояние Левенштейна), создание частотного словаря на основе корпуса текстов