基本情報/Basic Information

開講科目名 ／Course	総合科学特殊研究（自然言語処理b）／SPECIAL TOPICS ON INTEGRATED ARTS AND SCIENCES: NATURAL LANGUAGE PROCESSING (b)
ナンバリングコード ／Numbering Code	41-1116
開講所属 ／Course Offered by	国際教養学部言語文化学科／INTERNATIONAL LIBERAL ARTS INTERDISCIPLINARY STUDIES
ターム・学期 ／Term・Semester	2025年度／2025 Academic Year　　春学期／SPRING SEMESTER
曜限 ／Day, Period	水1／Wed 1
開講区分 ／semester offered	春学期／Spring
単位数 ／Credits	2.0
学年 ／Year	2,3,4
主担当教員 ／Main Instructor	呉　浩東
遠隔授業科目 ／Online Course	－

担当教員情報/Instructor Information

教員名 ／Instructor	教員所属名 ／Affiliation
呉　浩東	言語文化学科／INTERDISCIPLINARY STUDIES

授業の目的・内容 ／Course Objectives	人間の言葉（自然言語）をコンピュータに理解させる自然言語処理は、コンピュータの出現以来、人工知能の中心的課題の一つとして多くの研究者によって取り組まれました。音声対話、機械翻訳、テキスト検索など、自然言語処理技術の応用範囲は極めて広い。本授業では、自然言語処理の基本的な考え方や手法を習得するとともに、最新の技術、問題点、応用例について学習します。 　本授業は、コンピュータを使用した自然言語の処理に関する方法、そして利用実態について解説し、演習を通じて自然言語処理のノウハウを身につくことを目標とします。 　本授業では、自然言語処理aの知識を踏まえた上、自然言語処理基礎技術のである意味解析、文脈解析、機械学習を学びます。世の中に研究・開発されている応用技術に力を入れ、典型的な応用例を紹介します。特に、機械翻訳システム、自然言語対話システム、質問応答システム、情報検索システムなどの基本技術を説明し、演習を行います。そして、現在の自然言語処理システムの問題点などを議論します。なお、自然言語処理a未修の方にも十分に理解できるように工夫しています。
授業の形式・方法と履修上の注意 ／Teaching method and Attention the course	授業は講義と演習を組み合わせる形態で展開します。授業は履修者の学習意欲を引き出すために、自然言語処理について考える力を高め、主体性を大事にします。履修者はテキストおよび配布する講義内容を読解するとともに、授業内容を深めるための演習問題を完成させ、授業担当者は正解を提示しなから、履修者の理解度を向上させます。また、毎回演習課題を課し、完成させます。 　授業の形態の主に対面授業です。教室に入る前に石鹸での手洗いとアルコール消毒を必ず実施してください。
事前・事後学修の内容 ／Before After Study	次回の授業を受ける前に予習をし、授業の後に復習すること。
テキスト1 ／Textbooks1	書籍名 ／Title 使用しません 著者 ／Author name 出版社 ／Publisher ISBN ／ISBN その他（任意） ／other
テキスト2 ／Textbooks2	書籍名 ／Title 著者 ／Author name 出版社 ／Publisher ISBN ／ISBN その他（任意） ／other
テキスト3 ／Textbooks3	書籍名 ／Title 著者 ／Author name 出版社 ／Publisher ISBN ／ISBN その他（任意） ／other
参考文献等1 ／References1	書籍名/ｻｲﾄ名 ／Title 必要に応じて随時紹介します。 著者 ／Author name 出版社/URL ／Publisher ISBN ／ISBN その他（任意） ／other
参考文献等2 ／References2	書籍名/ｻｲﾄ名 ／Title 著者 ／Author name 出版社/URL ／Publisher ISBN ／ISBN その他（任意） ／other
参考文献等3 ／References3	書籍名/ｻｲﾄ名 ／Title 著者 ／Author name 出版社/URL ／Publisher ISBN ／ISBN その他（任意） ／other
評価方法 ／Evaluation	期末レポートの成績50%、課題の完成度40%、授業への参加度10%を併せて評価する。
関連科目 ／Related Subjects	本科目の関連科目として、自然言語処理a、人工知能応用、人工知能入門を履修することが望ましい。
備考 ／Notes	配布資料は授業支援システムPorTalIにアップロードしています。欠席した場合は、授業支援システムにアクセスして資料を入手し、自習をしてください。。
到達目標 ／Learning Goal	「総合科学研究科目群」の他科目では触れることが難しい分野や領域にわたって人文・社会・自然科学を総合的に研究分析し、見解を提示できるようにする。
DPとの関連 ／Relation to DP	○:幅広い教養 ○:専門知識・技能 △:問題解決力 △:情報分析力 △:情報発信力 △:協働性 △:主体性 ○:倫理観

回 ／Time	授業計画（主題の設定） ／Class schedule	授業の内容 ／Contents of class	事前・事後学修の内容 ／Before After Study
1	講義の概要、自然言語処理aの内容のまとめ	自然言語処理とは何にか、自然言語処理の目的、世の中の自然言語処理の実例について概説します。	事前に授業内容を予習し、事後は復習するうえ、演習課題を完成します。
2	自然言語処理の基礎知識	自然言語処理の目的と仕組み、人工知能応用と自然言語処理の関わりについて論説します。	事前に授業内容を予習し、事後は復習するうえ、演習課題を完成する。
3	機械学習とニューラルネットワーク	機械学習とは何にか。教師あり学習、教師なし学習、強化学習の仕組みを説明します。さらに、ニューラルネットワークの原理と実装について習得させます。	事前に授業内容を予習し、事後は復習するうえ、演習課題を完成する。
4	word2vecとBERTの仕組み	単語分散の原理、word2vecによる単語表現、単語の特徴分析の仕組みを概説します。また、BERTの原理について論じます。	事前に授業内容を予習し、事後は復習するうえ、演習課題を完成する。
5	文と単語の意味解析	文内の単語と文全体の意味的構造を明らかにするための意味解析について説明します。	事前に授業内容を予習し、事後は復習するうえ、演習課題を完成する。
6	文脈解析：  談話構造、照応問題の対処法	単独演習を文ではなく、関連する複数の文間で矛盾のない解釈を行うための文脈解析について説明します。	事前に授業内容を予習し、事後は復習するうえ、演習課題を完成する。
7	ニューラルネットワークと言語処理	ニューラルネットワークの原理と実装について論説します。	事前に授業内容を予習し、事後は復習するうえ、演習課題を完成する。
8	Pythonによる自然言語解析	プログラミング言語Pythonを用いて自然言語の形態素解析、構文解析、係り受け解析、感情分析などの仕組みを体験します。	事前に授業内容を予習し、事後は復習するうえ、演習課題を完成する。
9	機械翻訳の仕組みと実習	機械翻訳の変遷、ニューラルネットワークの活用による高精度機械翻訳　複数の機械翻訳ツールを用いて翻訳の質の確認、精度を改善するための前処理と後処理の必要性を説明し、現段階、機械翻訳の問題点を点検します。	事前に授業内容を予習し、事後は復習するうえ、演習課題を完成する。
10	生成AIの仕組み	生成AIの仕組みについて理解し、ChatGPTの機能と原理を議論します。	事前に授業内容を予習し、事後は復習するうえ、演習課題を完成する。
11	大規模言語モデル（LLM)とは	LLMは、大規模な言語モデルの略で、自然言語処理（NLP）タスクを実行するために訓練された巨大なニューラルネットワークモデルです。	事前に授業内容を予習し、事後は復習するうえ、演習課題を完成する。
12	言語処理のためのプロンプトの使い方	生成AIを言語処理に活かせるために、プロンプトの使い方を説明し、演習を行います。	事前に授業内容を予習し、事後は復習するうえ、演習課題を完成する。
13	総合演習（自然言語ツールの活用）	感情分析、テキストの可視化、テキストマイニングについて演習を実施します。	事前に授業内容を予習し、事後は復習するうえ、演習課題を完成する。
14	授業のまとめ	全体の復習および課題の提出	事前に授業内容を予習し、事後は復習するうえ、演習課題を完成する。