Recursos Útiles para la Elaboración de los Proyectos Finales de la materia

Procesamiento del Lenguaje Natural

Word Sense Discrimination/Induction
- Corpus de prueba en formato ZIP (versión XML, versión OneRow, versión OneRow con palabras ambiguas)
- Algoritmo de agrupamiento K-Star
- Diapositivas del algoritmo PageRank
- Algoritmo de LDA
  - Paquete para descompactar (usar make para compilar el paquete)
  - Ejemplo de un texto con el formato requerido por el programa lda
Word Sense Disambiguation (WSD)
- Corpus de prueba en formato ZIP (versión XML, versión OneRow, versión OneRow con palabras ambiguas)
- WordNet 3.0
- SenseMap de WordNet 3.0
Quantization de archivos de audio
- Paquete de Matlab para lectura de archivos MP3
- Diapositivas PDF como referencia del método de quantization y sampling
Unigramas de Google en formato zip

Ordenados lexicográficamente (70.1 MBytes / 276,504 unigramas)
Ordenados de manera inversa de acuerdo a la frecuencia (73.8 MBytes / 282,955 unigramas)

Etiquetador morfológico (NER-Named Entity Recognition)

Stanford (Versión de Mayo de 2008)
NER de stanford con un script de ejecución y un archivo de entrada y salida de ejemplo

Noticias
- Sistema de Recuperación de noticias periodísticas por un periodo de tiempo

Identificación de estilos de escritura (cada corpus contiene aproximadamente 1,000 documentos)