UNIVERSIDADE FEDERAL DO PIAUÍ

CENTRO DE CIÊNCIAS DA NATUREZA

DEPARTAMENTO DE COMPUTAÇÃO

PLANO DE ENSINO
Disciplina: Processamento de Linguagem Natural
Código: DC/CCN061
Carga Horária: 60h
Professor: Dr. Raimundo Santos Moura

Ementa
Introdução ao processamento de linguagem natural. Gramáticas estocásticas e
determinísticas. Técnicas de análise (parsing). Interpretação semântica. Métodos
baseados em Corpora. POS tagging e morfologia. Recuperação de Informação
(modelo espaço vetorial, TF-IDF, Precisão e Recall). Extração de Informação.
Classificação e categorização de Textos. Aplicações.
Objetivos
Fornecer ao aluno(a) conhecimentos sobre princípios, técnicas e ferramentas
utilizadas na área de Processamento de Linguagem Natural para análise e
interpretação de descrições textuais.
Fornecer ao aluno(a) conhecimentos práticos para criar aplicações que
envolvam modelos clássicos de aprendizagem de máquina (machine learning) e
modelos profundos (deep learning).

CRONOGRAMA E CONTEÚDO PROGRAMÁTICO

AULA ASSUNTO MÉTODO

Apresentação e discussão do plano de curso TeP
Aulas 1 e 2
PLN: Introdução, motivação e aplicações
Aulas 3 e 4 Representação de textos (Bag of Words – BoW) TeP
Aulas 5 e 6 Recursos Léxicos TeP
Aula 7 Representação: Word Embeddings (WE) TeP
Aula 8 Similaridade semântica TeP
NLTK: Tokenização, POS Taggers, Parsers e TeP
Aula 9
Classificadores
Aula 10 Classificadores textuais: Avaliação T
Aula 11 Classificadores textos: Outros modelos T
Aula 12 Classificadores textos: Modelos do SkLearn P

1
 UNIVERSIDADE FEDERAL DO PIAUÍ
CENTRO DE CIÊNCIAS DA NATUREZA
DEPARTAMENTO DE COMPUTAÇÃO

Aulas 13 e 14 Trabalho Prático 01: discussões e comentários P

1ª AVALIAÇÃO ESCRITA
Aulas 15 e 16 PLN com Redes Neurais TeP
Aula 17 Redes Convolucionais (CNN) TeP
Aulas 18 e 19 Redes Recorrentes (RNN): LSTM e GRU TeP
Aula 20 Modelos Seq2Seq TeP
Aulas 21 e 22 Modelos de Língua (LLMs): BERT, GPT e outros TeP
Aula 23 Trabalho Prático 02: discussões e comentários P
2ª AVALIAÇÃO ESCRITA
Aulas 24 a 28 Acompanhamento de Projeto Final P
Aulas 29 e 30 Apresentação Projeto Final P

Procedimento de ensino

• Aulas expositivas virtuais síncronas e assíncronas (T)

• Aulas práticas e exercícios (P)
• Elaboração de trabalhos práticos com temas atuais

Sistemática de avaliação

Para efeito de avaliação será observada a Resolução 043/95-CEPEX que

regulamenta a Verificação do Rendimento Escolar nos Cursos de Graduação da
Universidade Federal do Piauí.
Serão realizadas três avaliações escritas envolvendo os conteúdos
apresentados e discutidos nas aulas teóricas e práticas, sendo considerado(a)
aprovado(a) na disciplina o(a) aluno(a) que:
• Obtiver frequência igual ou superior a 75% da carga horária da disciplina.
• Obtiver média aritmética nas três avaliações maior ou igual a 7 (sete), ou
média aritmética igual ou superior a 6 (seis), resultante da média aritmética
das avaliações e da nota do exame final.
O(A) aluno(a) que obtiver média aritmética das 3 avaliações inferior a 4 (quatro)
será considerado(a) reprovado(a) e não realizará avaliação final. A prova final
consistirá de todo o conteúdo da disciplina.

2
 UNIVERSIDADE FEDERAL DO PIAUÍ
CENTRO DE CIÊNCIAS DA NATUREZA
DEPARTAMENTO DE COMPUTAÇÃO

O(A) aluno(a) que não comparecer às avaliações e/ou exame final terá o direito
de requerer a oportunidade de realizá-los em segunda chamada.
O(A) candidato(a) a exame de segunda chamada poderá requerê-lo por si ou
por procurador legalmente constituído, ao professor da disciplina, através do
departamento responsável pela mesma, em um prazo de 3 dias úteis,
justificando através de documento o motivo da ausência.
Recursos de ensino
Serão utilizados no processo ensino-aprendizagem: quadro de acrílico, projetor
multimídia além do uso de notebook para demonstrações de ferramentas aos
alunos(as).

Bibliografia Básica
• BIRD, S.; KLEIN, E.; LOPER, E. Natural Language Processing with Python.
1st. ed. [S.l.]: O’Reilly Media, Inc., 2009.
• NLTK book was updated for Python 3 and NLTK 3. Available in
https://www.nltk.org/book/

Bibliografia Complementar
CASELI, H. M.; NUNES, M.G.V. (org.) Processamento de Linguagem Natural:
Conceitos, Técnicas e Aplicações em Português. BPLN, 2023. Disponível em:
https://brasileiraspln.com/livro-pln
FACELI, K.; LORENA, A.; GAMA, J.; and CARVALHO, A. Inteligência Artificial: Uma
Abordagem de Aprendizado de Máquina. LTC. 2021.
JURAFSKY, D. and MARTIN, J. Speech and Language Processing: An Introduction to
Natural Language Processing, Computational Linguistics, and Speech Recognition.
Prentice Hall series in artificial intelligence. PearsonPrentice Hall. 2009.
LIU, B. Sentiment Analysis and Opinion Mining. Synthesis Lectures on Human Language
Technologies, Morgan & Claypool Publishers, v. 5, n. 1, 1–167, 2012.
PORIA, S.; CAMBRIA, E.; GELBUKH, A. F. Aspect Extraction for Opinion Mining
with a Deep Convolutional Neural Network. Knowledge-Based Systems, 108, 42–49,
2016.