Αυτόματος εντοπισμός γλωσσικών δεικτών (δομών και χαρακτηριστικών) ως μέσων έγκαιρης διάγνωσης και πρόγνωσης της νόσου...
(α) Εξοικείωση με υπολογιστικές προσεγγίσεις ανάλυσης φυσικής γλώσσας (β) Εξοικείωση με μεθόδους εξαγωγής πληροφορίας (γ) Εξοικείωση με στατιστικά εργαλεία όπως το SPSS, R δ) Εμπειρία στον προγραμματισμό σε Python
(α) Εξοικείωση με τους τομείς της σημασιολογίας, της σύνταξης και της μορφολογίας (β) Εξοικείωση με τον τομέα της επεξεργασίας σωμάτων κειμένων (corpus linguistics) (γ) Εξοικείωση με την πλατφόρμα μηχανικής μάθησης WEKA
Με την παρούσα εργασία θα γίνει προσπάθεια να εντοπιστούν με υπολογιστικές μεθόδους γλωσσικοί δείκτες στον προφορικό και στο γραπτό λόγο των ασθενών σε πρώιμο στάδια της νόσου Alzheimer. Σκοπός της εργασίας αυτής είναι ο αυτόματος εντοπισμός καθολικών/διαγλωσσικών αλλά και ειδικότερων γλωσσικών δομών στις οποίες αναγωρίζονται "αποκλίσεις" από την υγιή γλωσσική χρήση και οι οποίες θα βοηθούσαν στην πρόβλεψη αλλά και στη διάγνωση της νόσου Alzheimer και άλλων συγγενών ασθενειών.
Λέξεις κλειδιά
Μηχανική μάθηση (Ταξινόμηση Κειμένων, Επιλογή Χαρακτηριστικών), Γλωσσολογία (Σημασιολογία, Μορφολογία, Σύνταξη), Υπολογιστική Γλωσσολογία, Εξαγωγή πληροφορίας
Ενδεικτική Βιβλιογραφία:
1. Fraser, K., Meltzer, J., & Rudzicz, F. (2016). Linguistic features identify Alzheimer's disease in narrative speech. Journal of Alzheimer's disease 49, 407-422.
2. Rentoumi, V., Raoufian, L., Ahmed, S., de Jager, C. A., & Garrard, P. (2014). Features and machine learning classification of connected speech samples from patients with autopsy proven Alzheimer's disease with and without additional vascular pathology. Journal of Alzheimer's Disease, 42(s3), S3-S17.