8

66

78
47
E2
Paper / Subject Code: 42175 / NATURAL LANGUAGE PROCESSING (DLOC - III)

F3

A7

E
25
E8

83
28

66

47

77
24

8E

F3

3E
25

7A
73

4E

28

66

78
A6

54
8E

A7
2

F
3

62
23

4E

28

7
Time: 3 hours Max. Marks: 80

36
1D

54
A

8E
2

8F
3

62
3
C5
N.B. (1) Question No. 1 is compulsory

4E
2

36
D

4
EE

E
32

25
51

8F
8
(2) Assume suitable data if necessary

23
83

67

4E

66
C

E2
D
EE
77

3A

F3
2
1
(3) Attempt any three questions from the remaining questions

E8
C5
7A

83

67

8
D2

E2
24
E
77

3A
54

51
E

73

E8
A
62

2
C
8

6
7

24
Q.1 Solve any Four out of Five 5 marks each

EE
36

77

8E
4

1
5

73
3
C5
8F

7A
2

83

4E
D2
6
Explain the challenges of Natural Language processing.

A6
a

EE
E2

77
54

32
1
3

23
C5
F

A
E8

62

83

7
b
8
Explain how N-gram model is used in spelling correction

A6
7

D
EE
E2

77
24

1
F3

23
5
7A
73

E8

83
c Explain three types of referents that complicate the reference resolution problem.

EC
28

D
A6

36

77
4

3A
54

51
E

3E
2

F
d Explain Machine Translation Approaches used in NLP.

7A
3

62
3

D2
EC
7

8
D2

78
6

E2

36
4

54

51
A

A7

3E
2

e Explain the various stages of Natural Language processing.

51

8F
3

E8

62
3

EC
7
D2

78
EC

47
A6

36
4

A7

3E
32

25
51
3E

F
8
23

67

66

78
EC

47
78

E2
D

Q.2 10 marks each 24

A

A7
25
1
A7

3E

8F
3

E8
3
C5

66
2

47
a What is Word Sense Disambiguation (WSD)? Explain the dictionary based approach to
78

A6

E2
47

1D

24
E

F3

25
A7

E
25

73

E8
23
5
3

28

66
Word Sense Disambiguation.
C
66

6
47

1D

24
EE
7

8E

F3
F3

A7
25

3
3
C5

b Represent output of morphological analysis for Regular verb, Irregular verb, singular noun,
83

4E

28
2
28

66

A6
47

1D
E
77

8E
2
8E

F3

E
25

plural noun Also Explain Role of FST in Morphological Parsing with an example
73
23
5
A

4E
EC
4E

28

66

A6
7

D
7
4

32
1
8E

F3

3E
32

23
5
A
2

67
EC
7

4E

28

8
7

1D
A6

77

3A
Q.3 10 marks each
54
8E

F3

3E
32

5
A
62
23

D2
EC
7

4E

78
7

a Explain the ambiguities associated at each level with example for Natural Language
A6

E2

36
1D

51
A7

3E
32

5
8F
E8

2
3
C5

EC
67

processing.
6
D2

78
47
2

6
24
EE

3A

A7

3E
25
51

F
3

b Explain Discourse reference resolution in detail.

67

6
D2

78
EC

47
E2

36
24
3A

A7
25
51
3E

8F
3

E8
67

66
D2
EC

47
78

E2
24
3A

F3

25

Q.4 10 marks each

51
7

3E

73

8
7A

28

66
D2
EC
78

a
A

8E
54

F3
2
51
7

3E

3
3
7A

28
D2
EC
78

A6

24

8E
4

51
7

3E
25

73
23
7A

4E
EC
6

78

6
D
36

A
4

32
1
7

3E
25

3
5
8F

7A

67
2
EC
6

78

D
E2

36

3A
4

1
7

3E
25

5
F

7A

D2
EC
28

78
36

51
8E

3E
25
F

7A

EC
4E

28

78
36

4
8E

A7

3E
2

25
F
73

4E

28

78
47
A6

36
8E

A7
2

25
F
73

4E

28

47
A6

36
8E
2

25
F
73
23

4E

28

66
A6
D

8E

F3
2

30651 Page 1 of 2
51

73
23

4E

28
EC

A6
D

8E
2
51

73
23

4E
EC

6
D

3A

EC51D23A67324E8E28F3662547A7783E
32
51
 EC A6 E2 54 EE
51 73 8F 7A C5
D 24E 36 7 78 1D
23 8E 6 25 3E 23
EC A6 28 4 7A EC A6
51 73
2 F 7 51 7
D 23 4E 36
6 78 D2 32
4E
A6 8E
28
25
4
3E
EC 3 A6 8E
51 73 F 7A 7 28
D 24E 36 7 78 51 32 F3
6

a
b

b
23 D2 4E 66

Q.5

Q.6
8E 25 3E

30651
A6 28 4 EC 3A 8E 25
73 F 7A 67 28 47
2 4E 36 7 78 51 32 F3 A7
3A 8E 6 25 3E D2
3A
4E 66
25
78
3E
6 28 4 EC 8E
7A 47

Rules:
73 F 67 28 EC
24E 36 778 51 324 F3 A7 51
8E 6 25 3E D2 E8 66 78 D2
28 4 7A EC A6 3A E2 25
47
3E 3
32 F 7 51 73 67
3 8F3 A7
EC

10 marks each

10 marks each
36 24 7 51
4E 6 78 E 6 6 D2 8 24 D2
8E 25 3E 3 A 8 E 2 5 3 E E8 3
28 47 EC 6 2 4 7 E A 6 E2
F3 A7 5 1 73 8F A C5 7 3 8F
66 78 D 24 36 77 1 D 2 4 36
For given above corpus,

25 3E 23 E8 62 83 23 E8 62
M: Modal verb [can , will]

V:Verb [ watch, spot, pat]

47 EC A6 E2 54 EE 54
8 7 C A6 E2

“The man read this book”

A7 5 1 7 3 F A 5 7 3 8 F 7A
78 D 24 3 6 7 7 1D 2 4 3 77
3E 2 3 E 8 6 2 8 3 2 E 6 6 83
EC A 6 E2 5 4 E E 3 A 8 E 2 5
7 4 EE
Statement is “Justin will spot Will”

51 73
24
8F A 77
C5 67
32
28
F3 7 A C5
36 1D 4 6 77
D2
3A E 8E 6 25 8 3E 23 E8 62 83 1D
23
N: Noun [Martin, Justin, Will, Spot, Pat]

67 28 47 EC A6 E2 54 EE A6
32 F3 A7 5 1D 7 3 8 F 7A C 51 73

Explain Porter Stemmer algorithm with rules

24 36 77

Page 2 of 2
4E 66 78 E D 24
8E 25 3E 2 3 8 6 2 8 3 2
28 47 EC A 6 E 2 54 EE 3A
E8
F3 A7 5 73 8F 7 A C5 67
E2
8
1 D 24 1 3 2

Explain Maximum Entropy Model for POS Tagging

66 78 36 77 D 4E
25 3E 23 E8 62 83 23

EC51D23A67324E8E28F3662547A7783E
47 A6 E2 54 EE A 8E
Create Transition Matrix & Emission Probability Matrix

EC 6
A7 5 7 3 8 F 7A C 7 28
78 1D 24 36 77 51 3 2 F3
3E 23 E8 62 83 D2 4E 66
EC A6 E2 54 EE 3A 8E
Describe in detail Centering Algorithm for reference resolution.

51 73 8F 7A C5 67 28
D2 2 4E 3 66 77 1 D 32 F3

Explain information retrieval versus Information extraction systems

3A 8E 25 83 2 4E 66
47 EE 3A 8E 25
Apply Hidden Markov Model and do POS tagging for given statements

67 28 47
For a given grammar using CYK or CKY algorithm parse the statement

C5 67 28
32
4E
F3
66
A7
78 1 3 2 F 3
D2 4E 66
8E 25
47
3E 3 A 8 E 25
28
F3 A7
EC
5 6 73 2 8F 47
66 78 1 D 24 36 A7
Paper / Subject Code: 42175 / NATURAL LANGUAGE PROCESSING (DLOC - III)

25 3E 23 E8 62 78
47 EC A6 E2 54
A7 51 73 8F 7A
78
3E D 23
24
E8
36
62
77
83
EC A6 E2 54 E
51 7 32 8F3 7 A7
D2 4E 66 78
3A 8E 25 3E
4