En läsbarhetsalgoritm utvärderar en text och ger den ett numeriskt värde som anses återspegla hur lättläst textenär. Syftet med denna kandidatexamensuppsats är att utifrån en diskussion om läsbarhetsbegreppet och läsbarhetsalgoritmen LIX (läsbarhetsindex) ta fram alternativa läsbarhetsalgoritmer,för att därefter utvärdera om dessa kan bedöma läsbarhet bättre än LIX. Utvärderingen sker med hjälp av texter ur två grupper,för varje text i den ena gruppen finns en motsvarande text i den andra med ett liknande innehåll och komplexitet men med en språkmässig skillnad. Materialet som kategoriserats som mer lättläst består av texter som belönats medden så kallade Klarspråkskristallen som årligen delas ut till statliga organ, exempelvis Riksbanken, som gjort framstående insatser för att göra sina publikationer mer lättlästa.Gruppen med texter som kategoriserats som mer svårlästa består av motsvarande publikationer ifrån dessa organ från åren innan de tilldelats Klarspråkskristallen.Resultatet av vårt arbete visade att alla algoritmer i testet kunde bedöma vilken av texterna som var mer lättläst i majoriteten av fallen. I ett teckenrangtest med signifikansnivån 5 % gick det dock inte att förkasta hypotesenatt algoritmerna inte kunde avgöra skillnaden mellan texterfrån de två grupperna. En unigramsalgoritm kunde visa ett resultat närmast den önskade statistisk signifikansen, då den på en åttaprocentig signifikansnivå kunde bedöma vilken av texterna som var mest lättläst. / A readability algorithm evaluates a text and gives it a numerical value to reflect the it’s readability. This paper discusses the readability algorithm LIX and the concept of readability. It also proposes some alternative readability algorithms and evaluates whether these algorithms can assess readability better than LIX. The evaluation was conducted with texts from two distinct categories. Every text in the first category has a corresponding text in the second one with a similar content but written in a way deemed as less readable. The materialcategorized as more readable consists of texts awarded with ”Klarspråkskristallen”, an annual award to governmentbodies, such as Riksbanken, which has made outstanding efforts to enhance the readability of their publications.The texts classified as less readable consists of corresponding publications from these bodies, published before they were given this award.The results of our study showed that all the algorithms for the majority of the texts could determine which text was more readable. However, in a signed-rank test at a 5 % significance level we could not reject the theory that the algorithms were not able to determine which text was more readable. A unigram algorithm showed results closest to the desired statistical significance, since it was ableto determine which of the texts was most readable at a significance level of 8 %.

Det finns mängder med faktorer som påverkar en texts läsbarhet. I denna rapport kommer flertalet faktorer undersökas inför skapandet av en ny läsbarhetsalgoritm. Målet är att denna algoritm ska vara bättre än LIX som är en algoritm konstruerad för svenska texter. Målet uppnåddes med en liten marginal men ytterligare förbättringar kan och bör implementeras. / There are a lot of factors that affect readability. In this report some of these factors will be examined with the purpose of creating a new readability algoritm for Swedish texts. The goal of this projekt is for this new algoritm to surpass the traditional readability algorithm for Swedish; LIX. The conclusionis that the previously stated goal was reached only by a small marigin, the algorithm could and should be improved.2

Facial expressions are a part of our body language that helps us to clarify the verbal communication between humans. We use our facial expressions every day, both consciously and unconsciously, to express emotions and attitudes depending on the situation. The hypothesis of the study is: Given a facial expression, how well can Microsoft Kinect, as an input method, determine a person’s feelings with the two algorithms Naive Bayes and Sequential Minimal Optimization? The feelings are limited to happy, sad, surprised and disgusted. With the help of Kinect, a person’s facial data, both coordinates of the face and parameterized data, were saved and used for machine learning. Two field studies were conducted, where 30 respectively 31 people attended and were instructed to simulate every facial expression mentioned above. In the first field study, coordinates were saved of specific parts of the face, while in the other field study; parameterized data of the face was saved. All data was sent into the machine learning software Weka and was processed with the two algorithms Naive Bayes and Sequential Minimal Optimazation. The best result was given by field study 2, were both Naive Bayes algorithm and Sequential Minimal Optimization gave a success rate of 56,45%. The conclusion of this report is that there is evidence supporting the hypothesis that Kinect, with the help of both algorithms, do recognize facial expressions to a certain extent. However, for the study outcome to be successful a larger sample of data is required for the learning process than what is used in this reports survey. / Ansiktsuttryck är en del av vårt kroppsspråk som hjälper oss att förtydliga den verbala kommunikationen mellan oss människor. Vi använder ansiktsuttryck varje dag, medvetet eller omedvetet, för att uttrycka känslor och attityder till de situationer vi befinner oss i. Frågeställningen i denna rapport är: Givet ett ansiktsuttryck, hur bra kan Microsoft Kinect som inmatningsmetod avgöra en persons känslor med algoritmerna Naive Bayes och Sequential Minimal Optimization? Känslorna avgränsas till glad, ledsen, förvånad och äcklad. Med hjälp av Kinect kan en persons ansiktsdata, både koordinater på ansiktet och parametriserad data, sparas ner och användas för maskininlärning. Två fältstudier gjordes, där 30 respektive 31 personer deltog och fick i uppdrag att simulera varje ansiktsuttryck. I första fältstudien sparades koordinater på vissa specifika delar av ansiktet medan i andra fältstudien sparades parametriserad data av ansiktet. All data skickades in i maskininlärningsprogrammet Weka och bearbetades med algoritmerna Naive Bayes och Sequential Minimal Optimazation. Det bästa resultatet gavs av fältstudie 2, där både algoritmerna Naive Bayes och Sequential Minimal Optimization, gav en träffsäkerhet på 56,45 %. Slutsatsen för rapporten är att det finns en möjlighet för Kinect att med dessa algoritmer känna igen ansiktsuttryck, dock krävs förmodligen en mycket större mängd data för inlärningsprocessen än vad som används i denna rapports undersökning.

This paper explores a data-driven approach for a chatbotwhere it utilises a database of transcripts from a TV-seriesin an attempt to hide its lack of linguistic knowledge and familiarity of the human language. A built-upon version of the naive implementation with rules prioritizing responses from the same scene to increase coherency is implementedand is compared to the original. Both versions of the chatbot shows some coherency for the individual instance but this diminishes in longer conversations. No significant difference can be found between the two versions. / Denna rapport undersöker en datadriven metod för en chatbot där den använder en databas av repliker från en TV serie i ett försök att dölja sina bristande språkkunskaper. En utbyggd version av den naiva implementationen som har regler för att prioritera repliker från samma scen som föregående svar implementeras och jämförs med den ursprungliga. Båda versionerna av chatbotten uppvisar koherens för enskilda fall men detta förminskas i längre konversationer. Ingen signifikant skillnad mellan de två versionerna påvisas.

Poesi är en konstform med få regler och fria ramar. Mjukvarukonstruktionär, tvärtemot poesin, baserat på ett rigoröst ramverk med strikta förhållningsregler. Här utforskas möjligheten att kombinera dessa discipliner och generera poesi med hjälp av mjukvara. Uppsatsen beskriver hur naturligt språk kan genereras och hur det genererade språket kan bilda poetiska texter med hjälp av kontexter och grammatiska regler. Det estetiska värdet på den genererade poesin undersöks utifrån en objektiv bedömning som sedan jämförs med en läsares subjektiva uppfattning. Undersökningen indikerar att en objektiv bedömning baserad på frekvensen av ordföljder inte motsvarar en subjektiv bedöming utförd av en testgrupp på bästa sätt. Mjukvaran genererar dock poetisk text på ett tillfredställande sätt. / Poetry is an art form with few rules and wide frames. Software engineering is, contrary to poetry, based on a rigorous framework with strict rules of conduct. Here the possibility of combining these disciplines and generate poetry using software is explored. The paper describes how natural language can be generated and how the generated language can form poetic texts using contexts and grammatical rules. The aesthetic value of the generated poetry is examined from an objective assessment which is then compared with a reader’s subjective perception. The survey indicates that an objective assessment based on frequency of words do not match the subjective perception of a test group in the best way. However, the software generates poetic texts in a satisfactory manner.

A chatbot is a computer program that engages in written or spoken conversation with a human user. This project aims to investigate the possibility of training a chatbot in using movie dialogue in generating the response. Movie dialogue can be found in both movie scripts as well as subtitles, though using subtitles is much easier as they follow a special formatting. Using one subtitle as a response to each word found in the preceding subtitle, the implemented chatbot links together subtitles. The responses are stored in a frequency distribution table that maps each word to all responses found. Though the responses generated by the chatbot were not desirable, the responsese tmost often contained responses which would be more fitting. The result drawn from hisis that ,with further work and improvement,the chatbot could perform acceptably

Läsbarhet handlar om hur begriplig en text är och är ett område som har studerats under väldigt många år. I denna studie utvärderas möjligheten att bygga ut den existerande läsbarhetsalgoritmen LIX med syftet att konstruera en algoritm som gör en mer exakt bedömning. I studien utvecklas en algoritm baserat på LIX och tidigare forskning inom läsbarhet, även sambandet mellan läsbarhetsnivå och ordklassfördelning undersöks. Under studien visade det sig att det finns ett samband mellan en texts läsbarhetsnivå och andelen verb och substantiv. Algoritmen byggdes ut med två parametrar; andelen vanliga ord samt skillnaden mellan andelen verb och substantiv. Resultatet visade att den nya algoritmen ger ett åtminstone lika bra resultat som LIX-algoritmen. Det var dock inte möjligt att dra några slutsatser om dess exakthet i jämförelse med LIX-algoritmen då resultatet av testerna som involverade mänsklig bedömning var undermåligt. Vidare diskuteras då hurman kan få pålitliga resultat från läsbarhetstester som baseras på mänsklig bedömning. / Readability is about how comprehensible a text is and it is a field which has been studied for many years. In this study the possibility of expanding the readability algorithm LIX, with the purpose of constructing an algorithmwhich is more exact, is evaluated. In the study an algorithm is developed based on LIX and earlier research within readability. The relation between readability level and the parts of speech distribution is also evaluated. During the study it was shown that there is a relation between the readability of a text and the proportion of verb and noun. The algorithm was expanded with two parameters; the number of common words and the difference between the proportion of verbs and nouns. The result showed that the new algorithm gave a result that was at least equally good to that of LIX. It was not possible to draw any conclusion to the new algorithm’s accuracy in comparison to LIX due to the substandard quality of the test involving human evaluation. Further it is discussed how more reliable results can beobtained from readability tests based on human evaluation.

This study aims to determine if there is any dierence in the perceived naturalness of chatbots implemented with either a rst word search- or a most signicant word search-algorithm. To this end two versions of the same chatbot were implemented using parsed movie dialogue used as a knowledge base and evaluated using methods developed for chatbot competitions. The results of the study were inconclusive and no statistically certain dierence between the two implementations was found.

Denna rapport syftar till att utforska och visa på möjligheten till ansiktsigenkänning vilket görs lättillgängligt för allmänheten genom Microsoft Kinect for XBOX360 och eventuella framtida liknande lösningar med lågupplösta 3D-sensorer. Det finns många komplicerande faktorer inom ansiktsigenkänning och däribland ansiktsrotation. Beroendet på ansiktets horisontella vinklar i förhållande till Kinectenheten undersöks för 5 testsubjekt genom användandet av en 3D-baserad matchningsalgoritm.Detta sker med en metod baserad på Microsoft Kinect Face Tracking SDK och de ansiktsmodeller i 3D denna levererar. Undersökningens resultat är i linje med ansiktsigenkänningens problematik. Ett bättre resultat fås för sant positiva matchningar mellan frontala subjekt jämfört med horisontellt roterade ansikten. Undersökningen visar dock på att ansiktsigenkänning inte är helt underpresterande för de senare och att Kinect och Face Trackings SDK, utan större ingrepp, hanterar ansiktsigenkänning ganska bra. / This report aims to explore and show the possibilities of face recognition, which are made available to the public through Microsoft Kinect for XBOX 360 and future similar solutions with low resolution 3D sensors. There are many complicating factors in face recognition such as the rotation of the subjects face. The dependency of the face rotation in relation to the Kinect sensor is studied for 5 test subjects by using a 3D based matching algorithm. This is done with the Microsoft Kinect Face Tracking SDK and the 3D face models this SDK provides. The result of the study is in line with the complications with head rotation in facial recognition. For true positive matches frontal subjects gain better results compared with horizontally rotated subject faces. The study shows that the latter are not completely underperforming the frontal matches however, and that Kinect and Face Tracking SDK, without great interventions, handle face recognition rather well.

Scheduling university courses is a combinatorial optimization problem where a set of events such as lectures, seminars and labs have to be scheduled into certain time slots while taking various constraints into account. The problem is considered dicult by conventional methods andthe amount of required computations usually increases exponentially with the size of the problem. However, for universities such as KTH, Royal Institute of Technology in Stockholm, this is a task that has to be dealt with regardless of its complexity. In this report, Genetic Algorithms (GAs) were applied to solve the course scheduling problem for multiple data samples inspired by KTH. The sizes of the input data were carefully designed to study the scalability of the GA. The results indicate on an exponential growth of the running time measured not in actual time but number of iterations. The scalability is highly dependent on the denition of a high quality solution as well as algorithm parameters but also      dierent methods being used in the GA.Keywords - Scheduling, Timetabling, KTH, Royal Institute of Technol-ogy, Scalability, Genetic Algorithm, GA, Constraints, Fitness, Selection,Crossover, Mutation, Repair, Extinction, Generation