Đánh giá hiệu quả của mô hình dịch máy thường sử dụng độ đo nào sau đây?

Phân tích cấu trúc câu về mặt hình thức (ví dụ: chủ ngữ, vị ngữ).

Hiểu ý nghĩa của từ, cụm từ, câu và văn bản.

Tách văn bản thành các từ riêng lẻ.

Chuyển đổi văn bản thành dạng vector số.

Phân tích cấu trúc ngữ pháp của câu.

Xác định và phân loại các thực thể có tên riêng trong văn bản (ví dụ: tên người, tổ chức, địa điểm).

Tìm ra mối quan hệ giữa các câu trong văn bản.

Tóm tắt nội dung chính của văn bản.

Tách từ (Tokenization).

Chuẩn hóa văn bản (Normalization).

Phân tích cảm xúc (Sentiment Analysis).

Loại bỏ stop words.

Mô hình được huấn luyện mà không cần bất kỳ dữ liệu huấn luyện nào.

Mô hình có khả năng thực hiện các tác vụ hoặc phân loại các lớp mà nó chưa từng được huấn luyện trực tiếp trên dữ liệu của các lớp đó.

Mô hình được huấn luyện trên dữ liệu tổng hợp.

Mô hình chỉ được huấn luyện trên một lượng dữ liệu rất nhỏ.

Tạo ra câu trả lời tự nhiên và mạch lạc.

Xác định mục đích hoặc ý định của người dùng đằng sau câu hỏi hoặc yêu cầu của họ.

Lưu trữ lịch sử hội thoại với người dùng.

Đánh giá mức độ hài lòng của người dùng.

Các từ mang ý nghĩa quan trọng nhất trong văn bản.

Các từ phổ biến, ít mang lại thông tin ngữ nghĩa trong nhiều ngữ cảnh, và thường được loại bỏ.

Các từ khóa được sử dụng để tìm kiếm thông tin.

Các từ mới xuất hiện gần đây trong ngôn ngữ.

Biểu diễn văn bản dưới dạng đồ thị.

Lưu trữ và quản lý thông tin dưới dạng các thực thể và mối quan hệ giữa chúng, hỗ trợ suy luận và trả lời câu hỏi.

Phân tích mạng xã hội.

Trực quan hóa dữ liệu văn bản.