Kỹ thuật Word Embedding (ví dụ: Word2Vec, GloVe) có ưu điểm gì vượt trội so với Bag-of-Words trong biểu diễn từ?

Mạng nơ-ron hồi quy (Recurrent Neural Network - RNN).

Mạng nơ-ron tích chập (Convolutional Neural Network - CNN).

Mạng nơ-ron truyền thẳng (Feedforward Neural Network).

Mạng nơ-ron tự tổ chức (Self-Organizing Map - SOM).

Stemming (cắt gốc từ)

Lemmatization (nguyên mẫu hóa)

Tokenization (tách từ)

Stop word removal (loại bỏ từ dừng)

Câu này thể hiện tình cảm tích cực.

Câu này thể hiện tình cảm tiêu cực.

Câu này thể hiện tình cảm hỗn hợp (vừa tích cực, vừa tiêu cực).

Câu này không thể hiện tình cảm rõ ràng.

Giảm độ phức tạp tính toán của mô hình.

Cho phép mô hình tập trung vào các phần liên quan của câu khi xử lý thông tin.

Tăng tốc độ hội tụ của mô hình trong quá trình huấn luyện.

Cải thiện khả năng biểu diễn từ vựng của mô hình.

Khả năng dịch ngôn ngữ theo thời gian thực.

Khả năng sinh văn bản tự động.

Khả năng phân loại hình ảnh.

Khả năng hiểu ngữ cảnh từ theo cả hai hướng (trái và phải) trong câu.

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

Phân tích cảm xúc và thái độ của người viết.

Tóm tắt nội dung chính của văn bản.

Dịch văn bản từ ngôn ngữ này sang ngôn ngữ khác.

Xác định cấu trúc ngữ pháp của câu và mối quan hệ giữa các từ.

Phân loại văn bản theo chủ đề.

Dịch câu từ ngôn ngữ này sang ngôn ngữ khác.

Tìm kiếm thông tin liên quan trong văn bản.