Trong bài toán dịch máy (Machine Translation), BLEU score được sử dụng để làm gì?

Cả hai đều nhằm mục đích giảm các từ về dạng gốc của chúng.

Cả hai đều sử dụng từ điển để tra cứu dạng gốc của từ.

Cả hai đều loại bỏ hoàn toàn hậu tố và tiền tố của từ.

Cả hai đều giữ lại tất cả các dạng biến thể của từ để phân tích.

Kỹ thuật phân tích cú pháp câu.

Kỹ thuật biểu diễn từ dưới dạng vectơ (word embeddings).

Kỹ thuật giảm chiều dữ liệu văn bản.

Kỹ thuật sinh văn bản tự động.

Phân loại văn bản theo chủ đề.

Phân tích cảm xúc và thái độ trong văn bản.

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

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

Token hóa (Tokenization)

Gán nhãn POS (Part-of-Speech Tagging)

Phân tích cú pháp (Parsing)

Chuẩn hóa văn bản (Text Normalization)

A. Tích cực

B. Trung tính

C. Tiêu cực

Biểu diễn văn bản dưới dạng đồ thị quan hệ giữa các từ.

Biểu diễn văn bản bằng cách mã hóa vị trí tương đối của các từ.

Biểu diễn văn bản dựa trên tần suất xuất hiện của mỗi từ trong toàn bộ văn bản.

Biểu diễn văn bản bằng cách sử dụng mạng nơ-ron để học ngữ nghĩa.

Số lượng từ vựng trong tập dữ liệu huấn luyện.

Độ dài trung bình của câu trong văn bản.

Số lượng lớp ẩn trong mạng nơ-ron của mô hình.

Số lượng từ liên tiếp được xem xét để dự đoán từ tiếp theo.