1000+ câu Trắc nghiệm Nhập môn xử lý ngôn ngữ tự nhiên có đáp án - Phần 4

Stemming

Part-of-speech tagging

Stop word removal

Named entity recognition

Một mô hình ngôn ngữ dựa trên mạng nơ-ron

Một chuỗi gồm n từ liên tiếp trong một văn bản

Một phương pháp loại bỏ các từ dừng

Một kỹ thuật stemming

‘học’

‘đang’

‘xử lý’

‘ngôn ngữ’

Stemming

Tokenization

Lemmatization

Stop word removal

Naive Bayes

Support Vector Machine (SVM)

Generative Adversarial Network (GAN)

K-means Clustering

Term Frequency – Inverse Document Frequency

Text Frequency – Inverse Data Frequency

Term Frequency – Integrated Document Frequency

Text Frequency – Integrated Data Frequency

Tìm các thực thể có tên trong văn bản

Gán nhãn từ loại cho mỗi từ trong câu

Giảm các từ về dạng gốc của chúng

Loại bỏ các từ dừng

[‘Hôm nay trời rất đẹp Tôi muốn đi dạo trong công viên’]

[‘Hôm’, ‘nay’, ‘,’, ‘trời’, ‘rất’, ‘đẹp’, ‘.’, ‘Tôi’, ‘muốn’, ‘đi’, ‘dạo’, ‘trong’, ‘công’, ‘viên’, ‘.’]

[‘Hôm nay’, ‘trời’, ‘rất’, ‘đẹp’, ‘Tôi’, ‘muốn’, ‘đi’, ‘dạo’, ‘trong’, ‘công viên’]

[‘Hôm nay, trời rất đẹp.’, ‘Tôi muốn đi dạo trong công viên.’]

Tokenization

Stop word removal

Principal Component Analysis (PCA)

Stemming

Để tăng tốc độ huấn luyện mô hình

Để cho phép mô hình tập trung vào các phần khác nhau của đầu vào khi xử lý nó

Để giảm kích thước của mô hình

Để loại bỏ các từ dừng

Độ chính xác của mô hình phân tích cảm xúc

Độ chính xác của mô hình dịch máy

Độ chính xác của mô hình nhận dạng thực thể có tên

Độ chính xác của mô hình tóm tắt văn bản

Stemming tạo ra các từ gốc hợp lệ, trong khi lemmatization có thể tạo ra các từ không hợp lệ

Stemming nhanh hơn nhưng có thể không chính xác bằng lemmatization

Lemmatization nhanh hơn nhưng có thể không chính xác bằng stemming

Stemming sử dụng từ điển, trong khi lemmatization không sử dụng

Part-of-Speech tagging

Point-of-Sale tagging

Process-of-Speech tagging

Pattern-of-Speech tagging

Đo lường độ phức tạp của thuật toán

Đo lường khả năng dự đoán của mô hình

Đo lường tốc độ hội tụ của mô hình

Đo lường kích thước của từ vựng

Stemming

Spell checking

Lemmatization

Parsing

Để lưu trữ và quản lý thông tin về các thực thể và mối quan hệ giữa chúng

Để dịch văn bản từ ngôn ngữ này sang ngôn ngữ khác

Để tóm tắt văn bản

Để phân loại văn bản dựa trên chủ đề

Xác định tất cả các tham chiếu đến cùng một thực thể trong văn bản

Dịch văn bản sang ngôn ngữ khác

Tóm tắt văn bản

Phân loại văn bản dựa trên chủ đề

Học từ dữ liệu không có nhãn

Học một nhiệm vụ mà không cần bất kỳ dữ liệu huấn luyện nào cho nhiệm vụ đó

Học một nhiệm vụ với rất ít dữ liệu huấn luyện

Học một nhiệm vụ nhanh hơn so với các mô hình khác

Phân loại văn bản dựa trên chủ đề

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

Dịch văn bản từ ngôn ngữ này sang ngôn ngữ khác

Tóm tắt văn bản

Xác định chủ đề chính của văn bản

Xác định cảm xúc hoặc thái độ được thể hiện trong văn bản

Dịch văn bản sang ngôn ngữ khác

Tóm tắt văn bản