1000+ câu Trắc nghiệm Nhập môn xử lý ngôn ngữ tự nhiên có đáp án - Phần 9

Phân tích cảm xúc (Sentiment Analysis) của khách hàng về sản phẩm.

Dự báo thời tiết dựa trên dữ liệu lịch sử.

Dịch máy (Machine Translation) giữa các ngôn ngữ khác nhau.

Trợ lý ảo (Chatbot) trả lời câu hỏi của người dùng.

Phân tích ý nghĩa của từ trong ngữ cảnh.

Mô tả cú pháp của ngôn ngữ bằng các quy tắc độc lập với ngữ cảnh.

Xử lý các ngôn ngữ không có cấu trúc ngữ pháp rõ ràng.

Tạo ra văn bản tự động.

Phân tích cấu trúc ngữ pháp phức tạp.

Tìm kiếm và xử lý mẫu văn bản, ví dụ: tìm email, số điện thoại, hoặc chuẩn hóa định dạng ngày tháng.

Xây dựng mô hình ngôn ngữ.

Phân loại văn bản.

Stemming nhanh hơn Lemmatization về tốc độ xử lý.

Lemmatization tạo ra từ gốc có nghĩa (lemma) và dựa trên từ điển, trong khi Stemming có thể tạo ra từ gốc không có nghĩa.

Stemming phù hợp với tiếng Anh hơn Lemmatization.

Lemmatization dễ cài đặt và sử dụng hơn Stemming.

Loại bỏ Stop words.

Phân tích cảm xúc.

Chuyển đổi về chữ thường (Lowercasing).

Tokenization.

Xây dựng robot giáo viên vật lý.

Hệ thống chấm điểm tự động bài luận và bài kiểm tra viết.

Thiết kế chương trình học ngoại ngữ.

Nghiên cứu về tâm lý học sinh viên.

Có tần suất xuất hiện rất thấp trong văn bản.

Thường xuyên xuất hiện trong văn bản nhưng ít mang ý nghĩa về mặt nội dung (ví dụ: 'là', 'và', 'của').

Chứa lỗi chính tả.

Được sử dụng để đánh dấu sự kết thúc của một câu.

Độ phức tạp của mô hình.

Kích thước dữ liệu huấn luyện có sẵn và yêu cầu về hiệu suất (độ chính xác, tốc độ) của bài toán.

Ngôn ngữ lập trình được sử dụng để xây dựng mô hình.

Số lượng tham số của mô hình.

Chuyển đổi văn bản thành chữ thường.

Chia văn bản thành các đơn vị nhỏ hơn, thường là từ hoặc câu.

Loại bỏ các dấu câu và ký tự đặc biệt.

Sửa lỗi chính tả trong văn bản.

Tìm ra từ gốc của một từ bằng cách loại bỏ các hậu tố và tiền tố.

Phân loại văn bản vào các chủ đề khác nhau.

Chuyển đổi văn bản thành giọng nói.

Đánh dấu các thành phần ngữ pháp của từ (ví dụ: danh từ, động từ).

Phân tích cấu trúc ngữ pháp của câu.

Phân chia văn bản thành các đoạn có nghĩa.

Tạo ra các chuỗi gồm N từ liên tiếp trong văn bản, hữu ích cho việc xây dựng mô hình ngôn ngữ và các tác vụ khác.

Tìm kiếm các từ đồng nghĩa.

Xác định chủ đề chính của một đoạn văn bản.

Phân loại ý kiến hoặc thái độ thể hiện trong văn bản là tích cực, tiêu cực hay trung tính.

Tóm tắt nội dung chính của một bài báo.

Dịch văn bản sang ngôn ngữ khác.

Yêu cầu lượng dữ liệu huấn luyện rất lớn để đạt hiệu quả.

Không giữ được thông tin về thứ tự của từ trong câu, làm mất đi ngữ cảnh và mối quan hệ giữa các từ.

Chỉ phù hợp với ngôn ngữ tiếng Anh, không hoạt động tốt với các ngôn ngữ khác.

Khó khăn trong việc xử lý các từ đồng nghĩa và đa nghĩa.

Sự phát triển quá nhanh của công nghệ phần cứng.

Tính mơ hồ và đa nghĩa của ngôn ngữ con người (ví dụ: từ đồng âm, chơi chữ, ẩn dụ).

Sự thiếu hụt dữ liệu văn bản để huấn luyện mô hình.

Chi phí cao để phát triển các thuật toán NLP.

Tìm kiếm các từ khóa quan trọng trong văn bản.

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

Phân tích cảm xúc của người viết.

Tóm tắt văn bản.

Một thuật toán cụ thể để xử lý ngôn ngữ.

Một tập hợp lớn các văn bản được sử dụng để huấn luyện mô hình ngôn ngữ hoặc đánh giá hiệu suất của hệ thống NLP.

Một thư viện phần mềm chứa các công cụ NLP.

Một phương pháp để biểu diễn từ thành vector số.

Phân tích cảm xúc của văn bản.

Đo lường tầm quan trọng của một từ trong một văn bản so với một tập hợp các văn bản (corpus).

Phân loại văn bản theo chủ đề.

Tóm tắt văn bản.

Giảm kích thước bộ từ vựng cần xử lý.

Biểu diễn từ thành các vector số, thể hiện mối quan hệ ngữ nghĩa giữa các từ và giữ lại một phần thông tin ngữ cảnh.

Tăng tốc độ xử lý văn bản.

Cải thiện khả năng phát hiện lỗi chính tả trong văn bản.

Tự động hóa quy trình phẫu thuật.

Phân tích bệnh án điện tử để hỗ trợ chẩn đoán và điều trị.

Kiểm soát chất lượng thuốc.

Nghiên cứu về cấu trúc DNA.

K-means Clustering.

Support Vector Machine (SVM).

Principal Component Analysis (PCA).

Linear Regression.