A) Traduir text d'una llengua a una altra automàticament. B) Convertir la veu en text. C) Generar respostes de text amb un to similar al humà. D) Analitzar el sentiment del text.
A) Generar text aleatori basat en un model donat. B) Traduir text d'una llengua a una altra. C) Determinar el sentiment o opinió expressat en un text. D) Analitzar la gramàtica i la sintaxi d'una frase.
A) Model n-gram B) Model semàntic C) Model sintàctic D) Model de Markov
A) Identificar entitats amb nom en un text, com ara noms, organitzacions i llocs. B) Convertir la parla en text. C) Determinar el sentiment general d'un text. D) Reconeixement de diferents idiomes en un text multilingüe.
A) Analitzar el to emocional d'un text. B) Identificar la relació entre les paraules en una frase. C) Generar paraules noves a partir de paraules existents. D) Reduir les paraules a la seva forma base o arrel.
A) La manca de maquinari adequat per processar dades de llenguatge. B) L'ambigüitat en el llenguatge que requereix una comprensió contextual. C) La dificultat per a la traducció entre diferents idiomes. D) La incapacitat de detectar el sentiment en el text.
A) Dividir el text en unitats individuals, com ara paraules o frases. B) Traduir text d'una llengua a una altra. C) Identificar el tema d'un text donat. D) Analitzar l'estructura gramatical d'una frase.
A) Anàlisi de l'estructura gramatical per determinar les relacions entre les paraules. B) Generació de sinònims per a les paraules. C) Conversió de la parla a text. D) Reconeixement d'entitats amb nom en el text.
A) Un mètode per traduir entre idiomes. B) Una col·lecció de textos utilitzada per a l'anàlisi lingüística. C) Un tipus específic de relació de dependència entre paraules. D) Un tipus d'arbre de sintaxi utilitzat en els algoritmes d'anàlisi sintàctica.
A) Analitzar el sentiment d'un text donat. B) Analitzar l'estructura gramatical d'una frase. C) Identificar entitats específiques com ara noms, organitzacions i llocs en un text. D) Traduir text entre idiomes.
A) Ruby. B) Java. C) Python. D) C++.
A) Etiquetatge de classes gramaticals. B) Etiquetatge de sistemes d'optimització potents. C) Etiquetatge d'enquestes d'opinió pública. D) Etiquetatge de punts de venda.
A) Classificació d'imatges. B) Reconeixement de veu. C) Extracció d'informació. D) Generació de text aleatori.
A) Analitzar la sintaxi d'una frase. B) Crear un resum concís d'un document de text més llarg. C) Identificar entitats amb noms en un text. D) Traduir text entre idiomes.
A) Xarxa de funcions de base radial (RBFN). B) Xarxa neuronal convolucional (CNN). C) Xarxa neuronal recurrent (RNN). D) Xarxa de creences profundes (DBN).
A) Agregació de dades localitzades. B) Anàlisi discriminant lineal. C) Distribució latent de Dirichlet. D) Avaluació del desenvolupament del llenguatge.
A) Identificar el sentiment d'un text donat. B) Reduir les paraules a la seva forma base o arrel per millorar l'anàlisi. C) Generar paraules noves a partir del vocabulari existent. D) Determinar la gramàtica d'una frase.
A) Identificar les relacions entre les paraules en una frase i els seus rols semàntics. B) Realitzar anàlisi de sentiments. C) Traduir textos entre idiomes. D) Analitzar la sintaxi d'una frase.
A) Nom B) Sintaxi C) Algoritme D) Compilador
A) Traducció automàtica basada en regles. B) Traducció automàtica basada en imatges. C) Traducció automàtica estadística. D) Traducció automàtica basada en el sentiment.
A) Enfoque de traducció basat en símbols. B) Algoritme de traducció basat en regles. C) Mètode d'anàlisi morfològica. D) Traducció automàtica basada en xarxes neuronals.
A) Transformació. B) Transferència. C) Tokenització. D) Transcripció.
A) Identificar entitats amb noms propis. B) Representar les paraules com a vectors per capturar el significat semàntic. C) Analitzar l'estructura de les frases. D) Traduir paraules entre idiomes.
A) Segmentació de frases. B) Modelatge de temes. C) Reconeixement d'entitats nomenades. D) Anàlisi de dependències. |