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