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