A) Convertir la veu en text. B) Traduir text d'una llengua a una altra automàticament. 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) Analitzar la gramàtica i la sintaxi d'una frase. C) Traduir text d'una llengua a una altra. D) Determinar el sentiment o opinió expressat en un text.
A) Model sintàctic B) Model n-gram C) Model semàntic D) Model de Markov
A) Reconeixement de diferents idiomes en un text multilingüe. B) Determinar el sentiment general d'un text. C) Identificar entitats amb nom en un text, com ara noms, organitzacions i llocs. D) Convertir la parla en text.
A) Analitzar el to emocional d'un text. B) Reduir les paraules a la seva forma base o arrel. C) Generar paraules noves a partir de paraules existents. D) Identificar la relació entre les paraules en una frase.
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) Traduir text d'una llengua a una altra. B) Dividir el text en unitats individuals, com ara paraules o frases. C) Analitzar l'estructura gramatical d'una frase. D) Identificar el tema d'un text donat.
A) Reconeixement d'entitats amb nom en el text. B) Conversió de la parla a text. C) Anàlisi de l'estructura gramatical per determinar les relacions entre les paraules. D) Generació de sinònims per a les paraules.
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) Identificar entitats específiques com ara noms, organitzacions i llocs en un text. B) Traduir text entre idiomes. C) Analitzar l'estructura gramatical d'una frase. D) Analitzar el sentiment d'un text donat.
A) Python. B) Java. C) Ruby. D) C++.
A) Etiquetatge de sistemes d'optimització potents. B) Etiquetatge d'enquestes d'opinió pública. C) Etiquetatge de classes gramaticals. D) Etiquetatge de punts de venda.
A) Extracció d'informació. B) Classificació d'imatges. C) Generació de text aleatori. D) Reconeixement de veu.
A) Analitzar la sintaxi d'una frase. B) Traduir text entre idiomes. C) Identificar entitats amb noms en un text. D) Crear un resum concís d'un document de text més llarg.
A) Xarxa de funcions de base radial (RBFN). B) Xarxa neuronal convolucional (CNN). C) Xarxa de creences profundes (DBN). D) Xarxa neuronal recurrent (RNN).
A) Distribució latent de Dirichlet. B) Avaluació del desenvolupament del llenguatge. C) Agregació de dades localitzades. D) Anàlisi discriminant lineal.
A) Generar paraules noves a partir del vocabulari existent. B) Determinar la gramàtica d'una frase. C) Reduir les paraules a la seva forma base o arrel per millorar l'anàlisi. D) Identificar el sentiment d'un text donat.
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) Algoritme D) Sintaxi
A) Traducció automàtica estadística. B) Traducció automàtica basada en imatges. C) Traducció automàtica basada en regles. D) Traducció automàtica basada en el sentiment.
A) Mètode d'anàlisi morfològica. B) Enfoque de traducció basat en símbols. C) Traducció automàtica basada en xarxes neuronals. D) Algoritme de traducció basat en regles.
A) Transformació. B) Transferència. C) Transcripció. D) Tokenització.
A) Traduir paraules entre idiomes. B) Representar les paraules com a vectors per capturar el significat semàntic. C) Analitzar l'estructura de les frases. D) Identificar entitats amb noms propis.
A) Segmentació de frases. B) Modelatge de temes. C) Anàlisi de dependències. D) Reconeixement d'entitats nomenades. |