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