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