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