Procesamiento del lenguaje natural (lingüística computacional)
  • 1. El procesamiento del lenguaje natural (PLN) es un campo de la inteligencia artificial que se centra en la interacción entre los ordenadores y los seres humanos mediante el lenguaje natural. Implica el desarrollo de algoritmos y modelos que permitan a las máquinas comprender, interpretar y generar lenguaje humano. La lingüística computacional es un subcampo de la PNL que combina la lingüística y la informática para estudiar el lenguaje humano y desarrollar modelos computacionales para analizar y procesar datos lingüísticos. Mediante la PNL y la lingüística computacional, los investigadores pretenden crear sistemas capaces de realizar tareas como la traducción de idiomas, el análisis de sentimientos, el reconocimiento de voz y el resumen de textos. Estas tecnologías tienen una amplia gama de aplicaciones, desde asistentes virtuales y chatbots hasta herramientas de procesamiento lingüístico para la investigación y la educación.

    ¿Cuál es el objetivo de la traducción automática en PNL?
A) Analizar el sentimiento de un texto.
B) Convierte la voz en texto.
C) Traduzca texto de un idioma a otro automáticamente.
D) Generar respuestas textuales de tipo humano.
  • 2. ¿Qué es el análisis de sentimientos en PNL?
A) Traducir un texto de una lengua a otra.
B) Generación de texto aleatorio basado en un modelo dado.
C) Analizar la gramática y la sintaxis de una frase.
D) Determinar el sentimiento o la opinión expresada en un texto.
  • 3. ¿Qué tipo de modelo lingüístico se utiliza para predecir la siguiente palabra de una frase?
A) Modelo de Markov
B) modelo n-gram
C) Modelo sintáctico
D) Modelo semántico
  • 4. ¿Qué es el reconocimiento de entidades con nombre en PNL?
A) Reconocimiento de distintas lenguas en un texto multilingüe.
B) Determinar el sentimiento general de un texto.
C) Identificación de entidades con nombre en el texto, como nombres, organizaciones y ubicaciones.
D) Conversión de voz a texto.
  • 5. ¿Qué es el stemming en PNL?
A) Identificar la relación entre las palabras de una frase.
B) Generar nuevas palabras a partir de las existentes.
C) Reducir las palabras a su forma básica o raíz.
D) Analizar el tono emocional de un texto.
  • 6. ¿Cuál es el principal reto en la comprensión del lenguaje natural?
A) Incapacidad para detectar el sentimiento en el texto.
B) Falta de hardware adecuado para procesar los datos lingüísticos.
C) Dificultad para traducir entre distintas lenguas.
D) Ambigüedad en el lenguaje que requiere comprensión contextual.
  • 7. ¿Qué es la tokenización en PNL?
A) Identificar el tema de un texto determinado.
B) Traducir un texto de una lengua a otra.
C) Segmentar el texto en unidades individuales, como palabras o frases.
D) Analizar la estructura gramatical de una frase.
  • 8. ¿Qué es el análisis sintáctico de dependencias en PNL?
A) Analizar la estructura gramatical para determinar las relaciones entre las palabras.
B) Reconocimiento de entidades con nombre en el texto.
C) Generar sinónimos de palabras.
D) Conversión de voz a texto.
  • 9. ¿Qué es un corpus en el contexto de la PNL?
A) Tipo específico de relación de dependencia entre palabras.
B) Un método para traducir entre idiomas.
C) Conjunto de textos utilizados para el análisis lingüístico.
D) Tipo de árbol sintáctico utilizado en los algoritmos de análisis sintáctico.
  • 10. ¿Qué lenguaje de programación se utiliza habitualmente para tareas de procesamiento del lenguaje natural?
A) Rubí.
B) C++.
C) Python.
D) Java.
  • 11. ¿Cómo se denomina el proceso de dividir un texto en palabras o frases?
A) Transferencia.
B) Transformación.
C) Tokenización.
D) Transcripción.
  • 12. ¿Qué método de PNL se centra en comprender las relaciones entre las palabras de una frase?
A) Modelado de temas.
B) Reconocimiento de entidades con nombre.
C) Segmentación de frases.
D) Análisis sintáctico de dependencias.
  • 13. ¿Qué significa la sigla LDA en PNL?
A) Análisis discriminante lineal.
B) Asignación latente de Dirichlet.
C) Agregación de datos localizados.
D) Evaluación del desarrollo del lenguaje.
  • 14. ¿Qué técnica se emplea en los sistemas de traducción de idiomas para mejorar la precisión y la fluidez?
A) Enfoque de traducción basado en símbolos.
B) Algoritmo de traducción basado en reglas.
C) Traducción automática neuronal.
D) Método de análisis morfológico.
  • 15. ¿Qué tipo de red neuronal se utiliza habitualmente para tareas de secuencia a secuencia en PNL?
A) Red de función de base radial (RBFN).
B) Red de creencia profunda (DBN).
C) Red neuronal recurrente (RNN).
D) Red neuronal convolucional (CNN).
  • 16. ¿Cuál es el objetivo de la incrustación de palabras en PNL?
A) Representar palabras como vectores para captar el significado semántico.
B) Analizar la estructura de las frases.
C) Identificar entidades con nombre.
D) Traducir palabras entre idiomas.
  • 17. ¿Qué es el resumen de textos en PNL?
A) Identificación de entidades con nombre en un texto.
B) Creación de un resumen conciso de un documento de texto más largo.
C) Analizar la sintaxis de una frase.
D) Traducir texto entre idiomas.
  • 18. ¿Qué tarea de PNL se centra en la extracción de información estructurada a partir de texto no estructurado?
A) Extracción de información.
B) Generación aleatoria de texto.
C) Reconocimiento de voz.
D) Clasificación de imágenes.
  • 19. ¿Qué es el etiquetado semántico de funciones en PNL?
A) Identificar las relaciones entre las palabras de una frase y sus funciones semánticas.
B) Realización de análisis de sentimientos.
C) Analizar la sintaxis de una frase.
D) Traducir texto entre idiomas.
  • 20. ¿Para qué sirve el reconocimiento de entidades con nombre en PNL?
A) Traducir texto entre idiomas.
B) Identificar entidades específicas como nombres, organizaciones y lugares en un texto.
C) Analizar el sentimiento de un texto dado.
D) Analizar la estructura gramatical de una frase.
  • 21. ¿Qué enfoque se utiliza habitualmente para la traducción automática en PNL?
A) Traducción automática basada en imágenes.
B) Traducción automática basada en reglas.
C) Traducción automática basada en el sentimiento.
D) Traducción automática estadística.
  • 22. ¿Cuál de los siguientes es un ejemplo de etiqueta de parte de discurso?
A) Algoritmo
B) Sintaxis
C) Compilador
D) Sustantivo
  • 23. ¿Qué significa el etiquetado POS en el procesamiento del lenguaje natural?
A) Etiquetado de encuestas de opinión pública.
B) Etiquetado en el punto de venta.
C) Potente sistema de optimización del etiquetado.
D) Etiquetado de partes del discurso.
  • 24. ¿Para qué sirve el stemming en PNL?
A) Generar nuevas palabras a partir del vocabulario existente.
B) Reducir las palabras a su forma base o raíz para mejorar el análisis.
C) Identificar el sentimiento de un texto dado.
D) Determinar la gramática de una frase.
Examen creado con That Quiz — el sitio para crear exámenes de matemáticas.