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