Természetes nyelvi feldolgozás (számítógépes nyelvészet)

1. A természetes nyelvi feldolgozás (NLP) a mesterséges intelligencia olyan területe, amely a számítógépek és az emberek közötti interakcióra összpontosít természetes nyelvet használva. Olyan algoritmusok és modellek fejlesztését foglalja magában, amelyek lehetővé teszik a gépek számára, hogy megértsék, értelmezzék és generálják az emberi nyelvet. A számítógépes nyelvészet az NLP egyik részterülete, amely a nyelvészetet és a számítástechnikát ötvözi az emberi nyelv tanulmányozására, valamint a nyelvi adatok elemzésére és feldolgozására szolgáló számítási modellek kidolgozására. Az NLP és a számítógépes nyelvészet segítségével a kutatók olyan rendszereket kívánnak felépíteni, amelyek képesek olyan feladatokat ellátni, mint a nyelvi fordítás, a hangulatelemzés, a beszédfelismerés és a szövegösszegzés. Ezek a technológiák széleskörű alkalmazási körrel rendelkeznek, a virtuális asszisztensektől és chatbotoktól a kutatási és oktatási nyelvfeldolgozó eszközökig. Mi a gépi fordítás célja az NLP-ben?

A) Elemezze a szöveg hangulatát.
B) Konvertálja a beszédet szöveggé.
C) Szöveg automatikus fordítása egyik nyelvről a másikra.
D) Emberszerű szöveges válaszokat generál.

2. Mi az a hangulatelemzés az NLP-ben?

A) A mondat nyelvtanának és szintaxisának elemzése.
B) Szöveg fordítása egyik nyelvről a másikra.
C) Határozza meg a szövegben kifejezett érzést vagy véleményt.
D) Véletlenszerű szöveg generálása adott modell alapján.

3. Milyen típusú nyelvi modellt használnak a mondat következő szavának előrejelzésére?

A) Markov modell
B) Szintaxis modell
C) n-gram modell
D) Szemantikai modell

4. Mi az elnevezett entitás felismerés az NLP-ben?

A) A szöveg általános hangulatának meghatározása.
B) Különböző nyelvek felismerése többnyelvű szövegben.
C) Beszéd átalakítása szöveggé.
D) Megnevezett entitások azonosítása szövegben, például nevek, szervezetek és helyek.

5. Mi az a sztem az NLP-ben?

A) A szöveg érzelmi tónusának elemzése.
B) A szavak közötti kapcsolat azonosítása egy mondatban.
C) Új szavak generálása a meglévők alapján.
D) Szavak visszaszorítása alap- vagy gyökérformájukra.

6. Mi a fő kihívás a természetes nyelv megértésében?

A) A nyelvi adatok feldolgozásához megfelelő hardver hiánya.
B) Nehézségek a különböző nyelvek közötti fordítás során.
C) Képtelenség érzékelni a hangulatot a szövegben.
D) Kétértelműség a nyelvben, amely kontextuális megértést igényel.

7. Mi a tokenizáció az NLP-ben?

A) Adott szöveg témájának azonosítása.
B) Szöveg fordítása egyik nyelvről a másikra.
C) Szöveg szegmentálása egyedi egységekre, például szavakra vagy kifejezésekre.
D) A mondat grammatikai szerkezetének elemzése.

8. Mi az a függőségi elemzés az NLP-ben?

A) Megnevezett entitások felismerése a szövegben.
B) Nyelvtani szerkezet elemzése a szavak közötti kapcsolatok meghatározásához.
C) Beszéd átalakítása szöveggé.
D) Szinonimák generálása a szavakhoz.

9. Mit jelent a korpusz az NLP kontextusában?

A) Nyelvi elemzéshez használt szöveggyűjtemény.
B) Az elemzési algoritmusokban használt szintaktikai fa típusa.
C) A szavak közötti függőségi kapcsolat sajátos típusa.
D) Nyelvek közötti fordítási módszer.

10. Mi a sztemezés célja az NLP-ben?

A) Hozzon létre új szavakat a meglévő szókincs alapján.
B) Határozza meg egy mondat nyelvtanát!
C) Határozza meg egy adott szöveg hangulatát.
D) Csökkentse a szavakat alap- vagy gyökérformájukra az elemzés javítása érdekében.

11. Mi a célja az elnevezett entitás felismerésének az NLP-ben?

A) Határozzon meg konkrét entitásokat, például neveket, szervezeteket és helyeket a szövegben.
B) Szöveg fordítása nyelvek között.
C) Elemezze a mondat nyelvtani szerkezetét.
D) Elemezze egy adott szöveg hangulatát.

12. Mi a szemantikai szerepcímkézés az NLP-ben?

A) Egy mondat szintaxisának elemzése.
B) A mondatban szereplő szavak közötti kapcsolatok és azok szemantikai szerepének azonosítása.
C) Hangulatelemzés készítése.
D) Szöveg fordítása nyelvek között.

13. Mi a célja a szóbeágyazásnak az NLP-ben?

A) A szavakat vektorként ábrázolja a szemantikai jelentés megragadásához.
B) Mondatszerkezet elemzése.
C) Fordítson szavakat a nyelvek között.
D) Azonosítsa a megnevezett entitásokat.

14. Mi a szövegösszegzés az NLP-ben?

A) Egy mondat szintaxisának elemzése.
B) Szöveg fordítása nyelvek között.
C) Hosszabb szöveges dokumentum tömör összefoglalásának készítése.
D) Megnevezett entitások azonosítása a szövegben.

15. Mit jelent a POS címkézés a természetes nyelvi feldolgozásban?

A) Közvélemény-kutatás címkézés.
B) Hatékony optimalizáló rendszer címkézés.
C) Beszédrész-címkézés.
D) Eladáshelyi címkézés.

16. Melyik programozási nyelvet használják általában természetes nyelvi feldolgozási feladatokhoz?

A) Piton.
B) Rubin.
C) C++.
D) Jáva.

17. Milyen típusú neurális hálózatot használnak általában szekvenciák közötti feladatokhoz az NLP-ben?

A) Deep belief Network (DBN).
B) Konvolúciós neurális hálózat (CNN).
C) Radiális bázisfüggvény hálózat (RBFN).
D) Ismétlődő neurális hálózat (RNN).

18. Melyik megközelítést használják általánosan a gépi fordításhoz az NLP-ben?

A) Kép alapú gépi fordítás.
B) Statisztikai gépi fordítás.
C) Szabály alapú gépi fordítás.
D) Érzelem alapú gépi fordítás.

19. Milyen technikát alkalmaznak a nyelvi fordítási rendszerekben a pontosság és a folyékonyság javítására?

A) Neurális gépi fordítás.
B) Szabály alapú fordítási algoritmus.
C) Szimbólum alapú fordítási megközelítés.
D) Morfológiai elemzési módszer.

20. Melyik NLP-módszer összpontosít a mondatban lévő szavak közötti kapcsolatok megértésére?

A) Elnevezett entitás felismerés.
B) Függőség elemzése.
C) Mondatszegmentáció.
D) Témamodellezés.

21. Az alábbiak közül melyik példa a beszédrész-címkére?

A) Főnév
B) Fordítóprogram
C) Algoritmus
D) Szintaxis

22. Mit jelent az LDA mozaikszó az NLP-ben?

A) Látens Dirichlet-kiosztás.
B) Nyelvfejlesztési felmérés.
C) Lineáris diszkriminancia analízis.
D) Lokalizált adatösszesítés.

23. Melyik NLP feladat összpontosít strukturált információk strukturálatlan szövegből való kinyerésére?

A) Véletlenszerű szöveggenerálás.
B) Képosztályozás.
C) Információ kinyerése.
D) Beszédfelismerés.

24. Mit használnak a szöveg szavakra vagy kifejezésekre bontásának folyamatára?

A) Átvitel.
B) Átalakítás.
C) Átírás.
D) Tokenizálás.

Létrehozva That Quiz — ahol a tesztkészítés és a tesztelés egyszerűvé válik a matematika és más tantárgyak számára.