Elaborazione del linguaggio naturale - Test
  • 1. L'elaborazione del linguaggio naturale (NLP) è un campo dell'intelligenza artificiale che si concentra sull'interazione tra computer ed esseri umani utilizzando il linguaggio naturale. Comporta lo sviluppo di algoritmi e modelli che consentono alle macchine di comprendere, interpretare e generare il linguaggio umano. La linguistica computazionale è un sottocampo della PNL che combina linguistica e informatica per studiare il linguaggio umano e sviluppare modelli computazionali per l'analisi e l'elaborazione dei dati linguistici. Attraverso la PNL e la linguistica computazionale, i ricercatori mirano a costruire sistemi in grado di eseguire compiti come la traduzione linguistica, l'analisi del sentiment, il riconoscimento vocale e la sintesi del testo. Queste tecnologie hanno un'ampia gamma di applicazioni, dagli assistenti virtuali e i chatbot agli strumenti di elaborazione linguistica per la ricerca e l'istruzione.

    Qual è l'obiettivo della traduzione automatica in PNL?
A) Generare risposte testuali simili a quelle umane.
B) Tradurre automaticamente il testo da una lingua all'altra.
C) Analizzare il sentiment del testo.
D) Convertire il parlato in testo.
  • 2. Che cos'è la sentiment analysis in NLP?
A) Generazione di testo casuale basato su un modello dato.
B) Tradurre un testo da una lingua all'altra.
C) Analizzare la grammatica e la sintassi di una frase.
D) Determinare il sentimento o l'opinione espressa nel testo.
  • 3. Quale tipo di modello linguistico viene utilizzato per prevedere la parola successiva in una frase?
A) Modello semantico
B) modello a n-grammi
C) Modello di Markov
D) Modello di sintassi
  • 4. Che cos'è il riconoscimento di entità denominate in PNL?
A) Riconoscimento di lingue diverse in un testo multilingue.
B) Determinare il sentimento generale di un testo.
C) Identificazione di entità nominate nel testo, come nomi, organizzazioni e località.
D) Conversione del parlato in testo.
  • 5. Che cos'è lo stemming in PNL?
A) Individuare la relazione tra le parole in una frase.
B) Generare nuove parole sulla base di quelle esistenti.
C) Analizzare il tono emotivo di un testo.
D) Ridurre le parole alla loro forma base o radice.
  • 6. Qual è la sfida principale nella comprensione del linguaggio naturale?
A) Difficoltà di traduzione tra lingue diverse.
B) Ambiguità del linguaggio che richiede una comprensione contestuale.
C) Impossibilità di rilevare il sentiment nel testo.
D) Mancanza di hardware adeguato per l'elaborazione dei dati linguistici.
  • 7. Che cos'è la tokenizzazione in NLP?
A) Identificare l'argomento di un testo dato.
B) Analizzare la struttura grammaticale di una frase.
C) Tradurre un testo da una lingua all'altra.
D) Segmentare il testo in singole unità, come parole o frasi.
  • 8. Che cos'è il parsing delle dipendenze in NLP?
A) Analizzare la struttura grammaticale per determinare le relazioni tra le parole.
B) Riconoscere entità nominate in un testo.
C) Generare sinonimi per le parole.
D) Conversione del parlato in testo.
  • 9. Che cos'è un corpus nel contesto della PNL?
A) Un tipo di albero sintattico utilizzato negli algoritmi di parsing.
B) Una raccolta di testi utilizzata per l'analisi linguistica.
C) Un metodo per tradurre tra le lingue.
D) Un tipo specifico di relazione di dipendenza tra parole.
  • 10. Quale linguaggio di programmazione è comunemente utilizzato per l'elaborazione del linguaggio naturale?
A) Java.
B) Rubino.
C) C++.
D) Pitone.
  • 11. Quale approccio è comunemente utilizzato per la traduzione automatica in PNL?
A) Traduzione automatica basata sulle immagini.
B) Traduzione automatica basata sul sentimento.
C) Traduzione automatica statistica.
D) Traduzione automatica basata su regole.
  • 12. A cosa si riferisce il POS tagging nell'elaborazione del linguaggio naturale?
A) Etichettatura del punto vendita.
B) Potente sistema di ottimizzazione dei tag.
C) Etichettatura part-of-speech.
D) Etichettatura dei sondaggi di opinione.
  • 13. Quale dei seguenti è un esempio di tag part-of-speech?
A) Compilatore
B) Sintassi
C) Sostantivo
D) Algoritmo
  • 14. Quale compito di NLP si concentra sull'estrazione di informazioni strutturate da un testo non strutturato?
A) Classificazione delle immagini.
B) Generazione di testo casuale.
C) Estrazione di informazioni.
D) Riconoscimento vocale.
  • 15. Quale tecnica viene impiegata nei sistemi di traduzione linguistica per migliorare l'accuratezza e la fluidità?
A) Approccio alla traduzione basato sui simboli.
B) Metodo di analisi morfologica.
C) Traduzione automatica neurale.
D) Algoritmo di traduzione basato su regole.
  • 16. Che cos'è l'etichettatura semantica dei ruoli in PNL?
A) Conduzione dell'analisi del sentiment.
B) Analizzare la sintassi di una frase.
C) Identificare le relazioni tra le parole in una frase e il loro ruolo semantico.
D) Tradurre il testo tra le lingue.
  • 17. Quale tipo di rete neurale è comunemente utilizzata per compiti di sequenza-sequenza in NLP?
A) Rete neurale ricorrente (RNN).
B) Rete di credenze profonde (DBN).
C) Rete neurale convoluzionale (CNN).
D) Rete di funzioni a base radiale (RBFN).
  • 18. Qual è l'obiettivo dei word embeddings in NLP?
A) Identificare le entità denominate.
B) Analizzare la struttura della frase.
C) Tradurre parole tra le lingue.
D) Rappresentare le parole come vettori per catturare il significato semantico.
  • 19. Che cos'è la sintesi del testo in NLP?
A) Analizzare la sintassi di una frase.
B) Creare un riassunto conciso di un documento di testo più lungo.
C) Identificazione di entità nominate in un testo.
D) Tradurre il testo tra le lingue.
  • 20. Qual è il termine usato per il processo di scomposizione del testo in parole o frasi?
A) Trasformazione.
B) Tokenizzazione.
C) Transfert.
D) Trascrizione.
  • 21. Che cosa significa l'acronimo LDA in PNL?
A) Analisi discriminante lineare.
B) Aggregazione di dati localizzata.
C) Allocazione Latente Dirichlet.
D) Valutazione dello sviluppo del linguaggio.
  • 22. Quale metodo della PNL si concentra sulla comprensione delle relazioni tra le parole in una frase?
A) Segmentazione delle frasi.
B) Modellazione degli argomenti.
C) Riconoscimento di entità denominate.
D) Parsing delle dipendenze.
  • 23. Qual è lo scopo dello stemming in PNL?
A) Generare nuove parole sulla base del vocabolario esistente.
B) Ridurre le parole alla loro forma base o radice per migliorare l'analisi.
C) Determinare la grammatica di una frase.
D) Identificare il sentimento di un testo dato.
  • 24. Qual è lo scopo del riconoscimento delle entità denominate in PNL?
A) Identificare entità specifiche come nomi, organizzazioni e luoghi in un testo.
B) Tradurre il testo tra le lingue.
C) Analizzare il sentiment di un dato testo.
D) Analizzare la struttura grammaticale di una frase.
Creato con That Quiz — il sito di generazione di test di matematica con risorse per altre aree tematiche.