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