A) Automatyczne tłumaczenie tekstu z jednego języka na inny. B) Generowanie odpowiedzi tekstowych podobnych do ludzkich. C) Analizuj sentyment tekstu. D) Konwersja mowy na tekst.
A) Generowanie losowego tekstu na podstawie danego modelu. B) Analiza gramatyki i składni zdania. C) Określenie sentymentu lub opinii wyrażonej w tekście. D) Tłumaczenie tekstu z jednego języka na inny.
A) Model Markowa B) model n-gramowy C) Model semantyczny D) Model składni
A) Rozpoznawanie różnych języków w wielojęzycznym tekście. B) Określanie ogólnego nastroju tekstu. C) Identyfikacja nazwanych jednostek w tekście, takich jak nazwiska, organizacje i lokalizacje. D) Konwersja mowy na tekst.
A) Analiza emocjonalnego tonu tekstu. B) Identyfikowanie relacji między słowami w zdaniu. C) Generowanie nowych słów na podstawie już istniejących. D) Redukcja słów do ich formy podstawowej lub źródłowej.
A) Brak odpowiedniego sprzętu do przetwarzania danych językowych. B) Niejednoznaczność w języku, która wymaga zrozumienia kontekstu. C) Trudności w tłumaczeniu między różnymi językami. D) Niemożność wykrycia sentymentu w tekście.
A) Segmentacja tekstu na poszczególne jednostki, takie jak słowa lub frazy. B) Identyfikacja tematu danego tekstu. C) Analiza struktury gramatycznej zdania. D) Tłumaczenie tekstu z jednego języka na inny.
A) Konwersja mowy na tekst. B) Rozpoznawanie nazwanych jednostek w tekście. C) Generowanie synonimów dla słów. D) Analizowanie struktury gramatycznej w celu określenia relacji między słowami.
A) Rodzaj drzewa składni używanego w algorytmach parsowania. B) Metoda tłumaczenia między językami. C) Zbiór tekstu wykorzystywany do analizy językowej. D) Określony rodzaj zależności między słowami.
A) Sieć z radialną funkcją bazową (RBFN). B) Rekurencyjna sieć neuronowa (RNN). C) Głęboka sieć przekonań (DBN). D) Konwolucyjna sieć neuronowa (CNN).
A) Przeniesienie. B) Transformacja. C) Tokenizacja. D) Transkrypcja.
A) Ocena rozwoju językowego. B) Lokalna agregacja danych. C) Latent Dirichlet Allocation. D) Liniowa analiza dyskryminacyjna.
A) C++. B) Ruby. C) Java. D) Python.
A) Neuronowe tłumaczenie maszynowe. B) Algorytm tłumaczenia oparty na regułach. C) Metoda analizy morfologicznej. D) Podejście do tłumaczenia oparte na symbolach.
A) Tłumaczenie maszynowe oparte na regułach. B) Tłumaczenie maszynowe oparte na obrazach. C) Tłumaczenie maszynowe oparte na sentymentach. D) Statystyczne tłumaczenie maszynowe.
A) Kompilator B) Składnia C) Algorytm D) Rzeczownik
A) Analiza składni zdania. B) Tłumaczenie tekstu między językami. C) Identyfikacja relacji między słowami w zdaniu i ich ról semantycznych. D) Przeprowadzanie analizy nastrojów.
A) Analizuj sentyment danego tekstu. B) Analizowanie struktury gramatycznej zdania. C) Identyfikowanie określonych podmiotów, takich jak nazwiska, organizacje i lokalizacje w tekście. D) Tłumaczenie tekstu między językami.
A) Tagowanie części mowy. B) Oznaczanie w punkcie sprzedaży. C) Potężny system optymalizacji tagowania. D) Oznaczanie badań opinii publicznej.
A) Modelowanie tematyczne. B) Parsowanie zależności. C) Rozpoznawanie nazwanych podmiotów. D) Segmentacja zdań.
A) Redukcja słów do ich formy podstawowej lub źródłowej w celu usprawnienia analizy. B) Określ gramatykę zdania. C) Generowanie nowych słów na podstawie istniejącego słownictwa. D) Określenie nastroju danego tekstu.
A) Rozpoznawanie mowy. B) Wydobywanie informacji. C) Losowe generowanie tekstu. D) Klasyfikacja obrazów.
A) Reprezentuj słowa jako wektory, aby uchwycić znaczenie semantyczne. B) Identyfikacja nazwanych podmiotów. C) Tłumaczenie słów między językami. D) Analizowanie struktury zdań.
A) Identyfikacja nazwanych jednostek w tekście. B) Analiza składni zdania. C) Tworzenie zwięzłego podsumowania dłuższego dokumentu tekstowego. D) Tłumaczenie tekstu między językami. |