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