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