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