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