Természetes nyelvi feldolgozás (számítógépes nyelvészet)

1. A természetes nyelvi feldolgozás (NLP) a mesterséges intelligencia olyan területe, amely a számítógépek és az emberek közötti interakcióra összpontosít természetes nyelvet használva. Olyan algoritmusok és modellek fejlesztését foglalja magában, amelyek lehetővé teszik a gépek számára, hogy megértsék, értelmezzék és generálják az emberi nyelvet. A számítógépes nyelvészet az NLP egyik részterülete, amely a nyelvészetet és a számítástechnikát ötvözi az emberi nyelv tanulmányozására, valamint a nyelvi adatok elemzésére és feldolgozására szolgáló számítási modellek kidolgozására. Az NLP és a számítógépes nyelvészet segítségével a kutatók olyan rendszereket kívánnak felépíteni, amelyek képesek olyan feladatokat ellátni, mint a nyelvi fordítás, a hangulatelemzés, a beszédfelismerés és a szövegösszegzés. Ezek a technológiák széleskörű alkalmazási körrel rendelkeznek, a virtuális asszisztensektől és chatbotoktól a kutatási és oktatási nyelvfeldolgozó eszközökig. Mi a gépi fordítás célja az NLP-ben?

A) Elemezze a szöveg hangulatát.
B) Emberszerű szöveges válaszokat generál.
C) Konvertálja a beszédet szöveggé.
D) Szöveg automatikus fordítása egyik nyelvről a másikra.

2. Mi az a hangulatelemzés az NLP-ben?

A) Határozza meg a szövegben kifejezett érzést vagy véleményt.
B) Szöveg fordítása egyik nyelvről a másikra.
C) Véletlenszerű szöveg generálása adott modell alapján.
D) A mondat nyelvtanának és szintaxisának elemzése.

3. Milyen típusú nyelvi modellt használnak a mondat következő szavának előrejelzésére?

A) Szintaxis modell
B) Szemantikai modell
C) n-gram modell
D) Markov modell

4. Mi az elnevezett entitás felismerés az NLP-ben?

A) Beszéd átalakítása szöveggé.
B) Megnevezett entitások azonosítása szövegben, például nevek, szervezetek és helyek.
C) Különböző nyelvek felismerése többnyelvű szövegben.
D) A szöveg általános hangulatának meghatározása.

5. Mi az a sztem az NLP-ben?

A) A szöveg érzelmi tónusának elemzése.
B) A szavak közötti kapcsolat azonosítása egy mondatban.
C) Szavak visszaszorítása alap- vagy gyökérformájukra.
D) Új szavak generálása a meglévők alapján.

6. Mi a fő kihívás a természetes nyelv megértésében?

A) A nyelvi adatok feldolgozásához megfelelő hardver hiánya.
B) Képtelenség érzékelni a hangulatot a szövegben.
C) Kétértelműség a nyelvben, amely kontextuális megértést igényel.
D) Nehézségek a különböző nyelvek közötti fordítás során.

7. Mi a tokenizáció az NLP-ben?

A) Szöveg szegmentálása egyedi egységekre, például szavakra vagy kifejezésekre.
B) Szöveg fordítása egyik nyelvről a másikra.
C) A mondat grammatikai szerkezetének elemzése.
D) Adott szöveg témájának azonosítása.

8. Mi az a függőségi elemzés az NLP-ben?

A) Szinonimák generálása a szavakhoz.
B) Megnevezett entitások felismerése a szövegben.
C) Beszéd átalakítása szöveggé.
D) Nyelvtani szerkezet elemzése a szavak közötti kapcsolatok meghatározásához.

9. Mit jelent a korpusz az NLP kontextusában?

A) A szavak közötti függőségi kapcsolat sajátos típusa.
B) Nyelvek közötti fordítási módszer.
C) Nyelvi elemzéshez használt szöveggyűjtemény.
D) Az elemzési algoritmusokban használt szintaktikai fa típusa.

10. Mi a sztemezés célja az NLP-ben?

A) Határozza meg egy adott szöveg hangulatát.
B) Határozza meg egy mondat nyelvtanát!
C) Hozzon létre új szavakat a meglévő szókincs alapján.
D) Csökkentse a szavakat alap- vagy gyökérformájukra az elemzés javítása érdekében.

11. Mi a célja az elnevezett entitás felismerésének az NLP-ben?

A) Elemezze a mondat nyelvtani szerkezetét.
B) Szöveg fordítása nyelvek között.
C) Határozzon meg konkrét entitásokat, például neveket, szervezeteket és helyeket a szövegben.
D) Elemezze egy adott szöveg hangulatát.

12. Mi a szemantikai szerepcímkézés az NLP-ben?

A) A mondatban szereplő szavak közötti kapcsolatok és azok szemantikai szerepének azonosítása.
B) Egy mondat szintaxisának elemzése.
C) Szöveg fordítása nyelvek között.
D) Hangulatelemzés készítése.

13. Mi a célja a szóbeágyazásnak az NLP-ben?

A) Mondatszerkezet elemzése.
B) Azonosítsa a megnevezett entitásokat.
C) Fordítson szavakat a nyelvek között.
D) A szavakat vektorként ábrázolja a szemantikai jelentés megragadásához.

14. Mi a szövegösszegzés az NLP-ben?

A) Megnevezett entitások azonosítása a szövegben.
B) Hosszabb szöveges dokumentum tömör összefoglalásának készítése.
C) Egy mondat szintaxisának elemzése.
D) Szöveg fordítása nyelvek között.

15. Mit jelent a POS címkézés a természetes nyelvi feldolgozásban?

A) Beszédrész-címkézés.
B) Eladáshelyi címkézés.
C) Közvélemény-kutatás címkézés.
D) Hatékony optimalizáló rendszer címkézés.

16. Melyik programozási nyelvet használják általában természetes nyelvi feldolgozási feladatokhoz?

A) Piton.
B) Rubin.
C) C++.
D) Jáva.

17. Milyen típusú neurális hálózatot használnak általában szekvenciák közötti feladatokhoz az NLP-ben?

A) Konvolúciós neurális hálózat (CNN).
B) Deep belief Network (DBN).
C) Ismétlődő neurális hálózat (RNN).
D) Radiális bázisfüggvény hálózat (RBFN).

18. Melyik megközelítést használják általánosan a gépi fordításhoz az NLP-ben?

A) Kép alapú gépi fordítás.
B) Szabály alapú gépi fordítás.
C) Statisztikai gépi fordítás.
D) Érzelem alapú gépi fordítás.

19. Milyen technikát alkalmaznak a nyelvi fordítási rendszerekben a pontosság és a folyékonyság javítására?

A) Szabály alapú fordítási algoritmus.
B) Neurális gépi fordítás.
C) Morfológiai elemzési módszer.
D) Szimbólum alapú fordítási megközelítés.

20. Melyik NLP-módszer összpontosít a mondatban lévő szavak közötti kapcsolatok megértésére?

A) Elnevezett entitás felismerés.
B) Mondatszegmentáció.
C) Témamodellezés.
D) Függőség elemzése.

21. Az alábbiak közül melyik példa a beszédrész-címkére?

A) Algoritmus
B) Főnév
C) Fordítóprogram
D) Szintaxis

22. Mit jelent az LDA mozaikszó az NLP-ben?

A) Nyelvfejlesztési felmérés.
B) Lokalizált adatösszesítés.
C) Lineáris diszkriminancia analízis.
D) Látens Dirichlet-kiosztás.

23. Melyik NLP feladat összpontosít strukturált információk strukturálatlan szövegből való kinyerésére?

A) Beszédfelismerés.
B) Képosztályozás.
C) Véletlenszerű szöveggenerálás.
D) Információ kinyerése.

24. Mit használnak a szöveg szavakra vagy kifejezésekre bontásának folyamatára?

A) Tokenizálás.
B) Átalakítás.
C) Átvitel.
D) Átírás.

Létrehozva That Quiz — ahol a tesztkészítés és a tesztelés egyszerűvé válik a matematika és más tantárgyak számára.