A) Szöveg automatikus fordítása egyik nyelvről a másikra. B) Elemezze a szöveg hangulatát. C) Konvertálja a beszédet szöveggé. D) Emberszerű szöveges válaszokat generál.
A) Véletlenszerű szöveg generálása adott modell alapján. B) A mondat nyelvtanának és szintaxisának elemzése. C) Határozza meg a szövegben kifejezett érzést vagy véleményt. D) Szöveg fordítása egyik nyelvről a másikra.
A) Szemantikai modell B) Markov modell C) n-gram modell D) Szintaxis modell
A) Beszéd átalakítása szöveggé. B) A szöveg általános hangulatának meghatározása. C) Megnevezett entitások azonosítása szövegben, például nevek, szervezetek és helyek. D) Különböző nyelvek felismerése többnyelvű szövegben.
A) A szöveg érzelmi tónusának elemzése. B) Új szavak generálása a meglévők alapján. C) A szavak közötti kapcsolat azonosítása egy mondatban. D) Szavak visszaszorítása alap- vagy gyökérformájukra.
A) Nehézségek a különböző nyelvek közötti fordítás során. B) A nyelvi adatok feldolgozásához megfelelő hardver hiánya. C) Kétértelműség a nyelvben, amely kontextuális megértést igényel. D) Képtelenség érzékelni a hangulatot a szövegben.
A) A mondat grammatikai szerkezetének elemzése. B) Szöveg fordítása egyik nyelvről a másikra. C) Adott szöveg témájának azonosítása. D) Szöveg szegmentálása egyedi egységekre, például szavakra vagy kifejezésekre.
A) Nyelvtani szerkezet elemzése a szavak közötti kapcsolatok meghatározásához. B) Megnevezett entitások felismerése a szövegben. C) Beszéd átalakítása szöveggé. D) Szinonimák generálása a szavakhoz.
A) Az elemzési algoritmusokban használt szintaktikai fa típusa. B) Nyelvek közötti fordítási módszer. C) A szavak közötti függőségi kapcsolat sajátos típusa. D) Nyelvi elemzéshez használt szöveggyűjtemény.
A) Csökkentse a szavakat alap- vagy gyökérformájukra az elemzés javítása érdekében. B) Határozza meg egy mondat nyelvtanát! C) Határozza meg egy adott szöveg hangulatát. D) Hozzon létre új szavakat a meglévő szókincs alapján.
A) Elemezze a mondat nyelvtani szerkezetét. B) Elemezze egy adott szöveg hangulatát. C) Szöveg fordítása nyelvek között. D) Határozzon meg konkrét entitásokat, például neveket, szervezeteket és helyeket a szövegben.
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.
A) A szavakat vektorként ábrázolja a szemantikai jelentés megragadásához. B) Azonosítsa a megnevezett entitásokat. C) Mondatszerkezet elemzése. D) Fordítson szavakat a nyelvek között.
A) Szöveg fordítása nyelvek között. B) Egy mondat szintaxisának elemzése. C) Megnevezett entitások azonosítása a szövegben. D) Hosszabb szöveges dokumentum tömör összefoglalásának készítése.
A) Közvélemény-kutatás címkézés. B) Beszédrész-címkézés. C) Eladáshelyi címkézés. D) Hatékony optimalizáló rendszer címkézés.
A) C++. B) Piton. C) Rubin. D) Jáva.
A) Deep belief Network (DBN). B) Ismétlődő neurális hálózat (RNN). C) Konvolúciós neurális hálózat (CNN). D) Radiális bázisfüggvény hálózat (RBFN).
A) Érzelem alapú gépi fordítás. B) Kép alapú gépi fordítás. C) Statisztikai gépi fordítás. D) Szabály alapú gépi fordítás.
A) Szabály alapú fordítási algoritmus. B) Morfológiai elemzési módszer. C) Neurális gépi fordítás. D) Szimbólum alapú fordítási megközelítés.
A) Elnevezett entitás felismerés. B) Mondatszegmentáció. C) Témamodellezés. D) Függőség elemzése.
A) Algoritmus B) Szintaxis C) Fordítóprogram D) Főnév
A) Lineáris diszkriminancia analízis. B) Nyelvfejlesztési felmérés. C) Látens Dirichlet-kiosztás. D) Lokalizált adatösszesítés.
A) Beszédfelismerés. B) Információ kinyerése. C) Véletlenszerű szöveggenerálás. D) Képosztályozás.
A) Átvitel. B) Átírás. C) Tokenizálás. D) Átalakítás. |