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