1000+ câu Trắc nghiệm Nhập môn xử lý ngôn ngữ tự nhiên có đáp án - Phần 10

Chuyển đổi văn bản thành giọng nói.

Phân tích ý nghĩa của văn bản.

Chuyển đổi giọng nói của con người thành văn bản.

Dịch giọng nói từ ngôn ngữ này sang ngôn ngữ khác.

Xây dựng các hệ thống cơ khí tự động hóa quy trình sản xuất.

Phát triển các thuật toán khai thác dữ liệu từ cơ sở dữ liệu quan hệ.

Giúp máy tính hiểu, diễn giải và tạo ra ngôn ngữ của con người.

Thiết kế giao diện người dùng trực quan cho các ứng dụng web.

Chatbot hỗ trợ khách hàng.

Hệ thống nhận diện khuôn mặt.

Công cụ dịch máy.

Phần mềm kiểm tra chính tả và ngữ pháp.

Phân tích cảm xúc của văn bản.

Nhận diện và phân loại các thực thể có tên trong văn bản (ví dụ: tên người, tổ chức, địa điểm).

Tóm tắt nội dung chính của văn bản.

Dịch văn bản sang ngôn ngữ khác.

Mô hình phân loại văn bản.

Mô hình ngôn ngữ.

Mô hình nhận dạng thực thể có tên.

Mô hình dịch máy.

Stemming.

Lemmatization.

Subword tokenization (ví dụ: Byte-Pair Encoding).

Stop word removal.

Tạo ra phản hồi tự nhiên và phù hợp.

Xác định mục đích hoặc ý định của người dùng thông qua câu hỏi hoặc lệnh của họ.

Chuyển đổi văn bản thành giọng nói.

Phân tích cảm xúc của người dùng.

Tính mạch lạc của văn bản sinh ra.

Độ đa dạng của từ vựng sử dụng.

Mức độ trùng lặp của n-gram giữa văn bản sinh ra và văn bản tham khảo.

Tính chính xác ngữ pháp của văn bản sinh ra.

Mô hình hoạt động kém hiệu quả hơn.

Mô hình đưa ra các dự đoán không công bằng hoặc phân biệt đối xử với một số nhóm người.

Mô hình khó diễn giải kết quả hơn.

Mô hình yêu cầu nhiều tài nguyên tính toán hơn.

Phân tích cấu trúc ngữ pháp của câu.

Dự đoán xác suất xuất hiện của một chuỗi từ trong ngôn ngữ.

Biên dịch mã chương trình.

Tạo ra hình ảnh từ mô tả văn bản.

Cải thiện tốc độ dịch máy.

Tăng cường dữ liệu huấn luyện cho dịch máy, đặc biệt là khi dữ liệu song ngữ hạn chế.

Đánh giá chất lượng bản dịch máy.

Tạo ra giao diện người dùng đa ngôn ngữ.

Lemmatization nhanh hơn stemming.

Lemmatization cho ra gốc từ có nghĩa (lemma), trong khi stemming có thể tạo ra gốc từ không có nghĩa.

Stemming sử dụng từ điển, còn lemmatization sử dụng quy tắc.

Stemming chính xác hơn lemmatization.

Tìm ra gốc từ của một từ bằng cách loại bỏ các hậu tố và tiền tố.

Thay thế từ bằng từ đồng nghĩa.

Phân loại văn bản theo chủ đề.

Dịch văn bản từ ngôn ngữ này sang ngôn ngữ khác.

Biến đổi văn bản thành giọng nói.

Phân chia văn bản thành các đơn vị nhỏ hơn, ví dụ như từ hoặc cụm từ.

Gán nhãn ngữ pháp cho từng từ trong câu.

Loại bỏ các từ dừng (stop words) khỏi văn bản.

Tốc độ dịch.

Độ trôi chảy của bản dịch.

Độ tương đồng giữa bản dịch máy và bản dịch tham khảo của con người.

Khả năng hiểu ngữ cảnh của mô hình dịch.

Thời gian phản hồi của hệ thống.

Số lượng câu hỏi được xử lý đồng thời.

Phần văn bản xung quanh vị trí câu trả lời tiềm năng mà mô hình xem xét.

Giao diện người dùng của hệ thống QA.

Xác định chủ đề chính của văn bản.

Đánh giá mức độ tích cực, tiêu cực hoặc trung lập của văn bản đối với một chủ đề cụ thể.

Phân loại văn bản theo thể loại (ví dụ: tin tức, bài đánh giá, blog).

Tìm kiếm thông tin liên quan trong văn bản.

Các quy tắc ngữ pháp.

Các vector số trong không gian nhiều chiều.

Các cây cú pháp.

Các biểu đồ quan hệ giữa các từ.

Phân loại văn bản theo cảm xúc.

Khám phá các chủ đề ẩn chứa trong một tập hợp văn bản.

Tóm tắt nội dung chính của văn bản.

Dịch văn bản sang ngôn ngữ khác.

Tăng độ chính xác của phân tích cú pháp.

Giảm kích thước dữ liệu và tăng tốc độ xử lý.

Cải thiện khả năng dịch máy.

Làm cho văn bản dễ đọc hơn đối với con người.

Phân tích cú pháp của câu.

Tính toán tầm quan trọng của một từ trong một tài liệu so với một tập hợp tài liệu.

Tạo ra word embeddings.

Phân loại văn bản theo chủ đề.