1000+ câu Trắc nghiệm Nhập môn xử lý ngôn ngữ tự nhiên có đáp án - Phần 13

Phân chia văn bản thành các câu

Nhóm các từ liên tiếp thành các cụm từ ngữ pháp (chunks) như cụm danh từ, cụm động từ

Loại bỏ các từ không quan trọng

Tìm kiếm các từ khóa trong văn bản

Chuyển đổi văn bản thành giọng nói

Chia văn bản thành các đơn vị nhỏ hơn, có ý nghĩa (ví dụ: từ, cụm từ)

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

Tìm kiếm các thực thể có tên (named entities) trong văn bản

Thiếu các thuật toán NLP phù hợp

Ít dữ liệu văn bản được gán nhãn để huấn luyện mô hình

Cấu trúc ngữ pháp quá phức tạp

Không có đủ chuyên gia NLP cho các ngôn ngữ này

Lemmatization nhanh hơn stemming

Lemmatization trả về từ gốc có nghĩa (lemma), trong khi stemming có thể trả về gốc từ không có nghĩa

Lemmatization chỉ áp dụng cho tiếng Anh, stemming áp dụng cho nhiều ngôn ngữ

Lemmatization loại bỏ stop words, stemming thì không

Phân tích tình cảm văn bản trên mạng xã hội

Chú thích ảnh tự động (Image captioning)

Chatbot hỗ trợ khách hàng trực tuyến

Công cụ kiểm tra đạo văn

Thu thập dữ liệu văn bản

Lựa chọn và biến đổi dữ liệu đầu vào thành các đặc trưng số học phù hợp để mô hình học máy có thể xử lý

Đánh giá hiệu suất mô hình

Triển khai mô hình vào ứng dụng thực tế

Tăng cường ý nghĩa của văn bản

Giảm kích thước dữ liệu và tăng hiệu quả xử lý

Phát hiện các thực thể có tên

Chuẩn hóa văn bản về dạng viết thường

Chủ đề chính của văn bản

Mối quan hệ ngữ pháp phụ thuộc giữa các từ trong câu

Nghĩa của từ trong ngữ cảnh

Tình cảm thể hiện trong văn bản

Phân tích tình cảm văn bản

Dịch máy

Nhận dạng khuôn mặt

Tóm tắt văn bản

Phân tích cú pháp câu

Tính trọng số của từ trong một văn bản và trong tập hợp văn bản

Xác định chủ đề chính của văn bản

Dịch văn bản tự động

Tăng tốc độ huấn luyện mô hình

Giảm thiểu hiện tượng 'vanishing gradients'

Cho phép mô hình tập trung vào các phần quan trọng nhất của dữ liệu đầu vào khi xử lý

Cải thiện khả năng xử lý dữ liệu tuần tự của mô hình

Tính đúng ngữ pháp

Sự liên kết logic và ý nghĩa giữa các câu, đoạn văn

Sự đa dạng về từ vựng

Tính trôi chảy và tự nhiên của ngôn ngữ

Tốc độ huấn luyện mô hình

Độ chính xác của mô hình trong việc dự đoán từ tiếp theo

Mức độ phức tạp của mô hình

Khả năng khái quát hóa của mô hình trên dữ liệu mới

Phân loại văn bản theo chủ đề

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

Dịch văn bản từ ngôn ngữ này sang ngôn ngữ khác

Tóm tắt nội dung chính của văn bản

Tình cảm của người dùng

Mục đích hoặc mong muốn của người dùng khi đưa ra câu lệnh

Ngôn ngữ mà người dùng đang sử dụng

Thông tin cá nhân của người dùng

Chatbot

Hệ thống khuyến nghị sản phẩm

Công cụ kiểm tra chính tả

Phần mềm dịch thuật

Phân loại văn bản

Dịch máy và tóm tắt văn bản

Phân tích tình cảm

Nhận diện thực thể có tên

Khả năng xử lý song song các phần của chuỗi đầu vào

Sử dụng nhiều lớp mạng nơ-ron hơn

Kích thước từ vựng lớn hơn

Sử dụng hàm kích hoạt phức tạp hơn

Tăng kích thước từ vựng

Mất thông tin về nghĩa của từ do rút gọn quá mức

Giảm tốc độ xử lý văn bản

Khó khăn trong việc xử lý ngôn ngữ đa ngôn ngữ

Phân loại văn bản theo chủ đề

Xác định nghĩa đúng của một từ trong ngữ cảnh cụ thể

Tạo ra các từ đồng nghĩa

Phát hiện lỗi chính tả trong văn bản

Không thể xử lý văn bản dài

Mất thông tin về thứ tự và ngữ pháp của từ trong câu

Khó khăn trong việc xử lý tiếng Anh

Yêu cầu lượng lớn dữ liệu huấn luyện