1000+ câu Trắc nghiệm Nhập môn xử lý ngôn ngữ tự nhiên có đáp án - Phần 5
30 câu hỏi
Trong xử lý ngôn ngữ tự nhiên, ‘tokenization’ là quá trình gì?
Quá trình chuyển đổi văn bản thành chữ thường
Quá trình chia văn bản thành các đơn vị nhỏ hơn, chẳng hạn như từ hoặc cụm từ
Quá trình loại bỏ các stop words
Quá trình phân tích cú pháp của câu
Chọn đáp án B
Trong xử lý ngôn ngữ tự nhiên, ‘lemmatization’ khác với ‘stemming’ như thế nào?
Lemmatization đưa từ về dạng gốc có nghĩa (lemma), trong khi stemming chỉ đơn giản loại bỏ các hậu tố và tiền tố
Stemming đưa từ về dạng gốc có nghĩa (lemma), trong khi lemmatization chỉ đơn giản loại bỏ các hậu tố và tiền tố
Lemmatization nhanh hơn stemming
Stemming chính xác hơn lemmatization
Chọn đáp án A
Phương pháp nào sau đây được sử dụng để đánh giá sự tương đồng giữa hai văn bản?
Cosine Similarity
Euclidean Distance
Manhattan Distance
Tất cả các đáp án trên
Chọn đáp án D
Trong kiến trúc Transformer, cơ chế nào giúp mô hình xử lý các chuỗi dài hiệu quả hơn so với RNNs?
Recurrence
Attention
Convolution
Pooling
Chọn đáp án B
Trong xử lý ngôn ngữ tự nhiên, kỹ thuật nào được sử dụng để chuẩn hóa văn bản bằng cách sửa lỗi chính tả?
Kiểm tra chính tả (Spell checking)
Phân tích cú pháp (Parsing)
Nhận dạng thực thể (Named Entity Recognition)
Phân tích cảm xúc (Sentiment Analysis)
Chọn đáp án A
Trong xử lý ngôn ngữ tự nhiên, kỹ thuật nào được sử dụng để giảm số lượng chiều của dữ liệu văn bản, giúp giảm độ phức tạp tính toán và cải thiện hiệu suất mô hình?
Phân tích cú pháp (Parsing)
Biểu diễn word embedding
Giảm chiều dữ liệu (Dimensionality Reduction)
Sinh văn bản (Text Generation)
Chọn đáp án C
Trong xử lý ngôn ngữ tự nhiên, ‘coreference resolution’ là gì?
Quá trình xác định các tham chiếu trong văn bản, chẳng hạn như ‘anh ấy’ đề cập đến ai
Quá trình loại bỏ các stop words
Quá trình chuyển đổi văn bản thành chữ thường
Quá trình phân tích cú pháp của câu
Chọn đáp án A
Khi xây dựng chatbot, kỹ thuật nào giúp chatbot hiểu được ý định của người dùng?
Nhận dạng ý định (Intent Recognition)
Sinh văn bản (Text Generation)
Phân tích cảm xúc (Sentiment Analysis)
Tóm tắt văn bản (Text Summarization)
Chọn đáp án A
Mục tiêu chính của việc sử dụng topic modeling (ví dụ: LDA) trong NLP là gì?
Xác định các chủ đề chính trong một tập hợp văn bản
Phân loại văn bản thành các danh mục khác nhau
Tóm tắt nội dung chính của văn bản
Dịch văn bản sang một ngôn ngữ khác
Chọn đáp án A
Kỹ thuật ‘back-translation’ được sử dụng để làm gì trong machine translation?
Tăng cường dữ liệu huấn luyện bằng cách dịch văn bản từ ngôn ngữ nguồn sang ngôn ngữ đích, sau đó dịch ngược lại về ngôn ngữ nguồn
Đánh giá chất lượng của mô hình dịch máy
Tóm tắt văn bản đã dịch
Phân loại văn bản đã dịch
Chọn đáp án A
Kỹ thuật nào sau đây được sử dụng để chuyển đổi văn bản thành dạng số, trong đó mỗi từ hoặc cụm từ được biểu diễn bằng một vector one-hot?
Word2Vec
GloVe
One-hot encoding
TF-IDF
Chọn đáp án C
Phương pháp nào sau đây được sử dụng để phân loại văn bản thành các danh mục khác nhau, chẳng hạn như phân loại email là spam hoặc không spam?
Text Generation
Text Summarization
Text Classification
Text Translation
Chọn đáp án C
Trong phân tích cảm xúc (sentiment analysis), mục tiêu chính là gì?
Xác định chủ đề chính của văn bản
Xác định cảm xúc hoặc thái độ của người viết đối với một chủ đề cụ thể
Tóm tắt nội dung chính của văn bản
Dịch văn bản sang một ngôn ngữ khác
Chọn đáp án B
Trong các mô hình ngôn ngữ, perplexity được sử dụng để làm gì?
Đo lường độ phức tạp của mô hình
Đo lường khả năng dự đoán của mô hình
Đo lường tốc độ huấn luyện của mô hình
Đo lường kích thước của mô hình
Chọn đáp án B
Kỹ thuật nào sau đây được sử dụng để tạo ra văn bản mới từ một mô hình ngôn ngữ đã được huấn luyện?
Text Summarization
Text Generation
Text Classification
Text Translation
Chọn đáp án B
Phương pháp nào sau đây được sử dụng để xác định các thực thể có tên (named entities) trong văn bản, chẳng hạn như tên người, tổ chức, địa điểm?
Named Entity Recognition (NER)
Sentiment Analysis
Topic Modeling
Text Summarization
Chọn đáp án A
Trong kiến trúc Transformer, cơ chế ‘self-attention’ có vai trò gì?
Cho phép mô hình tập trung vào các phần quan trọng nhất của câu khi xử lý
Giúp mô hình dịch văn bản sang ngôn ngữ khác
Giúp mô hình tóm tắt văn bản
Giúp mô hình nhận diện các thực thể có tên
Chọn đáp án A
Mục đích chính của việc sử dụng kỹ thuật ‘stemming’ trong NLP là gì?
Chuyển đổi văn bản thành chữ thường
Loại bỏ các stop words
Đưa các từ về dạng gốc của chúng
Phân tích cú pháp của câu
Chọn đáp án C
Trong lĩnh vực NLP, ‘stop words’ là gì?
Các từ mang ý nghĩa quan trọng nhất trong văn bản
Các từ phổ biến nhưng ít mang ý nghĩa, thường bị loại bỏ trong quá trình tiền xử lý
Các từ được sử dụng để đánh dấu sự kết thúc của một câu
Các từ được sử dụng để liên kết các câu lại với nhau
Chọn đáp án B
Trong mô hình BERT, masked language modeling (MLM) được sử dụng để làm gì?
Dự đoán các từ bị che giấu trong câu
Dịch văn bản sang ngôn ngữ khác
Tóm tắt văn bản
Phân loại văn bản
Chọn đáp án A
Trong các mô hình ngôn ngữ dựa trên mạng nơ-ron, recurrent neural networks (RNNs) thường được sử dụng để làm gì?
Xử lý dữ liệu tuần tự, chẳng hạn như văn bản
Phân loại hình ảnh
Phân tích dữ liệu tài chính
Dự đoán thời tiết
Chọn đáp án A
Trong xử lý ngôn ngữ tự nhiên, POS tagging (Part-of-Speech tagging) là gì?
Quá trình gán nhãn từ loại (ví dụ: danh từ, động từ, tính từ) cho mỗi từ trong câu
Quá trình loại bỏ các stop words
Quá trình chuyển đổi văn bản thành chữ thường
Quá trình phân tích cú pháp của câu
Chọn đáp án A
Kỹ thuật nào sau đây thường được sử dụng để tạo ra các bản tóm tắt ngắn gọn từ các văn bản dài?
Text Summarization
Text Classification
Text Generation
Text Translation
Chọn đáp án A
Mục tiêu của việc sử dụng TF-IDF (Term Frequency-Inverse Document Frequency) trong NLP là gì?
Xác định tần suất xuất hiện của các từ trong văn bản
Đánh giá tầm quan trọng của một từ trong một văn bản so với toàn bộ tập hợp văn bản
Loại bỏ các stop words
Chuyển đổi văn bản thành chữ thường
Chọn đáp án B
Mục tiêu của kỹ thuật ‘word embedding’ trong NLP là gì?
Chuyển đổi từ thành dạng số và biểu diễn chúng trong một không gian vector
Loại bỏ các từ không quan trọng khỏi văn bản
Phân tích cấu trúc ngữ pháp của câu
Tạo ra các từ mới từ văn bản hiện có
Chọn đáp án A
Trong xử lý ngôn ngữ tự nhiên, kỹ thuật nào được sử dụng để tìm ra mối quan hệ giữa các từ trong một câu?
Phân tích cú pháp (Parsing)
Phân tích cảm xúc (Sentiment Analysis)
Nhận dạng thực thể có tên (Named Entity Recognition)
Mô hình hóa chủ đề (Topic Modeling)
Chọn đáp án A
Kỹ thuật nào sau đây được sử dụng để nhóm các văn bản có nội dung tương tự nhau thành các cụm (clusters)?
Text Summarization
Topic Modeling
Text Clustering
Machine Translation
Chọn đáp án C
Phương pháp nào sau đây thường được sử dụng để đánh giá chất lượng của mô hình dịch máy?
BLEU (Bilingual Evaluation Understudy)
TF-IDF (Term Frequency-Inverse Document Frequency)
Word2Vec
PoS Tagging (Part-of-Speech Tagging)
Chọn đáp án A
Kỹ thuật nào sau đây được sử dụng để chuyển đổi văn bản thành dạng số, phù hợp cho việc huấn luyện các mô hình máy học?
Stemming
Tokenization
Vector hóa văn bản (Text Vectorization)
Part-of-Speech Tagging
Chọn đáp án C
Trong lĩnh vực NLP, ‘n-gram’ là gì?
Một mô hình ngôn ngữ dựa trên mạng nơ-ron
Một chuỗi gồm n từ liên tiếp trong một văn bản
Một phương pháp loại bỏ stop words
Một kỹ thuật phân tích cú pháp
Chọn đáp án B
