A) Convertir la veu en text. B) Analitzar el sentiment del text. C) Generar respostes de text amb un to similar al humà. D) Traduir text d'una llengua a una altra automàticament.
A) Generar text aleatori basat en un model donat. B) Traduir text d'una llengua a una altra. C) Determinar el sentiment o opinió expressat en un text. D) Analitzar la gramàtica i la sintaxi d'una frase.
A) Model semàntic B) Model n-gram C) Model de Markov D) Model sintàctic
A) Convertir la parla en text. B) Determinar el sentiment general d'un text. C) Identificar entitats amb nom en un text, com ara noms, organitzacions i llocs. D) Reconeixement de diferents idiomes en un text multilingüe.
A) Analitzar el to emocional d'un text. B) Reduir les paraules a la seva forma base o arrel. C) Generar paraules noves a partir de paraules existents. D) Identificar la relació entre les paraules en una frase.
A) La dificultat per a la traducció entre diferents idiomes. B) L'ambigüitat en el llenguatge que requereix una comprensió contextual. C) La manca de maquinari adequat per processar dades de llenguatge. D) La incapacitat de detectar el sentiment en el text.
A) Traduir text d'una llengua a una altra. B) Analitzar l'estructura gramatical d'una frase. C) Dividir el text en unitats individuals, com ara paraules o frases. D) Identificar el tema d'un text donat.
A) Generació de sinònims per a les paraules. B) Anàlisi de l'estructura gramatical per determinar les relacions entre les paraules. C) Conversió de la parla a text. D) Reconeixement d'entitats amb nom en el text.
A) Un tipus específic de relació de dependència entre paraules. B) Una col·lecció de textos utilitzada per a l'anàlisi lingüística. C) Un tipus d'arbre de sintaxi utilitzat en els algoritmes d'anàlisi sintàctica. D) Un mètode per traduir entre idiomes.
A) Analitzar l'estructura gramatical d'una frase. B) Analitzar el sentiment d'un text donat. C) Identificar entitats específiques com ara noms, organitzacions i llocs en un text. D) Traduir text entre idiomes.
A) Python. B) Java. C) C++. D) Ruby.
A) Etiquetatge d'enquestes d'opinió pública. B) Etiquetatge de punts de venda. C) Etiquetatge de sistemes d'optimització potents. D) Etiquetatge de classes gramaticals.
A) Extracció d'informació. B) Generació de text aleatori. C) Reconeixement de veu. D) Classificació d'imatges.
A) Analitzar la sintaxi d'una frase. B) Identificar entitats amb noms en un text. C) Crear un resum concís d'un document de text més llarg. D) Traduir text entre idiomes.
A) Xarxa de creences profundes (DBN). B) Xarxa neuronal convolucional (CNN). C) Xarxa de funcions de base radial (RBFN). D) Xarxa neuronal recurrent (RNN).
A) Anàlisi discriminant lineal. B) Agregació de dades localitzades. C) Avaluació del desenvolupament del llenguatge. D) Distribució latent de Dirichlet.
A) Reduir les paraules a la seva forma base o arrel per millorar l'anàlisi. B) Determinar la gramàtica d'una frase. C) Generar paraules noves a partir del vocabulari existent. D) Identificar el sentiment d'un text donat.
A) Identificar les relacions entre les paraules en una frase i els seus rols semàntics. B) Analitzar la sintaxi d'una frase. C) Traduir textos entre idiomes. D) Realitzar anàlisi de sentiments.
A) Sintaxi B) Nom C) Algoritme D) Compilador
A) Traducció automàtica basada en el sentiment. B) Traducció automàtica basada en regles. C) Traducció automàtica estadística. D) Traducció automàtica basada en imatges.
A) Traducció automàtica basada en xarxes neuronals. B) Enfoque de traducció basat en símbols. C) Algoritme de traducció basat en regles. D) Mètode d'anàlisi morfològica.
A) Transferència. B) Tokenització. C) Transformació. D) Transcripció.
A) Representar les paraules com a vectors per capturar el significat semàntic. B) Identificar entitats amb noms propis. C) Analitzar l'estructura de les frases. D) Traduir paraules entre idiomes.
A) Modelatge de temes. B) Reconeixement d'entitats nomenades. C) Anàlisi de dependències. D) Segmentació de frases. |