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