ThatQuiz Biblioteka Testów Podejdź teraz do testu
Przetwarzanie języka naturalnego (lingwistyka komputerowa) - Test
Opracowany przez: Kowalczyk
  • 1. Przetwarzanie języka naturalnego (NLP) to dziedzina sztucznej inteligencji, która koncentruje się na interakcji między komputerami a ludźmi przy użyciu języka naturalnego. Obejmuje ona rozwój algorytmów i modeli, które umożliwiają maszynom rozumienie, interpretowanie i generowanie ludzkiego języka. Lingwistyka obliczeniowa to poddziedzina NLP, która łączy lingwistykę i informatykę w celu badania ludzkiego języka i opracowywania modeli obliczeniowych do analizy i przetwarzania danych językowych. Dzięki NLP i lingwistyce obliczeniowej naukowcy dążą do stworzenia systemów, które mogą wykonywać zadania takie jak tłumaczenie języka, analiza nastrojów, rozpoznawanie mowy i podsumowywanie tekstu. Technologie te mają szeroki zakres zastosowań, od wirtualnych asystentów i chatbotów po narzędzia do przetwarzania języka w badaniach i edukacji.

    Jaki jest cel tłumaczenia maszynowego w NLP?
A) Konwersja mowy na tekst.
B) Generowanie odpowiedzi tekstowych podobnych do ludzkich.
C) Analizuj sentyment tekstu.
D) Automatyczne tłumaczenie tekstu z jednego języka na inny.
  • 2. Czym jest analiza nastrojów w NLP?
A) Określenie sentymentu lub opinii wyrażonej w tekście.
B) Generowanie losowego tekstu na podstawie danego modelu.
C) Tłumaczenie tekstu z jednego języka na inny.
D) Analiza gramatyki i składni zdania.
  • 3. Który typ modelu językowego jest używany do przewidywania następnego słowa w zdaniu?
A) model n-gramowy
B) Model składni
C) Model Markowa
D) Model semantyczny
  • 4. Czym jest rozpoznawanie encji nazwanych w NLP?
A) Określanie ogólnego nastroju tekstu.
B) Identyfikacja nazwanych jednostek w tekście, takich jak nazwiska, organizacje i lokalizacje.
C) Konwersja mowy na tekst.
D) Rozpoznawanie różnych języków w wielojęzycznym tekście.
  • 5. Czym jest stemming w NLP?
A) Analiza emocjonalnego tonu tekstu.
B) Generowanie nowych słów na podstawie już istniejących.
C) Redukcja słów do ich formy podstawowej lub źródłowej.
D) Identyfikowanie relacji między słowami w zdaniu.
  • 6. Jakie jest główne wyzwanie związane z rozumieniem języka naturalnego?
A) Brak odpowiedniego sprzętu do przetwarzania danych językowych.
B) Niejednoznaczność w języku, która wymaga zrozumienia kontekstu.
C) Trudności w tłumaczeniu między różnymi językami.
D) Niemożność wykrycia sentymentu w tekście.
  • 7. Czym jest tokenizacja w NLP?
A) Segmentacja tekstu na poszczególne jednostki, takie jak słowa lub frazy.
B) Analiza struktury gramatycznej zdania.
C) Identyfikacja tematu danego tekstu.
D) Tłumaczenie tekstu z jednego języka na inny.
  • 8. Czym jest parsowanie zależności w NLP?
A) Rozpoznawanie nazwanych jednostek w tekście.
B) Analizowanie struktury gramatycznej w celu określenia relacji między słowami.
C) Konwersja mowy na tekst.
D) Generowanie synonimów dla słów.
  • 9. Czym jest korpus w kontekście NLP?
A) Metoda tłumaczenia między językami.
B) Określony rodzaj zależności między słowami.
C) Rodzaj drzewa składni używanego w algorytmach parsowania.
D) Zbiór tekstu wykorzystywany do analizy językowej.
  • 10. Który język programowania jest powszechnie używany do zadań przetwarzania języka naturalnego?
A) Ruby.
B) C++.
C) Python.
D) Java.
  • 11. Jaki jest cel osadzania słów w NLP?
A) Reprezentuj słowa jako wektory, aby uchwycić znaczenie semantyczne.
B) Tłumaczenie słów między językami.
C) Identyfikacja nazwanych podmiotów.
D) Analizowanie struktury zdań.
  • 12. Który z poniższych elementów jest przykładem znacznika części mowy?
A) Rzeczownik
B) Składnia
C) Kompilator
D) Algorytm
  • 13. Co oznacza tagowanie POS w przetwarzaniu języka naturalnego?
A) Oznaczanie badań opinii publicznej.
B) Potężny system optymalizacji tagowania.
C) Tagowanie części mowy.
D) Oznaczanie w punkcie sprzedaży.
  • 14. Jaki jest cel rozpoznawania encji nazwanych w NLP?
A) Analizuj sentyment danego tekstu.
B) Analizowanie struktury gramatycznej zdania.
C) Identyfikowanie określonych podmiotów, takich jak nazwiska, organizacje i lokalizacje w tekście.
D) Tłumaczenie tekstu między językami.
  • 15. Która metoda NLP koncentruje się na zrozumieniu relacji między słowami w zdaniu?
A) Segmentacja zdań.
B) Parsowanie zależności.
C) Modelowanie tematyczne.
D) Rozpoznawanie nazwanych podmiotów.
  • 16. Co oznacza skrót LDA w języku NLP?
A) Liniowa analiza dyskryminacyjna.
B) Lokalna agregacja danych.
C) Latent Dirichlet Allocation.
D) Ocena rozwoju językowego.
  • 17. Które zadanie NLP koncentruje się na wyodrębnianiu ustrukturyzowanych informacji z nieustrukturyzowanego tekstu?
A) Losowe generowanie tekstu.
B) Rozpoznawanie mowy.
C) Klasyfikacja obrazów.
D) Wydobywanie informacji.
  • 18. Jak nazywa się proces dzielenia tekstu na słowa lub frazy?
A) Transkrypcja.
B) Tokenizacja.
C) Transformacja.
D) Przeniesienie.
  • 19. Czym jest etykietowanie ról semantycznych w NLP?
A) Identyfikacja relacji między słowami w zdaniu i ich ról semantycznych.
B) Przeprowadzanie analizy nastrojów.
C) Tłumaczenie tekstu między językami.
D) Analiza składni zdania.
  • 20. Która technika jest stosowana w systemach tłumaczeń językowych w celu poprawy dokładności i płynności?
A) Neuronowe tłumaczenie maszynowe.
B) Metoda analizy morfologicznej.
C) Algorytm tłumaczenia oparty na regułach.
D) Podejście do tłumaczenia oparte na symbolach.
  • 21. Który typ sieci neuronowej jest powszechnie stosowany w zadaniach typu sekwencja-sekwencja w NLP?
A) Sieć z radialną funkcją bazową (RBFN).
B) Głęboka sieć przekonań (DBN).
C) Rekurencyjna sieć neuronowa (RNN).
D) Konwolucyjna sieć neuronowa (CNN).
  • 22. Czym jest podsumowanie tekstu w NLP?
A) Tłumaczenie tekstu między językami.
B) Analiza składni zdania.
C) Tworzenie zwięzłego podsumowania dłuższego dokumentu tekstowego.
D) Identyfikacja nazwanych jednostek w tekście.
  • 23. Które podejście jest powszechnie stosowane do tłumaczenia maszynowego w NLP?
A) Tłumaczenie maszynowe oparte na obrazach.
B) Tłumaczenie maszynowe oparte na sentymentach.
C) Statystyczne tłumaczenie maszynowe.
D) Tłumaczenie maszynowe oparte na regułach.
  • 24. Jaki jest cel stemmingu w NLP?
A) Określenie nastroju danego tekstu.
B) Generowanie nowych słów na podstawie istniejącego słownictwa.
C) Określ gramatykę zdania.
D) Redukcja słów do ich formy podstawowej lub źródłowej w celu usprawnienia analizy.
Test utworzony z That Quiz — tu powstają i są oceniane testy z matematyki i innych dyscyplin.