Тест, свързан с ръководство · лесно Ниво

Тест за класификация на текст

Тествайте присвояване на текстови етикети, задачи с множество етикети, дисбаланс, припомняне, използване на нулев изстрел за специфични задачи, вграждания, прецизна аритметика и изходни резултати.

Свързани ръководни пътекиТекстова класификация
Въпрос 1 на 8

How does a text classifier structure the output for an input document?

Визуализирайте всеки въпрос8 въпроси

Отговорите и обясненията се появяват, докато отговаряте на теста.

  1. How does a text classifier structure the output for an input document?
    • By necessarily translating it into another language
    • By assigning one or more predefined category labels
    • By generating only a new unrelated paragraph
    • By changing its compressed file format
  2. Кой сценарий е пример за класификация с множество етикети?
    • Маркиране на имейл като спам или неспам
    • Насочване на билет към точно един отдел
    • Избор на оценка с една звезда
    • Маркиране на статия едновременно с „политика“ и „икономика“.
  3. On a text dataset dominated by one class, what can a high overall accuracy conceal?
    • An inability to calculate any metric
    • Proof that recall equals one for every category
    • Failure to identify cases of a rare class
    • A guarantee that every minority example is correct
  4. Какво измерва припомнянето в задача за класификация?
    • Колко от реалните случаи е уловила системата успешно
    • Колко маркирани елемента са били действително правилни
    • Колко бързо се движи моделът
    • Колко голям е моделът
  5. In task-specific zero-shot text classification, what is absent for the new classification task?
    • All model pretraining of any kind
    • Every description of the candidate categories
    • The ability to use any learned representation
    • Labeled training examples for that task
  6. How can learned text embeddings contribute to a classification pipeline?
    • They guarantee perfect predictions on every new domain
    • They provide numerical features used to compute label scores
    • They delete every grammatical distinction by definition
    • They replace all label definitions with filenames
  7. A stated text-classification evaluation has six true positives and two false positives. What is precision for the designated positive class?
    • 75 процента
    • 25 percent
    • 100 percent
    • Six percent
  8. Which output-score design permits several text labels to score highly at once rather than requiring scores to sum to one?
    • A single softmax over mutually exclusive classes
    • A rule requiring exactly one positive label
    • A separate sigmoid output for each label
    • A filename-only representation without label scores