গাইড লিঙ্ক ক্যুইজ · মাঝারি স্তর

ELMO প্রাসঙ্গিক এম্বেডিং কুইজ

পর্যালোচনা করুন কিভাবে ELMo-এর দ্বিমুখী ভাষা মডেল প্রসঙ্গ-সংবেদনশীল শব্দ ভেক্টর তৈরি করে এবং ডাউনস্ট্রিম কাজের জন্য পুনরাবৃত্ত স্তরগুলিকে একত্রিত করে।

সম্পর্কিত গাইড পাথএলমো কনটেক্সচুয়াল এম্বেডিং
প্রশ্ন 1 এর 8

ELMO এবং Word2Vec এর মতো আগের এম্বেডিংয়ের মধ্যে মূল পার্থক্য কী?

প্রতিটি প্রশ্নের পূর্বরূপ দেখুন8 প্রশ্ন

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

  1. ELMO এবং Word2Vec এর মতো আগের এম্বেডিংয়ের মধ্যে মূল পার্থক্য কী?
    • ELMO একই শব্দকে তার বাক্যের প্রেক্ষাপটের উপর নির্ভর করে বিভিন্ন ভেক্টর দেয়
    • ELMO ছোট ভেক্টর ব্যবহার করে
    • ELMO শুধুমাত্র একক শব্দে কাজ করে, বাক্য নয়
    • ELMO-এর কোনো প্রশিক্ষণের ডেটার প্রয়োজন নেই
  2. ELMO পাঠ্য পড়ার জন্য কোন নিউরাল আর্কিটেকচার ব্যবহার করে?
    • স্ব-মনোযোগ সহ একটি ট্রান্সফরমার
    • একটি গভীর দ্বিমুখী LSTM ভাষার মডেল
    • একটি পরিবর্তনমূলক ইমেজ নেটওয়ার্ক
    • একটি সহজ ফিডফরওয়ার্ড নেটওয়ার্ক
  3. কিভাবে ELMO একটি ডাউনস্ট্রিম টাস্কের জন্য তার অভ্যন্তরীণ স্তরগুলিকে একত্রিত করে?
    • এটি শুধুমাত্র চূড়ান্ত শীর্ষ স্তর ব্যবহার করে
    • এটি সমস্ত স্তর সমানভাবে গড় করে এবং ফলাফল ঠিক করে
    • এটি সমস্ত স্তরের শেখা, টাস্ক-নির্দিষ্ট ওজনযুক্ত সমন্বয় ব্যবহার করে
    • এটি প্রতিবার এলোমেলোভাবে একটি স্তর বাছাই করে
  4. অদেখা শব্দগুলি পরিচালনা করতে ELMO তার ইনপুট ইউনিট হিসাবে কী ব্যবহার করে?
    • সম্পূর্ণ শব্দ অনুসন্ধান শুধুমাত্র
    • স্থির অভিধান আইডি
    • BERT থেকে বাইট-পেয়ার-এনকোড করা সাবওয়ার্ড
    • চরিত্র-স্তরের সিএনএন উপস্থাপনা
  5. মোটামুটিভাবে কখন ELMO চালু হয়েছিল এবং কার দ্বারা?
    • 2018, এআই গবেষকদের জন্য অ্যালেন ইনস্টিটিউট দ্বারা
    • 2013, Google এর Word2Vec টিম দ্বারা
    • 2020, OpenAI দ্বারা
    • 2015, Facebook AI দ্বারা
  6. Which corpus was used to train the bidirectional language model described in the ELMo paper?
    • The One Billion Word Benchmark
    • The Penn Treebank only
    • A corpus of labeled images
    • The GloVe Common Crawl vectors
  7. What language-model prediction does ELMo's forward LSTM learn?
    • Predicting the previous word from future context
    • Assigning a fixed vector to every document
    • Predicting the next word from the preceding context
    • Predicting a sentence's image resolution
  8. What linguistic information do ELMo's lower and higher LSTM layers tend to capture?
    • Lower layers encode image color, while higher layers encode audio pitch
    • Every layer stores only word frequency and ignores context
    • Higher layers are always limited to punctuation prediction
    • Lower layers tend toward syntax, while higher layers capture more context-dependent semantics