গাইড লিঙ্ক ক্যুইজ · মাঝারি স্তর
ফাস্টটেক্সট সাবওয়ার্ড এমবেডিং কুইজ
FastText-এর অক্ষর n-গ্রাম, হ্যাশ করা বৈশিষ্ট্যের বালতি, শব্দভান্ডারের বাইরের সমর্থন, রূপবিদ্যা, এবং দ্রুত তত্ত্বাবধান করা পাঠ্য শ্রেণিবিন্যাস অন্বেষণ করুন।
প্রশ্ন 1 এর 8
কিভাবে FastText একটি একক শব্দ প্রতিনিধিত্ব করে?
প্রতিটি প্রশ্নের পূর্বরূপ দেখুন8 প্রশ্ন
আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।
- কিভাবে FastText একটি একক শব্দ প্রতিনিধিত্ব করে?
- অক্ষর n-গ্রামের একটি ব্যাগ হিসাবে একসাথে যোগ করা হয়েছে
- শুধুমাত্র একটি অবিভাজ্য টোকেন হিসাবে
- একটি অভিধান থেকে এর সংজ্ঞা হিসাবে
- একটি র্যান্ডম ভেক্টর হিসাবে
- Word2Vec এবং GloVe-এর কোন প্রধান সীমাবদ্ধতা FastText অতিক্রম করে?
- তারা খুব দ্রুত দৌড়ায়
- তারা শব্দভান্ডারের বাইরের শব্দগুলির জন্য ভেক্টর তৈরি করতে পারে না
- তারা বিরাম চিহ্ন উপেক্ষা করে
- তারা শুধুমাত্র ইংরেজিতে কাজ করে
- 3-অক্ষর n-গ্রাম সহ "কোথায়" শব্দের জন্য, কোনটি বৈধ n-গ্রাম (সীমানা চিহ্নিতকারী সহ)?
- <কোথায়>শুধুমাত্র
- xyz
- whe
- দ
- কোন অন্তর্নিহিত প্রশিক্ষণ উদ্দেশ্য FastText এর এমবেডিং মডেল তৈরি করে?
- গ্লোভ ম্যাট্রিক্স ফ্যাক্টরাইজেশন
- বাক্য-স্তরের অনুবাদ
- চিত্র শ্রেণীবিভাগ ক্ষতি
- নেতিবাচক স্যাম্পলিং সহ স্কিপ-গ্রাম
- ফাস্টটেক্সট কেন ফিনিশ বা তুর্কি ভাষার মতো ভাষার জন্য বিশেষভাবে উপযোগী?
- সাবওয়ার্ডগুলি ভাগ করে এমন অনেকগুলি প্রতিফলিত শব্দ ফর্মের সাথে তারা রূপগতভাবে সমৃদ্ধ
- তাদের খুব কম শব্দ আছে
- তারা কোন স্পেস ব্যবহার করে না
- তাদের কোনো দুর্লভ শব্দ নেই
- Which separate method did Sennrich and colleagues describe for representing rare words in neural machine translation?
- Byte-pair encoding as subword units
- FastText’s hashed character n-gram bucket table
- A full-word-only vocabulary that discards rare tokens
- GloVe’s global co-occurrence matrix
- How does FastText store learnable features for its character n-grams?
- It stores every complete sentence as a separate vector
- It assigns each n-gram a pixel grid in a convolutional decoder
- It hashes n-grams into a fixed-size bucket table with learned vectors
- It replaces all subword features with a hand-written dictionary
- What can fastText's supervised mode do efficiently with its bag-of-features model?
- Estimate the 3D shape of an object from a single image
- Generate new audio waveforms from a spectrogram
- Compute a global word-word co-occurrence matrix only
- Classify text for tasks such as language identification or tagging