Kvíz spojený s průvodcem · Střední úroveň
FastText kvíz vkládání podslov
Prozkoumejte n-gramy znaků FastTextu, hašované skupiny funkcí, podporu mimo slovní zásobu, morfologii a rychlou klasifikaci textu pod dohledem.
Otázka 1 z 8
Jak FastText představuje jedno slovo?
Náhled každé otázky8 otázky
Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.
- Jak FastText představuje jedno slovo?
- Jako pytel znaků n-gramů sečtených dohromady
- Pouze jako jeden nedělitelný token
- Jako jeho definice ze slovníku
- Jako náhodný vektor
- Jaké hlavní omezení Word2Vec a GloVe FastText překonává?
- Běží příliš rychle
- Nedokážou vytvořit vektory pro slova mimo slovní zásobu
- Ignorují interpunkci
- Pracují pouze v angličtině
- Pro slovo „kde“ s n-gramy o 3 znacích, které je platným n-gramem (s hraničními značkami)?
- <kam>pouze
- xyz
- kdy
- a
- Na jakém základním cíli školení staví model vkládání FastTextu?
- Faktorizace matice GloVe
- Překlad na úrovni vět
- Ztráta klasifikace obrazu
- Skip-Gram s negativním vzorkováním
- Proč je FastText zvláště užitečný pro jazyky jako finština nebo turečtina?
- Jsou morfologicky bohaté s mnoha přechylovanými tvary slov, které sdílejí podslova
- Mají velmi málo slov
- Nevyužívají žádné prostory
- Nemají žádná vzácná slova
- 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