गाइड से जुड़ी प्रश्नोत्तरी · मध्यम स्तर

एल्मो प्रासंगिक एंबेडिंग्स प्रश्नोत्तरी

समीक्षा करें कि कैसे ईएलएमओ का द्विदिश भाषा मॉडल संदर्भ-संवेदनशील शब्द वैक्टर बनाता है और डाउनस्ट्रीम कार्यों के लिए आवर्ती परतों को जोड़ता है।

संबंधित मार्गदर्शक पथएल्मो प्रासंगिक एंबेडिंग्स

प्रश्न 1 का 8

ELMo और Word2Vec जैसे पुराने एम्बेडिंग के बीच मुख्य अंतर क्या है?

प्रत्येक प्रश्न का पूर्वावलोकन करें8 प्रश्न

जैसे ही आप प्रश्नोत्तरी लेते हैं उत्तर और स्पष्टीकरण दिखाई देते हैं।

ELMo और Word2Vec जैसे पुराने एम्बेडिंग के बीच मुख्य अंतर क्या है?
- ELMo एक ही शब्द को उसके वाक्य संदर्भ के आधार पर अलग-अलग वेक्टर देता है
- ELMo छोटे वैक्टर का उपयोग करता है
- ELMo केवल एकल शब्दों पर काम करता है, वाक्यों पर नहीं
- ELMo को किसी प्रशिक्षण डेटा की आवश्यकता नहीं है
पाठ पढ़ने के लिए ईएलएमओ किस तंत्रिका वास्तुकला का उपयोग करता है?
- आत्म-ध्यान वाला एक ट्रांसफार्मर
- एक गहन द्विदिशात्मक LSTM भाषा मॉडल
- एक दृढ़ छवि नेटवर्क
- एक सरल फीडफॉरवर्ड नेटवर्क
डाउनस्ट्रीम कार्य के लिए ईएलएमओ अपनी आंतरिक परतों को कैसे संयोजित करता है?
- यह केवल अंतिम शीर्ष परत का उपयोग करता है
- यह सभी परतों का समान रूप से औसत करता है और परिणाम को ठीक करता है
- यह सभी परतों के सीखे गए, कार्य-विशिष्ट भारित संयोजनों का उपयोग करता है
- यह हर बार यादृच्छिक रूप से एक परत चुनता है
अनदेखे शब्दों को संभालने के लिए ईएलएमओ अपनी इनपुट इकाइयों के रूप में क्या उपयोग करता है?
- केवल संपूर्ण-शब्द लुकअप
- निश्चित शब्दकोश आईडी
- BERT से बाइट-जोड़ी-एन्कोडेड सबवर्ड
- चरित्र-स्तरीय सीएनएन प्रतिनिधित्व
मोटे तौर पर ईएलएमओ कब और किसके द्वारा पेश किया गया था?
- 2018, एआई शोधकर्ताओं के लिए एलन इंस्टीट्यूट द्वारा
- 2013, Google की Word2Vec टीम द्वारा
- 2020, OpenAI द्वारा
- 2015, फेसबुक एआई द्वारा
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
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
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