शब्द एम्बेडिंग प्रश्नोत्तरी

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

1. How does a learned word embedding represent a word for numerical comparison?
   • As a plain-text dictionary entry only
   • As a vector of learned numerical features
   • As a complete recorded pronunciation only
   • As a manually assigned grammar rule
2. Word2vec जैसे मॉडल कैसे सीखते हैं कि किसी शब्द का अर्थ क्या है?
   • शब्दकोश से हस्तलिखित परिभाषाएँ पढ़कर
   • प्रत्येक शब्द में अक्षर गिनकर
   • यह देखकर कि पाठ की बड़ी मात्रा में कौन से अन्य शब्द उसके निकट आते हैं
   • मानव मूल्यांकनकर्ताओं से प्रत्येक शब्द का स्कोर करने के लिए कहकर
3. What does the classic king-minus-man-plus-woman vector example illustrate?
   • Some learned representations capture relationships through vector offsets
   • Every word relation obeys an exact arithmetic law
   • Vector arithmetic verifies every factual statement
   • The vector stores a word's exact spelling only
4. Word2vec/GloVe एम्बेडिंग और आधुनिक ट्रांसफार्मर मॉडल के अंदर एम्बेडिंग के बीच मुख्य अंतर क्या है?
   • ट्रांसफार्मर बिल्कुल भी संख्याओं का उपयोग नहीं करते हैं
   • GloVe केवल छवियों पर काम करता है
   • आधुनिक मॉडल अर्थ का प्रतिनिधित्व नहीं कर सकते
   • Word2vec प्रति शब्द एक निश्चित वेक्टर देता है, जबकि ट्रांसफार्मर संदर्भ-निर्भर वैक्टर उत्पन्न करते हैं
5. कौन सा कार्य सीधे तौर पर एम्बेडिंग वैक्टर की तुलना पर निर्भर करता है?
   • किसी दस्तावेज़ में शब्दों की कुल संख्या की गणना करना
   • टेक्स्ट को अपरकेस में कनवर्ट करना
   • सिमेंटिक खोज जो किसी क्वेरी के समान अर्थ वाले दस्तावेज़ ढूंढती है
   • डिस्क पर फ़ाइल का आकार जाँचना
6. Which scale of dimensionality is found in common released classic word-vector configurations?
   • Exactly one coordinate for every model
   • Tens or hundreds of learned coordinates per word
   • Exactly two coordinates in all word2vec models
   • At least ten million coordinates per word by definition
7. In a toy word-vector comparison, what is the cosine similarity of the nonzero vectors one-zero and zero-one?
   • एक
   • Minus one
   • दो
   • शून्य
8. What should the first coordinate of an arbitrary learned word embedding be assumed to mean?
   • A learned feature without a universal predetermined linguistic label
   • The word's character count in every model
   • A fixed sentiment score in every dataset
   • The document's factual reliability by definition