Kuis Model TF-IDF dan Bag-of-Words

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

1. Informasi penting apa yang dibuang oleh model sekumpulan kata?
   • Urutan dan tata bahasa kata-kata
   • Kata itu penting
   • Kosakata
   • Panjang dokumen
2. Apa yang dilakukan bagian IDF dari TF-IDF?
   • Meningkatkan kata-kata umum di semua dokumen
   • Mengurangi kata-kata yang muncul di banyak dokumen
   • Menghitung karakter
   • Menerjemahkan kata-kata langka
3. Sebuah kata yang muncul di setiap dokumen dalam koleksi mendapat nilai IDF mendekati apa?
   • Seribu
   • Tak terhingga negatif
   • Nol
   • Jumlah dokumen
4. Bagaimana cara menghitung skor TF-IDF untuk suatu istilah?
   • TF dikurangi IDF
   • TF dibagi IDF
   • TF ditambah panjang dokumen
   • TF dikalikan dengan IDF
5. Ukuran kesamaan manakah yang biasa digunakan untuk membandingkan vektor dokumen TF-IDF?
   • Kesamaan kosinus
   • Sunting jarak
   • Kesalahan kuadrat rata-rata
   • Jumlah sedikit
6. Mengapa TF-IDF memberikan skor tinggi pada kata-kata tertentu?
   • Itu adalah kata-kata yang panjang
   • Mereka sering ditemukan dalam satu dokumen tetapi jarang di seluruh koleksi
   • Mereka muncul di setiap dokumen
   • Mereka dikapitalisasi
7. In a bag-of-words representation, what does a vector position usually correspond to?
   • A sentence’s original word position
   • A document’s publication date
   • A term in the vocabulary
   • A grammatical parse-tree branch
8. In the common IDF formula log(N/df), what does df represent?
   • The number of times a word appears in one document
   • The total number of words in the vocabulary
   • The number of labels assigned to a document
   • The number of documents containing the term