Quiz collegato alla guida · Medio Livello

Quiz sugli incorporamenti di sottoparole FastText

Esplora gli n-grammi di caratteri di FastText, i contenitori di funzionalità hash, il supporto fuori dal vocabolario, la morfologia e la classificazione rapida del testo supervisionata.

Domanda 1 di 8

In che modo FastText rappresenta una singola parola?

Anteprima di ogni domanda8 domande

Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.

  1. In che modo FastText rappresenta una singola parola?
    • Come un sacchetto di n-grammi di caratteri sommati insieme
    • Soltanto come un unico segno indivisibile
    • Come da definizione di dizionario
    • Come vettore casuale
  2. Quale limitazione principale di Word2Vec e GloVe supera FastText?
    • Corrono troppo veloci
    • Non possono creare vettori per parole fuori dal vocabolario
    • Ignorano la punteggiatura
    • Funzionano solo in inglese
  3. Per la parola "dove" con n grammi di 3 caratteri, qual è un n grammo valido (con indicatori di confine)?
    • <dove>solo
    • xyz
    • dove
    • il
  4. Su quale obiettivo formativo sottostante si basa il modello di incorporamento di FastText?
    • Fattorizzazione della matrice GloVe
    • Traduzione a livello di frase
    • Perdita di classificazione delle immagini
    • Skip-Gram con campionamento negativo
  5. Perché FastText è particolarmente utile per lingue come il finlandese o il turco?
    • Sono morfologicamente ricchi con molte forme di parole flesse che condividono sottoparole
    • Hanno pochissime parole
    • Non usano spazi
    • Non hanno parole rare
  6. Quale metodo separato hanno descritto Sennrich e colleghi per rappresentare le parole rare nella traduzione automatica neurale?
    • Codifica a coppie di byte come unità subword
    • Tabella a secchi di n-grammi di caratteri hashata di FastText
    • Un vocabolario solo a parole intere che scarta i token rari
    • Matrice di co-occorrenza globale di GloVe
  7. Come memorizza FastText le caratteristiche apprendibili per i suoi n-grammi di caratteri?
    • Memorizza ogni frase completa come un vettore separato
    • Assegna a ogni n-gramma una griglia di pixel in un decoder convoluzionale
    • Hasha i n-grammi in una tabella a secchi di dimensione fissa con vettori appresi
    • Sostituisce tutte le caratteristiche subword con un dizionario scritto a mano
  8. Cosa può fare in modo efficiente la modalità supervisionata di fastText con il suo modello bag-of-features?
    • Stima la forma 3D di un oggetto da un'unica immagine
    • Genera nuove forme d'onda audio da uno spettrogramma
    • Calcola una matrice globale di co-occorrenza parola-parola
    • Classifica il testo per compiti come l'identificazione della lingua o il tagging