Quiz collegato alla guida · Medio Livello
Quiz sui modelli TF-IDF e Bag-of-Words
Esaminare il modo in cui bag-of-words e TF-IDF rappresentano i documenti, valutano i termini distintivi e supportano il recupero di informazioni sparse.
Domanda 1 di 8
Quali informazioni chiave scarta un modello “bag-of-word”?
Anteprima di ogni domanda8 domande
Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.
- Quali informazioni chiave scarta un modello “bag-of-word”?
- L'ordine e la grammatica delle parole
- La parola conta
- Il vocabolario
- La lunghezza del documento
- Cosa fa la parte IDF di TF-IDF?
- Aumenta le parole comuni a tutti i documenti
- Riduce il peso delle parole che compaiono in molti documenti
- Conta i caratteri
- Traduce parole rare
- Una parola che appare in ogni documento della raccolta ottiene un valore IDF vicino a cosa?
- Mille
- Infinito negativo
- Zero
- Il conteggio dei documenti
- Come viene calcolato il punteggio TF-IDF per un termine?
- TF meno IDF
- TF diviso per IDF
- TF più la lunghezza del documento
- TF moltiplicato per IDF
- Quale misura di somiglianza viene comunemente utilizzata per confrontare i vettori di documenti TF-IDF?
- Somiglianza del coseno
- Modifica distanza
- Errore quadratico medio
- Conteggio dei bit
- Perché TF-IDF assegna punteggi elevati a determinate parole?
- Sono parole lunghe
- Sono frequenti in un documento ma rari in tutta la collezione
- Appaiono in ogni documento
- Sono in maiuscolo
- 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
- 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