Quiz collegato alla guida · Medio Livello

Quiz sugli incorporamenti di parole

Rivedere i vettori delle parole apprese, le rappresentazioni statiche e contestuali, le relazioni vettoriali, i confronti dei coseni e i limiti della somiglianza semantica.

Percorsi guida correlatiIncorporamenti di parole
Domanda 1 di 8

How does a learned word embedding represent a word for numerical comparison?

Anteprima di ogni domanda8 domande

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

  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. In che modo modelli come word2vec apprendono il significato di una parola?
    • Leggendo le definizioni scritte a mano da un dizionario
    • Contando le lettere in ogni parola
    • Osservando quali altre parole tendono ad apparire accanto ad essa in grandi quantità di testo
    • Chiedendo ai valutatori umani di assegnare un punteggio a ogni parola
  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. Qual è la differenza principale tra gli incorporamenti word2vec/GloVe e gli incorporamenti all'interno dei moderni modelli di trasformatori?
    • I trasformatori non utilizzano alcun numero
    • GloVe funziona solo sulle immagini
    • I modelli moderni non possono rappresentare il significato
    • Word2vec fornisce un vettore fisso per parola, mentre i trasformatori producono vettori dipendenti dal contesto
  5. Quale attività si basa più direttamente sul confronto dei vettori di incorporamento?
    • Contare il numero totale di parole in un documento
    • Conversione del testo in maiuscolo
    • Ricerca semantica che trova documenti con significato simile a una query
    • Controllo della dimensione di un file sul disco
  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?
    • Uno
    • Minus one
    • Due
    • Zero
  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