TF-IDF 및 Bag-of-Words 모델 퀴즈

퀴즈를 풀면 정답과 설명이 나타납니다.

1. Bag-of-Words 모델은 어떤 핵심 정보를 버리는가?
   • 단어의 순서와 문법
   • 단어는 중요하다
   • 어휘
   • 문서 길이
2. TF-IDF의 IDF 부분은 무엇을 합니까?
   • 모든 문서에서 공통적인 단어를 강화합니다.
   • 많은 문서에 나타나는 단어를 축소합니다.
   • 문자 수 계산
   • 희귀 단어 번역
3. 컬렉션의 모든 문서에 나타나는 단어는 무엇에 가까운 IDF 값을 얻습니까?
   • 천
   • 음의 무한대
   • 영
   • 문서 수
4. 용어에 대한 TF-IDF 점수는 어떻게 계산되나요?
   • TF - IDF
   • TF를 IDF로 나눈 값
   • TF에 문서 길이를 더한 값
   • TF에 IDF를 곱한 값
5. TF-IDF 문서 벡터를 비교하는 데 일반적으로 사용되는 유사성 측정은 무엇입니까?
   • 코사인 유사성
   • 거리 편집
   • 평균 제곱 오차
   • 비트 수
6. TF-IDF가 특정 단어에 높은 점수를 부여하는 이유는 무엇입니까?
   • 긴 말들이야
   • 한 문서에서는 자주 나타나지만 컬렉션 전체에서는 드물다.
   • 모든 문서에 나타납니다.
   • 대문자로 표시됩니다.
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