Gids-gekoppelde quiz · Middelmatig Niveau

FastText subwoord-insluitingsquiz

Ontdek de teken-n-grammen van FastText, gehashte feature-buckets, ondersteuning voor buiten-vocabulaire, morfologie en snelle gecontroleerde tekstclassificatie.

Gerelateerde gidspadenFasttext-subwoordinsluitingen
Vraag 1 van 8

Hoe vertegenwoordigt FastText een enkel woord?

Bekijk elke vraag8 vragen

Antwoorden en uitleg verschijnen terwijl je de quiz doet.

  1. Hoe vertegenwoordigt FastText een enkel woord?
    • Als een zak karakter-n-grammen bij elkaar opgeteld
    • Als slechts één ondeelbaar teken
    • Zoals de definitie uit een woordenboek
    • Als willekeurige vector
  2. Welke belangrijke beperking van Word2Vec en GloVe overwint FastText?
    • Ze rennen te snel
    • Ze kunnen geen vectoren maken voor woorden die niet in de woordenschat voorkomen
    • Ze negeren interpunctie
    • Ze werken alleen in het Engels
  3. Wat is voor het woord "waar" met n-grammen van 3 tekens een geldig n-gram (met grensmarkeringen)?
    • alleen <waar>
    • xyz
    • wie
    • de
  4. Op welk onderliggend trainingsdoel bouwt het inbeddingsmodel van FastText voort?
    • GloVe matrixfactorisatie
    • Vertaling op zinsniveau
    • Verlies van beeldclassificatie
    • Skip-Gram met negatieve bemonstering
  5. Waarom is FastText vooral handig voor talen als Fins of Turks?
    • Ze zijn morfologisch rijk met veel verbogen woordvormen die subwoorden delen
    • Ze hebben heel weinig woorden
    • Ze gebruiken geen spaties
    • Ze hebben geen zeldzame woorden
  6. Which separate method did Sennrich and colleagues describe for representing rare words in neural machine translation?
    • Byte-pair encoding as subword units
    • FastText’s hashed character n-gram bucket table
    • A full-word-only vocabulary that discards rare tokens
    • GloVe’s global co-occurrence matrix
  7. How does FastText store learnable features for its character n-grams?
    • It stores every complete sentence as a separate vector
    • It assigns each n-gram a pixel grid in a convolutional decoder
    • It hashes n-grams into a fixed-size bucket table with learned vectors
    • It replaces all subword features with a hand-written dictionary
  8. What can fastText's supervised mode do efficiently with its bag-of-features model?
    • Estimate the 3D shape of an object from a single image
    • Generate new audio waveforms from a spectrogram
    • Compute a global word-word co-occurrence matrix only
    • Classify text for tasks such as language identification or tagging