Gids-gekoppelde quiz · Middelmatig Niveau

Woordinsluitingsquiz

Bekijk geleerde woordvectoren, statische en contextuele representaties, vectorrelaties, cosinusvergelijkingen en de grenzen van semantische gelijkenis.

Gerelateerde gidspadenWoordinsluitingen
Vraag 1 van 8

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

Bekijk elke vraag8 vragen

Antwoorden en uitleg verschijnen terwijl je de quiz doet.

  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. Hoe leren modellen als word2vec wat een woord betekent?
    • Door handgeschreven definities uit een woordenboek te lezen
    • Door letters in elk woord te tellen
    • Door te observeren welke andere woorden in grote hoeveelheden tekst in de buurt voorkomen
    • Door menselijke beoordelaars te vragen elk woord een score te geven
  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. Wat is het belangrijkste verschil tussen de inbedding van word2vec/GloVe en de inbedding in moderne transformatormodellen?
    • Transformers gebruiken helemaal geen cijfers
    • GloVe werkt alleen op afbeeldingen
    • Moderne modellen kunnen geen betekenis weergeven
    • Word2vec geeft één vaste vector per woord, terwijl transformatoren contextafhankelijke vectoren produceren
  5. Welke taak is het meest direct afhankelijk van het vergelijken van inbeddingsvectoren?
    • Het totale aantal woorden in een document tellen
    • Tekst omzetten naar hoofdletters
    • Semantisch zoeken dat documenten vindt met een vergelijkbare betekenis als een zoekopdracht
    • De grootte van een bestand op schijf controleren
  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?
    • Eén
    • Minus one
    • Twee
    • Nul
  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