Quiz dotyczący modeli TF-IDF i worków słów

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

1. Jakie kluczowe informacje odrzuca model worka słów?
   • Kolejność i gramatyka wyrazów
   • Liczy się słowo
   • Słownictwo
   • Długość dokumentu
2. Czym zajmuje się część IDF TF-IDF?
   • Zwiększa wyrazy wspólne we wszystkich dokumentach
   • Zmniejsza wagę słów pojawiających się w wielu dokumentach
   • Liczy znaki
   • Tłumaczy rzadkie słowa
3. Słowo pojawiające się w każdym dokumencie w kolekcji otrzymuje wartość IDF bliską jakiej?
   • Tysiąc
   • Ujemna nieskończoność
   • Zero
   • Liczba dokumentów
4. W jaki sposób obliczany jest wynik TF-IDF dla danego terminu?
   • TF minus IDF
   • TF podzielona przez IDF
   • TF plus długość dokumentu
   • TF pomnożona przez IDF
5. Jaka miara podobieństwa jest powszechnie używana do porównywania wektorów dokumentów TF-IDF?
   • Cosinus podobieństwo
   • Edytuj odległość
   • Średni błąd kwadratowy
   • Liczba bitów
6. Dlaczego TF-IDF przyznaje wysokie oceny niektórym słowom?
   • To długie słowa
   • Występują często w jednym dokumencie, ale rzadko w całym zbiorze
   • Pojawiają się w każdym dokumencie
   • Są pisane wielką literą
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