แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

แบบทดสอบเวกเตอร์ทั่วโลกของ GloVe

ทบทวนวิธีที่ GloVe เรียนรู้จากการนับเหตุการณ์ร่วมทั่วโลก อัตราส่วนความน่าจะเป็น การถดถอยแบบถ่วงน้ำหนัก และโครงสร้างเวกเตอร์สำหรับความสัมพันธ์ทางภาษา

เส้นทางแนะนำที่เกี่ยวข้องถุงมือโกลบอลเว็คเตอร์
คำถาม 1 ของ 8

GloVe สร้างโครงสร้างข้อมูลหลักใดจากคลังข้อมูล

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. GloVe สร้างโครงสร้างข้อมูลหลักใดจากคลังข้อมูล
    • เมทริกซ์การนับการเกิดขึ้นร่วมของคำและคำทั่วโลก
    • ต้นไม้แยกสำหรับทุกประโยค
    • รายการแท็กส่วนของคำพูด
    • ตารางความถี่ระดับอักขระ
  2. จากข้อมูลของ GloVe ผลคูณดอทของเวกเตอร์สองคำได้รับการฝึกฝนให้ประมาณค่าอะไร
    • จำนวนการเกิดขึ้นร่วมแบบดิบ
    • ลอการิทึมของการนับที่เกิดขึ้นร่วมกัน
    • จำนวนตัวอักษรที่พวกเขาแชร์
    • ระยะห่างตามตัวอักษรของพวกเขา
  3. GloVe โต้แย้งปริมาณสำคัญใดที่มีความหมายเชิงความหมาย
    • ขนาดคลังข้อมูลทั้งหมด
    • ความยาวของแต่ละคำ
    • อัตราส่วนของความน่าจะเป็นที่เกิดขึ้นร่วมกัน
    • คำลำดับปรากฏในพจนานุกรม
  4. ฟังก์ชันการถ่วงน้ำหนักของ GloVe f(X_ij) มีจุดประสงค์อะไร
    • เพื่อแปลคำศัพท์ระหว่างภาษา
    • เพื่อสุ่มสับเปลี่ยนข้อมูลการฝึก
    • เพื่อแปลงเวกเตอร์เป็นการเข้ารหัสแบบร้อนแรง
    • เพื่อจำกัดอิทธิพลของคู่สกุลเงินที่บ่อยมากและละเว้นการนับศูนย์
  5. GloVe ได้รับการพัฒนาที่ไหนและเมื่อไหร่?
    • สแตนฟอร์ด, 2014
    • Google, 2013
    • เอ็มไอที, 2010
    • เฟซบุ๊ก เอไอ, 2559
  6. วิธีการฝึกอบรมของ GloVe แตกต่างจาก Word2Vec โดยพื้นฐานอย่างไร
    • GloVe ไม่ใช้เวกเตอร์เลย
    • GloVe แยกตัวประกอบเมทริกซ์การนับทั่วโลกที่คำนวณไว้ล่วงหน้า แทนที่จะทำนายจากหน้าต่างท้องถิ่นทางออนไลน์
    • GloVe ใช้ได้กับประโยคเดียวเท่านั้น
    • GloVe ต้องการข้อมูลการฝึกอบรมที่มีป้ายกำกับ
  7. What type of word relationship can a difference between GloVe vectors represent?
    • The chronological order of sentences in the corpus
    • The exact frequency count of every word in isolation
    • A relation shared by word pairs, such as the relation between country and capital
    • The punctuation pattern used by a document author
  8. In a vector analogy a:b::c:?, what operation can be used to search for the missing word with GloVe vectors?
    • Find the word with the longest spelling
    • Sort words by corpus count and choose the median
    • Add all context-window vectors without comparing candidates
    • Find the vector nearest to b − a + c