แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

แบบทดสอบการฝังคำ

ทบทวนเวกเตอร์คำที่เรียนรู้ การแสดงแบบคงที่และตามบริบท ความสัมพันธ์ของเวกเตอร์ การเปรียบเทียบโคไซน์ และขีดจำกัดของความคล้ายคลึงทางความหมาย

เส้นทางแนะนำที่เกี่ยวข้องการฝังคำ
คำถาม 1 ของ 8

การฝังคำที่เรียนรู้เป็นตัวแทนของคำสำหรับการเปรียบเทียบเชิงตัวเลขอย่างไร

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. การฝังคำที่เรียนรู้เป็นตัวแทนของคำสำหรับการเปรียบเทียบเชิงตัวเลขอย่างไร
    • เป็นรายการพจนานุกรมข้อความธรรมดาเท่านั้น
    • เป็นเวกเตอร์ของคุณสมบัติเชิงตัวเลขที่เรียนรู้
    • เป็นการออกเสียงที่บันทึกไว้ครบถ้วนเท่านั้น
    • ตามกฎไวยากรณ์ที่กำหนดด้วยตนเอง
  2. โมเดลอย่าง word2vec เรียนรู้ความหมายของคำได้อย่างไร
    • โดยการอ่านคำจำกัดความที่เขียนด้วยลายมือจากพจนานุกรม
    • โดยการนับตัวอักษรในแต่ละคำ
    • โดยสังเกตว่ามีคำอื่นใดบ้างที่มักจะปรากฏอยู่ใกล้ๆ ในข้อความจำนวนมาก
    • โดยขอให้มนุษย์ให้คะแนนทุกคำ
  3. ตัวอย่างเวกเตอร์แบบกษัตริย์-ลบ-ชาย-บวก-หญิงแบบคลาสสิกแสดงถึงอะไร?
    • การเรียนรู้การนำเสนอบางอย่างจับความสัมพันธ์ผ่านการชดเชยเวกเตอร์
    • ทุกความสัมพันธ์ของคำเป็นไปตามกฎเลขคณิตที่แน่นอน
    • เลขคณิตเวกเตอร์จะตรวจสอบข้อเท็จจริงทุกประการ
    • เวกเตอร์จะจัดเก็บการสะกดคำที่ถูกต้องเท่านั้น
  4. อะไรคือความแตกต่างที่สำคัญระหว่างการฝัง word2vec/GloVe และการฝังภายในโมเดลหม้อแปลงสมัยใหม่?
    • Transformers ไม่ใช้ตัวเลขเลย
    • GloVe ใช้งานได้กับรูปภาพเท่านั้น
    • โมเดลสมัยใหม่ไม่สามารถแสดงความหมายได้
    • Word2vec ให้เวกเตอร์คงที่หนึ่งตัวต่อคำ ในขณะที่ Transformers จะสร้างเวกเตอร์ที่ขึ้นกับบริบท
  5. งานใดที่ต้องอาศัยการเปรียบเทียบเวกเตอร์ที่ฝังโดยตรงมากที่สุด
    • การนับจำนวนคำทั้งหมดในเอกสาร
    • การแปลงข้อความเป็นตัวพิมพ์ใหญ่
    • การค้นหาเชิงความหมายที่ค้นหาเอกสารที่มีความหมายคล้ายกับข้อความค้นหา
    • การตรวจสอบขนาดของไฟล์บนดิสก์
  6. ขนาดมิติใดที่พบในการกำหนดค่าคำ-เวกเตอร์คลาสสิกที่เผยแพร่ทั่วไป
    • พิกัดเดียวสำหรับทุกรุ่น
    • พิกัดการเรียนรู้นับสิบหรือหลายร้อยรายการต่อคำ
    • สองพิกัดที่แน่นอนในโมเดล word2vec ทั้งหมด
    • อย่างน้อยสิบล้านพิกัดต่อคำตามคำจำกัดความ
  7. ในการเปรียบเทียบคำของเล่นกับเวกเตอร์ ความคล้ายคลึงโคไซน์ของเวกเตอร์ที่ไม่ใช่ศูนย์คือ 1-0 และ 0-1 คืออะไร?
    • หนึ่ง
    • ลบหนึ่ง
    • สอง
    • ศูนย์
  8. พิกัดแรกของการฝังคำที่เรียนรู้โดยพลการควรถือว่าหมายถึงอะไร
    • คุณลักษณะที่เรียนรู้โดยไม่มีป้ายกำกับภาษาสากลที่กำหนดไว้ล่วงหน้า
    • จำนวนตัวอักษรของคำในทุกรุ่น
    • คะแนนความเชื่อมั่นคงที่ในทุกชุดข้อมูล
    • ความน่าเชื่อถือข้อเท็จจริงของเอกสารตามคำจำกัดความ