แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

แบบทดสอบ Word2Vec Skip-Gram และ CBOW

เปรียบเทียบวัตถุประสงค์ CBOW และ Skip-Gram ของ Word2Vec การสุ่มตัวอย่างเชิงลบ เวกเตอร์ที่เรียนรู้ และตัวเลือกที่ส่งผลต่อการฝึกคำศัพท์ที่หายาก

เส้นทางแนะนำที่เกี่ยวข้องWord2vec ข้าม Gram และ Cbow
คำถาม 1 ของ 8

สถาปัตยกรรม Skip-Gram ทำนายอะไร

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. สถาปัตยกรรม Skip-Gram ทำนายอะไร
    • คำบริบทโดยรอบจากคำกลาง
    • คำกลางจากคำบริบทโดยรอบ
    • ประโยคถัดไปในเอกสาร
    • แท็กส่วนของคำพูดของแต่ละคำ
  2. ผลลัพธ์ที่มีประโยชน์ที่แท้จริงของการฝึกโมเดล Word2Vec คืออะไร
    • ความแม่นยำในการทำนายคำบริบท
    • เมทริกซ์น้ำหนักที่เรียนรู้ ซึ่งมีแถวเป็นคำว่าเวกเตอร์
    • ต้นไม้แยกประโยค
    • ความน่าจะเป็นสำหรับแต่ละคลาสเอกสาร
  3. เหตุใด Word2Vec จึงใช้การสุ่มตัวอย่างเชิงลบ
    • เพื่อเพิ่มขนาดคำศัพท์
    • เพื่อแปลระหว่างภาษาต่างๆ
    • เพื่อหลีกเลี่ยง softmax เต็มรูปแบบที่มีราคาแพงเหนือคำศัพท์ทั้งหมด
    • เพื่อลบคำหยุดโดยอัตโนมัติ
  4. What does subsampling frequent words do in the later Word2Vec training method?
    • It reduces the influence of very frequent words and can speed training
    • It turns every word into a character n-gram
    • It changes CBOW into a sentence classifier
    • It guarantees better vectors for every rare word
  5. คุณสมบัติที่มีชื่อเสียงของเวกเตอร์ Word2Vec ใดที่แสดงโดย "king - man + woman data queen"
    • การเปรียบเทียบเวกเตอร์ผ่านเลขคณิตเชิงเส้น
    • การค้นหาพจนานุกรมที่แน่นอน
    • การแก้ไขข้อผิดพลาดทางไวยากรณ์
    • การทำให้เป็นมาตรฐานความยาวประโยค
  6. ใครเป็นผู้แนะนำ Word2Vec และในปีใด
    • เจฟฟรีย์ ฮินตัน ที่โตรอนโต 2549
    • Tomas Mikolov และเพื่อนร่วมงานที่ Google, 2013
    • Yann LeCun ที่ Bell Labs, 1998
    • OpenAI, 2018
  7. What does the CBOW architecture predict from its input context?
    • Each future paragraph in the document
    • The sentiment label of the full corpus
    • The center word surrounded by the context window
    • The spelling of a character n-gram
  8. What distribution does the original Word2Vec paper use to draw negative samples?
    • A uniform distribution over all character n-grams
    • A distribution based only on word length
    • A distribution proportional to squared inverse frequency
    • A unigram word-frequency distribution raised to the 0.75 power