Вікторина, пов’язана з посібником · легко Рівень

Тест на класифікацію тексту

Перевірте призначення текстових міток, завдання з кількома мітками, дисбаланс, запам’ятовування, використання нульового удару для конкретного завдання, вбудовування, точну арифметику та вихідні бали.

Пов'язані напрямні шляхиКласифікація тексту
Питання 1 з 8

How does a text classifier structure the output for an input document?

Перегляньте кожне запитання8 запитання

Відповіді та пояснення з’являються під час виконання тесту.

  1. How does a text classifier structure the output for an input document?
    • By necessarily translating it into another language
    • By assigning one or more predefined category labels
    • By generating only a new unrelated paragraph
    • By changing its compressed file format
  2. Який сценарій є прикладом класифікації з кількома мітками?
    • Позначення електронного листа як спаму чи не спаму
    • Направлення квитка в один відділ
    • Вибір оцінки в одну зірку
    • Позначення статті тегами «політика» та «економіка» одночасно
  3. On a text dataset dominated by one class, what can a high overall accuracy conceal?
    • An inability to calculate any metric
    • Proof that recall equals one for every category
    • Failure to identify cases of a rare class
    • A guarantee that every minority example is correct
  4. Що вимірює пригадування в класифікаційному завданні?
    • Скільки реальних випадків система успішно вловила
    • Скільки позначених елементів були правильними
    • Як швидко модель біжить
    • Наскільки велика модель
  5. In task-specific zero-shot text classification, what is absent for the new classification task?
    • All model pretraining of any kind
    • Every description of the candidate categories
    • The ability to use any learned representation
    • Labeled training examples for that task
  6. How can learned text embeddings contribute to a classification pipeline?
    • They guarantee perfect predictions on every new domain
    • They provide numerical features used to compute label scores
    • They delete every grammatical distinction by definition
    • They replace all label definitions with filenames
  7. A stated text-classification evaluation has six true positives and two false positives. What is precision for the designated positive class?
    • 75 відсотків
    • 25 percent
    • 100 percent
    • Six percent
  8. Which output-score design permits several text labels to score highly at once rather than requiring scores to sum to one?
    • A single softmax over mutually exclusive classes
    • A rule requiring exactly one positive label
    • A separate sigmoid output for each label
    • A filename-only representation without label scores