Вікторина TF-IDF і моделі Bag-of-Words

Відповіді та пояснення з’являються під час виконання тесту.

1. Яку ключову інформацію модель сумки слів відкидає?
   • Порядок і граматичний лад слів
   • Слово має значення
   • Словниковий запас
   • Довжина документа
2. Що робить IDF частина TF-IDF?
   • Підсилює слова, загальні для всіх документів
   • Зменшує вагу слів, які зустрічаються в багатьох документах
   • Підраховує символи
   • Перекладає рідкісні слова
3. Слово, яке з’являється в кожному документі в колекції, отримує значення IDF, близьке до якого?
   • одна тисяча
   • Негативна нескінченність
   • Нуль
   • Розрахунок документів
4. Як обчислюється бал TF-IDF для терміну?
   • TF мінус IDF
   • TF поділено на IDF
   • TF плюс довжина документа
   • TF, помножений на IDF
5. Яка міра подібності зазвичай використовується для порівняння векторів документів TF-IDF?
   • Косинус подібність
   • Редагувати відстань
   • Середня квадратична помилка
   • Кількість бітів
6. Чому TF-IDF дає високі бали певним словам?
   • Це довгі слова
   • Вони часто зустрічаються в одному документі, але рідко зустрічаються в колекції
   • Вони присутні в кожному документі
   • Вони пишуться з великої літери
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