گائیڈ سے منسلک کوئز · درمیانہ سطح

ELMO سیاق و سباق ایمبیڈنگز کوئز

جائزہ لیں کہ کس طرح ELMo کا دو طرفہ زبان کا ماڈل سیاق و سباق کے لحاظ سے حساس لفظ ویکٹرز بناتا ہے اور نیچے کی دھارے کے کاموں کے لیے بار بار آنے والی تہوں کو جوڑتا ہے۔

متعلقہ گائیڈ کے راستےایلمو سیاق و سباق ایمبیڈنگز
سوال 1 کی 8

ELMo اور Word2Vec جیسے پہلے کی سرایت کے درمیان اہم فرق کیا ہے؟

ہر سوال کا جائزہ لیں۔8 سوالات

جب آپ کوئز دیتے ہیں تو جوابات اور وضاحتیں ظاہر ہوتی ہیں۔

  1. ELMo اور Word2Vec جیسے پہلے کی سرایت کے درمیان اہم فرق کیا ہے؟
    • ELMO ایک ہی لفظ کو اس کے جملے کے سیاق و سباق کے لحاظ سے مختلف ویکٹر دیتا ہے۔
    • ELMO چھوٹے ویکٹر استعمال کرتا ہے۔
    • ELMO صرف ایک الفاظ پر کام کرتا ہے، جملوں پر نہیں۔
    • ELMO کو کسی تربیتی ڈیٹا کی ضرورت نہیں ہے۔
  2. ELMO متن کو پڑھنے کے لیے کون سا عصبی فن تعمیر استعمال کرتا ہے؟
    • خود توجہ کے ساتھ ایک ٹرانسفارمر
    • ایک گہرا دو طرفہ LSTM زبان کا ماڈل
    • ایک تصوراتی تصویری نیٹ ورک
    • ایک سادہ فیڈ فارورڈ نیٹ ورک
  3. نیچے دھارے کے کام کے لیے ELMO اپنی اندرونی تہوں کو کیسے جوڑتا ہے؟
    • یہ صرف آخری اوپری پرت کا استعمال کرتا ہے۔
    • یہ تمام پرتوں کو یکساں طور پر اوسط کرتا ہے اور نتیجہ کو ٹھیک کرتا ہے۔
    • یہ تمام پرتوں کے سیکھے ہوئے، کام کے لیے مخصوص وزنی امتزاج کا استعمال کرتا ہے۔
    • یہ ہر بار بے ترتیب طور پر ایک پرت چنتا ہے۔
  4. غیر دیکھے الفاظ کو سنبھالنے کے لیے ELMO اپنے ان پٹ یونٹ کے طور پر کیا استعمال کرتا ہے؟
    • صرف پورے لفظ کی تلاش
    • فکسڈ ڈکشنری IDs
    • BERT سے بائٹ پیئر انکوڈ شدہ ذیلی الفاظ
    • کریکٹر لیول سی این این کی نمائندگی
  5. تقریباً ELMO کب اور کس کے ذریعے متعارف کرایا گیا؟
    • 2018، ایلن انسٹی ٹیوٹ برائے AI محققین
    • 2013، بذریعہ Google کی Word2Vec ٹیم
    • 2020، بذریعہ OpenAI
    • 2015، فیس بک AI کے ذریعے
  6. Which corpus was used to train the bidirectional language model described in the ELMo paper?
    • The One Billion Word Benchmark
    • The Penn Treebank only
    • A corpus of labeled images
    • The GloVe Common Crawl vectors
  7. What language-model prediction does ELMo's forward LSTM learn?
    • Predicting the previous word from future context
    • Assigning a fixed vector to every document
    • Predicting the next word from the preceding context
    • Predicting a sentence's image resolution
  8. What linguistic information do ELMo's lower and higher LSTM layers tend to capture?
    • Lower layers encode image color, while higher layers encode audio pitch
    • Every layer stores only word frequency and ignores context
    • Higher layers are always limited to punctuation prediction
    • Lower layers tend toward syntax, while higher layers capture more context-dependent semantics