فاسٹ ٹیکسٹ سب ورڈ ایمبیڈنگز کوئز

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

1. فاسٹ ٹیکسٹ ایک لفظ کی نمائندگی کیسے کرتا ہے؟
   • کردار کے ایک بیگ کے طور پر n-grams کا ایک ساتھ خلاصہ کیا گیا ہے۔
   • صرف ایک ناقابل تقسیم ٹوکن کے طور پر
   • لغت سے اس کی تعریف کے طور پر
   • ایک بے ترتیب ویکٹر کے طور پر
2. Word2Vec اور GloVe کی کون سی بڑی حد فاسٹ ٹیکسٹ پر قابو پاتی ہے؟
   • وہ بہت تیز دوڑتے ہیں۔
   • وہ الفاظ سے باہر الفاظ کے لیے ویکٹر نہیں بنا سکتے
   • وہ اوقاف کو نظر انداز کرتے ہیں۔
   • وہ صرف انگریزی میں کام کرتے ہیں۔
3. 3-حروف والے n-grams کے ساتھ لفظ "Where" کے لیے، کون سا درست n-gram ہے (باؤنڈری مارکر کے ساتھ)؟
   • <جہاں>صرف
   • xyz
   • وہ
   • دی
4. فاسٹ ٹیکسٹ کا ایمبیڈنگ ماڈل کس بنیادی تربیتی مقصد کو تیار کرتا ہے؟
   • گلوو میٹرکس فیکٹرائزیشن
   • جملے کی سطح کا ترجمہ
   • تصویر کی درجہ بندی کا نقصان
   • منفی نمونے کے ساتھ اسکیپ گرام
5. فاسٹ ٹیکسٹ خاص طور پر فنش یا ترکی جیسی زبانوں کے لیے کیوں مفید ہے؟
   • وہ مورفولوجیکل طور پر بہت سے متغیر الفاظ کی شکلوں سے مالا مال ہیں جو ذیلی الفاظ کا اشتراک کرتے ہیں۔
   • ان کے پاس الفاظ بہت کم ہیں۔
   • وہ کوئی جگہ استعمال نہیں کرتے
   • ان کے پاس کوئی نادر الفاظ نہیں ہیں۔
6. Which separate method did Sennrich and colleagues describe for representing rare words in neural machine translation?
   • Byte-pair encoding as subword units
   • FastText’s hashed character n-gram bucket table
   • A full-word-only vocabulary that discards rare tokens
   • GloVe’s global co-occurrence matrix
7. How does FastText store learnable features for its character n-grams?
   • It stores every complete sentence as a separate vector
   • It assigns each n-gram a pixel grid in a convolutional decoder
   • It hashes n-grams into a fixed-size bucket table with learned vectors
   • It replaces all subword features with a hand-written dictionary
8. What can fastText's supervised mode do efficiently with its bag-of-features model?
   • Estimate the 3D shape of an object from a single image
   • Generate new audio waveforms from a spectrogram
   • Compute a global word-word co-occurrence matrix only
   • Classify text for tasks such as language identification or tagging