Bài kiểm tra có liên kết hướng dẫn · Trung bình Cấp độ

Bài kiểm tra nhúng từ phụ FastText

Khám phá n-gram ký tự của FastText, nhóm tính năng băm, hỗ trợ ngoài từ vựng, hình thái và phân loại văn bản được giám sát nhanh.

Đường dẫn hướng dẫn liên quanNhúng từ phụ Fasttext
Câu hỏi 1 của 8

FastText thể hiện một từ như thế nào?

Xem trước mọi câu hỏi8 câu hỏi

Câu trả lời và giải thích xuất hiện khi bạn làm bài kiểm tra.

  1. FastText thể hiện một từ như thế nào?
    • Là một túi ký tự n-gram được tổng hợp lại với nhau
    • Chỉ là một mã thông báo không thể chia cắt
    • Theo định nghĩa của nó từ một từ điển
    • Là một vectơ ngẫu nhiên
  2. FastText khắc phục được hạn chế chính nào của Word2Vec và GloVe?
    • Họ chạy quá nhanh
    • Họ không thể tạo vectơ cho những từ không có từ vựng
    • Họ bỏ qua dấu câu
    • Họ chỉ làm việc bằng tiếng Anh
  3. Đối với từ "ở đâu" có n-gram gồm 3 ký tự, n-gram nào là hợp lệ (có dấu ranh giới)?
    • <nơi>chỉ
    • xyz
    • ai
    • cái
  4. Mô hình nhúng của FastText xây dựng dựa trên mục tiêu đào tạo cơ bản nào?
    • Phân tích ma trận GloVe
    • Dịch cấp độ câu
    • Mất phân loại hình ảnh
    • Skip-Gram với lấy mẫu âm tính
  5. Tại sao FastText đặc biệt hữu ích cho các ngôn ngữ như tiếng Phần Lan hoặc tiếng Thổ Nhĩ Kỳ?
    • Chúng rất phong phú về mặt hình thái với nhiều dạng từ biến cách có chung các từ phụ
    • Họ có rất ít từ
    • Họ không sử dụng không gian
    • Họ không có từ hiếm
  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