Bài kiểm tra có liên kết hướng dẫn · Dễ dàng Cấp độ

Câu đố phân loại văn bản

Kiểm tra việc gán nhãn văn bản, nhiệm vụ nhiều nhãn, mất cân bằng, thu hồi, sử dụng zero-shot cho từng nhiệm vụ cụ thể, nội dung nhúng, số học chính xác và điểm đầu ra.

Đường dẫn hướng dẫn liên quanPhân loại văn bản
Câu hỏi 1 của 8

Trình phân loại văn bản cấu trúc đầu ra cho tài liệu đầu vào 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. Trình phân loại văn bản cấu trúc đầu ra cho tài liệu đầu vào như thế nào?
    • Bằng cách nhất thiết phải dịch nó sang ngôn ngữ khác
    • Bằng cách chỉ định một hoặc nhiều nhãn danh mục được xác định trước
    • Bằng cách chỉ tạo một đoạn văn mới không liên quan
    • Bằng cách thay đổi định dạng tệp nén của nó
  2. Kịch bản nào là ví dụ về phân loại nhiều nhãn?
    • Đánh dấu email là thư rác hoặc không phải thư rác
    • Định tuyến một yêu cầu đến đúng một bộ phận
    • Chọn xếp hạng một sao
    • Gắn thẻ một bài viết có cả 'chính trị' và 'kinh tế' cùng một lúc
  3. Trên một tập dữ liệu văn bản bị chi phối bởi một lớp, độ chính xác tổng thể cao có thể che giấu điều gì?
    • Không có khả năng tính toán bất kỳ số liệu nào
    • Bằng chứng cho thấy việc thu hồi bằng một cho mỗi danh mục
    • Không xác định được các trường hợp thuộc loại hiếm
    • Một sự đảm bảo rằng mọi ví dụ thiểu số đều đúng
  4. Biện pháp thu hồi trong một nhiệm vụ phân loại là gì?
    • Có bao nhiêu trường hợp thực tế mà hệ thống đã phát hiện thành công
    • Có bao nhiêu mục được gắn cờ thực sự đúng
    • Mô hình chạy nhanh như thế nào
    • Mô hình lớn bao nhiêu
  5. Trong phân loại văn bản zero-shot dành riêng cho nhiệm vụ, nhiệm vụ phân loại mới còn thiếu điều gì?
    • Tất cả các loại đào tạo trước mô hình
    • Mọi mô tả về các hạng mục ứng viên
    • Khả năng sử dụng bất kỳ biểu diễn đã học nào
    • Các ví dụ đào tạo được gắn nhãn cho nhiệm vụ đó
  6. Các phần nhúng văn bản đã học có thể góp phần vào quy trình phân loại như thế nào?
    • Họ đảm bảo dự đoán hoàn hảo trên mọi tên miền mới
    • Chúng cung cấp các tính năng số được sử dụng để tính điểm nhãn
    • Họ xóa bỏ mọi khác biệt về ngữ pháp theo định nghĩa
    • Họ thay thế tất cả các định nghĩa nhãn bằng tên tệp
  7. Đánh giá phân loại văn bản đã nêu có sáu kết quả dương tính đúng và hai kết quả dương tính giả. Độ chính xác cho lớp tích cực được chỉ định là gì?
    • 75 percent
    • 25 percent
    • 100 percent
    • Sáu phần trăm
  8. Thiết kế điểm đầu ra nào cho phép nhiều nhãn văn bản đạt điểm cao cùng một lúc thay vì yêu cầu điểm phải cộng lại thành một?
    • Một softmax duy nhất trên các lớp loại trừ lẫn nhau
    • Quy tắc yêu cầu chính xác một nhãn khẳng định
    • Một đầu ra sigmoid riêng biệt cho mỗi nhãn
    • Một đại diện chỉ có tên tệp mà không có điểm nhãn