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

Bài kiểm tra Word2Vec Skip-Gram và CBOW

So sánh các mục tiêu CBOW và Skip-Gram của Word2Vec, lấy mẫu âm, vectơ đã học và các lựa chọn ảnh hưởng đến việc đào tạo từ hiếm.

Đường dẫn hướng dẫn liên quanWord2vec Bỏ qua Gram và Cbow
Câu hỏi 1 của 8

Kiến trúc Skip-Gram dự đoán điều gì?

Xem trước mọi câu hỏi8 câu hỏi

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

  1. Kiến trúc Skip-Gram dự đoán điều gì?
    • Các từ ngữ cảnh xung quanh từ từ trung tâm
    • Từ trung tâm từ các từ ngữ cảnh xung quanh
    • Câu tiếp theo trong tài liệu
    • Thẻ một phần của lời nói của mỗi từ
  2. Đầu ra hữu ích thực tế của việc đào tạo mô hình Word2Vec là gì?
    • Độ chính xác dự đoán về các từ ngữ cảnh
    • Ma trận trọng số đã học, có các hàng là vectơ từ
    • Cây phân tích cú pháp của câu
    • Xác suất cho mỗi loại tài liệu
  3. Tại sao Word2Vec sử dụng lấy mẫu âm tính?
    • Để tăng kích thước từ vựng
    • Để dịch giữa các ngôn ngữ
    • Để tránh việc sử dụng softmax đầy đủ đắt tiền trên toàn bộ từ vựng
    • Để tự động loại bỏ các từ dừng
  4. What does subsampling frequent words do in the later Word2Vec training method?
    • It reduces the influence of very frequent words and can speed training
    • It turns every word into a character n-gram
    • It changes CBOW into a sentence classifier
    • It guarantees better vectors for every rare word
  5. Thuộc tính nổi tiếng nào của vectơ Word2Vec được minh họa bằng "vua - đàn ông + phụ nữ ≈ nữ hoàng"?
    • Tương tự vectơ thông qua số học tuyến tính
    • Tra cứu từ điển chính xác
    • Sửa lỗi ngữ pháp
    • Chuẩn hóa độ dài câu
  6. Ai đã giới thiệu Word2Vec và vào năm nào?
    • Geoffrey Hinton tại Toronto, 2006
    • Tomas Mikolov và đồng nghiệp tại Google, 2013
    • Yann LeCun tại Bell Labs, 1998
    • OpenAI, 2018
  7. What does the CBOW architecture predict from its input context?
    • Each future paragraph in the document
    • The sentiment label of the full corpus
    • The center word surrounded by the context window
    • The spelling of a character n-gram
  8. What distribution does the original Word2Vec paper use to draw negative samples?
    • A uniform distribution over all character n-grams
    • A distribution based only on word length
    • A distribution proportional to squared inverse frequency
    • A unigram word-frequency distribution raised to the 0.75 power