Đề 14 – Bài tập, đề thi trắc nghiệm online Xử lý ngôn ngữ tự nhiên

A A. Chuyển đổi ngôn ngữ viết sang ngôn ngữ nói. B B. Tạo ra văn bản ngôn ngữ tự nhiên từ dữ liệu hoặc thông tin có cấu trúc. C C. Phân tích cấu trúc ngữ pháp của văn bản. D D. Dịch văn bản từ ngôn ngữ tự nhiên sang mã máy.

A A. Tăng tốc độ xử lý. B B. Giảm độ chính xác trên một số nhóm người dùng nhất định. C C. Làm cho mô hình dễ giải thích hơn. D D. Giảm yêu cầu về dữ liệu huấn luyện.

A A. Loại bỏ các từ không quan trọng. B B. Xác định cấu trúc ngữ pháp của câu. C C. Chuyển đổi văn bản thành dạng vector. D D. Tóm tắt văn bản.

A A. K-Means Clustering. B B. Support Vector Machines (SVM). C C. Principal Component Analysis (PCA). D D. Apriori Algorithm.

A A. Phân loại văn bản theo chủ đề. B B. Xác định thái độ, cảm xúc (tích cực, tiêu cực, trung lập) được thể hiện trong văn bản. C C. Dịch văn bản sang ngôn ngữ khác. D D. Tóm tắt nội dung văn bản.

A A. Yêu cầu lượng lớn dữ liệu huấn luyện. B B. Mất đi thông tin về thứ tự từ trong câu. C C. Khó khăn trong việc xử lý văn bản dài. D D. Chỉ hoạt động tốt với tiếng Anh.

A A. Tốc độ xử lý chậm của máy tính. B B. Sự biến đổi ngôn ngữ theo vùng miền, thời gian và ngữ cảnh. C C. Thiếu dữ liệu huấn luyện. D D. Sự phức tạp của các thuật toán.

A A. Phân loại văn bản theo chủ đề. B B. Dự đoán từ hoặc chuỗi từ tiếp theo trong một câu. C C. Dịch văn bản từ ngôn ngữ này sang ngôn ngữ khác. D D. Tóm tắt nội dung văn bản.

A A. Chúng chứa thông tin ngữ nghĩa quan trọng nhưng gây nhiễu. B B. Chúng xuất hiện rất thường xuyên và ít mang lại giá trị phân biệt. C C. Chúng gây khó khăn cho việc tách từ. D D. Chúng chỉ tồn tại trong một số ngôn ngữ nhất định.

A A. Cấu trúc ngữ pháp của câu. B B. Ý nghĩa của từ và câu. C C. Âm thanh của ngôn ngữ nói. D D. Hình thức viết của ngôn ngữ.

A A. Dịch văn bản giữa các ngôn ngữ. B B. Tương tác và trò chuyện với người dùng bằng ngôn ngữ tự nhiên. C C. Phân tích cảm xúc trong văn bản. D D. Tóm tắt văn bản dài.

A A. Chuyển đổi giọng nói thành văn bản. B B. Tạo ra giọng nói nhân tạo từ văn bản. C C. Phân tích cảm xúc trong văn bản. D D. Dịch văn bản sang giọng nói.

A A. Dịch máy (Machine Translation). B B. Nhận dạng khuôn mặt (Facial Recognition). C C. Phân tích cảm xúc (Sentiment Analysis). D D. Chatbot.

A A. Biểu diễn từ vựng dưới dạng hình ảnh trực quan. B B. Chuyển đổi từ thành các vector số, nắm bắt ngữ nghĩa. C C. Tăng tốc độ xử lý văn bản. D D. Phát hiện lỗi chính tả trong văn bản.

A A. Term Frequency - Inverse Document Frequency, đánh giá tầm quan trọng của từ trong văn bản và tập văn bản. B B. Text Filtering - Information Distribution Function, lọc và phân phối thông tin văn bản. C C. Topic Frequency - Inverse Document Filter, xác định tần suất chủ đề và lọc tài liệu. D D. Tree-based Feature - Independent Data Format, định dạng dữ liệu độc lập dựa trên đặc trưng dạng cây.

A A. Giảm kích thước của văn bản đầu vào. B B. Chia văn bản thành các đơn vị nhỏ hơn, có ý nghĩa (tokens). C C. Loại bỏ các từ không quan trọng khỏi văn bản. D D. Chuyển đổi văn bản sang dạng số.

A A. Phân tích cấu trúc cú pháp của câu. B B. Xác định các từ hoặc cụm từ khác nhau cùng tham chiếu đến một thực thể duy nhất trong văn bản. C C. Dịch các cụm từ đồng nghĩa sang ngôn ngữ khác. D D. Phân loại các câu theo ý nghĩa tương đồng.

A A. Tách từ (Tokenization). B B. Chuẩn hóa văn bản (Text Normalization). C C. Phân tích cảm xúc (Sentiment Analysis). D D. Loại bỏ stop words.

A A. Tạo ra văn bản ngôn ngữ tự nhiên. B B. Chuyển đổi văn bản từ ngôn ngữ này sang ngôn ngữ khác một cách tự động. C C. Phân tích cấu trúc ngữ pháp của văn bản. D D. Tóm tắt nội dung văn bản.

A A. Tạo ra giọng nói từ văn bản. B B. Chuyển đổi giọng nói của con người thành văn bản. C C. Phân tích cảm xúc trong giọng nói. D D. Dịch giọng nói từ ngôn ngữ này sang ngôn ngữ khác.

A A. Recurrent Neural Network (RNN). B B. Convolutional Neural Network (CNN). C C. Transformer. D D. Generative Adversarial Network (GAN).

A A. Sinh ngôn ngữ tự nhiên (Natural Language Generation). B B. Hiểu ngôn ngữ tự nhiên (Natural Language Understanding). C C. Dịch máy (Machine Translation). D D. Phân tích cảm xúc (Sentiment Analysis).

A A. Ngôn ngữ luôn được sử dụng trong một bối cảnh nhất định và ngữ cảnh ảnh hưởng đến ý nghĩa. B B. Ngữ cảnh giúp giảm độ phức tạp của mô hình. C C. Ngữ cảnh giúp tăng tốc độ xử lý văn bản. D D. Ngữ cảnh chỉ quan trọng trong ngôn ngữ nói, không quan trọng trong ngôn ngữ viết.

A A. Phát triển phần cứng máy tính mạnh mẽ hơn. B B. Tương tác giữa máy tính và ngôn ngữ của con người. C C. Thiết kế các thuật toán toán học phức tạp. D D. Nghiên cứu về cấu trúc gen của con người.

A A. Phân loại văn bản theo chủ đề. B B. Xác định và phân loại các thực thể có tên trong văn bản (ví dụ: tên người, tổ chức, địa điểm). C C. Dịch văn bản sang ngôn ngữ khác. D D. Tóm tắt nội dung văn bản.

A A. Dịch văn bản sang ngôn ngữ khác. B B. Rút gọn văn bản dài thành phiên bản ngắn gọn hơn nhưng vẫn giữ được ý chính. C C. Phân tích cảm xúc trong văn bản. D D. Nhận dạng thực thể trong văn bản.

A A. Sự khác biệt về từ vựng giữa các ngôn ngữ. B B. Một từ có thể có nhiều nghĩa khác nhau. C C. Lỗi chính tả và ngữ pháp trong văn bản. D D. Khó khăn trong việc tách từ.

A A. Chúng có khả năng xử lý song song hiệu quả. B B. Chúng có khả năng ghi nhớ thông tin từ các bước thời gian trước đó. C C. Chúng dễ dàng giải thích kết quả. D D. Chúng yêu cầu ít dữ liệu huấn luyện hơn các mô hình khác.

A A. Tốc độ huấn luyện mô hình. B B. Khả năng xử lý các phụ thuộc xa trong câu. C C. Giảm kích thước mô hình. D D. Cải thiện khả năng phân loại cảm xúc.

A A. Giảm độ phức tạp của mô hình. B B. Tăng tốc độ suy luận (inference). C C. Cải thiện hiệu suất trên các tác vụ cụ thể với ít dữ liệu hơn. D D. Giảm yêu cầu về bộ nhớ.