PNL - Tema 2. Preprocesamiento de texto

¿Qué es la tokenización en procesamiento de lenguaje natural?

• El proceso de convertir texto en imágenes.

• El proceso de dividir un texto en fragmentos más pequeños llamados "tokens".

• El proceso de eliminar palabras comunes de un texto.

• El proceso de traducir texto de un idioma a otro.

¿Cuál es la principal diferencia entre lematización y stemming (radicalización)?

• La lematización recorta palabras a su raíz sin importar la gramática, mientras que el stemming conserva la forma base correcta de la palabra.

• La lematización toma en cuenta la categoría gramatical y la forma base de la palabra, mientras que el stemming solo recorta las palabras según reglas heurísticas

• El stemming convierte todas las palabras a un único formato, mientras que la lematización las traduce a su forma más compleja.

• La lematización es un proceso más rápido que el stemming.

¿Qué son las stopwords en el preprocesamiento de texto?

• Son palabras que aparecen con poca frecuencia en un texto.

• Son palabras que describen la acción principal en una oración.

• Son palabras que se usan solo en textos científicos.

• Son palabras que no aportan contenido semántico importante, como artículos y preposiciones.

¿Cuál de las siguientes técnicas de normalización de texto implica convertir todo el texto a minúsculas?

• Eliminación de stopwords.

• Lowercasing.

• Eliminar acentos.

• Eliminar puntuación.

¿Cuál es una desventaja del proceso de stemming (radicalización)?

• Es un proceso lento y difícil de implementar.

• Puede recortar demasiado las palabras y producir formas no existentes.

• Siempre conserva la integridad semántica de las palabras.

• Requiere un análisis gramatical detallado.

¿En qué tipo de lenguajes se debe tener especial cuidado al realizar la tokenización debido a su estructura gramatical compleja?

• Lenguajes con alfabeto latino.

• Lenguajes con pocos hablantes.

• Lenguajes aglutinativos como el turco.

• Lenguajes con un sistema de puntuación complejo.

¿Qué proceso se utiliza para eliminar caracteres especiales y números de un texto?

• Normalización.

• Tokenización.

• Lematización.

• Stemming.

¿Por qué se eliminan las stopwords durante el preprocesamiento de texto?

• Para conservar el contexto semántico de las oraciones.

• Para hacer que las palabras clave sean más visibles.

• Para aumentar el tamaño de los datos de entrada.

• Para reducir el ruido y mejorar la eficiencia en el análisis.

¿Qué aspecto de la normalización de texto podría alterar el significado de las palabras en un análisis?

• Eliminar caracteres especiales y números.

• Convertir todo el texto a minúsculas.

• Eliminar tildes y acentos.

• Eliminar stopwords.

¿Por qué es importante la normalización de texto en el preprocesamiento de datos para PNL?

• Para convertir las palabras a un formato binario.

• Para crear sinónimos para todas las palabras en el texto.

• Para asegurar que las palabras se comparen de manera consistente, sin importar su forma o variaciones.

• Para traducir el texto a diferentes idiomas.