PNL - Tema 3. Representación de texto

PNL - Tema 3. Representación de texto

University

10 Qs

quiz-placeholder

Similar activities

Repaso examen

Repaso examen

University

10 Qs

QUIZ  SOBRE FUNCIONES BÁSICAS DE WORD

QUIZ SOBRE FUNCIONES BÁSICAS DE WORD

University

11 Qs

Conociendo el procesador de textos.

Conociendo el procesador de textos.

1st Grade - University

10 Qs

Scripts

Scripts

University

11 Qs

blog y Podcast

blog y Podcast

University

10 Qs

Excel Básico 01

Excel Básico 01

University

10 Qs

herramientas de búsqueda de información en internet

herramientas de búsqueda de información en internet

University

15 Qs

Unit I Exam

Unit I Exam

University

12 Qs

PNL - Tema 3. Representación de texto

PNL - Tema 3. Representación de texto

Assessment

Quiz

Computers

University

Medium

Created by

Víctor Yeste

Used 1+ times

FREE Resource

10 questions

Show all answers

1.

MULTIPLE CHOICE QUESTION

30 sec • 1 pt

¿Qué es un "corpus" en el contexto del procesamiento de lenguaje natural?

Un archivo con imágenes digitales.

Un conjunto amplio de textos organizados para análisis computacional.

Un programa de software utilizado para procesar textos.

Un tipo de algoritmo de clasificación de textos.

2.

MULTIPLE CHOICE QUESTION

30 sec • 1 pt

¿Cuál es la principal limitación del modelo de "Bag of Words" (BoW)?

Considera el orden de las palabras en un texto.

No captura las frecuencias de las palabras.

Ignora el orden y el contexto de las palabras.

Requiere una gran cantidad de memoria.

3.

MULTIPLE CHOICE QUESTION

30 sec • 1 pt

¿Qué hace el modelo de "representación one-hot"?

Convierte palabras en vectores numéricos con un solo "1" en la posición correspondiente.

Representa todas las palabras del texto con el mismo valor.

Asigna un valor binario (0 o 1) a las palabras de acuerdo con su importancia.

Convierte el texto en un formato binario que puede ser leído por máquinas.

4.

MULTIPLE CHOICE QUESTION

30 sec • 1 pt

¿Cuál es la principal desventaja de la representación one-hot?

Es difícil de interpretar.

No refleja relaciones semánticas entre palabras.

Es lenta en el procesamiento de grandes volúmenes de texto.

No es útil en modelos de Machine Learning.

5.

MULTIPLE CHOICE QUESTION

30 sec • 1 pt

¿Qué mide la representación TF (Term Frequency)?

El número total de palabras en un documento.

El número de documentos que contienen un término específico.

La cantidad de veces que un término aparece en todo el corpus.

La frecuencia de aparición de cada término en un documento.

6.

MULTIPLE CHOICE QUESTION

30 sec • 1 pt

¿Cuál es el propósito de la representación IDF (Inverse Document Frequency)?

Aumentar la relevancia de palabras muy frecuentes en el corpus.

Reducir el peso de palabras comunes que aparecen en muchos documentos.

Medir la frecuencia de aparición de cada término en un solo documento.

Identificar palabras únicas en un documento.

7.

MULTIPLE CHOICE QUESTION

30 sec • 1 pt

¿Qué combinación de TF e IDF da como resultado el modelo TF-IDF?

El conteo de frecuencia de un término multiplicado por su frecuencia en todo el corpus.

La frecuencia de un término en un documento dividida por su frecuencia en el corpus.

La frecuencia de un término en un documento multiplicada por su IDF.

El conteo de palabras dividido por el número total de palabras.

Create a free account and access millions of resources

Create resources
Host any resource
Get auto-graded reports
or continue with
Microsoft
Apple
Others
By signing up, you agree to our Terms of Service & Privacy Policy
Already have an account?