Câu hỏi về Rút trích đặc trưng

Rút trích đặc trưng là quá trình gì trong trí tuệ nhân tạo?

• Thu thập dữ liệu mới

• Chuyển đổi dữ liệu đầu vào thành các đặc trưng có ý nghĩa

• Đánh giá mô hình học máy

• Triển khai hệ thống AI

Tại sao cần rút trích đặc trưng trong học máy?

• Để giảm chiều dữ liệu và tăng hiệu suất xử lý

• Để tạo mô hình mới

• Để thu thập thêm dữ liệu

• Để kiểm thử mô hình

Phương pháp nào dưới đây sử dụng tần suất xuất hiện của từ để tạo vector đặc trưng?

• TF-IDF

• Bag of Words

• Word2Vec

• FastText

Trong BoW, mỗi chiều của vector tương ứng với điều gì?

• Một câu trong tập dữ liệu

• Một từ trong từ điển

• Một văn bản

• Một ký tự

Câu nào sau đây đúng về BoW?

• Lưu giữ vị trí các từ trong câu

• Không lưu giữ vị trí các từ

• Chỉ áp dụng cho tiếng Anh

• Yêu cầu dữ liệu hình ảnh

Để tính IDF(t), cần thông tin nào?

• Số lần từ t xuất hiện trong toàn bộ tập văn bản

• Tổng số văn bản và số văn bản chứa từ t

• Số lần từ t xuất hiện trong một văn bản cụ thể

• Số câu chứa từ t

Công thức tính IDF là gì?

• log(Tổng số từ / Số văn bản chứa từ)

• log(Tổng số văn bản / Số văn bản chứa từ)

• log(Tổng số ký tự / Số lần xuất hiện từ)

• log(Tổng số câu / Số lần xuất hiện từ)

Trong TF-IDF, TF được tính như thế nào?

• Số lần xuất hiện của từ chia cho tổng số từ trong văn bản

• Số lần xuất hiện của từ chia cho số lần xuất hiện từ phổ biến nhất

• Số lần xuất hiện của từ chia cho số câu chứa từ đó

• Số lần xuất hiện của từ chia cho số ký tự

Điểm khác biệt chính giữa BoW và TF-IDF là gì?

• BoW bỏ qua tần suất từ

• TF-IDF gán trọng số dựa trên độ quan trọng của từ

• TF-IDF không dùng từ điển

• BoW lưu trữ thứ tự từ

Một nhược điểm c