Đề 15 – Bài tập, đề thi trắc nghiệm online Xử lý ngôn ngữ tự nhiên

A A. Phân tích dữ liệu tài chính. B B. Tương tác và giao tiếp với người dùng bằng ngôn ngữ tự nhiên. C C. Điều khiển thiết bị phần cứng. D D. Tạo ra hình ảnh và video.

A A. Chỉ có thể xử lý văn bản tiếng Anh. B B. Huấn luyện theo cả hai hướng (trái sang phải và phải sang trái) để hiểu ngữ cảnh tốt hơn. C C. Sử dụng RNN thay vì Transformer. D D. Chỉ tập trung vào phân tích cảm xúc.

A A. Phát triển phần cứng máy tính mạnh mẽ hơn. B B. Tương tác giữa máy tính và ngôn ngữ loài người. C C. Nghiên cứu về cấu trúc và lịch sử ngôn ngữ loài người. D D. Xây dựng cơ sở dữ liệu ngôn ngữ học quy mô lớn.

A A. Tạo ra văn bản mới từ một chủ đề cho trước. B B. Chuyển đổi văn bản từ ngôn ngữ nguồn sang ngôn ngữ đích. C C. Phân loại văn bản theo chủ đề. D D. Tìm kiếm thông tin trong văn bản.

A A. Phân tích cảm xúc của văn bản. B B. Gán nhãn từ loại (ví dụ: danh từ, động từ, tính từ) cho mỗi từ trong câu. C C. Dịch văn bản sang ngôn ngữ khác. D D. Tóm tắt văn bản.

A A. Dịch văn bản từ ngôn ngữ này sang ngôn ngữ khác. B B. Xác định ý kiến, thái độ hoặc cảm xúc được thể hiện trong văn bản. C C. Tóm tắt nội dung chính của một văn bản dài. D D. Nhận dạng các thực thể có tên trong văn bản.

A A. Chúng chứa thông tin quan trọng về ngữ nghĩa của văn bản. B B. Chúng xuất hiện rất thường xuyên và ít đóng góp vào ý nghĩa tổng thể. C C. Chúng gây khó khăn cho việc phân tích cú pháp. D D. Chúng thường là các từ mang tính chất xúc phạm.

A A. Giảm kích thước dữ liệu văn bản. B B. Nắm bắt được ngữ nghĩa và mối quan hệ giữa các từ. C C. Tăng tốc độ xử lý văn bản. D D. Đơn giản hóa quá trình tiền xử lý văn bản.

A A. Cả hai đều gán nhãn từ loại cho từ. B B. Cả hai đều chuyển đổi từ về dạng gốc của chúng. C C. Cả hai đều loại bỏ stop words. D D. Cả hai đều phân tích cú pháp của câu.

A A. Phát hiện lỗi chính tả trong văn bản. B B. Tạo ra một phiên bản ngắn gọn hơn của văn bản gốc, giữ lại thông tin quan trọng nhất. C C. Dịch văn bản sang ngôn ngữ khác. D D. Phân tích cảm xúc của văn bản.

A A. Phân loại hình ảnh. B B. Xử lý dữ liệu chuỗi tuần tự như văn bản và giọng nói. C C. Phát hiện gian lận tài chính. D D. Dự báo thời tiết.

A A. Một thuật toán phân loại văn bản. B B. Một chuỗi gồm n từ liên tiếp trong văn bản. C C. Một phương pháp giảm chiều dữ liệu. D D. Một loại mô hình ngôn ngữ dựa trên mạng nơ-ron.

A A. Việc loại bỏ các từ không quan trọng để tăng tốc độ xử lý. B B. Khả năng hiểu ý nghĩa của từ và câu dựa trên các từ và câu xung quanh. C C. Việc chuyển đổi văn bản thành dạng số để máy tính xử lý. D D. Khả năng phân tích cấu trúc ngữ pháp của câu.

A A. Khả năng xử lý hình ảnh kém. B B. Khó khăn trong việc song song hóa tính toán và xử lý chuỗi dài. C C. Độ chính xác thấp trong phân loại văn bản. D D. Yêu cầu lượng dữ liệu huấn luyện quá lớn.

A A. Xác định chủ đề chính của văn bản. B B. Phân tích cấu trúc ngữ pháp và mối quan hệ giữa các từ trong câu. C C. Loại bỏ các từ dừng. D D. Chuyển đổi văn bản thành giọng nói.

A A. Phân tích cảm xúc. B B. Tính trọng số của từ trong một văn bản so với tập hợp các văn bản. C C. Tóm tắt văn bản. D D. Dịch máy.

A A. Phân loại văn bản theo chủ đề. B B. Tìm kiếm và phân loại các thực thể có tên trong văn bản (ví dụ: người, tổ chức, địa điểm). C C. Chỉnh sửa lỗi chính tả và ngữ pháp trong văn bản. D D. Tạo ra bản tóm tắt ngắn gọn của văn bản.

A A. Sự thiếu hụt các thuật toán NLP hiệu quả. B B. Sự khác biệt lớn về cấu trúc ngữ pháp và từ vựng giữa các ngôn ngữ. C C. Khó khăn trong việc thu thập dữ liệu văn bản số. D D. Tốc độ xử lý máy tính chậm cho ngôn ngữ đa dạng.

A A. Phát hiện đạo văn trong văn bản. B B. Dự đoán từ hoặc chuỗi từ tiếp theo trong một câu. C C. Phân tích cấu trúc ngữ pháp của câu. D D. Chuyển đổi giọng nói thành văn bản.

A A. Thiên vị (bias) trong dữ liệu huấn luyện dẫn đến kết quả không công bằng. B B. Sử dụng NLP cho mục đích giám sát và xâm phạm quyền riêng tư. C C. Tăng cường sử dụng năng lượng do các mô hình NLP lớn. D D. Ô nhiễm tiếng ồn từ các thiết bị NLP.

A A. Loại bỏ các từ dừng (stop words) khỏi văn bản. B B. Chia văn bản thành các đơn vị nhỏ hơn, ví dụ như từ hoặc cụm từ. C C. Tìm ra gốc từ của các từ trong văn bản. D D. Gán nhãn từ loại (part-of-speech) cho mỗi từ.

A A. Loại bỏ các từ không quan trọng trong câu. B B. Tập trung vào các phần quan trọng nhất của câu khi xử lý. C C. Chia câu thành các phần nhỏ hơn để xử lý song song. D D. Tăng cường độ chính xác của việc dự đoán từ tiếp theo.

A A. Sự thiếu hụt dữ liệu văn bản số. B B. Tính mơ hồ và đa nghĩa của ngôn ngữ. C C. Tốc độ xử lý của máy tính còn chậm. D D. Sự khác biệt về phông chữ và kiểu chữ trong văn bản.

A A. Phần mềm thiết kế đồ họa. B B. Hệ thống phân tích bệnh án điện tử để hỗ trợ chẩn đoán. C C. Trò chơi điện tử thực tế ảo. D D. Mạng xã hội trực tuyến.

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

A A. Phân tích cú pháp (Parsing). B B. Phân tích cảm xúc (Sentiment Analysis). C C. Biên dịch mã nguồn (Code Compilation). D D. Nhận dạng thực thể có tên (Named Entity Recognition).

A A. Chatbot. B B. Công cụ tìm kiếm (Search engines). C C. Dịch máy. D D. Tóm tắt văn bản.

A A. Phân tích cú pháp. B B. Tạo sinh văn bản tự nhiên và mạch lạc. C C. Nhận dạng giọng nói. D D. Phân loại hình ảnh.

A A. Kích thước mô hình (số lượng tham số). B B. Độ chính xác (Accuracy), Độ bao phủ (Recall), F1-score. C C. Tốc độ huấn luyện mô hình. D D. Lượng bộ nhớ sử dụng khi chạy mô hình.

A A. Chatbot và trợ lý ảo. B B. Phần mềm chỉnh sửa ảnh. C C. Công cụ dịch máy. D D. Hệ thống phân loại tin tức tự động.