Logo Passei Direto
Buscar
Na aula 1 de Natural Language Processing vimos os modelos de recuperação de documentos binário, vetorial e probabilístico. Sobre o modelo vetorial, assinale a alternativa que contém a descrição correta.
A Caracteriza-se por atribuir pesos para cada termo, podendo ser ou valor 0 (zero) ou valor 1 (um).
B Atribui pesos binários, o que permite o cálculo de graus de similaridade entre cada documento armazenado.
C Considera o processo de recuperação de documentos através de uma descrição de probabilidades de se encontrar determinado termo em documentos de uma coleção.
D Caracteriza-se pelo cálculo do grau de similaridade, mediante a razão dos documentos relevantes para o usuário pelos documentos não relevantes.
E Pode ter seus pesos de palavras e de documentos feitos pelo método TF-IDF em conjunto com o ranqueamento dos termos por graus de similaridade.
A
B
C
D
E
User badge image
Testando o Conhecimento

há 3 anos

Respostas

User badge image

Ed Verified user icon

ano passado

Vamos analisar cada uma das alternativas em relação ao modelo vetorial de recuperação de documentos: A) Caracteriza-se por atribuir pesos para cada termo, podendo ser ou valor 0 (zero) ou valor 1 (um). - Esta descrição se refere mais ao modelo binário, que não considera a importância dos termos. B) Atribui pesos binários, o que permite o cálculo de graus de similaridade entre cada documento armazenado. - Novamente, isso se relaciona mais ao modelo binário, não ao modelo vetorial. C) Considera o processo de recuperação de documentos através de uma descrição de probabilidades de se encontrar determinado termo em documentos de uma coleção. - Esta descrição se refere ao modelo probabilístico, não ao modelo vetorial. D) Caracteriza-se pelo cálculo do grau de similaridade, mediante a razão dos documentos relevantes para o usuário pelos documentos não relevantes. - Essa descrição não é precisa para o modelo vetorial. E) Pode ter seus pesos de palavras e de documentos feitos pelo método TF-IDF em conjunto com o ranqueamento dos termos por graus de similaridade. - Esta é a descrição correta do modelo vetorial, que utiliza o método TF-IDF para atribuir pesos aos termos e calcular a similaridade entre documentos. Portanto, a alternativa correta é: E.

Essa resposta te ajudou?

0
Dislike0

Ainda não achou a resposta?

  • Integrado com os principais modelos de IA do mercado
  • Respostas em segundos
  • IA treinada para estudantes brasileiros.
PasseIA logoEvolua sua forma de estudar

Cadastre-se ou realize login

User badge image

Ed Verified user icon

há 3 anos

A alternativa correta é a letra E: "Pode ter seus pesos de palavras e de documentos feitos pelo método TF-IDF em conjunto com o ranqueamento dos termos por graus de similaridade". O modelo vetorial é um modelo de recuperação de informações que atribui pesos para cada termo, podendo ser binários, TF (frequência do termo) ou TF-IDF (frequência do termo ponderada pela frequência inversa do documento). O método TF-IDF é amplamente utilizado para calcular os pesos dos termos em um documento e em uma coleção de documentos, permitindo o ranqueamento dos termos por graus de similaridade.

Essa resposta te ajudou?

0
Dislike0

Ainda com dúvidas?

Envie uma pergunta e tenha sua dúvida de estudo respondida!

Essa pergunta também está no material:

Mais perguntas desse material

O tema 5 da aula 6 versa sobre as unidades recorrentes com porta (GRU), que possuem uma dinâmica de funcionamento semelhante à LSTM. Sobre a semelhança entre LSTM e GRU, marque a alternativa que possui uma afirmação correta.
A Ambos possuem células com 3 (três) entradas e 3 (três) saídas de sinal, porém nas GRU, as saídas st e yt não são usadas, o que causa uma simplificação dos modelos com GRU e maior agilidade nos treinamentos.
B Enquanto nas LSTM as células podem ser interligadas em forma de malha, gerando uma rede com múltiplas camadas, nas GRU temos apenas a possibilidade de criar redes de camada única de células, o que reduz bastante a complexidade ao passo em que se mantém a performance, na maioria dos casos.
C Tanto nas GRU quanto nas LSTM temos a possibilidade de criação de malhas de múltiplas camadas, porém com o número menor de portas de entradas e saídas das LSTM, temos uma maior performance e velocidade de treinamento, se comparadas às GRU.
D As GRU possuem apenas 2 (duas) entradas e 1 (uma) saída, ao passo que as LSTM possuem 3 (três) entradas e 3 (três) saídas de sinal. Isto se reflete em uma menor complexidade das GRU, o que causa uma velocidade maior no treinamento, porém com performance bastante inferior às LSTM.
E As GRU podem ser interpretadas como uma generalização das LSTM e possuem funcionamento muito parecido, porém a complexidade da rede das GRU é muito superior às LSTM, o que causa uma performance muito maior das GRU tanto em treinamentos quanto em utilização.
A
B
C
D
E

Na aula 5, sobre classificação e avaliação de documentos, foram apresentadas algumas tarefas que podem ser enquadradas na classificação supervisionada. Sobre estas tarefas, assinale a alternativa que contém a afirmação CORRETA:
A Identificação de gênero em discurso pode ser enquadrado como classificação supervisionada, pois a partir do uso de corpora, pode-se construir classificadores que marcarão automaticamente novos documentos com rótulos de categorias apropriados.
B Classificação de documentos pode ser enquadrado como classificação supervisionada quando realizamos o treinamento de um classificador com dados rotulados para descobrirmos quais sufixos de palavras podem indicar alguma informação relevante, como, por exemplo, o tempo e a pessoa de um verbo.
C Anotação ou marcação (tagging) de parte do discurso (part-of-speech) pode ser enquadrado como classificação supervisionada quando treinamos um classificador com dados não rotulados, para descobrirmos quais sufixos de palavras podem indicar alguma informação relevante.
D Exploração de contexto pode ser enquadrado como classificação supervisionada quando usamos um conjunto de dados rotulados para treinar um modelo que identifica as características contextuais, como, por exemplo, ao marcar a palavra "partir", sabendo-se que a palavra anterior é "a", permitindo determinar que ela atua como uma locução adverbial, não como um verbo.
E Classificação de sequências pode ser enquadrado como classificação supervisionada quando usamos dados não rotulados para criar um modelo que classifica entradas relacionadas de forma sequencial.
A
B
C
D
E

Marque a alternativa que contém a ordem correta das camadas de uma CNN para classificação de palavras.

A 6 – 4 – 1 – 2 – 5 – 3
B 5 – 4 – 1 – 3 – 2 – 6
C 6 – 2 – 1 – 3 – 5 – 4
D 1 – 4 – 6 – 3 – 5 – 2
E 1 – 5 – 6 – 2 – 4 – 3

Mais conteúdos dessa disciplina