Grátis: Uma das técnicas do processamento de linguagem natural é o reconhecimento de entidades. Ela é bastante útil em diversas situações. Nesse sentido, s... – Questões Respondidas

Inteligência Artificial

Outros

Uma das técnicas do processamento de linguagem natural é o reconhecimento de entidades. Ela é bastante útil em diversas situações.
Nesse sentido, selecione a opção correta que apresente uma das situações que o reconhecimento de entidades é indicado.
Fazer o diagnóstico de pacientes.
Identificar indivíduos de forma objetiva.
Eliminar a necessidade de especialistas para verificar a autoria de um texto.
Compreender o significado de um texto.
Auxiliar na identificação de relações entre pessoas, eventos e datas.

Praticando Para o Saber

há 4 horas

Praticando Para o Saber

há 4 horas

Avaliação de PLN e Regex

ESTÁCIO EAD

Respostas

Ed

há 4 horas

A opção correta é: Auxiliar na identificação de relações entre pessoas, eventos e datas. Explicação: O reconhecimento de entidades nomeadas (Named Entity Recognition - NER) é uma técnica de processamento de linguagem natural que identifica e classifica entidades importantes em um texto, como nomes de pessoas, organizações, locais, datas e eventos. Essa técnica é muito útil para extrair informações estruturadas e ajudar a entender as relações entre essas entidades. As outras opções não são funções diretas do reconhecimento de entidades: - Fazer diagnóstico de pacientes envolve análise médica, não só NER. - Identificar indivíduos de forma objetiva pode envolver outras técnicas, como biometria. - Eliminar a necessidade de especialistas para verificar autoria não é função do NER. - Compreender o significado de um texto é tarefa de outras técnicas, como análise semântica.

Essa resposta te ajudou?

0

0

Ainda não achou a resposta?

Integrado com os principais modelos de IA do mercado
Respostas em segundos
IA treinada para estudantes brasileiros.

Evolua sua forma de estudar

Cadastre-se ou realize login

Ainda com dúvidas?

Envie uma pergunta e tenha sua dúvida de estudo respondida!

Essa pergunta também está no material:

Avaliação de PLN e Regex

ESTÁCIO EAD

Mais perguntas desse material

A inteligência artificial possui diversas áreas com muitas aplicações importantes para o nosso cotidiano. Uma dessas áreas é o processamento de linguagem natural �PLN�.
Nesse sentido, selecione a opção correta sobre o objetivo das técnicas de PLN.
Extrair elementos da linguagem humana para permitir que os sistemas computacionais compreendam e possam interagir com os humanos de forma natural.
Desenvolver novas linguagens para possibilitar que os computadores se comuniquem entre si.
Desenvolver algoritmos que possam se comunicar em qualquer linguagem do planeta.
Criar uma equivalência entre as linguagens humanas e das máquinas.
Substituir a linguagem natural por uma linguagem universal.

Considere a seguinte frase: “O processamento de linguagem natural está bastante popularizado.”
Agora, selecione a opção correta que corresponde à tokenização da frase usando a normalização de texto.
[“O”, “PROcessamento”, “de”, “linguagem natural”, “está”, “bastante”, “popularizado.”]
[“O”, “processamento de”, “linguagem natural”, “está”, “bastante”, “popularizado.”]
[“processamento”, “linguagem natural”, “popularizado.”]
[“o”, “processa”, “de”, “língua”, “natural”, “est”, “bastante”, “popular”]
[“O”, “de”, “está”, “bastante”, “.”]

Uma forma concreta de desenvolver aplicações de processamento de linguagem natural �PLN) é através do uso da biblioteca Regex da linguagem de programa Python. Considere o seguinte trecho de código:

import re
palavras = ["12345-12", "123a5-12", "54321-35"]
padrao=???

for p in palavras:
if re.findall(padrao, p):
print(p)
Selecione a opção correta que apresente o regex adequada para produzir a saída: “12345�12” e “54321�35”.
r'\d{7}'
r'\d{5}\d{2}'
r'\d{5}-\d{2}'
r'\d{5}-\s{2}'
r'\s{5}-\s{2}'

Uma das aplicações do processamento de linguagem natural �PLN) é na tradução automática. Por exemplo, podemos traduzir um texto da língua espanhola para a portuguesa.
Nesse sentido, selecione a opção correta que apresenta um desafio nesse processo.
Encontrar palavras elegantes na língua destino para representar a ideia principal do texto original.
Evitar traduzir termos pejorativos.
Eliminar redundâncias que podem ocorrer na frase da língua original.
Capturar elementos coloquiais da língua que auxiliem na compreensão correta do sentido original da frase.
Fazer correções automáticas de termos gramaticalmente errados.

Atualmente, temos muitas aplicações populares sobre processamento de linguagem natural �PLN�, como os buscadores da Internet, por exemplo.
Neste sentido, selecione a opção correta que relaciona esses buscadores com o processamento de linguagem natural.
Os buscadores buscam pelas palavras individualmente, ou seja, usam apenas a tokenização.
Os buscadores usam diversas técnicas de PLN para aumentar a precisão dos resultados.
A única técnica de PLN que os buscadores utilizam é a de análise sintática.
Os buscadores nunca devem aplicar a técnica de análise semântica.
A única técnica de PLN que os buscadores utilizam é a de estruturas de dados eficientes.

Uma das aplicações de processamento de linguagem natural �PLN) que podemos desenvolver é a que relaciona um conjunto de palavras a uma categoria. Considere o seguinte trecho de código:

import pandas as pd
import re

dicionario = ???

texto = "teremos um verão intenso em janeiro e fevereiro. Em março, teremos inverno."
padrao_sem_pontuacao = r'[^\w\s]'
texto = re.sub(padrao_sem_pontuacao, '', texto)

contagem_categorias = {key: 0 for key in dicionario.keys()}
palavras = texto.lower().split()

for palavra in palavras:
for categoria, sinonimos in dicionario.items():
if palavra in sinonimos:
contagem_categorias[categoria] += 1

print(contagem_categorias)
Selecione a opção correta que apresente o valor adequado para a variável “dicionario” para produzir a saída: {'mes': 2, 'estacao': 2}
dicionario = {'mes': ['janeiro', 'fevereiro', 'marco'], 'estacao': ['verao', 'inverno', 'outono']}
dicionario = { ['janeiro', 'fevereiro', 'marco'], ['verao', 'inverno', 'outono']}
dicionario = {['mes', 'janeiro', 'fevereiro', 'marco'], ['estacao', 'verao', 'inverno', 'outono']}
dicionario = {['mes'], ['janeiro', 'fevereiro', 'marco'], ['estacao'], ['verao', 'inverno', 'outono']}
dicionario = {'mes': ['jan\s{}', 'fev\s{}', 'mar\s{}'], 'estacao': ['v\s{}', 'i\s{}', 'o\s{}']}