Đề 8 – Đề thi, câu hỏi trắc nghiệm online Xử lý ngôn ngữ tự nhiên

1. Trong ngữ cảnh của Reinforcement Learning cho NLP, phần thưởng (reward) thường được sử dụng để đánh giá điều gì?

A. Độ chính xác của phân tích cú pháp

B. Mức độ trôi chảy và tự nhiên của văn bản được tạo ra

C. Tốc độ huấn luyện của mô hình

D. Số lượng tham số trong mô hình

2. Mục tiêu chính của kỹ thuật 'Stemming' trong tiền xử lý văn bản là gì?

A. Loại bỏ các từ dừng (Stop words)

B. Chuyển đổi văn bản thành chữ thường

C. Rút gọn các từ về dạng gốc của chúng

D. Sửa lỗi chính tả

3. Trong xử lý ngôn ngữ tự nhiên (NLP), kỹ thuật nào thường được sử dụng để giảm số lượng chiều của dữ liệu văn bản, đồng thời giữ lại thông tin quan trọng?

A. Phân tích cú pháp (Parsing)

B. Mô hình hóa chủ đề (Topic Modeling)

C. Biểu diễn Word Embedding

D. Phân tích cảm xúc (Sentiment Analysis)

4. Kỹ thuật nào trong NLP được sử dụng để tự động dịch văn bản từ một ngôn ngữ sang ngôn ngữ khác?

A. Phân tích cú pháp (Parsing)

B. Dịch máy (Machine Translation)

C. Nhận dạng giọng nói (Speech Recognition)

D. Tóm tắt văn bản (Text Summarization)

5. Kỹ thuật nào sau đây thường được sử dụng để cải thiện hiệu suất của các mô hình NLP trên các ngôn ngữ có nguồn tài nguyên hạn chế?

A. Transfer Learning

B. Bag of Words

C. Stemming

D. One-Hot Encoding

6. Phương pháp nào sau đây được sử dụng để đánh giá mức độ liên quan giữa một truy vấn tìm kiếm và một tài liệu?

A. Phân tích cảm xúc (Sentiment Analysis)

B. Truy xuất thông tin (Information Retrieval)

C. Sinh ngôn ngữ tự nhiên (Natural Language Generation)

D. Phân tích cú pháp (Parsing)

7. Trong lĩnh vực xử lý ngôn ngữ tự nhiên, 'Bag of Words' là một phương pháp biểu diễn văn bản dựa trên điều gì?

A. Thứ tự xuất hiện của các từ trong văn bản

B. Cấu trúc ngữ pháp của câu

C. Tần suất xuất hiện của các từ trong văn bản

D. Mối quan hệ ngữ nghĩa giữa các từ

8. Trong các mô hình Transformer, cơ chế Multi-Head Attention giúp cải thiện hiệu suất bằng cách nào?

A. Giảm số lượng tham số của mô hình

B. Cho phép mô hình học các mối quan hệ khác nhau giữa các từ

C. Tăng tốc độ huấn luyện mô hình

D. Cải thiện khả năng xử lý các chuỗi dài

9. Kỹ thuật nào trong NLP được sử dụng để xác định các thực thể có tên như người, tổ chức, địa điểm trong một đoạn văn bản?

A. Phân tích cảm xúc (Sentiment Analysis)

B. Nhận dạng thực thể có tên (Named Entity Recognition)

C. Phân tích cú pháp (Parsing)

D. Mô hình hóa chủ đề (Topic Modeling)

10. Trong các mô hình ngôn ngữ, kỹ thuật 'Masked Language Modeling' (MLM) được sử dụng để làm gì?

A. Tóm tắt văn bản

B. Dự đoán các từ bị che giấu trong một câu

C. Phân tích cảm xúc

D. Dịch máy

11. Trong các mô hình ngôn ngữ dựa trên Transformer, 'positional encoding' được sử dụng để giải quyết vấn đề gì?

A. Xử lý các từ không có trong từ vựng

B. Biểu diễn vị trí của các từ trong chuỗi

C. Giảm độ phức tạp tính toán

D. Cải thiện khả năng xử lý các chuỗi dài

12. Kỹ thuật nào trong NLP được sử dụng để loại bỏ các từ phổ biến không mang nhiều ý nghĩa, chẳng hạn như 'a', 'the', 'is'?

A. Stemming

B. Stop word removal

C. Tokenization

D. Lowercasing

13. Trong các mô hình ngôn ngữ, perplexity thường được sử dụng để đánh giá điều gì?

A. Độ chính xác của phân tích cảm xúc

B. Hiệu suất của thuật toán dịch máy

C. Khả năng dự đoán của mô hình

D. Mức độ phức tạp của cấu trúc ngữ pháp

14. Trong ngữ cảnh của Word Embedding, thuật ngữ nào mô tả hiện tượng các từ có nghĩa tương tự nhau có biểu diễn vectơ gần nhau trong không gian vectơ?

A. Tính đồng nhất ngữ nghĩa (Semantic Similarity)

B. Tính trực giao (Orthogonality)

C. Tính phân cụm (Clustering)

D. Tính thưa thớt (Sparsity)

15. Kỹ thuật nào trong NLP được sử dụng để xác định thái độ, ý kiến hoặc cảm xúc được thể hiện trong một đoạn văn bản?

A. Phân tích cảm xúc (Sentiment Analysis)

B. Nhận dạng thực thể có tên (Named Entity Recognition)

C. Phân tích cú pháp (Parsing)

D. Tóm tắt văn bản (Text Summarization)

16. Trong lĩnh vực hỏi đáp tự động (Question Answering), kỹ thuật nào được sử dụng để trích xuất câu trả lời từ một đoạn văn bản cho trước?

A. Phân tích cảm xúc (Sentiment Analysis)

B. Trích xuất thông tin (Information Extraction)

C. Tóm tắt văn bản (Text Summarization)

D. Sinh ngôn ngữ tự nhiên (Natural Language Generation)

17. Trong lĩnh vực xử lý ngôn ngữ tự nhiên, 'n-gram' đề cập đến điều gì?

A. Một mô hình ngôn ngữ dựa trên mạng nơ-ron

B. Một chuỗi gồm n từ liên tiếp trong một văn bản

C. Một phương pháp biểu diễn văn bản bằng vectơ

D. Một kỹ thuật để phân tích cảm xúc

18. Phương pháp nào sau đây thường được sử dụng để giải quyết vấn đề 'Out-of-Vocabulary' (OOV) trong Word Embedding?

A. Stemming

B. Sử dụng Subword Embedding (ví dụ: Byte Pair Encoding)

C. Loại bỏ các từ hiếm

D. Tăng kích thước từ vựng

19. Trong lĩnh vực tìm kiếm thông tin, TF-IDF (Term Frequency-Inverse Document Frequency) được sử dụng để làm gì?

A. Đánh giá mức độ liên quan giữa một truy vấn và một tài liệu

B. Xác định các thực thể có tên trong một văn bản

C. Phân tích cảm xúc của một văn bản

D. Tóm tắt một văn bản

20. Mục tiêu chính của việc sử dụng Attention Mechanism trong các mô hình Sequence-to-Sequence là gì?

A. Giảm độ phức tạp tính toán của mô hình

B. Tăng cường khả năng song song hóa trong quá trình huấn luyện

C. Cho phép mô hình tập trung vào các phần quan trọng nhất của chuỗi đầu vào

D. Cải thiện khả năng xử lý các chuỗi rất dài

21. Phương pháp nào trong NLP tập trung vào việc xác định cấu trúc ngữ pháp của một câu?

A. Nhận dạng thực thể có tên (Named Entity Recognition)

B. Phân tích cú pháp (Parsing)

C. Phân tích cảm xúc (Sentiment Analysis)

D. Sinh ngôn ngữ tự nhiên (Natural Language Generation)

22. Kỹ thuật nào trong NLP cho phép xác định mối quan hệ giữa các từ hoặc cụm từ trong một câu?

A. Phân tích cảm xúc (Sentiment Analysis)

B. Phân giải đồng tham chiếu (Coreference Resolution)

C. Tóm tắt văn bản (Text Summarization)

D. Nhận dạng thực thể có tên (Named Entity Recognition)

23. Trong lĩnh vực chatbot, kỹ thuật nào cho phép chatbot hiểu ý định của người dùng từ các câu hỏi hoặc yêu cầu?

A. Sinh ngôn ngữ tự nhiên (Natural Language Generation)

B. Nhận dạng ý định (Intent Recognition)

C. Phân tích cú pháp (Parsing)

D. Tóm tắt văn bản (Text Summarization)

24. Kỹ thuật nào trong NLP được sử dụng để chuẩn hóa văn bản bằng cách chuyển đổi tất cả các từ về dạng chữ thường?

A. Stemming

B. Lowercasing

C. Tokenization

D. Stop word removal

25. Trong lĩnh vực chatbot, kỹ thuật nào được sử dụng để tạo ra các phản hồi tự nhiên và phù hợp với ngữ cảnh từ chatbot?

A. Nhận dạng ý định (Intent Recognition)

B. Sinh ngôn ngữ tự nhiên (Natural Language Generation)

C. Phân tích cú pháp (Parsing)

D. Tóm tắt văn bản (Text Summarization)

26. Trong ngữ cảnh của Word Embedding, kỹ thuật nào cố gắng học biểu diễn vectơ cho các từ dựa trên ngữ cảnh xung quanh chúng?

A. One-Hot Encoding

B. TF-IDF

C. Word2Vec

D. Bag of Words

27. Kỹ thuật nào trong NLP được sử dụng để chia một chuỗi văn bản thành các đơn vị nhỏ hơn, chẳng hạn như từ hoặc cụm từ?

A. Stemming

B. Tokenization

C. Lowercasing

D. Stop word removal

28. Trong các mô hình ngôn ngữ, mục đích của việc sử dụng 'dropout' là gì?

A. Tăng tốc độ huấn luyện mô hình

B. Giảm số lượng tham số của mô hình

C. Ngăn chặn overfitting

D. Cải thiện khả năng xử lý các chuỗi dài

29. Kỹ thuật nào trong NLP được sử dụng để tạo ra các đoạn văn bản ngắn gọn từ một văn bản dài hơn, đồng thời giữ lại những thông tin quan trọng nhất?

A. Phân tích cảm xúc (Sentiment Analysis)

B. Nhận dạng thực thể có tên (Named Entity Recognition)

C. Tóm tắt văn bản (Text Summarization)

D. Phân tích cú pháp (Parsing)

30. Phương pháp nào sau đây thường được sử dụng để xử lý sự không chắc chắn và mơ hồ trong ngôn ngữ tự nhiên?

A. Logic mờ (Fuzzy Logic)

B. One-Hot Encoding

C. Stemming

D. Bag of Words