Đề 1 – Đề thi, câu hỏi trắc nghiệm online Xử lý ngôn ngữ tự nhiên

1. Ứng dụng nào sau đây sử dụng kỹ thuật Named Entity Recognition (NER) để trích xuất thông tin quan trọng?

A. Phân tích cảm xúc (Sentiment Analysis)

B. Tìm kiếm thông tin (Information Retrieval)

C. Dịch máy (Machine Translation)

D. Tóm tắt văn bản (Text Summarization)

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

A. Bag of Words (BoW)

B. TF-IDF

C. Byte Pair Encoding (BPE)

D. Part-of-Speech Tagging (POS Tagging)

3. Trong ngữ cảnh của chatbot, NLU (Natural Language Understanding) có vai trò gì?

A. Tạo ra các phản hồi tự động.

B. Chuyển đổi văn bản thành giọng nói.

C. Hiểu ý định của người dùng từ văn bản đầu vào.

D. Quản lý cơ sở dữ liệu của chatbot.

4. Trong kiến trúc Transformer, cơ chế 'Self-Attention' có vai trò gì?

A. Tăng tốc quá trình huấn luyện mô hình.

B. Giảm thiểu bộ nhớ sử dụng.

C. Cho phép mô hình tập trung vào các phần khác nhau của chuỗi đầu vào khi xử lý một từ cụ thể.

D. Ngăn chặn hiện tượng overfitting.

5. Trong mô hình Transformer, 'attention mask' được sử dụng để làm gì?

A. Tăng cường hiệu suất tính toán.

B. Ngăn chặn thông tin từ các token tương lai ảnh hưởng đến các token hiện tại trong quá trình huấn luyện.

C. Điều chỉnh trọng số của các kết nối thần kinh.

D. Giảm thiểu overfitting.

6. Trong lĩnh vực xử lý ngôn ngữ tự nhiên, 'knowledge graph' được sử dụng để làm gì?

A. Lưu trữ và quản lý dữ liệu văn bản.

B. Biểu diễn tri thức và mối quan hệ giữa các thực thể.

C. Tạo ra các biểu diễn số học của từ.

D. Phân tích cảm xúc của văn bản.

7. Kỹ thuật nào sau đây được sử dụng để cải thiện hiệu suất của mô hình ngôn ngữ trên một miền cụ thể (ví dụ: y tế, tài chính)?

A. Fine-tuning

B. Tokenization

C. Stemming

D. Stop word removal

8. Trong lĩnh vực phân tích cảm xúc (Sentiment Analysis), 'valence' đề cập đến điều gì?

A. Mức độ chủ quan của văn bản.

B. Cường độ của cảm xúc (ví dụ: rất vui, hơi buồn).

C. Tính tích cực, tiêu cực hoặc trung tính của cảm xúc.

D. Sự phức tạp của cấu trúc câu.

9. Trong xử lý ngôn ngữ tự nhiên, kỹ thuật 'backpropagation' được sử dụng để làm gì?

A. Tăng tốc quá trình xử lý văn bản.

B. Cập nhật trọng số của mạng nơ-ron trong quá trình huấn luyện.

C. Giảm kích thước của mô hình ngôn ngữ.

D. Loại bỏ các từ dừng.

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

A. Phân tích cú pháp (Parsing)

B. Mô hình hóa chủ đề (Topic Modeling)

C. Biểu diễn word embedding (Word Embedding)

D. Phân tích cảm xúc (Sentiment Analysis)

11. Phương pháp nào sau đây thường được sử dụng để tạo ra các câu trả lời tự động cho các câu hỏi?

A. Phân loại văn bản (Text Classification)

B. Sinh văn bản (Text Generation)

C. Phân tích cú pháp (Parsing)

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

12. Trong kiến trúc Transformer, 'residual connection' có vai trò gì?

A. Tăng tốc quá trình huấn luyện mô hình.

B. Giảm thiểu bộ nhớ sử dụng.

C. Cho phép thông tin từ các lớp trước truyền trực tiếp đến các lớp sau, giúp giải quyết vấn đề vanishing gradient.

D. Ngăn chặn hiện tượng overfitting.

13. Sự khác biệt chính giữa Stemming và Lemmatization là gì?

A. Stemming nhanh hơn nhưng kém chính xác hơn Lemmatization.

B. Lemmatization nhanh hơn nhưng kém chính xác hơn Stemming.

C. Stemming chỉ hoạt động với tiếng Anh, trong khi Lemmatization hoạt động với nhiều ngôn ngữ.

D. Lemmatization không thể xử lý các từ không có trong từ điển.

14. Trong kiến trúc Transformer, 'feed-forward network' có chức năng gì?

A. Thực hiện phép biến đổi tuyến tính trên dữ liệu đầu vào.

B. Tính toán attention weights.

C. Áp dụng các phép biến đổi phi tuyến tính cho từng vị trí trong chuỗi.

D. Kết hợp thông tin từ các lớp khác nhau.

15. Trong mô hình Transformer, 'layer normalization' có vai trò gì?

A. Tăng tốc quá trình xử lý văn bản.

B. Ổn định quá trình huấn luyện và cải thiện hiệu suất của mô hình.

C. Giảm kích thước của mô hình ngôn ngữ.

D. Loại bỏ các từ dừng.

16. Trong ngữ cảnh của dịch máy (Machine Translation), BLEU (Bilingual Evaluation Understudy) là gì?

A. Một thuật toán để tạo ra các bản dịch tự động.

B. Một phương pháp để cải thiện độ chính xác của mô hình ngôn ngữ.

C. Một độ đo để đánh giá chất lượng của bản dịch máy so với bản dịch tham khảo.

D. Một kỹ thuật để giảm kích thước của mô hình dịch máy.

17. Phương pháp nào sau đây được sử dụng để chuyển đổi văn bản thành một chuỗi các số, mà mỗi số đại diện cho một từ trong từ điển?

A. Tokenization

B. One-hot encoding

C. Word embedding

D. Bag of Words

18. Phương pháp nào sau đây được sử dụng để gán nhãn cho từng từ trong một câu với loại từ tương ứng (ví dụ: danh từ, động từ, tính từ)?

A. Tokenization

B. Part-of-Speech Tagging

C. Stemming

D. Lemmatization

19. Phương pháp nào sau đây thường được sử dụng để đánh giá sự tương đồng giữa hai văn bản?

A. Part-of-Speech Tagging

B. Cosine Similarity

C. Named Entity Recognition

D. Sentiment Analysis

20. Ứng dụng nào sau đây KHÔNG thuộc lĩnh vực Xử lý ngôn ngữ tự nhiên?

A. Chatbot

B. Nhận dạng giọng nói (Speech Recognition)

C. Phân tích hình ảnh (Image Analysis)

D. Dịch máy (Machine Translation)

21. Sự khác biệt chính giữa mô hình ngôn ngữ dựa trên n-gram và mô hình ngôn ngữ dựa trên mạng nơ-ron là gì?

A. Mô hình n-gram có thể xử lý các chuỗi dài hơn.

B. Mô hình mạng nơ-ron có thể học các mối quan hệ phức tạp hơn giữa các từ.

C. Mô hình n-gram yêu cầu nhiều dữ liệu huấn luyện hơn.

D. Mô hình mạng nơ-ron nhanh hơn trong quá trình huấn luyện.

22. Kỹ thuật nào sau đây được sử dụng để nhóm các tài liệu văn bản tương tự lại với nhau?

A. Phân loại văn bản (Text Classification)

B. Tóm tắt văn bản (Text Summarization)

C. Phân cụm văn bản (Text Clustering)

D. Dịch máy (Machine Translation)

23. Mục tiêu chính của Named Entity Recognition (NER) là gì?

A. Phân loại văn bản dựa trên chủ đề.

B. Xác định và phân loại các thực thể có tên trong văn bản.

C. Phân tích cảm xúc của văn bản.

D. Tạo ra các biểu diễn số học của từ.

24. Mô hình ngôn ngữ (Language Model) được sử dụng để làm gì?

A. Phân tích cú pháp của câu.

B. Dự đoán từ tiếp theo trong một chuỗi.

C. Xác định các thực thể có tên trong văn bản.

D. Phân loại văn bản dựa trên chủ đề.

25. Kỹ thuật nào sau đây được sử dụng để xử lý các từ có nhiều nghĩa khác nhau (đa nghĩa)?

A. Stemming

B. Lemmatization

C. Word Sense Disambiguation (WSD)

D. Stop word removal

26. Kỹ thuật nào sau đây được sử dụng để giảm thiểu tác động của các từ phổ biến (ví dụ: 'the', 'a', 'is') trong phân tích văn bản?

A. Stemming

B. Lemmatization

C. Stop word removal

D. Part-of-speech tagging

27. Phương pháp nào sau đây giúp xác định cấu trúc ngữ pháp của một câu?

A. Tokenization

B. Part-of-Speech Tagging

C. Parsing

D. Stemming

28. Kỹ thuật nào sau đây được sử dụng để tạo ra một phiên bản ngắn gọn hơn của một văn bản dài?

A. Phân loại văn bản (Text Classification)

B. Tóm tắt văn bản (Text Summarization)

C. Phân tích cú pháp (Parsing)

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

29. Trong ngữ cảnh của Word Embedding, 'cosine similarity' được sử dụng để đo lường điều gì?

A. Tần suất xuất hiện của từ trong văn bản.

B. Mức độ liên quan giữa hai từ.

C. Độ dài của vectơ biểu diễn từ.

D. Số lượng nghĩa khác nhau của một từ.

30. Trong xử lý ngôn ngữ tự nhiên, 'perplexity' là gì?

A. Một phương pháp để loại bỏ các từ dừng.

B. Một độ đo đánh giá khả năng dự đoán của một mô hình ngôn ngữ.

C. Một kỹ thuật để giảm kích thước từ vựng.

D. Một thuật toán để tìm kiếm thông tin trong văn bản.