1. Trong lĩnh vực xử lý ngôn ngữ tự nhiên, mô hình nào sau đây thường được sử dụng để tạo ra các câu văn một cách tự động?
A. Mô hình Markov (Markov Model)
B. Mô hình ngôn ngữ (Language Model)
C. Mô hình Bayes (Bayes Model)
D. Mô hình Entropy (Entropy Model)
2. Trong lĩnh vực xử lý ngôn ngữ tự nhiên, kỹ thuật nào được sử dụng để nhóm các tài liệu văn bản tương tự lại với nhau dựa trên nội dung của chúng?
A. Phân loại văn bản (Text Classification)
B. Phân cụm văn bản (Text Clustering)
C. Tóm tắt văn bản (Text Summarization)
D. Dịch máy (Machine Translation)
3. Trong các mô hình ngôn ngữ, perplexity thường được sử dụng để đo lường điều gì?
A. Độ chính xác của mô hình.
B. Khả năng của mô hình dự đoán một chuỗi văn bản.
C. Tốc độ huấn luyện của mô hình.
D. Độ phức tạp của mô hình.
4. Trong ngữ cảnh của Word Embedding, phương pháp nào huấn luyện các vector biểu diễn từ bằng cách dự đoán các từ xung quanh một từ mục tiêu trong một cửa sổ nhất định?
A. TF-IDF
B. Word2Vec
C. Bag of Words
D. One-Hot Encoding
5. Cho đoạn code Python sau sử dụng thư viện NLTK: `from nltk.metrics import edit_distance; edit_distance(`intention`, `execution`)`. Đoạn code này tính toán điều gì?
A. Khoảng cách Euclidean giữa hai từ.
B. Khoảng cách Manhattan giữa hai từ.
C. Khoảng cách chỉnh sửa (Levenshtein distance) giữa hai từ.
D. Độ tương đồng cosine giữa hai từ.
6. Trong xử lý ngôn ngữ tự nhiên, kỹ thuật `Backtranslation` được sử dụng để làm gì?
A. Dịch ngược văn bản về ngôn ngữ gốc để kiểm tra tính chính xác.
B. Tăng cường dữ liệu huấn luyện bằng cách dịch văn bản sang ngôn ngữ khác và dịch ngược lại.
C. Tóm tắt văn bản bằng cách dịch nó sang ngôn ngữ khác và dịch ngược lại.
D. Phân tích cảm xúc bằng cách dịch văn bản sang ngôn ngữ khác và dịch ngược lại.
7. Mục tiêu chính của kỹ thuật `Machine Translation` (Dịch máy) trong xử lý ngôn ngữ tự nhiên là gì?
A. Tạo ra các đoạn văn bản mới từ một tập hợp các từ khóa.
B. Chuyển đổi văn bản từ một ngôn ngữ sang một ngôn ngữ khác.
C. Phân tích cảm xúc của người viết trong một đoạn văn bản.
D. Tìm kiếm thông tin liên quan đến một truy vấn cụ thể.
8. Một trong những thách thức lớn nhất trong xử lý ngôn ngữ tự nhiên đối với các ngôn ngữ có nguồn tài nguyên hạn chế (low-resource languages) là gì?
A. Sự thiếu hụt các nhà nghiên cứu NLP.
B. Sự thiếu hụt dữ liệu huấn luyện có nhãn.
C. Sự phức tạp của ngữ pháp.
D. Sự thiếu hụt phần cứng mạnh mẽ.
9. Kỹ thuật nào trong xử lý ngôn ngữ tự nhiên giúp chuyển đổi văn bản thành một chuỗi các con số mà máy tính có thể hiểu và xử lý?
A. Tokenization
B. Part-of-speech tagging
C. Vectorization
D. Stemming
10. Phương pháp nào trong xử lý ngôn ngữ tự nhiên giúp xác định vai trò ngữ pháp của mỗi từ trong một câu, ví dụ như danh từ, động từ, tính từ?
A. Named Entity Recognition (NER)
B. Part-of-speech tagging (POS tagging)
C. Sentiment Analysis
D. Text Summarization
11. Trong ngữ cảnh của chatbot, kỹ thuật nào được sử dụng để hiểu ý định của người dùng từ câu hỏi hoặc yêu cầu của họ?
A. Named Entity Recognition (NER)
B. Intent Recognition
C. Machine Translation
D. Text Summarization
12. Transformer models, nổi tiếng với cơ chế self-attention, đã chứng minh hiệu quả vượt trội trong nhiều tác vụ NLP. Điều gì là ưu điểm chính của self-attention so với recurrent neural networks (RNNs) trong việc xử lý các chuỗi dài?
A. Self-attention xử lý chuỗi tuần tự nhanh hơn RNN.
B. Self-attention có thể song song hóa việc tính toán, cho phép xử lý nhanh hơn các chuỗi dài.
C. Self-attention không gặp vấn đề vanishing gradient như RNN.
D. Self-attention đòi hỏi ít dữ liệu huấn luyện hơn RNN.
13. Mục tiêu chính của kỹ thuật `Named Entity Recognition` (NER) trong xử lý ngôn ngữ tự nhiên 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. Dịch văn bản từ ngôn ngữ này sang ngôn ngữ khác.
D. Tóm tắt nội dung chính của văn bản.
14. Trong xử lý ngôn ngữ tự nhiên, kỹ thuật nào thường được sử dụng để giảm số chiều của dữ liệu văn bản, giúp giảm độ phức tạp tính toán và cải thiện hiệu suất mô hình?
A. Phân tích cú pháp (Parsing)
B. Mô hình hóa chủ đề (Topic Modeling)
C. Biểu diễn Word Embedding
D. Loại bỏ stop words
15. Khi đánh giá một mô hình sinh văn bản (text generation), chỉ số nào sau đây đánh giá sự đa dạng của văn bản được tạo ra?
A. Perplexity
B. BLEU score
C. Distinct-n
D. ROUGE score
16. Phương pháp nào sau đây thường được sử dụng để đánh giá hiệu suất của một mô hình dịch máy?
A. BLEU (Bilingual Evaluation Understudy)
B. ROUGE (Recall-Oriented Understudy for Gisting Evaluation)
C. F-score
D. Accuracy
17. Trong ngữ cảnh của Reinforcement Learning for NLP, kỹ thuật nào được sử dụng để huấn luyện các mô hình sinh văn bản (ví dụ: tóm tắt văn bản, dịch máy) bằng cách tối ưu hóa trực tiếp các metrics đánh giá (ví dụ: ROUGE, BLEU)?
A. Policy Gradient Methods
B. Value Iteration
C. Q-learning
D. Monte Carlo Tree Search
18. Trong xử lý ngôn ngữ tự nhiên, kỹ thuật nào được sử dụng để chia một chuỗi văn bản thành các đơn vị nhỏ hơn, như từ hoặc cụm từ?
A. Stemming
B. Lemmatization
C. Tokenization
D. Stop word removal
19. Phương pháp nào trong xử lý ngôn ngữ tự nhiên tập trung vào việc xác định mối quan hệ ngữ pháp giữa các từ trong một câu, từ đó giúp hiểu rõ hơn cấu trúc và ý nghĩa của câu?
A. Phân tích tình cảm (Sentiment Analysis)
B. Sinh văn bản (Text Generation)
C. Phân tích cú pháp (Parsing)
D. Nhận dạng thực thể có tên (Named Entity Recognition)
20. Ưu điểm chính của việc sử dụng pre-trained word embeddings (ví dụ: Word2Vec, GloVe) so với việc huấn luyện word embeddings từ đầu trong một tác vụ NLP cụ thể là gì?
A. Pre-trained embeddings luôn cho kết quả tốt hơn.
B. Pre-trained embeddings nắm bắt được thông tin ngữ nghĩa phong phú từ một lượng lớn dữ liệu, giúp cải thiện hiệu suất trên các tác vụ với dữ liệu hạn chế.
C. Pre-trained embeddings không cần tinh chỉnh (fine-tuning).
D. Pre-trained embeddings chỉ hoạt động tốt với các ngôn ngữ phổ biến.
21. Khi xây dựng một hệ thống hỏi đáp (Question Answering), thành phần nào chịu trách nhiệm trích xuất thông tin liên quan từ văn bản để trả lời câu hỏi?
A. Question Encoder
B. Answer Decoder
C. Information Retriever
D. Contextualizer
22. Phương pháp nào trong xử lý ngôn ngữ tự nhiên cố gắng đưa các từ về dạng chuẩn của chúng, dựa trên từ điển và phân tích hình thái từ?
A. Stemming
B. Lemmatization
C. Stop word removal
D. Tokenization
23. Trong xử lý ngôn ngữ tự nhiên, kỹ thuật nào giúp đơn giản hóa các từ bằng cách loại bỏ các hậu tố (suffixes) để đưa chúng về dạng gốc?
A. Tokenization
B. Stemming
C. Lemmatization
D. Stop word removal
24. Trong xử lý ngôn ngữ tự nhiên, kỹ thuật nào được sử dụng để loại bỏ các từ phổ biến không mang nhiều ý nghĩa, như `the`, `a`, `is`, để cải thiện hiệu suất của các mô hình?
A. Stemming
B. Lemmatization
C. Stop word removal
D. Tokenization
25. Mục tiêu chính của việc sử dụng mô hình ngôn ngữ BERT (Bidirectional Encoder Representations from Transformers) là gì?
A. Sinh văn bản tự động.
B. Hiểu ngữ cảnh của từ trong câu để tạo ra các biểu diễn từ tốt hơn.
C. Phân loại văn bản.
D. Dịch máy.
26. Trong kiến trúc 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 trong câu.
C. Tăng tốc độ huấn luyện của mô hình.
D. Giảm thiểu vấn đề vanishing gradient.
27. Trong xử lý ngôn ngữ tự nhiên, kỹ thuật nào được sử dụng để xác định ý kiến, cảm xúc hoặc thái độ của người viết về một chủ đề cụ thể?
A. Phân tích cú pháp (Parsing)
B. Phân tích tình cảm (Sentiment Analysis)
C. Sinh văn bản (Text Generation)
D. Nhận dạng thực thể có tên (Named Entity Recognition)
28. Trong lĩnh vực xử lý ngôn ngữ tự nhiên, `Attention Mechanism` (Cơ chế chú ý) thường được sử dụng trong mô hình nào?
A. Naive Bayes
B. Support Vector Machine (SVM)
C. Recurrent Neural Network (RNN) và Transformer
D. K-means Clustering
29. Trong lĩnh vực NLP, kỹ thuật Knowledge Graph Embedding được sử dụng để làm gì?
A. Biểu diễn các thực thể và quan hệ trong đồ thị tri thức dưới dạng các vector số.
B. Phân tích cảm xúc của văn bản.
C. Tóm tắt văn bản.
D. Dịch máy.
30. Kỹ thuật nào trong xử lý ngôn ngữ tự nhiên được sử dụng để tạo ra một phiên bản ngắn gọn hơn của một văn bản dài, giữ lại những thông tin quan trọng nhất?
A. Text Summarization
B. Text Classification
C. Text Clustering
D. Machine Translation
