1. Trong xử lý ngôn ngữ tự nhiên, `cosine similarity` được sử dụng để làm gì?
A. Để đo khoảng cách giữa hai từ trong một câu
B. Để đo mức độ tương đồng giữa hai vectơ, thường được sử dụng để so sánh các văn bản hoặc biểu diễn từ
C. Để xác định tần suất xuất hiện của một từ trong một văn bản
D. Để phân tích cú pháp của một câu
2. Trong xử lý ngôn ngữ tự nhiên, kỹ thuật `coreference resolution` có mục tiêu gì?
A. Để xác định tất cả các đề cập đến cùng một thực thể trong một văn bản
B. Để phân tích cảm xúc của một văn bản
C. Để chuyển đổi văn bản thành giọng nói
D. Để xác định ngôn ngữ của một văn bản
3. Trong xử lý ngôn ngữ tự nhiên, kỹ thuật nào được sử dụng để tự động tóm tắt một văn bản dài thành một phiên bản ngắn gọn hơn?
A. Machine Translation
B. Text Summarization
C. Sentiment Analysis
D. Named Entity Recognition
4. Trong xử lý ngôn ngữ tự nhiên, `n-gram` là gì?
A. Một phương pháp để tạo ra các biểu diễn từ (word embeddings)
B. Một chuỗi gồm n từ liên tiếp trong một văn bản
C. Một kỹ thuật để loại bỏ các từ dừng (stop words)
D. Một thuật toán để phân tích cú pháp
5. Trong xử lý ngôn ngữ tự nhiên, kỹ thuật `word sense disambiguation` (WSD) có mục tiêu gì?
A. Để xác định ngôn ngữ của một văn bản
B. Để xác định nghĩa chính xác của một từ trong ngữ cảnh cụ thể
C. Để loại bỏ các từ dừng (stop words) khỏi văn bản
D. Để chuyển đổi văn bản thành giọng nói
6. Trong xử lý ngôn ngữ tự nhiên, kỹ thuật nào được sử dụng để xác định mối quan hệ giữa các thực thể có tên trong một văn bản?
A. Named Entity Recognition (NER)
B. Relation Extraction (Trích xuất quan hệ)
C. Sentiment Analysis
D. Topic Modeling
7. Trong các mô hình Transformer, `attention mechanism` giúp giải quyết vấn đề gì so với các mô hình RNN truyền thống?
A. Khả năng xử lý các câu dài hiệu quả hơn bằng cách tập trung vào các phần quan trọng của câu
B. Giảm kích thước của mô hình
C. Tăng tốc độ huấn luyện mô hình
D. Cải thiện khả năng phân tích cú pháp
8. Kỹ thuật nào sau đây được sử dụng để chia một đoạn văn bản thành các đơn vị nhỏ hơn, chẳng hạn như các từ hoặc các câu?
A. Tokenization
B. Stemming
C. Lemmatization
D. Part-of-speech tagging
9. Mục tiêu chính của việc sử dụng `knowledge graphs` trong xử lý ngôn ngữ tự nhiên là gì?
A. Để lưu trữ và truy xuất thông tin về các thực thể và mối quan hệ giữa chúng
B. Để phân tích cảm xúc của một văn bản
C. Để chuyển đổi văn bản thành giọng nói
D. Để xác định ngôn ngữ của một văn bản
10. Kỹ thuật nào trong NLP được sử dụng để xác định cấu trúc cú pháp của một câu, phân tích mối quan hệ giữa các từ và cụm từ?
A. Stemming
B. Parsing (Phân tích cú pháp)
C. Named Entity Recognition (NER)
D. Sentiment Analysis
11. Kỹ thuật nào sau đây được sử dụng để tạo ra các từ mới hoặc biến thể của từ hiện có?
A. Stemming
B. Lemmatization
C. Morphological analysis (Phân tích hình thái học)
D. Word Generation (Sinh từ)
12. Trong xử lý ngôn ngữ tự nhiên, mục đích của việc sử dụng `cross-entropy loss` là gì?
A. Để đo khoảng cách giữa hai từ
B. Để đo lường sự khác biệt giữa phân phối xác suất dự đoán của mô hình và phân phối xác suất thực tế
C. Để xác định các thực thể có tên trong văn bản
D. Để phân tích cảm xúc của một văn bản
13. Mô hình ngôn ngữ GPT (Generative Pre-trained Transformer) nổi tiếng với khả năng gì?
A. Phân tích cú pháp
B. Sinh văn bản tự động và hoàn thành câu
C. Nhận dạng thực thể có tên
D. Phân tích tình cảm
14. Trong xử lý ngôn ngữ tự nhiên, kỹ thuật `zero-shot learning` có ý nghĩa gì?
A. Mô hình có khả năng thực hiện các tác vụ mà nó chưa từng được huấn luyện trực tiếp
B. Mô hình chỉ có thể xử lý các câu ngắn
C. Mô hình không cần dữ liệu huấn luyện
D. Mô hình chỉ có thể xử lý một ngôn ngữ duy nhất
15. Trong các mô hình Transformer, cơ chế `self-attention` có vai trò gì?
A. Để mã hóa vị trí của các từ trong câu
B. Để cho phép mô hình tập trung vào các phần khác nhau của câu khi xử lý một từ cụ thể
C. Để giảm số chiều của dữ liệu đầu vào
D. Để tạo ra các biểu diễn từ (word embeddings)
16. Phương pháp nào sau đây thường được sử dụng để đánh giá hiệu suất của một mô hình dịch máy?
A. Accuracy
B. Precision
C. BLEU (Bilingual Evaluation Understudy)
D. Recall
17. Trong ngữ cảnh của dịch máy (machine translation), kiến trúc nào sau đây thường được sử dụng?
A. Bag of Words
B. TF-IDF
C. Sequence-to-sequence models (ví dụ: sử dụng RNNs hoặc Transformers)
D. Stemming
18. Trong ngữ cảnh của biểu diễn từ (word embeddings), mục đích chính của việc sử dụng các mô hình như Word2Vec hoặc GloVe là gì?
A. Để mã hóa các từ thành các vectơ số sao cho các từ có nghĩa tương tự nằm gần nhau trong không gian vectơ
B. Để phân loại các văn bản thành các danh mục khác nhau
C. Để loại bỏ các từ dừng (stop words) khỏi văn bản
D. Để thực hiện phân tích cú pháp trên văn bản
19. Trong xử lý ngôn ngữ tự nhiên (NLP), kỹ thuật nào thường được sử dụng để giảm số chiều của dữ liệu văn bản bằng cách loại bỏ các từ phổ biến nhưng ít mang thông tin?
A. Phân tích cú pháp (Parsing)
B. Loại bỏ stop words (Stop word removal)
C. Gán nhãn từ loại (Part-of-speech tagging)
D. Sinh từ (Lemmatization)
20. Trong các ứng dụng thực tế, mô hình ngôn ngữ nào thường được sử dụng để xây dựng chatbot?
A. Bag of Words
B. TF-IDF
C. Recurrent Neural Networks (RNNs) hoặc Transformers
D. Stemming
21. Trong xử lý ngôn ngữ tự nhiên, độ đo TF-IDF (Term Frequency-Inverse Document Frequency) được sử dụng để làm gì?
A. Để xác định các thực thể có tên trong văn bản
B. Để đánh giá tầm quan trọng của một từ trong một tài liệu so với một tập hợp các tài liệu
C. Để phân tích cảm xúc của một đoạn văn bản
D. Để chuyển đổi văn bản thành dạng số
22. Kỹ thuật nào sau đây được sử dụng để khám phá các chủ đề (topics) ẩn chứa trong một tập hợp các văn bản?
A. Sentiment Analysis
B. Topic Modeling
C. Named Entity Recognition (NER)
D. Machine Translation
23. Nhiệm vụ nào sau đây thuộc về lĩnh vực phân tích tình cảm (sentiment analysis)?
A. Xác định ngôn ngữ của một văn bản
B. Phân loại văn bản theo chủ đề
C. Xác định cảm xúc (tích cực, tiêu cực, trung tính) được thể hiện trong một đoạn văn bản
D. Chuyển đổi văn bản từ ngôn ngữ này sang ngôn ngữ khác
24. Phương pháp nào sau đây được sử dụng để giảm các từ về dạng gốc của chúng, ví dụ như đưa các từ `running`, `runs`, và `ran` về dạng `run`?
A. Tokenization
B. Stemming
C. Lemmatization
D. Part-of-speech tagging
25. Trong xử lý ngôn ngữ tự nhiên, kỹ thuật nào được sử dụng để gán nhãn từ loại (ví dụ: danh từ, động từ, tính từ) cho mỗi từ trong một câu?
A. Tokenization
B. Stemming
C. Part-of-speech tagging (Gán nhãn từ loại)
D. Lemmatization
26. Mô hình ngôn ngữ nào dựa trên mạng nơ-ron hồi quy (RNN) thường được sử dụng để tạo ra các chuỗi văn bản mới?
A. Bag of Words
B. TF-IDF
C. Word2Vec
D. LSTM (Long Short-Term Memory)
27. Kỹ thuật nào trong NLP được sử dụng để nhóm các văn bản tương tự lại với nhau thành các cụm (clusters)?
A. Classification (Phân loại)
B. Clustering (Phân cụm)
C. Regression (Hồi quy)
D. Tokenization
28. Trong xử lý ngôn ngữ tự nhiên, kỹ thuật nào được sử dụng để sửa lỗi chính tả và ngữ pháp trong văn bản?
A. Machine Translation
B. Text Summarization
C. Spell and Grammar Checking
D. Named Entity Recognition
29. Mục tiêu chính của việc sử dụng kỹ thuật Named Entity Recognition (NER) là gì?
A. Để chuyển đổi văn bản thành giọng nói
B. Để xác định và phân loại các thực thể có tên (ví dụ: tên người, tổ chức, địa điểm) trong văn bản
C. Để phân tích cảm xúc của một văn bản
D. Để sửa lỗi chính tả trong văn bản
30. Mô hình ngôn ngữ BERT (Bidirectional Encoder Representations from Transformers) cải tiến so với các mô hình trước đó như Word2Vec ở điểm nào?
A. BERT chỉ có thể xử lý các câu ngắn
B. BERT là mô hình đơn hướng, chỉ xem xét ngữ cảnh từ trái sang phải
C. BERT là mô hình song hướng, xem xét ngữ cảnh cả từ trái sang phải và từ phải sang trái
D. BERT không sử dụng cơ chế attention
