-
“表示学习”主要是指什么？
- A. 学习数据的原始表示
- B. 学习数据的有用表示
- C. 学习数据的随机表示
- D. 学习数据的复杂表示
-
在NLP中，最常用的数据表示方法是什么？
- A. 图像
- B. 视频
- C. 文本
- D. 音频
-
Word2Vec是一个什么样的模型？
- A. 用于语音识别的模型
- B. 用于图像识别的模型
- C. 用于词表示学习的模型
- D. 用于视频处理的模型
-
GloVe模型的主要目标是什么？
- A. 在给定的文本中找到最频繁出现的词
- B. 在给定的文本中找到最少出现的词
- C. 在给定的文本中找到相关性最强的词
- D. 在给定的文本中找到最不相关的词
-
表示学习在自然语言处理中的主要应用是什么？
- A. 语音识别
- B. 语义理解
- C. 图像识别
- D. 视频处理
-
Word2Vec和GloVe有什么共同点？
- A. 都是图像识别模型
- B. 都是词表示学习模型
- C. 都是语音识别模型
- D. 都是视频处理模型
-
在OpenAI Embeddings中，一般采用什么方法对词进行表示？
- A. 用一个唯一的ID表示
- B. 用一个独热向量表示
- C. 用一个实数向量表示
- D. 用一个复数向量表示
-
在词向量中，词的相似度通常用什么衡量？
- A. 欧氏距离
- B. 余弦相似度
- C. 曼哈顿距离
- D. 切比雪夫距离
-
在表示学习中，为什么要用非监督学习？
- A. 因为监督学习太复杂
- B. 因为监督学习无法处理大数据
- C. 因为监督学习需要太多的标签数据
- D. 因为监督学习效果不好
-
在表示学习中，主要使用哪种方法来优化词向量？
- A. 用反向传播优化
- B. 用随机梯度下降优化
- C. 用动量法优化
- D. 用牛顿法优化