Quiz
Prova Final 1
Create a free account to finish this quiz
Save your progress and see your final score.
Already have an account? Sign in
Questions in this quiz (10)
1O POS Tagging é uma prática crucial em NLP para a classificação de palavras em suas categorias gramaticais, como substantivos, verbos e adjetivos. Esta técnica é desafiadora devido à ambiguidade linguística, em que palavras podem assumir diferentes funções dependendo do
contexto.
Considerando o papel do POS Tagging no Processamento de Linguagem Natural (NLP), assinale a alternativa correta:- AO POS Tagging é uma prática que classifica as palavras em categorias gramaticais, auxiliando em várias tarefas de NLP.
- BO POS Tagging é um componente para a compreensão do significado das sentenças em NLP.
- CO POS Tagging elimina a ambiguidade linguística ao atribuir uma única função gramatical para cada palavra em todos os contextos.
- DO POS Tagging depende da grafia para a classificação correta das palavras.
- EAlgoritmos de POS Tagging são independentes do contexto semântico para classificar corretamente as palavras.
2O Processamento de Linguagem Natural é uma área de intenso crescimento e interesse acadêmico, principalmente com as recentes evoluções nas capacidades computacionais disponíveis. Sobre processamento de linguagem natural, classifique V para as sentenças verdadeiras e F para as falsas:
( ) O Image Captioning, a tarefa de ter um texto dado e narrá-lo, é proporcionado pelas técnicas do PLN e constitui-se em uma aplicação também bastante ultidisciplinar.
( ) As pesquisas mais recentes indicam ao estado da arte do PLN que o uso de técnicas como a aprendizagem profunda (deep learning) aponta um novo horizonte de possibilidades, tanto no PLN quanto na própria resolução de problemas ainda em aberto, eferentes à inteligência artificial, mas com interface para áreas multidisciplinares.
( ) O processamento de linguagem natural (PLN) representa a habilidade da máquina para processar o que foi dito, estruturar a informação recebida, determinar a resposta necessária e responder de modo que o ser humano consiga entender.
( ) O processamento de linguagem natural (PLN) constitui o estudo de programas de computador que tomam a linguagem natural ou humana como entrada.
Assinale a alternativa que apresenta a sequência CORRETA:- AV - V - V - V.
- BV - F - F - F.
- CF - F - F - V.
- DF - V - V - V.
3A lematização é um processo crucial em PLN, em que palavras são reduzidas às suas formas básicas. Este método, ao contrário do stemming, considera o contexto e utiliza a forma canônica das palavras, como em "correndo" para "correr". A lematização é essencial para análises semânticas e extração de informações, beneficiando-se ignificativamente do uso de POS Tagging.
Com base no processo de lematização e sua aplicação em Processamento de Linguagem Natural, analise as afirmativas a seguir:
I. A lematização é ineficaz para análise semântica e extração de informações em PLN.
II. POS Tagging é utilizado para identificar a classe gramatical das palavras durante a lematização.
III. A lematização reduz palavras para suas formas canônicas, considerando o contexto em que são usadas.
IV. O processo de lematização, ao contrário do stemming, depende do contexto para reduzir palavras às suas formas canônicas.
É correto o que se afirma em:- AI, II, III e IV.
- BII, III e IV, apenas.
- CI, apenas.
- DII e III, apenas.
- EI e IV, apenas.
4Leia os trechos a seguir: “Amanhã vamos colher as maçãs no pomar”; “Amanhã vamos comer as maçãs do pomar com colher”.
Nessas duas frases, existem sentidos muito diferentes e existem inúmeros métodos para ajudar a treinar a máquina a entendê-los. Alguns dos mais populares usam gráficos de conhecimento personalizados, em que as possibilidades ocorreriam com base em cálculos estatísticos.
Sobre a técnica que pode diferenciar as duas frases apresentadas, assinale a alternativa CORRETA:- AAnálise de contexto.
- BAnálise de sentido.
- CAnálise de frase.
- DAnálise de termos.
5A técnica TF-IDF é amplamente utilizada em sistemas de recuperação de informações para classificar documentos relevantes e extrair informações-chave. Ela desempenha um papel crucial na classificação de documentos, na extração de palavras-chave, na classificação de texto e na extração de informações valiosas. Com o TF-IDF, os motores de busca podem fornecer resultados mais precisos e os usuários podem encontrar informações relevantes de forma mais eficaz.
Com base no texto, sobre as aplicações do TF-IDF na recuperação de informações, analise as afirmativas a seguir:
I. O TF-IDF é utilizado em tarefas de classificação de texto.
II. A extração de palavras-chave é uma aplicação do TF-IDF.
III. O TF-IDF desempenha um papel importante na classificação de documentos.
IV. O TF-IDF auxilia na extração de informações de dados de texto não estruturados.
É correto o que se afirma em:- AI, II, III e IV.
- BII e IV, apenas.
- CIII e IV, apenas.
- DI, II e III, apenas.
- EI, apenas.
6No contexto da avaliação de algoritmos de lematização e radicalização, métricas essenciais são precisão, recall, pontuação F1 e acurácia. A precisão indica o quão precisos são os resultados do algoritmo, enquanto o recall mede sua capacidade de abranger todos os resultados No contexto da avaliação de algoritmos de lematização e radicalização, métricas essenciais são
precisão, recall, pontuação F1 e acurácia. A precisão indica o quão precisos são os resultados do
algoritmo, enquanto o recall mede sua capacidade de abranger todos os resultados verdadeiros. Verdadeiros. A pontuação F1 combina ambas as métricas, proporcionando uma medida equilibrada; e a acurácia avalia a correção geral das previsões. Essas métricas são valiosas para tomada de decisões informadas ao selecionar ou desenvolver algoritmos para aplicações específicas.
Sobre as métricas que são comumente utilizadas para avaliar o desempenho de algoritmos de lematização e radicalização no machine learning, analise as afirmativas a seguir:
I. A acurácia avalia a completude ou cobertura dos resultados do algoritmo.
II. O F1 é a média harmônica da precisão e do recall, proporcionando uma medida equilibrada do desempenho do algoritmo.
III. A precisão da lematização mede a proporção de lemas corretamente identificados pelo algoritmo em relação ao total de casos em que um lemma foi atribuído.
IV. A precisão mede a proporção de previsões corretas (verdadeiros positivos) em relação ao total de casos classificados como positivos pelo algoritmo (verdadeiros positivos + falsos positivos).
É correto o que se afirma em:- AII e III, apenas.
- BI e IV, apenas.
- CI, apenas.
- DII, III e IV, apenas.
- EI, II e III, apenas.
7A tecnologia de Processamento de Linguagem Natural (NLP) tem avançado significativamente nas últimas décadas, abrindo portas para uma ampla gama de aplicações e possibilidades. No entanto, também trazem preocupações importantes que merecem atenção, à medida que os sistemas de NLP se tornam mais poderosos e difundidos.
Com base nos desafios e considerações éticas sobre NLP, analise as afirmativas a seguir:
I. A ética do NLP é uma reflexão tardia, não sendo considerada desde o início do desenvolvimento e implementação da tecnologia.
II. Os sistemas de NLP não têm a capacidade de aprender preconceitos presentes nos dados de treinamento e reproduzi-los em suas respostas.
III. A tecnologia de Processamento de Linguagem Natural (NLP) tem avançado significativamente nas últimas décadas, abrindo portas para uma ampla gama de aplicações e possibilidades.
IV. A privacidade é uma preocupação fundamental quando se trata de NLP, especialmente quando os sistemas de NLP são usados em aplicações que envolvem a comunicação sensível do usuário e
estão respaldadas pela LGPD (Lei Geral de Proteção de Dados).
É correto o que se afirma em:- AII, III e IV, apenas.
- BI, II e III, apenas.
- CII e III, apenas.
- DI e IV, apenas.
- EIII e IV, apenas.
8O Processamento de Linguagem Natural (PLN) originou-se com a ideia de tradutores mecânicos antes da era do computador digital. Ao longo dos anos, evoluiu com a proposta de tradutores baseados em codificação de línguas e a integração de estruturas sintáticas, como proposto por Chomsky.
Com relação ao marco significativo no desenvolvimento inicial do PLN, assinale a alternativa correta:- AO Comitê Consultivo para Processamento de Linguagem Automática (ALPAC) impulsionou o financiamento e desenvolvimento da tradução automática nos anos 60.
- BO PLN foi inicialmente criado para decifrar mensagens codificadas durante a Segunda Guerra Mundial.
- CEm 1948, o sistema de pesquisa de dicionário do Birkbeck College, de Londres, foi criado para traduzir mensagens do espanhol para o francês.
- DO projeto "Georgetown-IBM Experiment", de 1954, teve como objetivo principal traduzir textos literários do russo para o inglês.
- EA introdução da Gramática Generativa por Noam Chomsky, em 1957, foi um marco, permitindo a conversão sistemática de frases em linguagem natural para um formato processável por computadores.
9Na análise de textos com técnicas de PLN, diversas abordagens são utilizadas para representar o conteúdo de documentos. Indexação Semântica Latente (LSI) e Alocação Latente de Dirichlet (LDA) são duas técnicas que tentam capturar semelhanças semânticas e tópicos latentes, respectivamente. Enquanto LSI se foca na redução de dimensionalidade e análise de autovalores, LDA agrupa palavras em tópicos de forma probabilística. Ambas são variações do modelo Bag of Words (BOW) e TF-IDF, buscando representações mais ricas e relevantes.
Sobre as técnicas de PLN para a representação de documentos, analise as afirmativas a seguir:
I. As variações do modelo BOW/TF-IDF superam o modelo original em tarefas baseadas em distância.
II. A Alocação Latente de Dirichlet (LDA) representa documentos como distribuições sobre tópicos variáveis.
III. As técnicas tanto LSI quanto LDA permitem capturar as semelhanças semânticas entre palavras e documentos.
IV. A Indexação Semântica Latente (LSI) utiliza a análise de autovalores para reduzir a dimensionalidade dos dados.
É correto o que se afirma em:- AI, II, III e IV.
- BI e IV, apenas.
- CI e II, apenas.
- DIII, apenas.
- EII e III, apenas.
10A classificação de texto é o processo de atribuir rótulos ou categorização de dados predefinidos a um determinado trecho do texto, sentença ou frase baseada em seu conteúdo, ou seja, com um trecho do texto. Ela visa determinar a qual classe ou categoria pertence aquele trecho. É uma das tarefas mais comuns da NLP, porém é fundamental, pois existem várias aplicações. Existem três abordagens para a execução da classificação de texto automatizada, que são denominadas de sistema baseado em regras, sistema de máquina e sistema híbrido.
Sobre a abordagem denominada de sistema baseado em regras, assinale a alternativa correta:- AEla separa os textos em grupos, e esses textos são organizados através do uso de um conjunto de regras linguísticas artesanais.
- BÉ uma combinação das abordagens baseadas em regras e em máquinas. Ela gera resultados ainda mais precisos do que as abordagens anteriores.
- COs algoritmos Naive Bayer, máquinas de vetores de suporte (SVM) e Deep Learning utilizam essa abordagem de classificação de texto.
- DEla aprende a fazer uma classificação baseada em observações dos conjuntos de dados que foram realizadas anteriormente, em vez de depender de regras construídas.
- EÉ uma abordagem simples, pois a criação de regras é considerada fácil.
Information
- Description
- Vestibular PROCESSAMENTO DE LINGUAGEM NATURAL Quiz on Prova Final 1, created by marcio carvalho on 17/06/2025.
- Author
- marcio carvalho
- Language
- Português
- Views
- 2
- Tags
- Rating
- No ratings yet Rate this quiz