Questions et reponses d'entretien

Example:

In the sentence 'The quick brown fox jumps over the lazy dog,' tokenization would result in individual tokens: ['The', 'quick', 'brown', 'fox', 'jumps', 'over', 'the', 'lazy', 'dog'].

Example:

For the word 'running,' stemming might produce 'run,' while lemmatization would produce 'run' as well.

Example:

Word2Vec and GloVe are popular techniques for generating word embeddings.

Example:

In machine translation, attention mechanisms allow the model to focus on relevant words in the source language when generating each word in the target language.

Example:

The phrase 'This movie is so bad, it's good!' might be challenging for sentiment analysis algorithms to interpret correctly due to sarcasm.

Example:

In a language model, given the context 'The cat is on the...', it predicts the next word, such as 'roof'.

Example:

Each row of the matrix corresponds to a document, and each column corresponds to a unique word with tf-idf scores.

Example:

Word embeddings like Word2Vec and GloVe can be fine-tuned for specific tasks like sentiment analysis or named entity recognition.

Example:

Translating idioms like 'kick the bucket' can be challenging as a direct word-for-word translation may not convey the intended meaning.

Example:

In information retrieval, high precision indicates few false positives, while high recall indicates capturing most relevant documents.

Example:

Word2Vec can represent words with similar meanings as vectors close to each other in the embedding space.

Example:

A first-order Markov model assumes the probability of the next word depends only on the current word in a sequence.

Example:

A language model can aid in distinguishing between homophones (words that sound the same) based on contextual information.

Example:

In biomedical texts, recognizing drug names as entities may require domain-specific knowledge and context analysis.

Example:

In the sentence 'The bank is close to the river,' word sense disambiguation is needed to identify whether 'bank' refers to a financial institution or the side of a river.