Examen Final - Mineria de texto y procesamiento
Enviado por NellyCirilo • 20 de Febrero de 2023 • Examen • 2.287 Palabras (10 Páginas) • 340 Visitas
MÁSTER EN BIG DATA (HTTPS://CAMP… Minería de Texto y Procesam...
Í >
> Ver Examen
Resultado del examen[pic 1]
Examen superado¡ Enhorabuena !
Este examen fue realizado el 21-11-2022 01:14 El resultado fue: 12/15 (80%)
El tiempo de realización fue: 24 Min. 43 Seg. RECUERDA:
Este examen se considerará superado si la nota obtenida es igual o superior a 8 sobre 10 puntos.
Respuesta correcta
El resultado de una vectorización de textos es el siguiente: [el/0'2, perro/0'3, tiene/1, un/0'1, amigo/1]. ¿Qué algoritmo he utilizado?
- Algoritmo tf, porque se contabiliza la frecuencia relativa de los tokens.[pic 2]
- Algoritmo tfidf, porque se contabiliza la frecuencia relativa de los tokens.[pic 3]
- Algoritmo LDA, porque es una matriz de palabras y topics.[pic 4]
- Algoritmo tf, porque contabiliza la relevancia de los tokens.[pic 5]
Respuesta correcta
¿Qué intenta detectar este fragmento de una gramática Jape? {Token.POS=~”V.*”, Token.string=~”[a-z].*”}
- Un verbo seguido de una palabra que empieza por a.[pic 6]
- Un verbo seguido de una palabra que empieza por a y acaba por z.[pic 7]
- Un verbo seguido de una palabra que empieza por minúscula.[pic 8]
- Un verbo que empieza por una letra minúscula.[pic 9]
Respuesta correcta
¿Tiene alguna ventaja el uso del algoritmo tfidf frente a tf?
- No tiene ventajas, de hecho, suele usarse más tf por su rapidez de ejecución.[pic 10]
- No tiene ventajas, simplemente son dos algoritmos con utilidades distintas.[pic 11]
[pic 12]MÁCSTER ESNí,BtIfiGdDfAtTieAn(HeTlTaPvSe://nCtAaMjaP…de disMtriibneuriíraedlepTeesxotoreylaPtriovcoedsaemc.a..da término, de forma que los términos más usados sean menos discriminativos al tener menor peso.
D Sí, tfidf tiene la ventaja de distribuir el peso relativo de cada término, de forma que los términos más usados sean más discriminativos al tener mayor peso.[pic 13]
Respuesta incorrecta
Se han estudiado las cadenas clásicas de NLP en la teoría de la asignatura. ¿En qué consisten?
- Son la base teórica y práctica del NLP. Aunque algunos conceptos se han visto superados por las nuevas técnicas, siguen teniendo vigencia.[pic 14]
- Son la base teórica y práctica del NLP, pero casi todos los conceptos se han visto superados por las nuevas técnicas y ya no se usan.[pic 15]
- Son las técnicas que se usaban antes de la llegada de los métodos estadísticos en los años 80.[pic 16]
- Son las técnicas asociadas al NLU (Natural Language Understanding) y que, por tanto, no tienen en cuenta el NLG (Natural Language Generation).[pic 17]
Respuesta correcta
5[pic 18]
¿Qué representa esta matriz?
- Es el resultado de cualquier algoritmo de Topic Modeling y mide cuál es el topic más relevante de un texto.[pic 19]
- Es la transformada de la matriz TF, multiplicada por la matriz DT.[pic 20]
- Es la matriz que usan los algoritmos NMF y DLA.[pic 21]
- Es la matriz TP usada junto con otras matrices en Topic Modeling para calcular los topics.[pic 22]
Respuesta correcta
¿Qué obtenemos con el análisis léxico de un texto?
- Los lemas de dicho texto.[pic 23]
- Los significados del texto.[pic 24]
- Los lemas y las etiquetas morfológicas del texto.[pic 25]
- Las etiquetas morfológicas del texto.[pic 26]
Respuesta incorrecta
¿Con qué comando se pueden obtener los tokens de un texto?
MAÁSTER EnNltBkI.GwDoArTdA_t(oHkTeTPnSiz:/e/C(tAeMxPto…)[pic 27]
Minería de Texto y Procesam...
[pic 28]
- nltk.tokenize.sent_tokenize(texto)[pic 29]
- nltk.tokenize.word_tokenize(texto)[pic 30]
Respuesta correcta
¿Qué detecta la regla gramatical 'Frase → SN SV'?
A Detecta una frase cada vez que encuentra un sintagma nominal seguido de sintagma verbal. B Detecta una frase cada vez que encuentra un sintagma nominal o bien un sintagma verbal. C Detecta una frase cada vez que encuentra un sintagma verbal seguido de sintagma nominal. D Detecta un sintagma verbal seguido de sintagma nominal cada vez que encuentra una frase.[pic 31][pic 32][pic 33][pic 34]
...