Kỹ thuật 'Topic Modeling' được sử dụng để làm gì trong Xử lý ngôn ngữ tự nhiên?

• A. Phát hiện các chủ đề tiềm ẩn trong một tập hợp các văn bản.
• B. Phân tích cảm xúc của người viết.
• C. Xác định các thực thể có tên.
• D. Tóm tắt nội dung chính của văn bản.

Backpropagation là gì và tại sao nó quan trọng trong việc huấn luyện các mạng nơ-ron (neural networks) cho các tác vụ Xử lý ngôn ngữ tự nhiên?

• A. Là một thuật toán để tính toán gradient của hàm mất mát (loss function) và cập nhật trọng số của mạng nơ-ron.
• B. Là một thuật toán để giảm kích thước của mạng nơ-ron.
• C. Là một thuật toán để tăng tốc độ xử lý của mạng nơ-ron.
• D. Là một thuật toán để trực quan hóa cấu trúc của mạng nơ-ron.

BLEU (Bilingual Evaluation Understudy) score là gì và nó được sử dụng để làm gì trong Machine Translation?

• A. Là một thước đo để đánh giá chất lượng của bản dịch máy so với bản dịch tham khảo.
• B. Là một thước đo để đánh giá tốc độ dịch của hệ thống dịch máy.
• C. Là một thước đo để đánh giá mức độ sử dụng tài nguyên của hệ thống dịch máy.
• D. Là một thước đo để đánh giá tính dễ sử dụng của hệ thống dịch máy.

Các thành phần chính của một hệ thống đối thoại (dialogue system) bao gồm những gì?

• A. Natural Language Understanding (NLU), Dialogue Management, và Natural Language Generation (NLG).
• B. Text Summarization, Sentiment Analysis, và Named Entity Recognition.
• C. Machine Translation, Question Answering, và Text Classification.
• D. Word Embedding, Part-of-Speech Tagging, và Parsing.

Trong Xử lý ngôn ngữ tự nhiên, 'zero-shot learning' là gì?

• A. Khả năng của mô hình để thực hiện một tác vụ mà không cần bất kỳ dữ liệu huấn luyện nào cho tác vụ đó.
• B. Khả năng của mô hình để thực hiện một tác vụ với dữ liệu huấn luyện rất ít.
• C. Khả năng của mô hình để thực hiện một tác vụ với độ chính xác tuyệt đối.
• D. Khả năng của mô hình để thực hiện nhiều tác vụ cùng một lúc.

Trong ngữ cảnh của Xử lý ngôn ngữ tự nhiên, 'attention mechanism' (cơ chế chú ý) là gì?

• A. Một kỹ thuật cho phép mô hình tập trung vào các phần quan trọng nhất của dữ liệu đầu vào.
• B. Một kỹ thuật để loại bỏ các từ không quan trọng.
• C. Một kỹ thuật để tăng cường độ chính xác của mô hình.
• D. Một kỹ thuật để giảm kích thước của mô hình.

Bag-of-Words (BoW) là gì và nó hoạt động như thế nào trong Xử lý ngôn ngữ tự nhiên?

• A. Là một phương pháp biểu diễn văn bản bằng cách đếm tần suất xuất hiện của các từ, bỏ qua thứ tự của chúng.
• B. Là một phương pháp biểu diễn văn bản bằng cách sắp xếp các từ theo thứ tự xuất hiện.
• C. Là một phương pháp biểu diễn văn bản bằng cách sử dụng các từ đồng nghĩa.
• D. Là một phương pháp biểu diễn văn bản bằng cách sử dụng các từ trái nghĩa.

Trong Xử lý ngôn ngữ tự nhiên, 'stop word' là gì và tại sao chúng thường bị loại bỏ khỏi văn bản?

• A. Là các từ phổ biến, ít mang ý nghĩa, bị loại bỏ để giảm nhiễu và tăng hiệu quả xử lý.
• B. Là các từ mang tính chất xúc phạm, bị loại bỏ để đảm bảo tính lịch sự của văn bản.
• C. Là các từ mới xuất hiện, bị loại bỏ để đảm bảo tính ổn định của từ điển.
• D. Là các từ viết sai chính tả, bị loại bỏ để đảm bảo tính chính xác của văn bản.

Mục tiêu của 'Machine Translation' (Dịch máy) là gì?

• A. Tự động dịch văn bản từ ngôn ngữ này sang ngôn ngữ khác.
• B. Tóm tắt nội dung chính của văn bản.
• C. Phân tích cảm xúc của người viết.
• D. Xác định các thực thể có tên trong văn bản.

Trong Xử lý ngôn ngữ tự nhiên, 'dialogue system' (hệ thống đối thoại) là gì?

• A. Một hệ thống cho phép người dùng tương tác với máy tính thông qua ngôn ngữ tự nhiên.
• B. Một hệ thống để dịch văn bản từ ngôn ngữ này sang ngôn ngữ khác.
• C. Một hệ thống để tóm tắt nội dung chính của văn bản.
• D. Một hệ thống để phân tích cảm xúc của người viết.

Phân biệt giữa 'extractive summarization' và 'abstractive summarization' trong Text Summarization.

• A. Extractive chọn các câu có sẵn trong văn bản gốc, abstractive diễn giải và tạo ra các câu mới.
• B. Extractive tạo ra các câu mới, abstractive chọn các câu có sẵn trong văn bản gốc.
• C. Extractive sử dụng các từ khóa, abstractive sử dụng các câu.
• D. Extractive tóm tắt nhanh hơn, abstractive tóm tắt chính xác hơn.

Phương pháp nào sau đây thường được sử dụng để giảm số chiều của dữ liệu trong Word Embedding, giúp giảm tải tính toán và cải thiện hiệu suất mô hình?

• A. Principal Component Analysis (PCA)
• B. Tokenization
• C. Part-of-Speech Tagging
• D. Named Entity Recognition

Fine-tuning (tinh chỉnh) một mô hình ngôn ngữ đã được huấn luyện trước (pre-trained language model) là gì?

• A. Huấn luyện mô hình trên một tập dữ liệu nhỏ, cụ thể cho một tác vụ nhất định.
• B. Huấn luyện lại mô hình từ đầu.
• C. Giảm kích thước của mô hình.
• D. Tăng tốc độ xử lý của mô hình.

Mục tiêu chính của việc sử dụng mô hình ngôn ngữ (Language Model) trong Xử lý ngôn ngữ tự nhiên là gì?

• A. Dự đoán chuỗi từ tiếp theo trong một câu.
• B. Phân tích cấu trúc ngữ pháp của câu.
• C. Biên dịch ngôn ngữ tự nhiên sang ngôn ngữ máy.
• D. Tìm kiếm thông tin liên quan đến một truy vấn.

Trong Xử lý ngôn ngữ tự nhiên, 'n-gram' là gì?

• A. Là một chuỗi gồm n từ liên tiếp trong một văn bản.
• B. Là một từ có n nghĩa khác nhau.
• C. Là một câu có n từ.
• D. Là một đoạn văn có n câu.

Trong lĩnh vực Question Answering (QA), hệ thống QA có nhiệm vụ gì?

• A. Trả lời câu hỏi của người dùng bằng cách trích xuất thông tin từ văn bản hoặc cơ sở dữ liệu.
• B. Tự động đặt câu hỏi dựa trên nội dung của văn bản.
• C. Tóm tắt nội dung chính của văn bản.
• D. Phân tích cảm xúc của người viết.

Named Entity Recognition (NER) là gì trong Xử lý ngôn ngữ tự nhiên?

• A. Là kỹ thuật xác định và phân loại các thực thể có tên (ví dụ: tên người, tổ chức, địa điểm) trong văn bản.
• B. Là kỹ thuật phân tích cảm xúc của người viết trong văn bản.
• C. Là kỹ thuật tóm tắt nội dung chính của văn bản.
• D. Là kỹ thuật dịch văn bản từ ngôn ngữ này sang ngôn ngữ khác.

Trong Xử lý ngôn ngữ tự nhiên, 'domain adaptation' (thích ứng miền) là gì?

• A. Quá trình điều chỉnh một mô hình đã được huấn luyện trên một miền dữ liệu để hoạt động tốt trên một miền dữ liệu khác.
• B. Quá trình huấn luyện một mô hình từ đầu trên một miền dữ liệu mới.
• C. Quá trình giảm kích thước của một mô hình.
• D. Quá trình tăng tốc độ xử lý của một mô hình.

Một thách thức lớn trong Xử lý ngôn ngữ tự nhiên đối với tiếng Việt là gì?

• A. Sự phức tạp của cấu trúc từ vựng và ngữ pháp do tính đơn lập và giàu hình thái của tiếng Việt.
• B. Sự thiếu hụt dữ liệu huấn luyện có sẵn.
• C. Sự thiếu hụt các công cụ và thư viện hỗ trợ.
• D. Sự thiếu hụt nhân lực có trình độ chuyên môn cao.

Trong Xử lý ngôn ngữ tự nhiên, phương pháp nào thường được sử dụng để chuyển đổi văn bản thành dạng số, giúp máy tính có thể hiểu và xử lý?

• A. Word Embedding
• B. Phân tích cú pháp
• C. Loại bỏ stop word
• D. Stemming

Mục đích của việc sử dụng 'Word Sense Disambiguation' (WSD) là gì?

• A. Xác định nghĩa chính xác của một từ trong ngữ cảnh cụ thể.
• B. Tìm kiếm các từ đồng nghĩa.
• C. Loại bỏ các từ không quan trọng.
• D. Dịch văn bản sang ngôn ngữ khác.

Sentiment Analysis (Phân tích cảm xúc) được sử dụng để làm gì?

• A. Xác định thái độ, cảm xúc của người viết đối với một chủ đề cụ thể.
• B. Xác định cấu trúc ngữ pháp của câu.
• C. Xác định các thực thể có tên trong văn bản.
• D. Tóm tắt nội dung chính của văn bản.

Trong Xử lý ngôn ngữ tự nhiên, Recurrent Neural Networks (RNNs) thường được sử dụng cho các tác vụ nào?

• A. Xử lý dữ liệu chuỗi (ví dụ: dịch máy, phân tích cảm xúc).
• B. Xử lý ảnh.
• C. Xử lý dữ liệu bảng.
• D. Xử lý dữ liệu âm thanh.

Phương pháp nào sau đây được sử dụng để xác định loại từ (danh từ, động từ, tính từ...) của mỗi từ trong một câu?

• A. Part-of-Speech Tagging (POS Tagging)
• B. Named Entity Recognition (NER)
• C. Sentiment Analysis
• D. Text Summarization

TF-IDF (Term Frequency-Inverse Document Frequency) là gì và nó được sử dụng để làm gì?

• A. Là một kỹ thuật đánh giá tầm quan trọng của một từ trong một văn bản so với toàn bộ tập văn bản.
• B. Là một kỹ thuật loại bỏ các từ không quan trọng trong một văn bản.
• C. Là một kỹ thuật tìm kiếm các từ đồng nghĩa trong một văn bản.
• D. Là một kỹ thuật tóm tắt nội dung chính của một văn bản.

Trong Xử lý ngôn ngữ tự nhiên, 'regularization' (chính quy hóa) được sử dụng để làm gì?

• A. Ngăn chặn overfitting (quá khớp) của mô hình.
• B. Tăng tốc độ huấn luyện của mô hình.
• C. Giảm kích thước của mô hình.
• D. Cải thiện khả năng diễn giải của mô hình.

Kỹ thuật 'stemming' trong Xử lý ngôn ngữ tự nhiên có tác dụng gì?

• A. Đưa các từ về dạng gốc của chúng.
• B. Phân loại các từ theo chủ đề.
• C. Tìm kiếm các từ đồng nghĩa.
• D. Chuyển đổi văn bản thành giọng nói.

Transformer networks, đặc biệt là kiến trúc BERT, đã đạt được những thành công lớn trong lĩnh vực Xử lý ngôn ngữ tự nhiên. Ưu điểm chính của Transformer so với RNN là gì?

• A. Khả năng xử lý song song, giúp tăng tốc độ huấn luyện.
• B. Khả năng xử lý dữ liệu tuần tự tốt hơn.
• C. Yêu cầu ít dữ liệu huấn luyện hơn.
• D. Dễ dàng triển khai trên các thiết bị di động.

Trong Xử lý ngôn ngữ tự nhiên, kỹ thuật 'data augmentation' được sử dụng để làm gì?

• A. Tăng kích thước của tập dữ liệu huấn luyện bằng cách tạo ra các biến thể của dữ liệu hiện có.
• B. Giảm kích thước của tập dữ liệu huấn luyện để tăng tốc độ huấn luyện.
• C. Cải thiện chất lượng của dữ liệu huấn luyện bằng cách loại bỏ các lỗi.
• D. Phân tích và trực quan hóa dữ liệu huấn luyện.

Kỹ thuật 'Text Summarization' (Tóm tắt văn bản) được sử dụng để làm gì?

• A. Tạo ra một phiên bản ngắn gọn của văn bản, giữ lại những thông tin quan trọng nhất.
• B. Dịch văn bản sang ngôn ngữ khác.
• C. Phân tích cảm xúc của người viết.
• D. Xác định các thực thể có tên trong văn bản.