Nhiệm vụ NLP nào liên quan đến việc gắn nhãn các từ trong câu với các danh mục ngữ pháp tương ứng của chúng?

Câu hỏi này kiểm tra kiến thức về các kỹ thuật xử lý ngôn ngữ tự nhiên (NLP). Dưới đây là phân tích từng đáp án:

• A. Phân tích tình cảm: Kỹ thuật này xác định cảm xúc hoặc ý kiến được thể hiện trong văn bản (ví dụ: tích cực, tiêu cực, trung tính). Nó không tạo ra văn bản mới.
• B. Tạo văn bản: Đây là kỹ thuật sinh ra văn bản mới dựa trên dữ liệu hoặc hướng dẫn có sẵn. Nó bao gồm việc sử dụng các mô hình ngôn ngữ để dự đoán và tạo ra chuỗi từ ngữ mạch lạc và có nghĩa.
• C. Nhận dạng thực thể được đặt tên: Kỹ thuật này xác định và phân loại các thực thể có tên trong văn bản, chẳng hạn như tên người, tổ chức, địa điểm. Nó không tạo ra văn bản mới.
• D. Gắn thẻ một phần của bài phát biểu: Kỹ thuật này gán một phần lời nói (ví dụ: danh từ, động từ, tính từ) cho mỗi từ trong một câu. Nó không tạo ra văn bản mới.

Do đó, đáp án đúng là "Tạo văn bản", vì nó mô tả chính xác kỹ thuật tạo ra câu hoặc văn bản mới.

Thuật toán Bayes ngây thơ (Naive Bayes) thường được sử dụng để phân tích cảm tính vì nó đơn giản, nhanh chóng và hiệu quả trong việc phân loại văn bản dựa trên xác suất. Các thuật toán khác như KNN, Cây quyết định và SVM cũng có thể được sử dụng, nhưng Bayes ngây thơ thường là lựa chọn đầu tiên do tính hiệu quả về mặt tính toán và hiệu suất tốt trong nhiều trường hợp phân tích cảm tính.

Cơ chế chú ý (Attention Mechanism) trong mạng nơ-ron được thiết kế để tập trung vào những phần thông tin liên quan nhất trong một chuỗi dữ liệu đầu vào. Thay vì xử lý tất cả thông tin một cách đồng đều, nó cho phép mô hình ưu tiên và chú trọng hơn vào những thông tin quan trọng đối với nhiệm vụ hiện tại. Do đó, đáp án C là chính xác. Các đáp án khác không phải là mục đích chính của cơ chế chú ý.

Sequence labeling là việc gán nhãn cho từng phần tử trong một chuỗi. NER, POS tagging, và chunking đều là các ví dụ, trong đó mỗi từ hoặc cụm từ được gán một nhãn. Phân tích tình cảm, ngược lại, gán một nhãn duy nhất cho toàn bộ văn bản, do đó nó không phải là sequence labeling.

Phân tích phụ thuộc (Dependency parsing) là kỹ thuật xác định cấu trúc cú pháp của một câu bằng cách phân tích mối quan hệ phụ thuộc giữa các từ trong câu đó. Các từ được liên kết với nhau theo mối quan hệ chủ-vị, tân ngữ, bổ ngữ, v.v. để tạo thành cấu trúc cú pháp hoàn chỉnh. Các lựa chọn khác không liên quan trực tiếp đến việc xác định cấu trúc cú pháp: phân tích tình cảm (sentiment analysis) xác định cảm xúc trong văn bản, phân loại văn bản (text classification) gán nhãn cho văn bản, và nhận dạng thực thể được đặt tên (named entity recognition) xác định các thực thể như tên người, tổ chức, địa điểm trong văn bản.