Pre Processing

Apa tujuan utama dari pre-processing dalam NLP?

• Menambah jumlah data

• Mempercepat model training

• Mengurangi noise dalam teks

• Meningkatkan ukuran dataset

Teknik apa yang digunakan untuk menghapus kata-kata umum seperti "dan", "di", "ke" dalam teks?

• Stemming

• Lemmatization

• Stopword Removal

• Tokenization

Teknik Tokenization dalam NLP digunakan untuk?

• Mengubah teks menjadi angka

• Memisahkan teks menjadi unit-unit yang lebih kecil

• Menghapus kata-kata yang tidak penting

• Salah Semua

Dalam pre-processing NLP, mengubah semua huruf menjadi huruf kecil disebut?

• Lemmatization

• Lowercasing

• Case Folding

• Salah Semua

Jika teks mengandung "I'm happy!", lalu setelah pre-processing menjadi "i am happy", proses apa yang telah dilakukan?

• Stopword Removal

• Lemmatization

• Tokenization dan Case Folding

• Salah Semua

Teknik apa yang digunakan untuk mengganti kata slang seperti "gimana" menjadi "bagaimana"?

• Lemmatization

• Stemming

• Text Normalization

• Stopword Removal

Manakah yang bukan bagian dari pre-processing dalam NLP?

• Model Training

• Lemmatization

• Cleaning

• Case Folding

Apa yang dilakukan oleh teknik part-of-speech (POS) tagging?

• Mengklasifikasikan kata berdasarkan kategori gramatikalnya (kata benda, kata kerja, dll.)

• Menghapus kata-kata umum dari teks

• Mengonversi teks menjadi data numerik

• Menggabungkan kata-kata menjadi frasa yang lebih panjang

Mengapa teks perlu dinormalisasi sebelum dianalisis dalam NLP?

• Untuk meningkatkan akurasi pemrosesan teks dengan menyederhanakan variasi kata

• Untuk menghilangkan seluruh informasi dari teks

• Untuk memperumit analisis teks

• Salah Semua

Diberikan teks: "Email saya adalah [e-mail] dan backup di [e-mail]". Regex mana yang bisa digunakan untuk mengekstrak email dari teks ini?

• [A-Za-z0-9]+@[A-Za-z]+\.[A-Za-z]+

• \w+@\w+\.\w+

• [a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}

• \d+@\d+\.\d+