PNL - Tema 3. Representación de texto

¿Qué es un "corpus" en el contexto del procesamiento de lenguaje natural?

• Un archivo con imágenes digitales.

• Un conjunto amplio de textos organizados para análisis computacional.

• Un programa de software utilizado para procesar textos.

• Un tipo de algoritmo de clasificación de textos.

¿Cuál es la principal limitación del modelo de "Bag of Words" (BoW)?

• Considera el orden de las palabras en un texto.

• No captura las frecuencias de las palabras.

• Ignora el orden y el contexto de las palabras.

• Requiere una gran cantidad de memoria.

¿Qué hace el modelo de "representación one-hot"?

• Convierte palabras en vectores numéricos con un solo "1" en la posición correspondiente.

• Representa todas las palabras del texto con el mismo valor.

• Asigna un valor binario (0 o 1) a las palabras de acuerdo con su importancia.

• Convierte el texto en un formato binario que puede ser leído por máquinas.

¿Cuál es la principal desventaja de la representación one-hot?

• Es difícil de interpretar.

• No refleja relaciones semánticas entre palabras.

• Es lenta en el procesamiento de grandes volúmenes de texto.

• No es útil en modelos de Machine Learning.

¿Qué mide la representación TF (Term Frequency)?

• El número total de palabras en un documento.

• El número de documentos que contienen un término específico.

• La cantidad de veces que un término aparece en todo el corpus.

• La frecuencia de aparición de cada término en un documento.

¿Cuál es el propósito de la representación IDF (Inverse Document Frequency)?

• Aumentar la relevancia de palabras muy frecuentes en el corpus.

• Reducir el peso de palabras comunes que aparecen en muchos documentos.

• Medir la frecuencia de aparición de cada término en un solo documento.

• Identificar palabras únicas en un documento.

¿Qué combinación de TF e IDF da como resultado el modelo TF-IDF?

• El conteo de frecuencia de un término multiplicado por su frecuencia en todo el corpus.

• La frecuencia de un término en un documento dividida por su frecuencia en el corpus.

• La frecuencia de un término en un documento multiplicada por su IDF.

• El conteo de palabras dividido por el número total de palabras.

¿Qué es un "n-gram"?

• Una secuencia de palabras que aparece una sola vez en un documento.

• Una secuencia continua de n palabras consecutivas en un texto.

• Un modelo que clasifica palabras en categorías gramaticales.

• Un tipo de análisis de sentimientos aplicado a un conjunto de textos.

¿Cuál es una limitación principal del modelo Bag of Words (BoW)?

• No puede ser usado en tareas de clasificación de textos.

• Es demasiado complejo y requiere mucho tiempo de procesamiento.

• No permite realizar análisis de frecuencia de términos.

• Pierde información sobre el contexto y el orden de las palabras.

¿Qué ventaja principal tiene la representación TF-IDF sobre la representación TF simple?

• TF-IDF ignora las palabras comunes y resalta las más relevantes dentro de un corpus.

• TF-IDF considera solo la frecuencia de palabras dentro de un documento, sin importar el corpus.

• TF-IDF es más rápido de calcular que la representación TF.

• TF-IDF captura mejor el contexto y el orden de las palabras.