1 训练一个词嵌入矩阵之后，下面那些是正确的？(多选)
A. e_boy – e_girl ≈ e_brother – e_sister
B)e_boy – e_girl ≈ e_sister – e_brother
C.e_boy – e_brother ≈ e_girl – e_sister
D.e_boy – e_brother ≈ e_sister – e_girl
2 关于TF-IDF算法正确的是(多选)：
A) 一个词在文档中出现的次数越多，该词的IF值越高
B) 一个词在语料库中文档中出现的总次数越高，该词的IDF值越高
C) 一个词在语料库中文档中出现的总次数越低，该词的IDF值越高
D) 一个词在语料库中文档中出现的总文档数越高，该词的IDF值越高
E) 一个词在语料库中文档中出现的总文档数越低，该词的IDF值越高
3 N-gram 被定义为N 个关键词组合在一起。在不删除stopwords的情况下， 从给定的句子可以产生多少二元组短语（Bigram）, 计算时将句子的开头BOS(begin of sentence)和结尾EOS(end of sentence)计算在其中：「Analytics Vidhya is a great source to learn data science」
A) 7
B) 8
C)9
D) 10
E) 11
4 在执行了以下的stop words清理步骤之后，可从下面的语句中生成多少三元组短语（trigram）, 计算时请将句子的开头BOS(begin of sentence)和结尾EOS(end of sentence)计算在其中.「Analytics vidhya is a great source to learn data science.」
5 关于主题建模，下面有几句是正确的？1. 它是一个监督学习技巧2. 线性判别分析（LDA）可用于执行主题建模3. 模型中主题数量的选择不取决于数据的大小4. 主题术语的数量与数据的大小成正比
6 下列那种模型可以被用于文本相似度（ similarity）问题？
A）word2vec模型训练得到的词向量
B）使用文档词频矩阵, 计算文本所对应向量的夹角
C）创建一个文档-词矩阵（-term matrix）, 但使用tf-idf值来填充该矩阵
D）上述所有方法均可
7 通过把每个推特视为一个文档，你已经创建了一个数据的文档词矩阵。关于文件词矩阵以下哪项是正确的？1. 从数据中移除停用词（stopwords）将会影响数据的维度2. 数据中词的归一化将会减少数据的维度3. 转化所有的小写单词将不会影响数据的维度
A) 只有 1
B) 只有 2
C) 只有 3
D) 1 和 2
E) 2 和 3
F) 1、2 和 3
8 您已经使用m1个单词的文本数据集训练了词嵌入。 然后你想将这些词嵌入用于自然语言处理任务，该任务的数据集有m2个单词。 你使用词嵌入做为一种转移学习的形式，什么情况下该词嵌入矩阵是有用的？
A) m1 m2
B) m1 m2
C) m1≈m2
D) m1 ≠m2
你已经搜集了 10,000 行推特文本的数据并且没有其他信息。你想要创建一个推特分类模型，可以把每条推特分为三类：积极、消极、中性。下面哪个模型可以执行问题背景中提及的推特分类问题？
A) 朴素贝叶斯
B) 支持向量机
C) 以上都不是
10 当在文本数据中创建一个机器学习模型时，你创建了一个输入数据为 100K 的文献检索词矩阵（-term matrix）。下列哪些纠正方法可以用来减少数据的维度——1. 隐狄利克雷分布（Latent Dirichlet Allocation）2. 使用降维算法对文档-词矩阵进行维度压缩3. 概率潜语义分析pLSI/pLSA（Probabilistic Latent Semantic Index/Analysis）
A）只有 1
B）2、3
C）1、3
D）1、2、3