25年期末
任课老师: 姜pl
题目
简答题 ($4 \times 7 = 28$)
- 基于语言模型的分词和最大匹配分词的定义和区别。
- 与端到端模型相比，pipeline 的人机对话系统分为哪几个子任务？可以用什么模型实现？
- 上下文有关文法和上下文无关文法的定义和区别。中文是上下文无关文法吗？
- One-hot 高维编码的优点和缺点。
- 基于短语和基于词语的机器翻译的定义和区别。
- 基于预训练--微调范式的模型与基于机器学习的传统范式相比有什么优势？
- 用自己的话叙述格语法，并分析句子的施事格、受事格、工具格。
题目
语言模型（12）
- 语言模型是什么？有什么常见的语言模型？
- 简单计算
unigram, bigram。
题目
统计文本分类（12）
请简要叙述统计意义下的文本分类流程，以朴素贝叶斯为例，并编写伪代码。
题目
HMM 简单计算（12）
用栅格法计算在给定观测序列下的最大可能概率状态（PPT 问题 2）。
给定观测序列 $312$，求最有可能的天气序列，使用栅格法（Viterbi 算法）。
题目
依存句法分析（arc-eager）（12）
和上面这个例子相类似，对句子：
曲江 / 建立 / 了 / 新 / 的 / 实验室
进行依存句法分析，并画出该句的依存树。
题目
MED（最小编辑距离）（12）
- 什么是最小编辑距离？包括哪些操作？
- 利用栅格法计算
intention和execution的最小编辑距离。
题目
PCFG（12）
画出最优概率句法树，并给出对应概率：
Astronomers saw stars with ears
给定概率上下文无关文法（PCFG）如下：
$$
\begin{aligned} S &\to NP\ VP \quad 1.0 \ PP &\to P\ NP \quad 1.0 \ VP &\to V\ NP \quad 0.7 \ VP &\to VP\ PP \quad 0.3 \ V &\to saw \quad 1.0 \ P &\to with \quad 1.0 \ NP &\to NP\ PP \quad 0.4 \ NP &\to astronomers \quad 0.1 \ NP &\to saw \quad 0.04 \ NP &\to stars \quad 0.18 \ NP &\to ears \quad 0.18 \ NP &\to with \quad 0.1 \end{aligned}
$$