Para preparar 1 millón de oraciones para incrustaciones de Word2Vec (ejemplo: "The quck BROWN FOX jumps over the lazy dog"), ¿qué operaciones se deben aplicar para sanear y preparar el texto de manera consistente? (Elija tres).

Para Word2Vec, el preprocesamiento es crucial. La normalización a minúsculas asegura que "The" y "the" se traten como la misma palabra, reduciendo la dimensionalidad y mejorando la consistencia del modelo. La eliminación de stop words (palabras comunes como "el", "y", "un") es vital porque estas palabras tienen poco significado semántico y pueden introducir ruido, distorsionando las incrustaciones de palabras más relevantes. Finalmente, la tokenización en palabras individuales es fundamental, ya que Word2Vec opera a nivel de palabra, requiriendo que cada oración se divida en sus componentes léxicos para construir el vocabulario y aprender las incrustaciones. Las opciones incorrectas son: El etiquetado de parte de la oración y la retención solo de verbos y sustantivos es demasiado restrictivo y eliminaría información contextual valiosa para Word2Vec. La corrección ortográfica es útil, pero no es una operación esencial para la preparación básica de Word2Vec y puede ser computacionalmente costosa. La codificación one-hot no es el objetivo; Word2Vec genera incrustaciones densas, no representaciones dispersas como one-hot.