È necessario analizzare i commenti degli utenti su un sito web di notizie globale per identificare gli argomenti più discussi. I commenti sono scritti in inglese e spagnolo. Quali passaggi consentirebbero di completare questa attività? (Selezionare l'opzione migliore.)

L'opzione corretta prevede la traduzione dei commenti in spagnolo in inglese utilizzando un servizio di traduzione automatica. Questo crea un corpus di testo unificato in una singola lingua, semplificando l'analisi. Successivamente, l'applicazione di un servizio di topic modeling (come LDA o NMF) su questo corpus combinato è un approccio standard ed efficace per identificare gli argomenti principali. Le altre opzioni sono meno efficienti o appropriate: Addestrare un modello di word-embedding indipendente dalla lingua è complesso e potrebbe non essere necessario per l'identificazione di argomenti, che spesso beneficia di un corpus unificato. Addestrare un modello sequence-to-sequence per la traduzione è eccessivo, dato che esistono servizi di traduzione automatica pronti all'uso. Utilizzare un chatbot conversazionale per estrarre argomenti non è il suo scopo principale e sarebbe inefficace per l'analisi di grandi volumi di testo. Un algoritmo di topic modeling neurale è una valida alternativa al topic modeling tradizionale, ma la fase di traduzione rimane comunque necessaria per unificare le lingue.