Вам необходимо сгенерировать векторы встраивания (embedding vectors) из коллекции английских предложений, чтобы последующие модели могли их использовать. Предложения часто повторно используют слова в разных контекстах и включают пары вопрос-ответ; встраивания должны учитывать контекст слов и информацию о последовательности/вопросах-ответах. Какие опции SageMaker могут генерировать встраивания, отвечающие этим требованиям? (Выберите два.)

Amazon SageMaker seq2seq algorithm подходит для генерации контекстно-зависимых встраиваний, поскольку он предназначен для задач преобразования последовательностей, таких как машинный перевод, где понимание контекста каждого слова в предложении имеет решающее значение. Он учитывает порядок слов и их взаимосвязи. Amazon SageMaker Object2Vec algorithm также является правильным выбором, так как он может обучаться встраиваниям для пар объектов (например, вопрос-ответ), что позволяет ему улавливать семантические отношения и контекст между ними, что важно для пар вопрос-ответ. BlazingText в режимах Skip-gram и CBOW генерирует встраивания слов (word embeddings), которые не учитывают контекст предложения или последовательность слов в полной мере, а скорее предсказывают соседние слова или центральное слово. Использование BlazingText с пользовательской RNN усложняет решение и не является нативным вариантом SageMaker для данной задачи.