Bir veri kümesinde, bir veritabanı hatası nedeniyle eksik kelimeler içeren belgeler bulunmaktadır. Şirket, bu boşlukları doldurmak için olası kelimeleri önerebilecek bir ML modeli istemektedir. Hangi model türü uygundur?
Bir cevap seçin
Cevabınızı kontrol etmek için bir seçeneğe dokunun.
Doğru cevap: BERT tabanlı modeller.
Neden bu cevap
BERT tabanlı modeller, doğal dil işleme (NLP) görevlerinde, özellikle eksik kelimeleri tahmin etme (maskelenmiş dil modelleme) konusunda oldukça etkilidir. BERT, bir kelimenin bağlamını hem solundan hem de sağından anlayarak, eksik kelimeler için anlamlı öneriler sunabilir. Bu durum, veritabanı hatası nedeniyle eksik kelimeler içeren belgelerdeki boşlukları doldurmak için idealdir. Konu modellemesi (örneğin LDA), belgelerdeki ana konuları tanımlar ancak eksik kelimeleri tahmin etmez. Kümeleme modelleri, benzer belgeleri gruplandırır ancak kelime tamamlama yeteneği yoktur. Prescriptive ML modelleri, gelecekteki eylemleri önermek için kullanılır, eksik metinleri doldurmak için değil.
Sonsuz cevap arayışı olmadan sınavınızı geçin
Bu sınav için her doğrulanmış soruyu ve açıklamayı tek bir yerde edinin ve saatlerce süren hazırlıktan tasarruf edin. 1.000'den fazla sertifika · 20'den fazla dil · ücretsiz başlayın.
Sınavınızı daha hızlı geçin → Kart gerekmez