Geral
Processamento de Linguagem Natural
Semana 3
0

Questão

O pacote scikit-learn do Python oferece três principais tipos de vetorizadores de textos.

  1. O peso atribuído a cada termo não depende apenas de sua frequência em um documento, mas também de sua recorrência em todo um conjunto de documentos.
  2. O mais simples conta o número de vezes que um termo aparece no documento e usa esse valor como peso.
  3. Oferece boa eficiência em relação ao uso da memória. A desvantagem desse método reside no fato de que, uma vez vetorizado, os nomes das características não podem mais ser recuperados.

Os métodos descritos acima são, respectivamente:
A)

HashVectorizer, TF-IDFVectorizer e CountVectorizer.

B)

CountVectorizer , TF-IDFVectorizer e HashVectorizer.

C)

HashVectorizer, CountVectorizer e TF-IDFVectorizer.

D)

TF-IDFVectorizer, CountVectorizer e HashVectorizer.

E)

TF-IDFVectorizer, HashVectorizer e CountVectorizer.

function vote(questaoId, value) { window.location.href = "/accounts/login/?next=/questao/1131/"; return; fetch(`/vote/questao/${questaoId}/`, { method: 'POST', headers: { 'Content-Type': 'application/json', 'X-CSRFToken': 'B6C7qh3SPRfNsisaGBadjAgSarS2M8enUJvlCWohf79syLzyc0P3UdEHRw5DwD6I' }, body: JSON.stringify({ value: value }) }) .then(response => response.json()) .then(data => { if (data.success) { document.getElementById(`score-${questaoId}`).textContent = data.score; const upBtn = document.querySelector(`button[onclick="vote(${questaoId}, 1)"]`); const downBtn = document.querySelector(`button[onclick="vote(${questaoId}, -1)"]`); upBtn.classList.remove('active-up'); downBtn.classList.remove('active-down'); if (data.user_vote === 1) upBtn.classList.add('active-up'); if (data.user_vote === -1) downBtn.classList.add('active-down'); } }); }