Questão de Ciência de Dados · FGV TCE-PA 2024 (nº 90)

Em Processamento de Linguagem Natural (NLP), vetores de palavras (também chamados de word embeddings) são representações numéricas de palavras que permitem que computadores entendam o significado e as relações entre elas, como se "rei" e "rainha" são semanticamente próximos.

• (A) Correta: word2vec e GloVe são as técnicas mais conhecidas e amplamente utilizadas para criar vetores de palavras (ou word embeddings), que são exatamente as representações numéricas de palavras como vetores que capturam relações semânticas.
• (B) Incorreta: stemming e lemmatization são técnicas de normalização de texto que reduzem as palavras à sua raiz ou forma base (ex: "correndo", "correu" para "correr"), mas não as representam numericamente como vetores. Armadilha: São técnicas fundamentais de NLP, mas para pré-processamento, não para a criação de representações vetoriais semânticas.
• (C) Incorreta: segmentation (segmentação) refere-se à divisão de texto em unidades menores (palavras, frases), não à representação numérica de palavras. efficient embedding é um termo descritivo, não uma técnica específica de embedding.
• (D) Incorreta: seq2seq (sequence-to-sequence) é uma arquitetura de modelo de aprendizado profundo usada para tarefas como tradução e sumarização, que utiliza embeddings, mas não é uma técnica para criar os embeddings em si. symbolic representation (representação simbólica) é o oposto da representação numérica, tratando palavras como símbolos discretos.
• (E) Incorreta: text-to-speech (TTS) é a conversão de texto em fala, uma aplicação de NLP. part-of-speech (POS) é a marcação gramatical de palavras (ex: substantivo, verbo), uma tarefa de anotação, não uma técnica de representação numérica vetorial de palavras.