データ資格 模擬試験

DS検定 模擬試験 第6回 問26・データサイエンス(非構造化データ処理(テキスト・画像・音声))

Bag-of-Wordsの性質

家電メーカーのK社は、問い合わせ文をBag-of-Words(文書ごとに各単語の出現回数を数えたベクトル)に変換して分類モデルを作ろうとしている。この表現の性質として正しいものを2つ選べ。

  1. A

    語順の情報が失われ、「AがBを壊した」と「BがAを壊した」が同じベクトルになる

  2. B

    語彙が増えるほど次元が大きくなり、ほとんどの要素が0の疎なベクトルになる

  3. C

    「故障」と「不具合」のような同義語は、近い値のベクトルとして表される

  4. D

    出現回数を数えるので、文書の長さが違っても各要素の値はそろう

正解と解説を見る

正解:A・B

Bag-of-Wordsは単純で扱いやすい一方、語順と単語間の意味の近さを失い、高次元で疎なベクトルになる。文書の長さの影響も受ける。

学習のポイント:語の意味の近さを表せるのは埋め込みで、Bag-of-Wordsではない。

この問題を演習で解く →

DS検定のトップへ 問題一覧へ

このサイトの問題は、各試験の公開されている出題範囲に沿って作ったオリジナルの模擬問題です。本試験の問題ではありません。一般社団法人データサイエンティスト協会・一般財団法人統計質保証推進協会の公式サービスではありません。