Guía de NLP I
Ejercicio 1
Dada la siguiente tabla de Count Vectorizer:
| Car | Dog | Police | Gun | |
|---|---|---|---|---|
| D1 | 0 | 1 | 2 | 5 |
| D2 | 2 | 1 | 1 | 4 |
| D3 | 1 | 0 | 0 | 0 |
Devolver el documento que menos distancia coseno tenga con la query: “Police officer accidentally discharge their gun while eating a donut. Car survives.”
Ejercicio 2
Dados los siguientes documentos:
D1: news about organic food campaign
D2: news of presidential campaign
D3: news of presidential campaign, presidential candidate
D4: news of presidential campaign presidential candidate
D5: news of organic food campaign campaign campaign campaign
Si nuestra consulta es “news about presidential campaign” y usamos TF-IDF: Calcule los vectores de cada documento y de la consulta y encuentre el documento más cercano. ¿Cómo cambia usando CountVectorizer?
Ejercicio 3
Se realiza un proceso de normalización para las palabras de un texto, dadas las siguientes transformaciones indique si son producto de stemming, de lemmatization o de ambas:
- puertas -> puerta
- corromper -> corromp
- altitudes -> altitud
- delta -> delta