100% tevredenheidsgarantie Direct beschikbaar na je betaling Lees online óf als PDF Geen vaste maandelijkse kosten 4,6 TrustPilot
logo-home
Tentamen (uitwerkingen)

COS4861 Assignment 3 due 10 September 2025

Beoordeling
-
Verkocht
-
Pagina's
12
Cijfer
A+
Geüpload op
06-09-2025
Geschreven in
2025/2026

COS4861 Assignment 3 2025 - Due 10 September 2025; 100% TRUSTED workings with detailed Answers for A+ Grade.

Instelling
Vak

Voorbeeld van de inhoud

COS4861
ASSIGNMENT 3 2025

UNIQUE NO.
DUE DATE: 10 SEPTEMBER 2025

, COS4861 Assignment 3 2025

Question 1 [12 points] – Theory

1. What is a corpus and how does it differ from other data types? (2) A corpus is a
large, structured, and machine-readable collection of texts that is systematically
compiled for linguistic or natural language processing (NLP) research (Meyer, 2021).
Unlike ordinary datasets (e.g., spreadsheets or numerical data), a corpus contains raw
or annotated natural language data, enabling analysis of patterns in language use.

2. What is the technical term for splitting a corpus into different linguistic units
such as paragraphs, sentences, and words in NLP? (1) The process is called
tokenization (Jurafsky & Martin, 2023).

3. Define N-grams and provide references. (2) An N-gram is a contiguous sequence
of N items (characters, syllables, or words) from a given text or speech sample
(Manning & Schütze, 1999). For example, in the sentence “data is noisy”:

 Unigrams = [“data”, “is”, “noisy”]
 Bigrams = [“data is”, “is noisy”]
 Trigrams = [“data is noisy”]

4. Describe the problem of data sparseness with regard to an N-gram model.
Explain smoothing and name two algorithms. (7)

 Data sparseness problem: In N-gram models, many possible word
combinations never appear in the training corpus, resulting in zero probabilities
for valid but unseen sequences. This weakens generalization (Jurafsky & Martin,
2023).

 Smoothing: A statistical technique that adjusts raw frequency counts to avoid
assigning zero probability to unseen events.

 Two smoothing algorithms:

Geschreven voor

Instelling
Vak

Documentinformatie

Geüpload op
6 september 2025
Aantal pagina's
12
Geschreven in
2025/2026
Type
Tentamen (uitwerkingen)
Bevat
Vragen en antwoorden

Onderwerpen

Maak kennis met de verkoper

Seller avatar
De reputatie van een verkoper is gebaseerd op het aantal documenten dat iemand tegen betaling verkocht heeft en de beoordelingen die voor die items ontvangen zijn. Er zijn drie niveau’s te onderscheiden: brons, zilver en goud. Hoe beter de reputatie, hoe meer de kwaliteit van zijn of haar werk te vertrouwen is.
StudyAidPro Tutors International
Volgen Je moet ingelogd zijn om studenten of vakken te kunnen volgen
Verkocht
192
Lid sinds
1 jaar
Aantal volgers
2
Documenten
560
Laatst verkocht
1 maand geleden
StudyAidPro

On this page, you find all documents, package deals, and flashcards offered by seller StudyAidPro. All Modules!

4.0

22 beoordelingen

5
11
4
5
3
2
2
3
1
1

Populaire documenten

Recent door jou bekeken

Waarom studenten kiezen voor Stuvia

Gemaakt door medestudenten, geverifieerd door reviews

Kwaliteit die je kunt vertrouwen: geschreven door studenten die slaagden en beoordeeld door anderen die dit document gebruikten.

Niet tevreden? Kies een ander document

Geen zorgen! Je kunt voor hetzelfde geld direct een ander document kiezen dat beter past bij wat je zoekt.

Betaal zoals je wilt, start meteen met leren

Geen abonnement, geen verplichtingen. Betaal zoals je gewend bent via iDeal of creditcard en download je PDF-document meteen.

Student with book image

“Gekocht, gedownload en geslaagd. Zo makkelijk kan het dus zijn.”

Alisha Student

Veelgestelde vragen