A Os algoritmos de extração de característicasBag of Words(BoW) e TF-IDF são diferentes entre si porque o primeiro conta a quantidade de vezes que uma palavra aparece num texto e o segundo normaliza essa informação utilizando a quantidade de vezes que a palavra aparece no corpus de texto.
B O algoritmo deword embeddingsWord2Vec depende do princípio da distribuição, em que as palavras que geralmente têm as mesmas palavras vizinhas tendem a ser semanticamente semelhantes e as colocam num vetor de tamanhos fixos que representam semanticamente as palavras vizinhas.
C O algoritmo deword embeddingsGlovecombina estatísticas locais com estatísticas globais fazendo a análise de uma matriz de co-ocorrência palavra-palavra, de forma que se conta a frequência que essa palavra aparece relacionada com algum “contexto” em um grande corpus.
D O algoritmo deword embeddings Word2Vecpossui duas arquiteturas de construção. A primeira é a CBOW, em que se treina uma rede neural com a tarefa de prever uma palavra dado o contexto e a outra é aSkip-Gram, em que a tarefa da rede neural será dada uma palavra, prever o contexto.
E Na matriz de co-ocorrência do algoritmo deword embeddingsGlove, ao correlacionar uma palavra p1 com um contexto c1, se a palavra p1 possui correlação alta com c1, o valor será mais alto do que o contrário; essa correlação poderá ser utilizada para calcular correlações entre quaisquer palavras do corpus de texto e esse contexto.