42. 下列何者不適合用來預測「句子的下一個詞」？
(A) Hidden Markov model
(B) Conditional random field
(C) Linear Regression
(D) N-gram

解析：

「句子的下一個詞」預測屬於 自然語言處理 (NLP) 問題，通常使用序列模型 (Sequential Models) 或 機率語言模型 (Probabilistic Language Models) 來預測下一個詞。

選項分析：

✅ (A) Hidden Markov Model (HMM, 隱馬可夫模型)

• 適用於序列預測問題，如語音識別、詞性標註 (POS Tagging) 和機器翻譯。
• HMM 使用 狀態轉移機率 來預測下一個狀態，因此可用來預測下一個詞。

✅ (B) Conditional Random Field (CRF, 條件隨機場)

• 適用於序列標註 (Sequence Labeling) 問題，如詞性標註 (POS Tagging) 和命名實體識別 (NER)。
• 雖然 CRF 主要用於標註問題，不是專門用來預測下一個詞，但仍能應用於 NLP 的序列建模。

❌ (C) Linear Regression (線性回歸) 不適合

• 線性回歸是用來預測連續數值的，不適合預測詞語這類的離散變數 (Discrete Variables)。
• 例如，線性回歸適合用來預測房價、溫度這類數值，而不是語言模型。

✅ (D) N-gram (N元語法模型)

• 適用於語言模型 (Language Modeling)，根據前 N−1N-1N−1 個詞來預測下一個詞。
• 例如，三元模型 (Trigram) 會根據前兩個詞來計算下一個詞的機率。

結論

✔ 不適合預測「句子的下一個詞」的選項是 (C) Linear Regression。