BERT模型的主要创新点都在pre-train方法上，即用了（）和（）两种方法分别捕捉词语和句子级别的representation。

A. np.arange(9)$;$np.arange(9).reshape(3,3)$;$np.arange(9).reshape(8)$;$np.arange(8).reshape(8)

A. 顶点$;$关系点$;$连接点$;$实体

A. types[-1]$;$types[-2]$;$types[0]$;$types[3]

A. 格式错误的值$;$重复值$;$逻辑错误的值$;$缺失值

A. 2016
$;$2017
$;$2018
$;$2019

A. 正确$;$错误

A. continue结束整个循环过程，不再判断循环的执行条件$;$遍历循环中的遍历结构可以是字符串、文件、组合数据类型和range()函数等$;$Python通过for、while等保留字构建循环结构$;$continue用来结束当前当次语句，但不跳出当前的循环体

A. 虚拟现实技术$;$图像处理$;$计算机视觉$;$语音识别

A. 判据与分类错误之间呈单调关系，判据越大，分类错误的概率越小$;$特征独立时，判据呈现叠加性$;$判据生成的度量矩阵对称，对角线元素为0，非对角线元素为正$;$加入新特征时，判据不减小。