A、COBWSoftmax
B、Softmax、CBOW
C、CBOW、Skip-gramD
D、Skip-gramCOBWC
答案：C
解析：Word2Vec提出了两个算法训练词向量
A、COBWSoftmax
B、Softmax、CBOW
C、CBOW、Skip-gramD
D、Skip-gramCOBWC
答案：C
解析：Word2Vec提出了两个算法训练词向量
A. 1.2.3.4
B. 1.3.4.6
C. 1.2.3.4.5.6
D. 3.4.6
解析：DSSM经典模型的优点;1.解决了字典爆炸问题，降低了计算复杂度；2.中文方面使用字作为最细切分粒度，可以复用每个字表达的词义，减少分词的依赖，从而提高模型的泛化能力；3.字母的n-gram可以更好的处理新词，具有较强的鲁棒性；4.使用有监督的方法，优化语义embedding的映射问题；5.省去了人工特征工程；6.采用有监督训练，精度较高。
A. 半结构化
B. 结构化
C. 文本化
D. 非结构化
A. 包裹式
B. 启发式
C. 嵌入式
D. 过滤式
解析：见算法解析
A. echo
B. output
C. print
D. console.log
A. 无监督学习
B. 监督学习
C. 强化学习
D. 半监督学习
解析：见算法解析
A. 物联网
B. 大数据
C. 云计算技术
D. 以上都是
解析：物联网、大数据、云计算技术都是为人工智能技术的发展提供了其所需要的关键要素
A. 连接边
B. 关系
C. 属性
D. 特征
解析：在知识图谱里,每个节点表示现实世界中存在的“实体”,每条边为实体与实体之间的“关系”
A. 增加网络深度
B. 增加网络宽度
C. 改善网络退化现象
D. 轻量化网络模型
解析：见算法解析
解析：错误
A. np.identity
B. np.ones
C. np.random.rand
D. np.arange
解析：用numpy创建单位矩阵使用np.identity
