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