在20K文档的输入数据上为机器学习模型创建了文档-词矩阵（document-term matrix）。以下哪项可用于减少数据维度？
（1）关键词归一化（Keyword Normalization）
（2）潜在语义索引（Latent Semantic Indexing）
（3）隐狄利克雷分布（Latent Dirichlet Allocation）

A. Word2Vec$;$RNN$;$XLNet$;$LSTM

A. 基于能量的模型；$;$优化目标函数为最小化能力函数；$;$分为显层和隐层；$;$神经元都是数值型；

A. 学习率是网络自己学习得到的$;$学习率不同场景是相同的$;$学习率是根据不同场景，人为设定的$;$学习率不是人为设定的

A. 一元切分
$;$一元文法
$;$数据平滑
$;$N元文法

A. 回归$;$统计$;$聚类$;$假设

A. 在线&;&离线&;&自动&;&手动

A. 最小二乘法可以求解线性回归问题$;$梯度下降法可以求解线性回归问题$;$利用最小二乘法求解线性回归问题可能会出现局部最优解$;$学习率是梯度下降法的重要参数