语言模型的参数估计经常使用MLE（最大似然估计）。面临的一个问题是没有出现的项概率为0，这样会导致语言模型的效果不好。为了解决这个问题，需要使用()

A. 粒度是指数据仓库小数据单元的详细程度和级别;$;$数据越详细,粒度就越小,级别也就越高;$;$数据综合度越高,粒度也就越大,级别也就越高;$;$粒度的具体划分将直接影响数据仓库中的数据量以及查询质量

A. 策略迭代$;$值迭代$;$策略改进$;$最优值函数

A. 概率图模型提供一种直观，快速的针对具体问题定义模型的方式 $;$概率图能让建模者根据对问题的理解确定特征之间的依赖关系 $;$有向图利用条件概率来表示 $;$无向图利用每个最大团的优势来表示

A. 收敛速率更快$;$调优更简单$;$解决小样本学习问题$;$对终身学习的适配性更好。

A. 易于数据的分散存储与处理$;$数据的频繁操作代价低以及数据的简单处理效率高$;$适用于数据模型不断变化的应用场景$;$数据统计及分析的准确率高

A. 学习方式分类$;$网络结构分类$;$网络的协议类型分类$;$网络的活动方式分类