A、R={(1,2)，(2,3)，(3,4),(4,5)，(6,5)}
B、R={(1,2)，(2,3),(6,5),(3,6),(5,4)})
C、R={(5,4)，(3,4)，(3,2)，(4,3)，(5,6)}
D、R={(1,2)，(2,3)，(4,3),(4,5)，(5,6)}
答案：B
解析：如果一个非空的数据结构满足下列两个条件:1)有且只有一个根节点;2)每一个结点最多有一个前件，也最多有一个后件。则称该数据结构为线性结构。数据的逻辑结构有两个要素:一是数据元素的集合，通常记为D;二是D上的关系，它反映了D中各元素之前的前后件关系，通常记为R。即一个数据结构可以表示成B=(D,R)，其中B表示数据结构。为了反映D中各元素之间的前后件关系，一般用二元组来表示。例如，假设a与b是D中的两个数据，则二元组(a, b)表示a是b的前件，b是a的后件。
A、R={(1,2)，(2,3)，(3,4),(4,5)，(6,5)}
B、R={(1,2)，(2,3),(6,5),(3,6),(5,4)})
C、R={(5,4)，(3,4)，(3,2)，(4,3)，(5,6)}
D、R={(1,2)，(2,3)，(4,3),(4,5)，(5,6)}
答案：B
解析：如果一个非空的数据结构满足下列两个条件:1)有且只有一个根节点;2)每一个结点最多有一个前件，也最多有一个后件。则称该数据结构为线性结构。数据的逻辑结构有两个要素:一是数据元素的集合，通常记为D;二是D上的关系，它反映了D中各元素之前的前后件关系，通常记为R。即一个数据结构可以表示成B=(D,R)，其中B表示数据结构。为了反映D中各元素之间的前后件关系，一般用二元组来表示。例如，假设a与b是D中的两个数据，则二元组(a, b)表示a是b的前件，b是a的后件。
A. numpy
B. opencv
C. gensim
D. matplotlib
解析：见算法解析
A. 2020年与世界先进水平同步
B. 2025年与世界先进水平同步
C. 2025年部分达到世界领先水平
D. 2030年总体达到世界领先水平
解析：基础概念
A. 对于分类问题，支持向量机需要找到与边缘点距离最大的分界线，从而确定支持向量。
B. 支持向量机的核函数负责输入变量和分类变量（输出）之间的映射。
C. 支持向量机可根据主题对新闻进行分类。
D. 支持向量机不能处理分界线为曲线的多分类问题。
解析：支持向量机可以处理分界线为曲线的多分类问题。
A. [a, b]
B. [0，1]
C. [0，1，3, 4]
D. [0, 1, 2, 3]
解析：见函数库
A. 识别敏感信息
B. 脱敏处理
C. 脱敏处理的评价
D. 脱敏操作
A. Encoder
B. transformer
C. Decoder
D. dropper
解析：见算法解析
A. 基于实例学习
B. 概念学习
C. 决策树学习
D. 人工神经网络学习
A. 0
B. 1
C. 2
D. 3
解析：见算法解析
A. and、or、not
B. not、and、or
C. or、and、not
D. or、not、nad
