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. 1/5

B. 2/5

C. 3/5

D. 4/5

A. 线性规划

B. 整数规划

C. 多目标规划

D. 动态规划

A. 分类

B. 回归

C. 聚类

D. 二分类

A. true

B. false

C. 1

D. 2

A. 参数估计

B. 概率估计

C. 极大似然估计

D. 分布估计

A. 时长

B. 时间

C. 时态

D. 时序

A. 采集存储型传感器

B. 筛选型传感器

C. 控制型传感器

D. 集成式传感器

A. fastText

B. word2vec

C. BERT

D. CNN