A、词性标注
B、实体链接
C、关系抽取
D、命名实体识别
答案：A
A、词性标注
B、实体链接
C、关系抽取
D、命名实体识别
答案：A
解析：基础知识
A. -7
B. -6
C. 6
D. 7
A. 梯度大小
B. 梯度方向
C. 学习率
D. 使用样本数
A.
神经网络的类型(如MLP,CNN)
B. 输入数据
C. 计算能力(硬件和软件能力决定)
D. 学习速率与映射的输出函数
解析：所有上述因素对于选择神经网络模型的深度都是重要的。特征抽取所需分层越多, 输入数据维度越高, 映射的输出函数非线性越复杂, 所需深度就越深. 另外为了达到最佳效果, 增加深度所带来的参数量增加, 也需要考虑硬件计算能力和学习速率以设计合理的训练时间。
解析：正确
A. sigmoid
B. relu
C. tanh
D. skip
解析：见算法解析
解析：人工智能技术近年来神经网络技术突破而发展迅速，但人工智能产业仍相对薄弱。正确
A. 为了达成涟漪效应，必须尽可能的获取产品中的各种数据；
B. 涟漪效应通过记录产品中生成各类数据，并将这些数据用于优化机器模型；
C. 必须将收集到的原始数据全部进行高成本的精细标注，加入到模型训练中去，才能实现涟漪效应；
D. 搜索引擎中的用户点击记录也是实现涟漪效应的一种方式
解析：涟漪效应是在描述一个事物造成的影响渐渐扩散的情形，类似物体掉到水面上，所产生的涟漪渐渐扩大的情形。在经济学中有涟漪效应的例子，例如一个人支出的减少会造成其他人收入的减少，连带也使得他们可支出的金额减少。涟漪效应也用在计算机科学中，说明由于一个模组修改，造成其他模组也需随之修改的情形。
A. &
B. *
C. #
D. //
