A.詞袋模型（bag-of-wordsmodel）適用于描述文本的一個(gè)簡(jiǎn)單的數(shù)學(xué)模型，也是常用的一種文本特征提取方式
B.詞袋模型對(duì)文文件進(jìn)行了很大程度的簡(jiǎn)化，但一定程度上仍然保留了文文件的主題信息
C.對(duì)文本建構(gòu)詞袋之前，需要先借著額外的手段將文本中的詞語(yǔ)分開，這項(xiàng)技術(shù)稱之為分詞（word-segment）
D.在文檔中，例如『的』、『也』這樣構(gòu)成一個(gè)句子的基本字詞對(duì)文文件的主題區(qū)分并無(wú)幫助，且不攜帶任何主題信息的高頻詞稱為停止詞（Stopword），在構(gòu)建詞典時(shí)必須去除
E.一個(gè)詞在文文件中出現(xiàn)的頻率稱為詞頻率（termfrequency）其定義為該詞語(yǔ)在文本中出現(xiàn)的次數(shù)與這段文本中詞語(yǔ)的總數(shù)的商
您可能感興趣的試卷
你可能感興趣的試題
A.手肘法
B.刪除法
C.分類樹
D.矩陣乘法
E.層次聚類算法
A.分成「生成網(wǎng)絡(luò)」及「判別網(wǎng)絡(luò)」兩部份
B.通過(guò)生成網(wǎng)絡(luò)和判別網(wǎng)絡(luò)之間的相互「對(duì)抗」來(lái)學(xué)習(xí)
C.在生成圖片的模型中，判別網(wǎng)絡(luò)的輸出代表「該圖片為真實(shí)圖片」的概率
D.在多次迭代后，判別網(wǎng)絡(luò)的輸出總是會(huì)趨近于1，達(dá)到均衡狀態(tài)
E.生成網(wǎng)絡(luò)其實(shí)就是利用復(fù)雜的函數(shù)映像來(lái)實(shí)現(xiàn)輸入和輸出的變換
A.輸入一個(gè)人的側(cè)臉照片，生成同一個(gè)人的正臉照片
B.以大量的真實(shí)明星照片訓(xùn)練模型，生成新的明星照片
C.輸入一個(gè)人的照片，生成不同年齡的照片
D.以大量特定明星的視頻訓(xùn)練模型，此模型可將新輸入的視頻中的人臉換成特定明星的臉孔
E.以上皆是
A.視頻的信息分為動(dòng)態(tài)和靜態(tài)兩種，靜態(tài)信息指圖像的外觀，動(dòng)態(tài)信息指的是是頻率序列中的運(yùn)動(dòng)信息
B.雙流卷積神經(jīng)網(wǎng)絡(luò)（two-streamCNN）是利用兩種不同的網(wǎng)絡(luò)實(shí)現(xiàn)同時(shí)處理靜態(tài)和動(dòng)態(tài)信息
C.隨機(jī)抽取的的單個(gè)彩色圖像幀作為輸入的網(wǎng)絡(luò)稱為空間流卷積神經(jīng)網(wǎng)絡(luò)（spatialstreamCNN）
D.把多幀（Frame）的光流圖像作為輸入的網(wǎng)絡(luò)稱為時(shí)間流卷積神經(jīng)網(wǎng)絡(luò)（temporalstreamCNN）
E.時(shí)序分段網(wǎng)絡(luò)（temporalsegmentnetworks）是為了解決短視頻行為識(shí)別的而產(chǎn)生的
A.視頻行為識(shí)別是由計(jì)算器分析給定視頻數(shù)據(jù)辨別出用戶行為的過(guò)程
B.行為識(shí)別可以讓人機(jī)交互系統(tǒng)更精確地理解人的行為
C.行為類別差異過(guò)大的情況下對(duì)視頻中行為的識(shí)別并不會(huì)產(chǎn)生影響
D.拍攝視頻中的距離，光照，角度等外界因素都可能對(duì)視頻的精確度產(chǎn)生影響
E.現(xiàn)今的科技技術(shù)在視頻監(jiān)控中可以有效的識(shí)別其中的特殊與異常行為
最新試題
數(shù)量歸約中無(wú)參數(shù)的方法一般使用（）。
在自然語(yǔ)言處理中，哪些方法可以用于提升文本分類、情感分析和實(shí)體識(shí)別的準(zhǔn)確性（）？
在神經(jīng)網(wǎng)絡(luò)中，激活函數(shù)ReLU 的特點(diǎn)是什么（）？
智能運(yùn)維AIOps 的核心技術(shù)是什么（）？
在自然語(yǔ)言處理中，哪些方法可以用于提升自動(dòng)對(duì)話系統(tǒng)和文本摘要生成的自然性和流暢性（）？
反向傳播算法和梯度下降算法在神經(jīng)網(wǎng)絡(luò)訓(xùn)練中的主要區(qū)別是什么（）？
在機(jī)器學(xué)習(xí)中，核技巧（KernelTrick）主要用于解決什么問(wèn)題（）？
在深度學(xué)習(xí)模型訓(xùn)練中，"早停法"（EarlyStopping）策略的應(yīng)用目的是什么（）？
在深度學(xué)習(xí)模型訓(xùn)練中，哪些技術(shù)有助于防止過(guò)擬合并提高模型在多任務(wù)學(xué)習(xí)上的表現(xiàn)（）？
進(jìn)行模型訓(xùn)練之前，需要先把標(biāo)注好的數(shù)據(jù)進(jìn)行分類。訓(xùn)練有監(jiān)督學(xué)習(xí)模型時(shí)會(huì)將數(shù)據(jù)集劃分為（）。