A.詞頻統(tǒng)計的方法中，對于要將單一主題的文文件從海量的語料庫中發(fā)掘出來是很輕易的，不需要借助額外的技術來獲取詞頻向量
B.主題模型（topicmodel）是描述語料庫及其中潛在的一類數字模型，首先考慮到的是如何用數學語言去描述一個主題
C.詞頻向量是由所有的詞頻組合在一起，同時，詞頻為該字詞在文本出現(xiàn)的總數除以文檔中的總詞語數
D.文黨的詞頻、主題的比重、主題的詞頻三者之間的關系為D（文檔詞頻）=W（主題比重）*T（主題詞頻）
E.文本挖掘技術基本上屬于無監(jiān)督學習方法

A.詞袋模型（bag-of-wordsmodel）適用于描述文本的一個簡單的數學模型，也是常用的一種文本特征提取方式
B.詞袋模型對文文件進行了很大程度的簡化，但一定程度上仍然保留了文文件的主題信息
C.對文本建構詞袋之前，需要先借著額外的手段將文本中的詞語分開，這項技術稱之為分詞（word-segment）
D.在文檔中，例如『的』、『也』這樣構成一個句子的基本字詞對文文件的主題區(qū)分并無幫助，且不攜帶任何主題信息的高頻詞稱為停止詞（Stopword），在構建詞典時必須去除
E.一個詞在文文件中出現(xiàn)的頻率稱為詞頻率（termfrequency）其定義為該詞語在文本中出現(xiàn)的次數與這段文本中詞語的總數的商

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「生成網絡」及「判別網絡」兩部份
B.通過生成網絡和判別網絡之間的相互「對抗」來學習
C.在生成圖片的模型中，判別網絡的輸出代表「該圖片為真實圖片」的概率
D.在多次迭代后，判別網絡的輸出總是會趨近于1，達到均衡狀態(tài)
E.生成網絡其實就是利用復雜的函數映像來實現(xiàn)輸入和輸出的變換

A.輸入一個人的側臉照片，生成同一個人的正臉照片
B.以大量的真實明星照片訓練模型，生成新的明星照片
C.輸入一個人的照片，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