A) Menganalisis sentimen dari sebuah teks.
B) Menerjemahkan teks dari satu bahasa ke bahasa lain secara otomatis.
C) Mengubah ucapan menjadi teks.
D) Menghasilkan respons teks yang mirip dengan bahasa manusia.

A) Menentukan sentimen atau opini yang diungkapkan dalam sebuah teks.
B) Menerjemahkan teks dari satu bahasa ke bahasa lain.
C) Menghasilkan teks acak berdasarkan model yang diberikan.
D) Menganalisis tata bahasa dan sintaksis sebuah kalimat.

A) Model n-gram
B) Model semantik
C) Model Markov
D) Model sintaksis

A) Mengenali berbagai bahasa dalam sebuah teks multibahasa.
B) Menentukan sentimen keseluruhan dari sebuah teks.
C) Mengidentifikasi entitas bernama dalam teks, seperti nama, organisasi, dan lokasi.
D) Mengubah ucapan menjadi teks.

A) Menganalisis nada emosional dari sebuah teks.
B) Mengurangi kata-kata menjadi bentuk dasar atau akarnya.
C) Mengidentifikasi hubungan antara kata-kata dalam sebuah kalimat.
D) Menghasilkan kata-kata baru berdasarkan kata-kata yang sudah ada.

A) Ketidakmampuan untuk mendeteksi sentimen dalam teks.
B) Ketersediaan perangkat keras yang terbatas untuk memproses data bahasa.
C) Kesulitan dalam menerjemahkan antara bahasa yang berbeda.
D) Ketidakjelasan dalam bahasa yang memerlukan pemahaman konteks.

A) Menerjemahkan teks dari satu bahasa ke bahasa lain.
B) Memecah teks menjadi unit-unit individual seperti kata atau frasa.
C) Menganalisis struktur gramatikal sebuah kalimat.
D) Mengidentifikasi topik dari sebuah teks tertentu.

A) Mengenali entitas bernama dalam teks.
B) Menganalisis struktur gramatikal untuk menentukan hubungan antar kata.
C) Menghasilkan sinonim untuk kata-kata.
D) Mengubah ucapan menjadi teks.

A) Jenis pohon sintaks yang digunakan dalam algoritma penguraian.
B) Sebuah metode untuk menerjemahkan antara bahasa.
C) Kumpulan teks yang digunakan untuk analisis linguistik.
D) Jenis hubungan ketergantungan tertentu antara kata-kata.

A) Menganalisis sentimen dari suatu teks.
B) Mengidentifikasi entitas-entitas spesifik seperti nama, organisasi, dan lokasi dalam teks.
C) Menganalisis struktur gramatikal dari sebuah kalimat.
D) Menerjemahkan teks dari satu bahasa ke bahasa lain.

A) Java.
B) C++.
C) Ruby.
D) Python.

A) Penandaan bagian kata (Part-of-speech tagging).
B) Penandaan survei opini publik (Public opinion survey tagging).
C) Penandaan sistem optimasi yang kuat (Powerful optimization system tagging).
D) Penandaan titik penjualan (Point-of-sale tagging).

A) Klasifikasi gambar.
B) Ekstraksi informasi.
C) Pembuatan teks acak.
D) Pengenalan ucapan.

A) Mengidentifikasi entitas bernama dalam sebuah teks.
B) Membuat ringkasan singkat dari dokumen teks yang lebih panjang.
C) Menganalisis struktur sintaksis sebuah kalimat.
D) Menerjemahkan teks dari satu bahasa ke bahasa lain.

A) Jaringan saraf rekuren (RNN).
B) Jaringan fungsi basis radial (RBFN).
C) Jaringan saraf konvolusional (CNN).
D) Jaringan kepercayaan mendalam (DBN).

A) Penilaian Pengembangan Bahasa.
B) Analisis Diskriminan Linear.
C) Latent Dirichlet Allocation.
D) Agregasi Data Lokal.

A) Menghasilkan kata-kata baru berdasarkan kosakata yang sudah ada.
B) Menentukan tata bahasa dari sebuah kalimat.
C) Mengurangi kata-kata menjadi bentuk dasar atau akarnya untuk meningkatkan analisis.
D) Mengidentifikasi sentimen dari sebuah teks tertentu.

A) Menganalisis sintaksis sebuah kalimat.
B) Mengidentifikasi hubungan antara kata-kata dalam sebuah kalimat dan peran semantiknya.
C) Melakukan analisis sentimen.
D) Menerjemahkan teks antar bahasa.

A) Kompilator
B) Algoritma
C) Sintaksis
D) Kata benda

A) Penerjemahan mesin berbasis gambar.
B) Penerjemahan mesin berbasis aturan.
C) Penerjemahan mesin berbasis statistik.
D) Penerjemahan mesin berbasis sentimen.

A) Penerjemahan mesin berbasis jaringan saraf.
B) Metode analisis morfologi.
C) Algoritma penerjemahan berbasis aturan.
D) Pendekatan penerjemahan berbasis simbol.

A) Transformasi.
B) Tokenisasi.
C) Transkripsi.
D) Transferensi.

A) Menerjemahkan kata antar bahasa.
B) Mengidentifikasi entitas bernama.
C) Menganalisis struktur kalimat.
D) Merepresentasikan kata sebagai vektor untuk menangkap makna semantik.

A) Pengenalan entitas bernama (named entity recognition).
B) Analisis ketergantungan (dependency parsing).
C) Pemodelan topik (topic modeling).
D) Segmentasi kalimat.