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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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