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) Menganalisis tata bahasa dan sintaksis sebuah kalimat.
D) Menentukan sentimen atau opini yang diungkapkan dalam sebuah teks.

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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