A) Menganalisis sentimen dari sebuah teks.
B) Mengubah ucapan menjadi teks.
C) Menerjemahkan teks dari satu bahasa ke bahasa lain secara otomatis.
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 sintaksis
C) Model semantik
D) Model Markov

A) Mengenali berbagai bahasa dalam sebuah teks multibahasa.
B) Mengidentifikasi entitas bernama dalam teks, seperti nama, organisasi, dan lokasi.
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) Mengurangi kata-kata menjadi bentuk dasar atau akarnya.
D) Menghasilkan kata-kata baru berdasarkan kata-kata yang sudah ada.

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

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) Mengenali entitas bernama dalam teks.
C) Mengubah ucapan menjadi teks.
D) Menghasilkan sinonim untuk kata-kata.

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

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

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

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

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

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

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

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

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

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

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

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

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

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