阅读理解 Classifying things is critical for our daily lives. For example, we have to detect spam mail (垃

这是一篇说明文。分类对我们的日常生活至关重要，计算机一旦学会了分类边界，计算机就可以确定某个数据是正的还是负的。这项技术的困难之处在于，在学习过程中，它既需要正的数据，也需要负的数据，而负的数据在很多情况下是不可用的。但是一项研究表明，在没有负数据的情况下，只要我们对正数据有一个信心评分，我们就可以让计算机只使用正数据来学习从而进行分类。
【7题详解】
细节理解题。由第一段“. Once a classification boundary is learned, the computer can determine whether a certain data is positive or negative.”可知，一旦学习了分类边界，计算机就可以确定某项数据是正的还是负的。所以计算机通过学习分类界限区分正负数据。故A选项正确。
【8题详解】
推理判断题。由第二段“ For instance, when a retailer (零售商) is trying to predict who will make a purchase, they can easily find data on customers who have purchased from them (positive data), but it is basically impossible to obtain data on customers who have never purchased from them (negative data), since they do not have access to their competitors’ data.”可知，例如，当零售商试图预测谁将购买商品时，他们可以很容易从购买他们的商品的客户那里获得数据（正数据），但基本上不可能从未从他们那里购买过的商品的客户那里获得数据（负数据），因为他们无法访问竞争对手的数据。所以为什么提到第2段中的例子是为了解释为什么很难获得负数据。故D选项正确。
【9题详解】
词义猜测题。由第三段“as long as we have a confidence score for our positive data, constructed from information such as buying intention or the active rate of app users. Using our new method, we can let computers learn a classifier only from positive data equipped with confidence.”可知，只要我们对我们的正数据有一个信心评分，这个得分是由购买意向或应用程序用户的活跃率等信息构成的。使用我们的新方法，我们可以让计算机只从有信心的正数据中学习分类。 第3段下划线的"new method "指的是 Building a confidence score“建立信心评分”。故B选项正确。
【10题详解】
标题归纳题。通读全文尤其是第三段“but we have made it possible for computers to learn with only positive data, as long as we have a confidence score for our positive data…”可知，分类对我们的日常生活至关重要，计算机一旦学会了分类边界，计算机就可以确定某个数据是正的还是负的。这项技术的困难之处在于，在学习过程中，它既需要正的数据，也需要负的数据，而负的数据在很多情况下是不可用的。但是一项研究表明，在没有负数据的情况下，只要我们对正数据有一个信心评分，我们就可以让计算机只使用正数据来学习从而进行分类。所以短文的最佳标题为“聪明的人工智能：“在没有负数据的情况下，机器也能够学习从而进行分类”。故B选项正确。