2019年公需科目考試信息檢索+數(shù)據(jù)挖掘答案

1、精選優(yōu)質文檔-傾情為你奉上信息檢索所有檢索策略都包含三個要素，以下選項中不屬于三要素的一項是（） A、匹配函數(shù) B、排序函數(shù) C、文檔表示 D、查詢表示答案：B在向量模型中，不可以通過（）來衡量文檔和查詢之間的相似度。 A、向量間距離 B、向量內積 C、向量間夾角大小 D、向量間正切值答案：DT1、T2、T3表示特征項，D1、D2、D3、D4為文檔向量，Q為查詢向量，其中，D1=4T1+2T2+3T3，D2=T1+4T2+2T3，D3=5T1+2T3，D4= T2+3T3，Q=T1+0T2+2T3 。以上文檔中和Q

2、最大可能相關的是（） A、D1 B、D2 C、D3 D、D4答案：A以下選項中屬于概率模型的優(yōu)點的是（） A、模型具有內在的相關反饋機制，將文檔根據(jù)相關概率按遞減順序排列 B、模型最初將文檔分成相關的集合和不相關的集合 C、模型中所有的權值都是二值的 D、模型假設標引詞相互獨立答案：A信息檢索模型中，神經網(wǎng)絡模型屬于（） A、布爾模型 B、向量模型 C、概率模型 D、結構化模型答案：B以下關于網(wǎng)絡爬蟲的描述中，錯誤的一項是（） A、在爬蟲開始的時候，需要給爬蟲輸送一

3、個URL列表，作為爬蟲的起始位置 B、根據(jù)某種抓取策略爬行新發(fā)現(xiàn)的URL，如此重復下去 C、爬蟲程序會抓取所有網(wǎng)頁，以保證搜索正確性 D、對于商業(yè)搜索引擎來說，分布式爬蟲是必須采用的技術答案：C在實際的搜索引擎系統(tǒng)中，通過存儲（）來存儲文檔信息 A、文檔地址 B、文檔簡化序號 C、文檔編號 D、文檔編號差值答案：D下面方法中，不是建立索引的方法的是（） A、兩邊文檔遍歷法 B、排序法 C、歸并法 D、HITS答案：D關于PageRank標準算法與簡化算法正確的是（） A、Pa

4、geRank簡化算法對G中的每一個節(jié)點n，設定其初始值均為1/n B、PageRank簡化算法可以保證迭代過程中的PageRank值之和為1 C、PageRank標準算法不考慮沒有超鏈接網(wǎng)頁的情況D、在實際運算過程中，由于節(jié)點數(shù)n的值巨大，因此通常采用適用于稀疏矩陣運算的PageRank標準算法來對運算過程進行改善答案：A關于HITS算法描述正確的是（C） A、算法最后輸出的是按照內容權威度排序的結果列表 B、如果在原有的擴展網(wǎng)頁集合內添加刪除個別網(wǎng)頁或者改變少數(shù)鏈接關系，HITS算法的排名結果不會有非常大的改變C、HITS算法核心思想是對網(wǎng)頁兩個方面的

5、權威程度進行評價，一個是內容權威度，另一個是鏈接權威度，兩者具有相互增強的關系 D、HITS是與查詢相關的算法，計算效率較高答案：C網(wǎng)頁重定向屬于下列哪種作弊方式（C） A、內容作弊 B、鏈接作弊 C、隱藏作弊 D、Web2.0作弊答案：C對網(wǎng)頁進行兩次抓取，第一次是正常的搜索引擎爬蟲抓取，第二次以模擬人工訪問頁面的方式抓取，如果兩次抓取到的內容差異較大，則認為是作弊頁面，這屬于（） A、識別網(wǎng)頁重定向 B、識別頁面隱藏 C、反內容作弊 D、鏈接反作弊答案：B以下不是搜索引擎的主要功能模塊的一項是（）&#

6、160;A、網(wǎng)絡爬蟲 B、搜索引擎索引 C、PageRank D、搜索排序答案：C以下選項中描述不正確的是（） A、爬蟲的作用是為搜索引擎抓取大量的數(shù)據(jù)，抓取的對象是整個互聯(lián)網(wǎng)上的網(wǎng)頁 B、根據(jù)具體應用的不同，可以將爬蟲分為兩種類型，即增量型爬蟲和垂直型爬蟲 C、暗網(wǎng)是一些垂直領域網(wǎng)站，它們通常是網(wǎng)站提供組合查詢界面，用戶按照需求輸入查詢之后，才能獲取相關數(shù)據(jù) D、倒排列表是指記載出現(xiàn)過某個單詞的所有文檔的文檔列表、以及單詞在該文檔中出現(xiàn)的位置信息答案：B以下選項中描述正確的是（） A、動態(tài)索引包含2個關鍵的索引結

7、構：倒排索引、臨時索引 B、查準率是衡量系統(tǒng)在實施某一作業(yè)時檢出相關文獻能力的一種測度指標，是對檢索遺漏程度的度量。 C、中文分詞技術采用了基于符號的方法來識別D、機器學習的四個步驟中，文檔特征抽取是指利用抽取算法抽取查詢詞TF/IDF信息、文檔長度、網(wǎng)頁PageRank值、網(wǎng)頁入鏈/出鏈數(shù)量等答案：D以下關于推薦系統(tǒng)和搜索引擎的說法中，錯誤的是（） A、推薦系統(tǒng)和搜索引擎都是為了解決信息過載的問題 B、搜索引擎需要用戶提供明確的需求 C、推薦系統(tǒng)是由用戶主導的 D、搜索引擎注重結果之間的排序答案：C下列關于推薦系統(tǒng)評測中在線實驗的說

8、法，錯誤的是（） A、可以公平獲得不同算法實際在線時的性能指標 B、成本較低，容易部署 C、可以獲得商業(yè)上關注的指標，如轉化率、點擊率等 D、周期較長，需要進行長期的實驗才能得到可靠的結果答案：B為了覆蓋用戶的不同興趣領域，我們需要提高推薦結果的（） A、驚喜度 B、滿意度 C、多樣性 D、準確率答案：C下列各項中為工業(yè)界更關注的評測指標的是（） A、點擊率 B、驚喜度 C、新穎性 D、準確率答案：A從商家角度看，推薦系統(tǒng)受歡迎的原因有（） A、拓寬了用戶獲取知識的

9、方式 B、可以增加用戶信任度和粘性，增加營收 C、可以幫助用戶發(fā)現(xiàn)喜歡的新事物 D、可以增強用戶體驗答案：B下列選項中是顯性反饋數(shù)據(jù)的是（） A、用戶觀看了某個視頻 B、用戶對某個視頻的評分 C、用戶觀看視頻的日志 D、用戶在某個視頻的停留時長答案：B下列關于基于用戶的協(xié)同過濾算法的說法中，錯誤的是（） A、隨著網(wǎng)站的用戶數(shù)目越來越大，計算用戶興趣相似度矩陣將越來越困難 B、基于用戶的協(xié)同過濾算法相對于基于物品的協(xié)同過濾算法來說更個性化，反映了用戶自己的興趣傳承 C、基于用戶的協(xié)同過濾算法可以使

10、用余弦相似度來評測兩個用戶之間的聯(lián)系 D、新用戶剛加入系統(tǒng)時，基于用戶的協(xié)同過濾算法沒有辦法馬上對該用戶進行個性化推薦答案：B下列關于推薦算法的說法中，錯誤的是（） A、隱語義模型很難實現(xiàn)實時推薦 B、基于物品的協(xié)同過濾算法著重于維護用戶的歷史興趣 C、使用基于內容的推薦算法進行個性化推薦時，由于非結構化特征難以利用，我們通常直接將其舍棄 D、基于用戶的協(xié)同過濾算法更社會化，著重于反映和用戶興趣相似的小群體的熱點答案：C針對用戶冷啟動問題，下列選項中做法錯誤的是（） A、利用用戶的人口統(tǒng)計學信息 B、推薦熱門商品 

11、C、引導用戶勾選感興趣的標簽 D、利用用戶手機中其它應用的日志文件分析用戶的興趣點答案：D下列選項中不是冷啟動問題解決方案的是（） A、推薦熱門商品給新用戶 B、請專家對商品進行標注 C、推薦冷門物品給用戶 D、雇傭少量用戶試用新商品并給出評分答案：C數(shù)據(jù)挖掘以下哪項不屬于知識發(fā)現(xiàn)的過程？( ) A、數(shù)據(jù)清理 B、數(shù)據(jù)挖掘 C、知識可視化表達 D、數(shù)據(jù)測試答案：D以下哪些不屬于數(shù)據(jù)挖掘的內容？（ ） A、分類 B、聚類 C、離群點檢測 D、遞歸分析答案：D以下哪個不

12、是常見的屬性類型？ （ ） A、A標稱屬性 B、數(shù)值屬性 C、高維屬性 D、序數(shù)屬性答案：C以下哪個度量屬于數(shù)據(jù)散度的描述？ （ ） A、均值 B、中位數(shù) C、標準差 D、眾數(shù)答案：C以下哪個度量不屬于數(shù)據(jù)中心趨勢度描述？（ D ） A、A均值 B、中位數(shù) C、眾數(shù) D、四分位數(shù)答案：D對數(shù)據(jù)進行數(shù)據(jù)清理、集成、變換、規(guī)約是數(shù)據(jù)挖掘哪個步驟的任務？( ) A、頻繁模式挖掘 B、分類和預測 C、數(shù)據(jù)預處理 D、噪聲檢測答案：C聚類分析是數(shù)

13、據(jù)挖掘的一種重要技術，以下哪個算法不屬于聚類算法？( ) A、K-Means B、DBSCAN C、SVM D、EM答案：C建立一個模型，通過這個模型根據(jù)已知的變量值來預測其他某個變量值屬于數(shù)據(jù)挖掘的哪一類任務？( ) A、根據(jù)內容檢索 B、建模描述 C、預測建模 D、尋找模式和規(guī)則答案：C當不知道數(shù)據(jù)所帶標簽時. 可以使用哪種技術促使帶同類標簽的數(shù)據(jù)與帶其他標簽的數(shù)據(jù)相分離？( ) A、分類 B、聚類 C、關聯(lián)分析 D、隱馬爾可夫鏈答案：B在構造決策樹時，以下哪種不是選擇屬

14、性的度量的方法？ ( ) A、信息增益 B、信息增益率 C、基尼指數(shù) D、距離答案：D知識發(fā)現(xiàn)流程最核心的步驟是什么？ ( ) A、數(shù)據(jù)挖掘 B、數(shù)據(jù)預處理 C、模式評估 D、知識表示答案：A將原始數(shù)據(jù)進行集成、變換、維度規(guī)約、數(shù)值規(guī)約是在以下哪個步驟的任務？( ) A、頻繁模式挖掘 B、分類和預測 C、數(shù)據(jù)預處理 D、數(shù)據(jù)流挖掘答案：C以下哪個度量屬于數(shù)據(jù)中心性的描述？ （ ） A、均值 B、極差 C、眾數(shù) D、標準差答案：A類分析是

15、數(shù)據(jù)挖掘的一種重要技術，以下哪個算法不屬于聚類算法？( ) A、K-Means B、DBSCAN C、KNN D、EM答案：C某超市研究銷售紀錄數(shù)據(jù)后發(fā)現(xiàn)，買啤酒的人很大概率也會購買尿布，這種屬于數(shù)據(jù)挖掘的哪類問題？ ( ) A、關聯(lián)規(guī)則發(fā)現(xiàn) B、聚類 C、分類 D、自然語言處理答案：A以下哪些算法是分類算法？( ) A、DBSCAN B、C4.5 C、K-Mean D、EM答案：BK-means算法的缺點不包括？( ) A、K必須是事先給定的 B、選擇初

16、始聚類中心 C、對于“噪聲”和孤立點數(shù)據(jù)是敏感的 D、可伸縮、高效答案：D機器學習中，下面哪些方法不可以避免分類中的過擬合問題？（ ） A、增加樣本數(shù)量 B、增加模型復雜度 C、去除噪聲 D、正則化答案：B下面那個不屬于知識發(fā)現(xiàn)過程。（ ） A、數(shù)據(jù)清理與集成 B、數(shù)據(jù)統(tǒng)計 C、數(shù)據(jù)挖掘 D、模式評估和知識表示答案：B在構造決策樹時，以下那個不屬于選擇屬性的度量？ ( ) A、信息增益 B、信息增益率 C、基尼指數(shù) D、信息熵答案：D關于頻繁模式，下面哪一個陳述是正確的？ ( ) A、K項集頻繁則K-1項則必定不頻繁 B、K項集頻繁則K-1項則必定頻繁 C、K項集不頻繁則K-1項則必定頻繁 D、以上都不正確答案：BDBSCAN算法最大的挑戰(zhàn)是？ ( ) A、確定聚類個數(shù) B、確定聚類形狀 C、確定半徑及MINPTS