山东大学 数据科学导论 期末

一.简答
1.dirty data在哪些过程怎么产生
2.解释entity resolution
3.两个向量，计算距离（欧式，曼哈顿，汉明，切比雪夫，余弦）
二.好像也是简答？？？
1.mapreduce
（1）设计map和reduce方法实现表自然连接
（2）两个表的实例，根据表写mapreduce自然连接过程（课件上的order和item表）
2.词袋
（1）词袋的含义
（2）一组句子，用词袋向量表示
三.设计
1.personlrank，计算商品排序
2.一个表格，用户对音乐评分
（1）直观上a和哪个用户最相似
（2）利用数学模型计算a和哪个用户最相似