考试时间:2024/6/14
连莉老师人很好,不会查考勤,实验也不是很难,实验老师不严格
考试就是“背多分”,但是不能完全依赖往年的复习重点,因为老师每年讲课内容多少有点差异,但最后一节课老师会讲考试范围(很细致,哪里要背,哪里不用背),所以最后一节课一定认真听!然后就背ppt就行了,内容很多,但老师给分很值得
填空题需要细节记忆,多看看ppt,可能会出一些小字部分
非常推荐!!!!!!!!!!!
一、填空
爬虫采用( )判重
word2vec是计算( ),和( )(king-man+woman)
fasttext是( )和( )工具,提出了( )技术
( )是python的快速、高层次的屏幕抓取和web抓取
文本与处理的结果是文档( )和文档( )
PLSA的全称是( ),根据已知的都文档-词项模型训练出( )和( )
LDA的全称是( )
html解析器( )
csv是( )结构化文本文件
结构化数据可以存储为( ),( ),( ),和csv文件
( )模型直接通过神经网络对其建模求解,可以解决n-gram模型当n过大时的( )问题
( )是将给定的字序列拆分成子序列的过程
反爬策略有robot协议,( ),( ),javascript渲染
单记录文档型页面的抽取方法有基于_的抽取方法和基于( )的抽取方法
白化是为了消除不同特征之间的( ),使用( )方法实现
文本表示分为离散表示和( )表示
skip-gram的改进方法有( )和( )
二、名词解释
(要把思想、公式等都写上)
1、正则表达式
2、web数据抽取
3、HMM
4、词袋模型
5、统计语言模型
三、简答
1、包装器是什么,比较包装器的两种抽取规则
2、CBOW的结构,思想,训练过程和应用场景
3、简述常用的局部特征及其思想