山东大学软件学院2020级信息检索

2020级信息检索(A)课程试卷

TestSc.2023.2.14

一、填空题（1分*30）

1. 信息检索技术可以解决互联网上的 ————问题。

2. 确定————————是IR的和核心问题。

3. 搜索引擎的核心数据结构为————，由————和————组成。

4. 布尔模型建立在————和————的基础上。

5. 精确的Top K搜索的加速方法有（1）————； （2）————；（3）————。

6. HITS算法中，每个网页计算两个值：————和 ————。

7. SVD也就是————。

8. 词袋模型Bag of words model，将其仅仅看作是————，文本中————。

   [记不清楚了（1）对于一个文本，忽略其词序和语法，句法，将其仅仅看做是一个词集合，或者说是词的一个组合，（2）文本中每个词的出现都是独立的，不依赖于其他词是否出现，在任意一个位置选择一个词汇都不受前面句子的影响而独立选择的。]

9. ————是对于词的序列的概率分布描述，是自然语言处理的基础。S在文本中出现的可能性P(S)=————。

10. 二元独立模型BIM做出的两个假设————。

11. PLSA的中文名是————，训练这个主题模型需要根据大量已知的————，训练出————和————。

12. F1值综合————和————，将两者赋予同样的重要性来考虑。

13. p@10的含义是指————。

14. k-gram语言模型可以应用于————。

15. HMM是指————，用来描述————的过程。

16. HMM中的————问题可以应用于分词，其中HMM的中文分词是采用————算法实现的。

二、名词解释（8分*5）

1. term spam（包含主要手段）
2. PageRank算法（包含公式）
3. BM25算法（包含公式）
4. LSA（基本思想、实现方式、应用）
5. NDCG（包含公式）

三、简答题（10分*3）

1. 简述建立词项词典的过程并说明每个步骤的主要内容。
2. 简述向量空间模型的概念和特点（包含TF/IDF）。
3. 简述非精确top K 的主要方法和具体实现方式。

---

评价：参考2020年试题山东大学软件学院信息检索（考试）——期末考试回忆版_

本次考试以"背多分"为主，上述链接中的复习材料仍具有参考意义。本次也是2020年试题回忆的“传承”~~~