信息检索系统导论期末考试题库

1、一、选择题1,下列哪项不属于信息检索的关键技术？（B）A.信息抽取 B.B.文本挖掘 C,自动文摘 D,链接分析2.TREC 测试集主要包括 3 个部分， 下列选项中不是 TREC 测试集的一部分的是：（C）A.主题 B.文档集合 C.C.关键词 D,相关性判断3,对向量空间模型、布尔模型及概率模型的表述有误的一项是：（D）A,向量空间模型与布尔模型相比具有较大的优势B,向量空间模型无法揭示索引项之间的关系，因而向量空间模型在理论上还是不够完善C.布尔模型是最早提出的信息检索模型D.D.概率模型也称二值独立检索模型。它是在向量空间模型的基础上为解决检索中存在的一些不确定性而引入的。4 利用文献

2、后面所附的参考文献进行检索的方法称为（A）A,追溯法 B,直接法 C,抽查法 D,综合法11、PageRanK 法的理论基础是随机冲浪模型，该模型描述了网络用户对网页的访问行为。下列不属于用户访问行为特点的是：（）A 用户选择的起始网页是固定的B 用户会从起始网页含有的超链接中随机选择一个页面继续浏览C 当用户沿着超链接前进了一定数量的网页后，可能会对本主题厌倦，这时用户会重新随机选择一个网页进行浏览D 用户会重复以上的过程若干次12、信息过滤系统是应用信息过滤技术处理信息的应用系统，下列对其特点的说法错误的是：（）A 信息过滤系统是针对无结构的或半结构化的数据设计的信息系统，这与传统的数据库

3、应用有着本质的区别B 信息过滤系统只处理文本信息C 信息过滤系统一般处理的数据为输入信息流D 信息过滤系统要包含一组对用户过滤需求的描述 13、中国学术期刊全文数据库提供的文献内容特征检索途径有（）A,机构 B,篇名/关键词/摘要 C.中文刊名 D.D.作者14、维护倒排文件通常需要的操作有（D）文档或文档集合5、逻辑与”运算符是用来组配（）A.不同检索概念，用于扩大检索范围C.不同检索概念，用于缩小检索范围6、在中国学术期刊全文数据库中，A.逻辑与 B.逻辑或 C.逻辑非B,相近检索概念，扩大检索范围D,相近检索概念，缩小检索范围不可以进行（）检索D.位置7、若想在中国学术期刊全文数据库 中

4、提高检索结果的查准率，可使用（）A.在结果中检索 B.优先算符 C,或者9、下列检索式中，哪一种属于逻辑“与”？A.室内装饰+室外装饰C.神雕侠侣-电视剧10、下列不属于查询构造方法的是：（）D,位置检索B）B.B.音乐*教学D.火星|金星A 分类查询 B 单一词查询 C 布尔查询D 上下文查询A.插入 B.插入和删除 C,删除 D.D.插入、删除、更新15、单一查询是指由一个（）构成的查询。（）A 单词 B.单词或词语 C.词语 D.单词或句子16、下面哪项不是 863 信息检索评测采用的评价指标（D）A:MAPB:R-PrecisionC:P10D:MRP16、下面那一项不是容易引起歧义的

5、符号（D）A:句号 B:撇号 C:连字符 D:D:分号18、下面哪一项不是信息检索按照理论基础的不同划分的模型（D）A:布尔模型 B:向量空间模型 C:概率模型 D:D:统计语言模型19、下面哪种算法属于著名的集合选择算法？（B）A.KMPB.CORIB.CORIC.BMD.BF20、下列说法正确的是（）A.形态还原就是词干还原，即去除屈折型语言的词尾形态变化，将其还原为词的原形B.系统检索出来的相关文档位置越靠前（排序（rank）值越小），MRR 就可能越高C.概率模型可以采用相关反馈原理，可开发出理论上更为坚实的方法D.向量空间模型是最早提出的信息检索模型21、下面关于平均排序倒数（MRR

6、）计算公式正确的是（）A.MRRnkq_1/B.MRRry-1C. .MRR=-门一 E1D. .MRR=-&(M-1R1,B(L1)22、在信息检索模型中，（）是最早提出的信息检索模型（17、 卜列哪一种符号可以用来构成合成词（A 句点B 撇号C 连字符 D 其它符号第 i 个相关文档位置A 向量空间模型B 概率模型 C 扩展模糊集合模型47、 知网是一个以英语和汉语的词语所代表的概念为抽象对象，以（D 布尔模型A）为基本单位，揭示概念之间以及概念属性之间的关系为基本内容的常识知识库A 字节 B 字段 C 词 D 比特23、关于向量空间模型的优点中，说法错误的是：（D）A 检索结果的

7、相关性排序C 能够进行相关性反馈B 可以控制输出结果的数量D D 揭示了索引项之间的关系24、下列选项中不属于信息检索模型的是（D）A:布尔模型 B:向量空间模型C:概率模型 D:D:实数型25、准确率与召回率的表达式分别为（A）A.A.相关文档数与检出文档数的比值，系统检出的相关文档数与实际相关文档数的比值B.系统检出的相关文档数与实际相关文档数的比值，相关文档数与检出文档数的比值C.检出文档数与相关文档数的比值，相关文档数与检出文档数的比值D.相关文档数与检出文档数的比值,检出文档数与相关文档数的比值26、下列不属于查询构造方法的是（C）A.单一词查询 B 上下文查询 C C 相邻词查询

8、D 布尔查询27、查询处理技术中有单一查询、下文查询，D D 三种查询扩展方法A、短语查询 B、相邻词查询 C、反馈查询 D D、布尔查询28、TREC 测试集主要包括文档集合主题相关性判断企业检索任务（）ABCD29、按照顺序表述文献检索常用的五个步骤是（D）A.明确要求和分析课题，选择检索系统，获取原文，确定检索途径和检索策略，实施检索以及调整检索策略B.明确要求和分析课题，获取原文，确定检索途径和检索策略，实施检索以及调整检索策略选择检索系统C.明确要求和分析课题，实施检索以及调整检索策略选择检索系统，获取原文，确定检索途径和检索策略D.D.明确要求和分析课题，选择检索系统，确定检索途径

9、和检索策略，实施检索以及调整检索策略，获取原文30、万方数据库使用布尔逻辑算符 and/or/not.其中 AandB 表示（A）A:A:查找包括 A A 和 B B 的文献，B;查找 A 与 B 其中之一的文献，C:查找有 A 无 B 的文献。31、具有概念交叉限定关系的两个检索词之间应该使用（C）A.逻辑或 B.逻辑非 C.C.逻辑与 D.优先32、具有相近含义的同义词或同族词在构成检索策略时应该使用（A）运算符予以组配。A.A.逻辑与 B.逻辑或 C.逻辑非 D.位置33.关于万方数据资源的说法中，正确的是（A）A:A:以科技信息为主，涵盖经济，金融，人文信息B:以经济信息为主，涵盖科技

10、，金融，人文信息C:以金融信息为主，涵盖人文，经济，科技信息D:以人文信息为主，涵盖金融，经济，科技信息34、在 Lucene 中建立索引的主要步骤不包括（）A 文档解析 B 内容分析C 得出结论 D 生成索引35、下列哪项属于典型的基于划分的聚类方法（）Ak-means 算法 B 朴素贝叶斯算法C 决策树算法 D 统计学方法36、下列哪项不属于信息过滤中应用的统计模型（）37、下列属于信息检索中的关键技术的是（）A 信息融合 B 信息抽取C 处理多源信息 D 话题检测与跟踪38、下列属于信息检索中的基础研究课题是（）A 文本挖掘 B 对抗式信息检索B 数字图书馆 D 基因信息检索39 属于向

11、量空间模型的缺点的是（）A 检测结果的相关性排序 B 可控制输出的结果和数量C 能够进行相关性反馈 D 认为索引项相互独立，未能结实词语间关系40、下列不属于文本操作技术中的断词操作技术的是（）A 句点 B 撇号C 连字符 D 未登录词识别41、信息检索系统需要事先做一些准备工作，这两项准备工作是（B）A 信息的采集与分类 B B 信息的采集与加工C 信息的分类与标引 D 信息的分类与摘要42、信息检索的处理对象是（C）A 结构化信息 B 信息集合 C C 非结构化信息 D 相关信息43、下面不属于基于语言模型的检索模型的是（D）A、查询相似度模型 B、统计翻译模型C、风险最小化模型 D D、

12、隐性语义索引模型44、试图通过统计学和概率论对自然语言进行建模，从而获取自然语言中的规律和特性，以解决语言信息处理中的特定问题。属于下列的哪种的模型（A）A A、统计语言模型 B、扩展布尔模型C、概率模型 D、向量空间模型45、下列选项中不属于文本操作技术的中文词法分析的是（A）A A、断词 B、最大匹配法 C、歧义词切分 D、未登录词识别46、利用选定的检索工具由近及远地逐年查找，直到查到所需文献为止的检索方法是（A）A A、倒查法 B、顺查法 C、追溯法 D、抽查法47、下列那一个不是衡量一个语料的指标（A）A A 准确率 B 标注的一致性 C 错误率 D 标注规范48、只知道某书的 IS

13、BN,应选择那种检索途径（D）A 分类检索 B 主题检索 C 著者检索 D D 信息代码途径49、Google 是那种类型的检索引擎（C）A 关键词型 B 目录型 C C 集合型 D 专用型50、下列哪项不是 web 搜索引擎系统的子系统（D）A:web 数据集系统 B:网页预处理系统C:检索结果排序系统 D:D:阅读理解系统51、TREC 测试集主要包括几个部分（B）A1 个 B3B3 个 C4 个 D5 个52、信息检索的概念是（B）A 是指用来实现信息检索功能的计算机软件系统。B B 是指从非结构化的信息集合中找出与用户需求相关的信息。A 向量空间模型C 语言模型B 布尔模型D 相关性模

14、型C 信息检索是一门多学科的交叉的应用技术学科。D 信息检索是利用各类媒体处理技术对信息进行加工，找出一定的机构。53、一般来说，关键词出现在文献的不同字段表达的相关性不同，以表达的相关性从强到弱排序如下：（）A.关键词标题文摘正文B.关键词文摘正文标题C.标题关键词文摘正文D.正文文摘关键词标题54、信息检索模型按照理论基础的不同可划分为布尔模型、（）、概率模型以及基础知识的模型。（B）A、统计模型 B B、向量空间模型 C、全文模型 D、数据模型55、统计语言模型试图通过统计学和对自然语言进行建模，从而获得自然语言中的规律和特性。（A）A A、概率论 B、布尔模型 C、高等数学 D、向量5

15、6、面向用户的测度方法包括覆盖率、新颖率、相对查全率、（C）。A、时间效率 B、空间效率 C C、召回率负担 D、出错率57、中文检索系统主要有两种检索方案：基于字的检索和（C）。A、基于句子的检索 B、基于文章的检索C C、基于词的检索 D、基于符号的检索58、信息检索的对象包括文字、（A）、音频、视频等。A、图片 B、文档 C、网页 D D、数据59、下面不属于基于语言模型的检索模型的是（D D）A、查询相似度模型 B、统计翻译模型C、风险最小化模型 D D、隐性语义索引模型60、下列有关召回率与准确率正确的是（A A）A A准确率为检索的相关文档数与检出文档数的比值。B、准确率与召回率无

16、关。C、准确率越高则召回率就越高。D、准确率和召回率成等比负相关。二、填空题1、利用倒排文件进行检索，通常分为三个步骤：词汇表检索、记录表检索和录表操作。2、评价相关反馈的方法很多，但主要的评价方法有：准确率和召回率、压缩文档集合和分割文档集合。3、一般情况下，分布式信息检索按照应用的场景可以分为：合作环境下的分布式信息检索和非合作环境下的分布式信息检索。4、自动查询扩展技术包括全局分析和局部分析的方法。5、查询构造的基本方法包括单一词查询、上下文查询和布尔查询。6、常用的索引技术有倒排文件、后缀数组和签名文件三种。7、倒排文件一般由词汇表和记录表组成。8、 国内的信息检索评测会议包括： 86

17、3863 信息检索评测和 SWEMSWEM 中文 WebWeb 评测英文的拼写检查包括形态还原技术、词汇相似度计算技术。9、信息检索的技术有全文检索、数据检索、知识检索10、TREC 测试集主要包括文档集合、主题、相关性判断。11、信息检索模型按照理论基础的不同可以划分为布尔模型、向量空间模型、也率模型以及基于知识的模型。12、为了能够客观准确的评价分词系统的效果，需要制定一些指标来对分词的结果进行评测，常用的评测指标有准确率 P P、召回率 R 和 EE。【第 4 章】13、单模式的字符串匹配技术，主要包括 BFBF、KMPKMP、BMBM 三种常用的精确匹配算法。14、倒排文件建立方法：基

18、于内存的、基于排序的、基于合并的倒排文件建立方法15、维护倒排文件通常需要的操作有：插入操作、删除操作、更新文档。16、TRECTREC（文本检索会议）是信息检索界为进行检索系统和用户评价而举行的活动，它由美国国家标准技术协会和美国高级研究计划局共同资助，开始于 19921992年。17、TREC 的评价是按照检索到的相关文献的数量来评价系统的有效性，主要要测量召回率和准确率。18、向量空间模型是存在不足之处的,即标引词之间被认为是相互独立的。19、 本体论是一种描述概念及概念之间的关系的概念模型,通过概念之间的关系来描述概念的语义。20、形态还原是去除曲折型语言的词尾形态变化,将其还原为词的

19、原型。21、以 TRECNTCIRCLEFTRECNTCIRCLEF 为代表的信息检索评测在信息检索领域有着深22、如果用户能够把他对返回结果中各个网页相关性的判断反馈给检索系统，检索系统就能够更准确的理解用户需求，重新给出一批更有可能满足用户需求的文档，这一过程叫做相关反馈。23、信息检索系统要解决的核心问题是：当用户给定其查询后，对文档集中的每一个文档与用户查询相关程度给出判断。24、在合作的分布式信息检索环境下，可以采用两种方式对文档集合进行划分：将文档集合进行随机划分、对文档集合进行语义分割。25、目前，经过国内外的专家的努力，已经产生了一些具有规模并具有一定实用性的本体库，其中最著名

20、的三个本体库分别是知网、WordnetWordnet 和 SUMOSUMO26、中文检索系统主要有两种检索方案：基干字的检索和基于词的检索27、TREC 测试集主要包括：文档集合、主题和相关判断。28、在 Internet 上采集信息的软件被称为网络机器人。29、本体论包括四层含义：概率模型、明确、形式化、共享。30、世界著名四大索引是 SCI（科学引文索引）、SSCI（社会科学引文索引）、_AHCI（艺术与人文科学引文索引）和 EI（工程索引）。31、表示主体的检索词有标题词、单元词、叙词、关金津词。32 .信息检索工具常用的排验方法有字序法、类序法。33 .搜索引擎按信息搜集方式分类：有目

21、录式搜索引擎和机器人搜索引擎34、信息（文献）检索的途径：时序涂径：地序涂径：介类涂径：一题涂径，题名检索涂径，责任者途径。35、利用文献后面所附的参考文献进行检索的方法称为追溯法36 .在大多数情况下，检索的目的是为了找到相关文献.而不是“答案”。37 .二八定律在期刊文献检索中的体现是：20%勺期刊登载了 80%勺重要文献，体现这种特性的期刊是核心期刊。38 .当查询关键词具有多个含义的时候，容易造成误检，使得查准率降低。39 .文献检索语言是标引与检索共同使用的约定语言40 .使用网络蜘蛛（spider）对广域网的信息进行采集，提取关键词建立索引，主要通过工键词进行检索,以上描述的搜索引

22、擎属于索引型搜索引擎。41 .文献获取与利用的过程存在三重语言词建,一分?J 为：自然痔言词建、专业语言词建、检索语言词建。42 .以内部特征进行检索的最重要的两种检索途径是:主题途径、分类途径。43、文本分类的算法有朴素贝叶斯、K-近邻、决策树方法、支持向量机、基于投票的方法等算法。44、信息过滤系统可概括地划分为四个主要组成部分，分别是信息提供模块、用户需求描述模块、过滤模块和学习模块。45 信息检索中常用的一些词典资源:停用词、叙词表、同义词词典。46 文本操作技术中在英文操作方面有段词技术、词干提取技术、拼写检查技术。47、单模式的字符串匹配技术，主要包括 BFBF、KMPKMP、BM

23、BM 三种常用的精确匹配算法48.WEB 检索系统可以被分成主要的四个部分：webweb 数据采集系统，网页预处理系统,索引检索系统，检索结果排序系统。49、签名文件是基于散列技术的面向单词的索引结构,索引空间大约为原始文档的30%40%50、利用倒排文件进行检索，通常分为三个步骤：词汇表检索、记录表检索、记录表操作。51、倒排文件也称倒排索引，索引对象是文档或文档集合中的单词等，用来存储这些单词在一个文档或者一组文档中的存储位置，是对文档或文档集合的一种最常用的索引机制，倒排文件一般由两部分组成：词汇表和记录表。52、信息检索中的关键技术：信息抽取、文本分类与聚类、自动文摘、链接分析、分布式

24、信息检索、webweb 信息检索。53、人们根据领域知识或者通用知识建立了一些词典资源来辅助信息检索，通常使用的词典资源是叙词表和同义词词典三、判断题1,利用文献后面所附的参考文献进行检索的方法称为追溯法（V）2、CNKI 数据库的全文阅读格式有两种，其中一种是（CAJ）（，）3、在进行信息检索的研究时，对各种算法进行实验需要使用大量的训练和评价数据，而同一个算法在不同的数据条件下得到的结果可差异很大，因此，如果没有同一的测试方法和共同的数据集合，几乎不可能比较不同的算法。（，）4、常用的本体库中最著名的是知网、WordNet、SUMO。（，）5、 认识论是一种描述概念及概念之间的关系的概念模

25、型， 通过概念之间的关系来描述概念的语义。 （X）6、TREC 的评价是按照检索到的相关文献的数量来评价系统的有效性，主要要测量召回率和准确率。（V）7、设 A、X、B 分别为汉字串，如果其组成的汉字串 AXB 满足 AX 和 AB 同时为词，则汉字串 AXB 为交集型歧义字段。（V）8.文献检索是一种相关性检索，检索结果与检索人员的检索技巧等有关（，）9、Google 没有采用去停用词策略。（x）10、维普资讯检索系统可以进行学位论文检索。（x）11、核心期刊是指经常使用的期刊（x）12、网页预处理系统的功能主要是去掉重复的网页（，）13、信息抽取是指从文本数据中抽取有价值信息和知识的计算机

26、技术,掘的一个分支，也是一个边缘学科。（x x）14、词干提取也称词干化、词干法，它在信息检索中的作用有两个：提高检索的准确率和减少索引文件的大小。（x x）解答：词干提取的作用是提高检索的召回率不是准确率。15、按照加工深度不同区分，文献可以分成零次、一次、二次核三次文献（，）文献检索的本质是用户的文献需求与存储在文献集合中的文献内容进行匹配的过程（，）16、文献检索是一种相关性检索，检索结果与检索人员的检索技巧等有关（V V）17、近一两个月内新发表的文献可以通过浏览图书馆阅览室现期期刊的方法获取。（，）18、直接检索法是通过各种检索工具或数据库查找文献的方法（X X）19、作者途径是按照

27、文献信息所包含的作者信息，利用作者姓名进行检索的途径（V V）20、联合目录反映多个图书馆的书刊订阅收藏情况。（V V）21、目录是将图书、报刊等文献中论文的篇目按照一定的排检方法编制而成，供人们查找篇目出处的工具（X X）22、检索语言是用来描述文献的内容特征、外表特征和表达情报提问的一种人工语百。（V V）22、倒排文件也称为倒排索引，索引对象是文档或文档集合中的单词等，用来存储这些单词在一个文档或一组文档中的存储位置，是对文档或文档集合的一种最常用的索引机制。（，）23、在进行维护倒排文件时，一般不进行更新操作，而是使用插入+删除操作代替。（V）24、信息检索系统评价是指对信息检索系统的

28、性能（主要是其满足用户需求的能力）进行评估的活动。（，）25、对于信息检索系统的性能来说检索结果不能按照相关度进行排序（X X）26、签名文件是基于散列技术的面向单词的索引结构，索引占用的空间大小约为原始文档集得 50%60%。（）（）27、相关反馈是用户对最终检索出的相关文档结果的反馈。（X X）28、相关反馈可以同时提高准确率和召回率。（V V）29、根据检索手段的不同，信息检索可分为手工检索、光盘检索、联机检索和网络检索四种方式（V V）30、逻辑运算符的优先顺序为 AND、NOT、OR。（X X）31、Google 是目录式搜索引擎。（V V）32、中国学术期刊全文数据库的“在结果中检

29、索”最多可以进行两次。（X X）33、概率模型中没有用到对用户的查询技术要求比较高的布尔逻辑方法，同时可以将文档按照它们相关的概率的递增顺序排序（X X）34、本体论是一种描述概念及概念之间关系的模型，通过概念之间的关系来是数据挖1、什么是索引？答：索引(Index)(Index)是一种数据结构，其将关键词与包含该关键词的文档(或关键词在文档中的位置)建立了一种映射关系，以加快检索的速度。2、什么是信息检索？信息检索的处理对象是什么？答：(1)信息检索是从非结构化的信息集合中找出与用户需求相关的信息。(2)(2)信息检索的处理对象：信息检索系统处理的是“非结构化的信息”除文本外，还有图像、图形

30、、语言、视频等多媒体信息。3、比较布尔模型和向量模型的优缺点？答：布尔模型的优点：检索式的结构化一用布尔算法明确揭示了索引项之间的关系。不能对结构按相似度进行排序；不能控制返回文档的数量；不能进行相关性反馈。向量模型的优点：(1)(1)检索结果的相关性排序；(2)(2)可以控制输出结果的数量；(3)(3)能够进行相关性反馈。缺点：认为索引项相互独立，未能揭示词语之间的关系。4、TREC 的影响有哪些？5、相关反馈的步骤？答：(1)用户提出一个简短的查询；(2)(2)用户将检索返回的文档标识为“相关”或“不相关”(3)(3)根据用户的反馈结果，检索统计计算出一个更好的查询的表达式;(4)(4)以

31、上过程可以反复多次。6、集中式 web 数据采集系统的结构包括哪些模块？7、信息过滤研究主要包含哪几个方面？各自的特点是什么?35、36、37、38、39、40、四、描述概念的语义。(V)早期 TREC 评测主要包括两个任务，一个是 adhoc 检索任务；?一个是固定主题检索任务(V)为了提高检索效率，人们根据领域知识或者通用知识建立了一些词典资源来辅助信息检索。其中包括两种词典资源：斜词表和同义词表。概率检索模型可以采取相关反馈原理，可开发出离乱上更为见识的方法对于一个检索系统，可以从功能和性能两方面对其进行分析评价(V)中文检索系统主要有三种检索方案：基于字的检索，基于词的检索，基于句的检

32、索(X)百度采用了去停用词的方法。(X)简答题缺点：(1)(2)(2)(3)(3)答：8、请简述布尔模型，向量空间模型和概率模型的优缺点。9、建立具体的信息检索模型本质上取决于那几个方面？答：(1)如何表示文本和查询(2)如何看待和判断查询和文档是否相关(3)如何计算查询和文档之间的相似度。10、简述信息检索的步骤和方法一般情况下使用的检索步骤为弄清信息需求，明确检索目的选择数据库，确定检索途径确定课题的概念组面和检索标识11、常用的检索方法有那些？答：(1)(1)顺查法(2)(2)倒查法(3)(3)抽查法(4)(4)追溯法(5)(5)分段法(6)(6)浏览法12、什么是 TREC?答：TRE

33、CTREC 是文本检索会议的简写，是信息检索界为进行检索系统和用户评价而举行的活动，它由美国国家标准技术协会和美国高级研究计划局共同资助，开始于 19921992 年；13、假设查询 q 为一个给定的查询式，而包含 q 的相关文档集 Rq 为下面的文档集：Rq=d2,d5,d6,d9,d12,d23,d30,d34,d35而针对 q 的检出文档集为：Aq=d3,d4,d5,d6,d8,d10,d12,d19,d20,d23,d24,d26则 Ra 集为:Ra=d5,d12,d23求准确率，召回率。14、描述分布式 web 信息检索系统进行查询的过程答：用户从客户端发出查询，经过分发服务器针对用户的查询进行集合选择，选择最适合的文档集合进行检索，用户的查询请求被发送到相应的信息检索服务器上进行并发查询；查询的结果再经过结果合并过程返回给用户。15、概率模型的优缺点？答：优点主要