人工智能技术应用导论-期末试卷B

《人工智能技术应用导论》期末试卷B考试时间：120分钟总分：100分单选题（每题1分，共20分）人工智能（AI）这一术语在哪一年、由谁首次正式提出？A.1943年，艾伦·图灵B.1950年，艾伦·图灵C.1956年，约翰·麦卡锡D.1969年，马文·明斯基下列哪项不属于人工智能的典型应用？智能推荐系统自动驾驶汽车高性能计算智能语音助手下列哪项不是大数据的“4V”特征？Volume（数据量）Variety（多样性）Value（价值）Variety（多样性）在机器学习流程中，下列哪项属于数据清洗的操作？数据采样特征构造异常值处理数据降维下列哪项属于监督学习算法？K-Means聚类主成分分析（PCA）逻辑回归关联规则挖掘下列哪项不属于深度学习的经典模型？卷积神经网络（CNN）递归神经网络（RNN）决策树Transformer深度学习模型相比传统机器学习模型的主要优势在于？不需要数据能够自动学习特征模型参数更少运行速度更快下列哪项属于AIGC（人工智能生成内容）的应用？垃圾邮件识别根据文字描述生成图片推荐系统语音指令控制下列哪项不属于中文自然语言处理的特殊性？无空格分词语法规则固定语序灵活词语粒度模糊下列哪项属于自然语言处理（NLP）的任务？图像分类语音识别文本分类人脸识别在计算机视觉中，下列哪项不是核心任务？目标检测语义分割语音合成图像分类下列哪项属于人脸识别的技术流程？人脸检测语音识别文本转写情感分析下列哪项不是语音识别技术的应用？会议纪要转写实时字幕生成图片美化智能音箱指令识别下列哪项不属于语音合成技术的参数？Speed（语速）Pitch（音调）Emotion（情感）Format（格式）下列哪项不是数据清洗的主要操作？删除重复值修正错误值填充缺失值降维下列哪项不是特征提取的方法？词袋模型TF-IDFWord2Vec交叉验证下列哪项不是模型评估的指标？准确率（Accuracy）召回率（Recall）F1分数学习率下列哪项不属于Python常用的NLP库？JiebaNLTKOpenCVHanLP下列哪项不属于大模型的特点？参数规模巨大需要海量数据训练逻辑简单具备涌现能力下列哪项不属于AIGC技术面临的挑战？技术伦理内容安全计算资源充足知识产权多选题（每题3分，共15分）下列哪些技术属于人工智能的核心技术体系？机器学习深度学习自然语言处理计算机视觉下列哪些属于数据清洗的操作？缺失值处理异常值处理重复数据处理数据转换下列哪些属于计算机视觉的核心任务？图像分类目标检测语义分割文本生成下列哪些属于自然语言处理的应用？机器翻译情感分析信息抽取语音合成下列哪些属于AIGC技术的应用场景？艺术创作内容营销软件开发资源管理判断题（每题1分，共20分）大数据的价值密度高，即每一条数据都包含关键信息。（）监督学习需要带有标签的训练数据。（）深度学习模型通常比传统机器学习模型需要更多的计算资源。（）AIGC技术可以完全替代人类进行内容创作。（）数据清洗是数据分析流程中必不可少的环节。（）中文分词是中文自然语言处理的第一步。（）计算机视觉技术可以用于图像分割。（）语音识别技术是将文本转换为语音。（）语音合成技术可以根据文本生成语音。（）人脸识别技术可以用于身份验证。（）TF-IDF是一种文本特征提取方法。（）朴素贝叶斯是一种基于统计的分类算法。（）卷积神经网络主要用于处理文本数据。（）Transformer架构主要用于处理图像数据。（）词向量可以捕捉词语之间的语义关系。（）停用词是指在文本中出现频率低，但语义重要的词。（）数据预处理包括数据清洗、分词和去停用词等步骤。（）模型评估的目的是衡量模型在未知数据上的泛化能力。（）自然语言理解包括词法分析、句法分析和语义分析。（）大模型的发展依赖于计算能力、数据和算法的进步。（）简答题（每题5分，共15分）简述大数据的“4V”特征及其含义。解释监督学习、无监督学习和强化学习的区别。说明AIGC（人工智能生成内容）技术的核心特征和应用价值。编程题（30分）请使用Python和Scikit-learn库，完成以下任务：导入必要的库：pandas,jieba,TfidfVectorizer,train_test_split,MultinomialNB,accuracy_score。给定一个简单的中文影评数据集（包含text和label两列，label为0表示负面，1表示正面）。编写一个文本预处理函数，使用jieba进行分词，并去除停用词（如“的”、“了”、“是”等）。使用TfidfVectorizer将处理后的文本转换为特征向量。将数据集划分为训练集和测试集（80%训练，20%测试）。训练一个多项式朴素贝叶斯分类器。在测试集上进行预测，并计算准确率。

参考答案单选题CCDCCCBBBCCACDDDDCCC多选题A,B,C,DA,B,C,DA,B,CA,B,C,DA,B,C,D判断题×√√×√√√×√√√√××√×√√√√简答题简述大数据的“4V”特征及其含义。大数据的“4V”特征包括：Volume（数据量）：数据体量巨大，从TB级别跃升至PB、EB甚至ZB级别。Variety（多样性）：数据类型繁多，包括结构化、半结构化和非结构化数据（如文本、图像、音频）。Velocity（速度）：数据生成和处理速度快，具有实时性或近实时性。Value（价值）：数据价值密度低，即从海量数据中提炼出有价值信息的难度大，但潜在价值高。解释监督学习、无监督学习和强化学习的区别。监督学习：使用带有标签（正确答案）的训练数据来学习模型，目标是对新数据预测标签（如分类、回归）。无监督学习：使用没有标签的训练数据，目标是发现数据中的隐藏结构或模式（如聚类、降维）。强化学习：智能体通过与环境交互（采取行动并获得奖励或惩罚）来学习最优策略，目标是最大化累积奖励。说明AIGC（人工智能生成内容）技术的核心特征和应用价值。核心特征：生成性：能够创造前所未有的新内容（文本、图像、音频等）。多模态融合：支持跨模态的内容生成与转换（如文生图、图生文）。人机协同性：作为辅助工具，与人类共同完成创作任务。高效与规模化：能够快速生成大量内容，提升生产效率。应用价值：颠覆传统创作：在艺术、设计、写作等领域提供全新的创作方式。降低生产门槛：让非专业人士也能通过提示词生成高质量内容。提升效率：自动化生成营销文案、代码、设计草图等，节省人力成本。个性化服务：根据用户需求生成定制化内容，如个性化推荐、定制化教育材料。编程题#1.导入库importpandasaspdfromjiebaimportlcutfromsklearn.feature_extraction.textimportTfidfVectorizerfromsklearn.model_selectionimporttrain_test_splitfromsklearn.naive_bayesimportMultinomialNBfromsklearn.metricsimportaccuracy_score#2.创建模拟数据集data={'text':["这部电影非常精彩，剧情紧凑，演员演技在线。","剧情拖沓，逻辑混乱，完全是在浪费时间。","画面精美，配乐震撼，是一部不可多得的好电影。","演员表演尴尬，台词尴尬，整体感觉很廉价。","强烈推荐！这是我今年看过最好的电影。"],'label':[1,0,1,0,1]#1:正面,0:负面}df=pd.DataFrame(data)#3.文本预处理defpreprocess_text(text):words=lcut(text)stopwords={"的","了","是","在","我","有","和","就","不","人","都","一","一个","上","也","很","到","说","要","去","你","会","着","没有","看","好","这"}filtered_words=[wordforwordinwordsifwordnotinstopwordsandlen(word)>1]return"".join(filtered_words)df['processed_text']=df['text'].apply(preprocess_text)#4.特征向量化vectorizer=TfidfVectorizer(max_features=1000)X=vectorizer.fit_transform(df['processed_text'])y=df['label']#5.数据集划分X_train,X_test,y_train,y_test=train_test_split(X,y,test