AI 搜索系统工程师考试试卷及答案

AI搜索系统工程师考试试卷及答案填空题（共10题，每题1分）1.倒排索引的核心组成部分包括______和倒排列表。答案：词项词典2.PageRank算法的核心思想是基于网页之间的______关系计算网页重要性。答案：链接3.中文分词中常见的基于规则的方法有______分词法。答案：正向最大匹配4.向量空间模型中，常用______距离计算文档与查询的相似度。答案：余弦5.搜索引擎的基本流程包括爬行、______、检索和排序四个阶段。答案：索引6.BM25算法中，参数k1用于调节______对相关性的影响。答案：词项频率7.Elasticsearch基于______搜索引擎库构建。答案：Lucene8.停用词的主要作用是减少索引大小和______。答案：提高检索效率9.Query理解的常见任务包括分词、实体识别和______。答案：意图识别10.搜索系统中缓存的主要目的是______响应时间。答案：缩短单项选择题（共10题，每题2分）1.倒排索引的核心优势是？（）A.快速查询词项所在文档B.快速获取文档所有词项C.节省存储空间D.易于更新答案：A2.PageRank的发明者是？（）A.李彦宏B.拉里·佩奇和谢尔盖·布林C.马化腾D.比尔·盖茨答案：B3.常用中文分词工具是？（）A.NLTKB.spaCyC.jiebaD.Transformers答案：C4.Elasticsearch默认主分片数量是？（）A.5B..3C.10D.1答案：A5.BM25中参数b调节的是？（）A.词项频率B.逆文档频率C.查询词权重D.文档长度答案：D6.属于query扩展方法的是？（）A.分词B.同义词替换C.实体识别D.意图分类答案：B7.一致性哈希的主要作用是？（）A.提高查询速度B.减少存储成本C.均衡节点负载D.增强安全性答案：C8.TF-IDF中IDF代表？（）A.词项频率B.文档频率C.词项权重D.逆文档频率答案：D9.不属于NLP在搜索中应用的是？（）A.数据库存储B.Query意图识别C.实体链接D.摘要生成答案：A10.常用缓存替换策略是？（）A.FIFOB.LRUC.随机替换D.先进先出答案：B多项选择题（共10题，每题2分）1.搜索引擎主要模块包括？（）A.爬虫模块B.索引模块C.检索模块D.排序模块答案：ABCD2.倒排索引优化方法包括？（）A.压缩倒排列表B.合并词项C.前缀索引D.增加文档数量答案：ABC3.常见排序算法有？（）A.PageRankB.BM25C.K-MeansD.LambdaMART答案：ABD4.NLP在搜索中的应用场景？（）A.硬件加速B.Query理解C.文档语义分析D.意图识别答案：BCD5.分布式搜索挑战包括？（）A.数据一致性B.单机瓶颈C.节点故障处理D.负载均衡答案：ACD6.Query处理步骤包括？（）A.分词B.停用词过滤C.词干提取D.数据库查询答案：ABC7.索引更新策略包括？（）A.全量更新B.增量更新C.随机更新D.实时更新答案：ABD8.搜索结果评价指标包括？（)A.精确率B.吞吐量C.召回率D.NDCG答案：ACD9.开源搜索框架包括？（）A.MySQLB.ElasticsearchC.SolrD.Lucene答案：BCD10.搜索缓存类型包括？（）A.查询结果缓存B.词项缓存C.文档缓存D.硬盘缓存答案：ABC判断题（共10题，每题2分）1.倒排索引比正排索引更适合快速查询词项所在文档。（）答案：√2.PageRank仅考虑网页入链数量，不考虑入链重要性。（）答案：×3.中文分词是所有中文搜索系统必须步骤。（）答案：×4.Elasticsearch基于Lucene开发。（）答案：√5.BM25在所有场景下都优于TF-IDF。（）答案：×6.分布式搜索性能一定比单机好。（）答案：×7.停用词在所有场景都应过滤。（）答案：×8.Query理解唯一任务是分词。（）答案：×9.缓存越大系统性能越好。（）答案：×10.搜索排序仅考虑文档与查询相关性。（）答案：×简答题（共4题，每题5分）1.简述倒排索引的工作原理。答案：倒排索引由词项词典和倒排列表组成。词项词典存储所有文档中的词项，每个词项对应倒排列表，记录包含该词项的文档ID、词频、位置等信息。查询时，系统先分词得到词项，通过词典找到对应倒排列表，对列表进行交集/并集操作得到候选文档，再排序返回结果。它能快速定位含查询词的文档，提升检索效率。2.简述PageRank算法的基本步骤。答案：PageRank通过网页链接计算重要性：1.初始化所有网页PR值为1/N（N为网页总数）；2.迭代计算：PR(u)=(1-d)+dΣ(PR(v)/L(v))，d为阻尼系数（通常0.85），v是指向u的网页，L(v)是v的出链数；3.重复迭代直到PR值收敛。该算法认为被高重要性网页链接的网页更重要。3.简述BM25与TF-IDF的区别。答案：TF-IDF仅考虑词频（TF）和逆文档频率（IDF），未处理文档长度影响。BM25引入文档长度归一化（参数b）和词频饱和度（参数k1）：b调节文档长度对相关性的影响，k1避免高频词过度影响。因此BM25能更好处理不同长度文档的相关性，效果更优。4.简述分布式搜索中分片的作用。答案：分片将索引分割成多部分存储在不同节点：1.水平扩展：支持海量数据，分担存储和查询压力；2.负载均衡：均匀分配数据和请求，避免单点过载；3.高可用：设置副本，节点故障时副本替代主分片；4.提升效率：并行处理查询，缩短响应时间。讨论题（共2题，每题5分）1.如何提升搜索系统的相关性？答案：提升相关性需多维度优化：1.Query理解：通过分词、实体识别、意图分类准确解析需求，如识别“苹果手机”等实体；2.排序模型：采用BM25、LambdaMART，结合用户行为（点击、停留）训练模型；3.索引质量：确保文档结构化，加入元数据（时间、类别）辅助排序；4.用户反馈：通过A/B测试调整策略；5.语义搜索：用BERT计算语义相似度，处理模糊查询或同义词。这些措施能显著提升搜索结果的相关性。2.如何处理高并发下的搜索性能问题？答案：处理高并发需综合优化：1.缓存：缓存热门查询结果、词项词典，用LRU管理缓存；2.