2026年广西壮族自治区公务员考试(大数据+人工智能与大数据侦察职位专业科目)试题解析及核心考点

2026年广西壮族自治区公务员考试(大数据+人工智能与大数据侦察职位专业科目)试题解析及核心考点一、单项选择题（每题1分，共30分）1.在大数据侦察中，数据清洗是预处理的关键步骤。关于缺失值的处理，以下哪种方法在数据量较大且缺失完全随机（MCAR）时最常采用，且对数据分布影响最小？A.删除含有缺失值的整条记录B.使用均值填充C.使用中位数填充D.使用回归模型预测填充答案A解析在数据量较大且缺失为完全随机（MCAR）的情况下，直接删除含有缺失值的记录是最简单且有效的方法，不会引入额外的偏差，也不会改变原有数据的分布特征。其他填充方法可能会改变数据的方差或分布形状。2.在关系型数据库中，若要从两张表中获取满足连接条件的所有数据，包括左表中没有匹配项的记录，应使用哪种连接方式？A.INNERJOINB.LEFTJOINC.RIGHTJOIND.FULLJOIN答案B解析LEFTJOIN（左连接）会返回左表中的所有记录，以及右表中匹配的记录。如果右表中没有匹配，则结果中右侧字段为NULL。这在侦察中常用于“以主查从”或“以人查案”且不能遗漏主表信息的场景。3.深度学习模型在图像侦察任务中表现优异，其中卷积神经网络（CNN）主要用于提取什么特征？A.数据的统计分布特征B.图像的空间层级特征C.时间序列的自相关特征D.文本的语义情感特征答案B解析CNN通过卷积层和池化层，能够有效地提取图像中的边缘、纹理、形状等空间层级特征，非常适合用于人脸识别、车辆特征提取等视频图像侦察任务。4.根据《中华人民共和国数据安全法》，国家建立数据分类分级保护制度。以下哪类数据通常被确定为“核心数据”？A.普通网民的网购记录B.关键信息基础设施的运行安全数据C.公开发布的企业年报D.公共交通的实时线路信息答案B解析核心数据是指一旦遭到篡改、破坏、泄露或者非法获取、非法利用，可能直接危害国家安全、经济运行、社会稳定、公共健康和安全的关键数据。关键信息基础设施的运行安全数据涉及国家安全底线，属于核心数据范畴。5.在情报分析中，用于发现不同事件或实体之间潜在关系的经典算法是？A.K-Means聚类B.关联规则挖掘（如Apriori算法）C.线性回归D.主成分分析（PCA）答案B解析关联规则挖掘旨在发现数据集中项之间的有趣联系，例如“购买了A商品的人往往也会购买B商品”。在侦察中，这可用于发现不同嫌疑人、地点、作案工具之间的共现规律。6.人工智能模型训练中，若模型在训练集上表现很好，但在测试集上表现很差，这种现象被称为？A.欠拟合B.过拟合C.梯度消失D.梯度爆炸答案B解析过拟合是指模型把训练样本中的“噪声”也当作了特征来学习，导致模型泛化能力下降，在未知数据（测试集）上表现不佳。侦察模型构建中需特别注意防止过拟合，避免将偶然巧合当作规律。7.在使用Pandas进行数据分析时，df.groupby('column_name').mean()的主要功能是？A.计算整个DataFrame的平均值B.按照指定列对数据进行分组，并计算每组的平均值C.对指定列进行排序并计算累积平均D.筛选平均值大于阈值的数据答案B解析groupby用于分组聚合操作，该代码表示按照column_name列进行分组，然后计算其余数值列的统计平均值，常用于分析不同类别（如不同团伙、不同区域）的犯罪特征平均值。8.以下哪个指标主要用于衡量二分类模型（如识别某人是嫌疑人还是非嫌疑人）在正样本上的召回情况？A.Precision（精确率）B.Recall（召回率）C.Specificity（特异度）D.Accuracy（准确率）答案B解析Recall（召回率）是指在实际为正的样本中被预测为正的比例。在侦察场景中，高召回率意味着尽量少漏掉真正的嫌疑人，是初筛阶段的重要指标。9.图数据库（如Neo4j）在大数据侦察中的主要优势在于？A.存储结构化表格数据效率最高B.擅长处理节点和边构成的复杂网络关系C.只能处理二维空间数据D.不支持SQL查询语言答案B解析图数据库以图结构（节点和边）存储数据，天然适合处理社会关系网络、资金流向、通信轨迹等高度关联的数据，能快速执行多跳查询，挖掘隐藏的组织架构。10.Python语言中，用于科学计算的基础库，提供了高性能的多维数组对象及相应工具的是？A.NumPyB.MatplotlibC.Scikit-learnD.PyTorch答案A解析NumPy是Python科学计算的基础库，提供了ndarray对象，是进行大规模数据矩阵运算的基础。11.在Linux系统中，查看当前系统内存使用情况的命令是？A.psB.topC.freeD.df答案C解析free命令用于显示系统内存使用情况，包括物理内存和交换空间。df查看磁盘空间，ps查看进程，top查看系统整体状态（包括内存和CPU）。12.大数据侦察中的“碰撞比对”技术，核心逻辑是？A.将两个或多个数据集按照特定规则进行比对，寻找交集或关联B.将数据存储到云端进行备份C.对加密数据进行暴力解密D.清洗数据中的重复项答案A解析碰撞比对是多源情报融合的核心手段，例如将“网吧上网记录”与“酒店入住记录”进行碰撞，寻找同一时间、同一人的轨迹交集，从而锁定嫌疑人。13.以下哪项不属于人工智能的三大要素？A.算法B.算力C.数据D.电力答案D解析人工智能的三大要素通常指数据（燃料）、算法（引擎）和算力（基础设施）。电力虽然重要，但属于基础能源保障，不属于定义AI系统本身的三大核心要素。14.某算法的混淆矩阵显示：TruePositive=80,FalsePositive=5,FalseNegative=15,TrueNegative=90。则该模型的精确率是多少？A.0.80B.0.842C.0.90D.0.941答案B解析精确率公式为TP/(15.在自然语言处理（NLP）中，将文本转化为计算机可处理的向量的常用技术是？A.One-Hot编码B.WordEmbedding（词嵌入）C.图像二值化D.音频采样答案B解析词嵌入（如Word2Vec,BERT）能将词语映射到低维连续向量空间，保留词语之间的语义相似度，是处理文本情报（如舆情分析、文本侦查）的基础技术。16.下列关于Hadoop生态系统中HDFS的描述，错误的是？A.是分布式文件系统B.适合存储海量小文件C.采用主从架构D.具有高容错性答案B解析HDFS虽然适合存储海量数据，但由于NameNode内存限制，不适合存储大量小文件，会产生大量元数据开销。大文件存储才是其优势。17.在贝叶斯分类器中，假设特征之间相互独立，这种分类器称为？A.逻辑回归B.决策树C.朴素贝叶斯D.支持向量机答案C解析朴素贝叶斯的核心假设是“特征条件独立性”，即各个特征之间互不影响。尽管这个假设在现实中常不成立，但在垃圾邮件过滤、简单文本分类等任务中效果依然很好。18.在数据可视化中，用于展示各个部分占总体的比例关系，最适合的图表类型是？A.折线图B.柱状图C.饼图D.散点图答案C解析饼图用于展示各类别在整体中的占比。折线图看趋势，柱状图看数量对比，散点图看相关性。19.公安大数据平台建设中，通常提到的“数据烟囱”是指？A.数据中心排烟系统B.不同业务系统间数据孤立、无法互通共享的现象C.数据加密后的形状像烟囱D.数据上传速度慢，像烟囱一样堵塞答案B解析“数据烟囱”形象地描述了各部门、各警种信息系统独立建设，数据标准不一，形成信息孤岛，阻碍了跨部门的数据融合与综合研判。20.某嫌疑人一天内的移动轨迹点序列为(xA.计算各点到重心的距离之和B.计算相邻两点间欧氏距离之和C.计算首尾两点的直线距离D.计算轨迹覆盖的凸包面积答案B解析移动总距离是路径长度，需要对轨迹上相邻两点间的距离进行累加。欧氏距离公式为(x21.在侦察过程中，利用机器学习模型预测嫌疑人下一步可能出现的地点，这属于什么类型的问题？A.分类问题B.回归问题C.聚类问题D.降维问题答案B解析预测具体的坐标或概率值属于回归问题（或更具体的时空预测回归问题）。如果是预测“去不去A地”，则是分类问题。预测地点的具体位置或概率分布通常归结为回归或序列预测。22.以下哪种技术常用于防止数据泄露，即数据在离开安全环境前自动失去价值？A.数据脱敏B.数字水印C.动态数据掩码D.差分隐私答案A解析数据脱敏是指对敏感数据进行变形、屏蔽处理，确保在不影响数据分析结果准确性的前提下，保护数据隐私。数据脱敏后的数据即使在非可信环境中泄露，也难以还原真实信息。23.TensorFlow和PyTorch主要用于？A.关系型数据库管理B.深度学习框架C.网页爬虫开发D.电子表格处理答案B解析TensorFlow和PyTorch是当前最主流的两个深度学习开源框架，用于构建和训练神经网络模型。24.信号侦察中，将模拟信号转换为数字信号的过程包括采样、量化和？A.调制B.编码C.滤波D.放大答案B解析模数转换（ADC）的三个核心步骤是：采样（时间离散化）、量化（幅值离散化）、编码（用二进制代码表示量化值）。25.对于非结构化数据（如监控视频、录音笔录），提取特征的关键步骤通常是？A.直接人工观看B.特征提取与向量化C.仅存储不处理D.转换为Excel表格答案B解析非结构化数据无法直接被计算机计算，必须通过技术手段（如CNN提取图像特征、MFCC提取音频特征）将其转化为数值向量，才能进行后续的比对和分析。26.在网络爬虫中，Robots协议的作用是？A.加密网页数据B.告诉爬虫哪些页面可以抓取，哪些不可以C.防止DDoS攻击D.提高网页加载速度答案B解析Robots协议（机器人排除标准）是网站与爬虫之间的沟通方式，用于声明站点中不希望被爬虫抓取的部分。在进行公开网络情报搜集时，应遵守该协议及相关法律法规。27.下列关于聚类分析的描述，正确的是？A.聚类是有监督学习B.聚类需要预先标记训练集C.K-Means是一种常见的聚类算法D.聚类的结果一定是绝对正确的答案C解析聚类是无监督学习，不需要预先标记的标签。K-Means是最经典的聚类算法之一。聚类结果取决于算法和数据分布，且可能受到初始值影响，并非绝对真理，需要业务验证。28.在警务实战中，将“人脸识别”、“车牌识别”、“MAC地址采集”等多种感知手段获取的数据进行时空融合，以提高研判精度，这种技术被称为？A.多源数据融合B.数据备份C.数据压缩D.数据分片答案A解析多源数据融合利用不同传感器或数据源的优势，对数据进行综合处理，以获得比单一数据源更精确、更可靠的估计或判断。29.熵是信息论中的重要概念，用于度量系统的？A.有序程度B.无序程度（不确定性）C.速度D.体积答案B解析信息熵用于度量信息的不确定性。熵越大，不确定性越高，包含的信息量越大。在决策树算法中，常用熵来选择最优划分特征。30.在使用Python进行数据获取时，requests库常用于发送HTTP请求。若要模拟提交表单数据，通常使用哪种请求方法？A.GETB.POSTC.PUTD.DELETE答案B解析GET通常用于获取数据，参数在URL中；POST通常用于提交表单数据，参数在请求体中，更适合传输大量或敏感数据。二、多项选择题（每题2分，共20分。多选、少选、错选不得分）1.大数据的“4V”特征通常包括哪些？A.Volume（大量）B.Velocity（高速）C.Variety（多样）D.Value（低价值密度）答案ABCD解析大数据的4V特征是指数据量大、处理速度快、数据类型繁多、价值密度低但商业价值高。2.以下属于常见监督学习算法的有？A.线性回归B.支持向量机（SVM）C.K-Means聚类D.随机森林答案ABD解析K-Means是无监督学习算法（聚类）。线性回归、SVM、随机森林都需要有标签的训练数据进行学习，属于监督学习。3.在大数据侦察中，涉及个人信息的处理，应当遵循哪些合法原则？A.合法原则B.正当原则C.必要原则D.公开原则（无条件公开）答案ABC解析根据《个人信息保护法》，处理个人信息应当遵循合法、正当、必要和诚信原则，不得通过误导、欺诈、胁迫等方式处理个人信息。警务数据涉及隐私，通常不应无条件公开，需在授权范围内使用。4.关于数据的标准化和归一化，以下说法正确的有？A.归一化通常将数据映射到[0,1]区间B.标准化通常将数据转换为均值为0，方差为1的分布C.对受离群点影响较大的数据，标准化比归一化更鲁棒D.两者都是为了消除特征量纲的影响，加速模型收敛答案ABD解析归一化易受离群点影响（因为受最大最小值制约），而标准化（Z-score）对离群点有一定的鲁棒性。因此C说法错误，其他正确。5.以下哪些是常见的NoSQL数据库类型？A.键值存储B.列族存储C.文档型数据库D.图数据库答案ABCD解析NoSQL数据库主要分为四大类：键值存储、列族存储、文档型数据库和图数据库。6.人工智能在视频监控侦察中的典型应用场景包括？A.人脸识别B.行为分析（如打架、跌倒检测）C.车辆特征识别（车型、颜色）D.视频结构化（提取人、车、物属性）答案ABCD解析以上四项均是AI视频分析技术在公共安全领域的成熟应用。7.Python数据分析栈中，常用的库包括？A.NumPyB.PandasC.MatplotlibD.Scikit-learn答案ABCD解析NumPy（计算）、Pandas（数据处理）、Matplotlib（可视化）、Scikit-learn（机器学习）共同构成了Python数据分析的基石。8.数据清洗的主要任务包括？A.处理缺失值B.处理异常值C.消除重复值D.数据格式转换答案ABCD解析数据清洗涉及从原始数据中纠正错误、填补缺失、去除重复、统一格式，以提高数据质量。9.下列关于神经网络的说法，正确的有？A.神经网络的基本单元是神经元（感知机）B.激活函数用于引入非线性因素C.深度学习是指神经网络层数较多的模型D.神经网络不需要反向传播算法答案ABC解析神经网络的训练通常依赖反向传播算法来更新权重，因此D错误。10.在进行电信网络诈骗案件侦查时，利用大数据技术可以分析的信息维度包括？A.涉案资金流（银行卡流水）B.通信流（通话、信令数据）C.网络流（IP、App登录日志）D.虚拟身份流（社交账号、电商平台账号）答案ABCD解析现代网络诈骗犯罪是跨空间的，必须综合资金、通信、网络行为、虚拟身份等多维数据进行关联碰撞，才能还原犯罪链条。三、判断题（每题1分，共10分）1.只要数据量足够大，人工智能模型就能达到100%的准确率。答案错误解析由于数据中存在噪声，以及很多问题本身的不确定性（如人类行为的随机性），且存在过拟合风险，模型不可能达到100%的准确率，且追求100%往往意味着过拟合。2.MapReduce是一种用于并行处理大规模数据集的编程模型。答案正确3.在SQL语句中，WHERE子句用于分组数据，而GROUPBY子句用于过滤记录。答案错误解析WHERE用于过滤行（在分组前），GROUPBY用于分组数据。HAVING用于过滤分组（在分组后）。4.决策树算法易于理解和解释，不需要对数据进行特征缩放（如标准化或归一化）。答案正确解析决策树基于规则进行划分，不涉及距离计算，因此对数据的量纲不敏感，通常不需要特征缩放。5.深度学习中的“梯度消失”问题通常发生在深层网络的反向传播过程中，且使用Sigmoid激活函数更容易加剧该问题。答案正确6.在侦察工作中，获取到的嫌疑人密码属于敏感个人信息，即便在公安内部系统中，也不应明文存储。答案正确7.聚类算法可以将数据自动分为正确的类别，不需要人工干预。答案错误解析聚类算法是无监督的，它只是根据相似性将数据分组，但不能保证分组的业务含义正确，且通常需要人工设定参数（如K-Means的K值）并解释结果。8.Python是一种解释型语言，其运行速度通常比C或C++慢，但通过调用C/C++扩展库（如NumPy）可以获得高性能。答案正确9.数据仓库（DW）主要用于事务处理（OLTP），即日常的业务增删改查。答案错误解析数据仓库主要用于联机分析处理（OLAP）和决策支持，事务处理（OLTP）是操作型数据库（如MySQL业务库）的功能。10.K-近邻（KNN）算法是一种懒惰学习算法，在训练阶段实际上没有进行任何显式的学习，直到预测时才计算距离。答案正确四、案例分析题（共40分）案例背景：某市公安局刑侦支队在侦办一起跨省电信网络诈骗案件时，遭遇了嫌疑人身份虚拟化、资金流向复杂化、团伙组织隐蔽化等难题。为提升打击效能，支队决定成立“大数据情报研判专班”，利用多源数据融合与人工智能技术展开侦查。目前专班掌握的数据资源包括：1.话单数据：数百万条涉案及关联人员的通话记录。2.资金流数据：涉案银行卡及第三方支付账户的交易流水，涉及数千个账户。3.互联网日志：嫌疑人使用的App登录日志、IP地址、设备指纹（MAC/IMEI）。4.社会面数据：卡口抓拍人脸、酒店住宿记录、铁路民航购票信息。请结合大数据与人工智能侦察相关知识，回答以下问题：1.（10分）针对“资金流数据”，数据分析人员发现资金呈现“多层化、碎片化”流转特征，即资金经过多个账户拆分、整合。请简述如何利用图计算技术来刻画并侦测这种洗钱网络结构？答案：(1)构建图谱：将银行账户/支付账户抽象为“节点”，将转账交易抽象为“有向边”（边权可代表交易金额、频次、时间），构建资金流转知识图谱。(2)特征提取：计算图的拓扑特征，如节点度中心性（识别资金中转枢纽）、PageRank值（识别关键账户）、连通分量大小（识别独立团伙资金池）。(3)模式识别：挖掘特定的子图模式，如“扇入扇出”结构（多进一出或多进多出，典型的集资或分赃结构）、环状结构（自循环回流）。(4)路径分析：查找最长转账路径或特定层级深度的传播路径，追踪资金最终去向（如提现卡、虚拟币兑换点）。2.（10分）在分析嫌疑人行为轨迹时，侦察员需要从海量互联网日志和卡口数据中确定特定物理设备的移动规律。假设某嫌疑人使用的手机在T1时刻连接基站A（坐标x1,y1），在T2时刻连接基站答案：(1)速度计算：平均速度v=(2)异常检测方法：-数据预处理：将该设备的定位数据按时间戳排序，构成时间序列S=-特征工程：提取时间窗口内的特征，如每小时移动距离、停留点时长、活动区域半径、昼夜活动比例（如22:00-06:00的位移量