1、智能信息系統模擬試卷二年級：專業：姓名：學號一、單項選擇下列知識表示方法屬于層次的、組合式的是（）A語義網表示法B謂詞邏輯表示法C框架表示法D推理機（）是從已知事實和背景知識推導出結論的處理過程。A類比推理B演繹推理C歸納推理 D構造歸納對超鏈接挖掘屬于web挖掘中的（）A文本挖掘B結構挖掘C內容挖掘D使用挖掘（）是關于共享概念的協議，反映了一個應用領域的通用知識和模式。A對象B概念網絡C神經網絡D本體以下不屬于邏輯運算符的是（）A B - C & D V二、多項選擇性質繼承可分為（）A直接繼承B附加繼承 C排斥繼承D級聯繼承E間接繼承智能信息系統開發的原則有（）A必要性原則 B可行性原則 C

2、專家合作原則 D用戶參與原則E經濟性原則歸納學習方法可分為信息論方法和集合論方法，其中信息論方法的具體實現 方法有（ ）A ID3方法 B IBLE方法 C覆蓋正例排斥反例方法D概念樹方法E粗集方法知識獲取的基本任務包括（）A知識抽取B知識建模C知識轉換 D知識輸入E知識檢測F知識庫重組下列屬于知識發現的主要技術的有（）A特征提取B關聯分析C分類分析D聚類分析E時序分析F偏差分析三、簡答題描述規則知識表示方法的特點。說明文獻知識的理想表示方法。寫出智能信息系統的主要開發方法。簡述IIS中的知識類型。描述框架表示方法的特點。四、論述題試述正向推理的思想和推理過程。綜述智能信息系統的特點及其發展。

3、總結商務智能系統的特點及其發展趨勢。闡述智能檢索的基本思想。試論述知識獲取的主要方法。模擬試卷二答案一.單選題C 2.C3. B 4. D 5.C二多選題ABC 2.ABCD 3.AB 4.ABCDEF 5.ABCDEF三.簡答題（共4小題，每小題10分，共40分）描述規則知識表示方法的特點。產生式表示格式固定，形式單一，規則（知識單位）間相互較為獨立，沒有 直接關系使知識庫的建立較為容易，處理較為簡單的問題是可取的。另外推理方 式單純，也沒有復雜計算。特別是知識庫與推理機是分離的，這種結構給知識的 修改帶來方便，無須修改程序，對系統的推理路徑也容易作出解釋。所以，產生 式表示知識常作為構造專

4、家系統的第一選擇的知識表示方法。說明文獻知識的理想表示方法。文獻知識的理想表示方法為框架法。框架（Frames）表示方法是一種層次的、 組合式的知識表示方法。它可以在同一的知識表示環境中綜合使用說明型和過程 型描述的方法。它具有面向對象和性質繼承等特點，已發展成為一種通用的表示 方法。一個框架表示一個由屬性集合組成的對象或概念。一個框架的基本結構由 框架名、關系、槽、槽值及槽的限制條件與附加過程所組成。寫出智能信息系統的主要開發方法。智能信息系統的主要開發方法：原型法，面向對象法，Common KADS知識工 程方法。簡述IIS的知識類型從知識系統知識表示的角度看，可分為：事實型知識，關聯型知

5、識，過程型 知識，元知識。描述框架表示方法的特點。知識結構的質量方面，框架的層次結構組織方法有助于確保信息存儲在正確 的位置，以及檢查知識的完整性。它的性質繼承特性可使相同結構元素集合中的 信息共享，簡化事物的表達?？蚣艿慕M合結構將概念的性質和過程組合在一起， 使得知識的組織、修改和檢索容易實現。存儲機制的質量方面，框架的層次結構 使得框架結構成為一種靜態和動態相結合的主動的存儲機制，它能自動維護知識 的完整性，以及知識庫和層次結構的一致性，還可區分永久的和暫時的知識。檢 索機制的質量方面，框架表示的分類等級結構可簡化檢索過程，組合結構可以輔 助用戶用不同的方法推理，引導用戶利用目標的特定的重

6、要信息實現檢索。合理 地使用存儲空間并具有較高的執行速度?？蚣鼙硎痉ǖ娜秉c是結構關系較復雜， 維護知識庫的層次結構有一定的困難，必須設計一個好的控制機制。四.論述題試述正向推理的思想和推理過程。正向推理（向前推理）：它是從可用的事實出發，向前推理，用當前的事實 匹配規則的前提，產生新的結論，直到達到目標狀態終止。這種推理方式是由數 據到結論，所以也叫數據驅動策略。推理方式如下所示：初始狀態目標狀態（事實條件）f （結論 假設）設所用知識庫包括事實和規則，正向推理算法描述如下：（1）掃描知識庫，產生可用規則集S，這些規則左邊條件均為真，即都被 事實庫中的事實滿足；（2）調用解決沖突算法，從S中選

7、出規則R；（3）執行規則R右邊的結論部分，將產生的新事實加入事實庫；（4）若目標得證或無新的事實存在，則停止；否則轉（2）；分析一種智能信息檢索方法的思想及過程。智能信息檢索的實現可采用不同的方法（以下四類方法只需詳盡的分析一種 即可）。（1）統計方法：最典型的統計方法是詞頻統計法，其最早的理論依據是Zipf 定律。早在20世紀50年代Luhn就注意到Zipf定律，并在此基礎上提出自動抽 詞標引的思想。指出標引詞應該在某特定文獻中的發生頻率較高，在整個文獻集 合中出現的頻率較低的特征詞?，F在許多自動標引的工作都是在Luhn頻率統計 思想的基礎上展開的，如自動標引的矢量空間模型、概率標引原理等。

8、統計方法 也是智能信息檢索的基本方法。（2）文本分析方法：智能信息檢索的文本處理離不開文本分析。進行文本 分析時，首先處理文本源，這種文本源可能是幾個詞組、句子、段落乃至篇章。 計算機首先通過文本上下文中的一些線索來識別文本源所使用的語言。對于漢語 文獻，一個難點在于漢語的分詞。漢語的分詞涉及到漢語的詞法、句法、語義各 個層面上。漢語分詞后，文本分析需要確定各個詞在文本源中的重要程度；以及 多字詞、縮寫詞和其他詞匯，而漢語分詞及特征詞提取的方法決定文本分析方法 的質量。人工智能方法：利用人工智能進行信息檢索主要涉及以下方法。知識 表示和處理的方法：知識表示是將關于世界的事實、關系、過程等編碼成

9、為一種 合適的數據結構。知識表示方法有許多種，常見的知識表示有產生式表示法、框 架式表示法、語義網絡表示法、面向對象的表示法等幾種?；谧匀徽Z言處理 的方法：包括詞法分析、句法分析以及語義和語用分析等幾個階段，句法分析和 語義分析是自然語言處理的基礎。語義分析的結果是語義網，而語義分析的工具 之一便是語義關系。系統在進行信息處理過程中進入句法分析后，可以從全解中 得到一個優化的有用解，然后進入句法語義分析。在這一階段，對語言自身結構 和句法屬性進行綜合分析，語義分析的過程也相應地分成三個層次，即短語子樹 的語義子網內的語義關系、謂詞框架形成的單網內的語義關系以及各個謂詞框架 之間形成的多網間的

10、語義關系。在語義分析理論方面，研究也在不斷深化，其中 比較引人注目的是語義網絡，格語法，概念從屬理論。語料庫方法：語料庫方法解決問題的思路：語料庫加工的方式包括在語料 中標注各種記號，標注的內容包括每個詞的詞性、語義項、短語結構、句型和句 間關系等。隨著標注程度的加深語料庫逐漸熟化，成為一個分布的、統計意義上 的知識源?；谡Z料庫方法的信息檢索系統的實現：為克服傳統的基于理解的理 性主義的方法的局限，在中文分詞，詞性標注、句法分析、語義分析等過程中引 入語料庫的方法。語料庫方法基于統計，在方法上是經驗主義的。總結商務智能系統的特點及其發展趨勢?，F有的商務智能系統主要具有以下特點：成熟的數據倉庫

11、管理能力。目前商務智能市場上有多種數據倉庫管理工 具，它們提供全面的數據倉庫建模、元數據管理和數據倉庫更新功能。強大的數據挖掘和OLAP能力。鑒于數據挖掘和分析功能是商務智能系 統的基本功能，各商務智能廠商非常注重這方面的研究，提供了各種功能強大的 分析挖掘工具。便捷的報表功能。許多商務智能系統提供了友好的用戶操作界面，使用戶 可以輕松創建報表，并支持用戶根據商務情況制定特殊要求查詢，還可以利用報 表工具自動生成報表。商務智能的出現是一個漸進的復雜的演變過程，而且仍處在發展之中。商業智能 的發展去世可以歸納為以下幾點：功能上具有可配置性、靈活性、可變化性。商業智能系統的范圍從為部門 的特定用戶

12、服務擴展到為整個企業所有用戶服務。解決方案更開放、可擴展、可按用戶定制，在保證核心技術的同時，提供 客戶化的界面。針對不同企業的獨特的需求，商業智能系統在提供核心技術的同 時，是系統又具有個性化。從獨特的商業智能向嵌入式商業智能發展。即在企業現有的應用系統中， 如財務、人力、銷售等系統中嵌入商業智能組件，使普遍意義上的事務處理系統 具有商業智能的特性。從傳統功能向增強型功能轉變。增強型的商業智能功能是相對于早期的用 SQL工具實現查詢的商業智能功能。目前的商業智能系統除了具有傳統功能外， 還有了數據分析層的功能。闡述智能檢索的基本思想。智能檢索的基本思想是，模擬人類的認知功能和智能活動，有效利

13、用一切知識源， 盡快找到滿足用戶需求的信息知識。認知功能主要是人類的認知能力和認識思維 方式。人類的智能活動包括智能感知、智能思維、智能行為，如推理、學習、語 言理解等。檢索處理中，凡需要人類專知才能解決的問題和任務，均課應用人工 智能技術加以實現。檢索的子任務可分為智能任務和非智能任務。從整體功能來 看，智能檢索能夠應用人類的知識和知識處理技術來實現高效率。高質量的檢索， 知識檢索就屬于智能檢索的范疇，智能檢索能夠處理各類用戶的各種信息需求問 題，推導和建立合適的需求模型；應用合適的檢索策略和推理方法，盡快檢索到 最大可能滿足用戶需求的信息知識。試論述知識獲取的主要方法。知識獲取的主要方法主

14、要有一下5種方法：自然語言理解：主要借助于自然語言處理技術，針對文本類型的信息 源，通過語法、語義分析，推導文本內容屬性，抽取與領域相關的語義實體及其 關系，實現知識獲取。從本質上說，雖然自然語言理解是最理想的自動知識獲取 方法，但由于自然語言處理中多項難點技術(如抽詞技術、切分詞技術、短語識 別技術等)尚未得到有效解決，因此，給基于自然語言理解的知識自動獲取利用 帶來一定困難。模式識別：主要針對多媒體信息源(如圖片、語音波形、符號等)， 采用統計方法等對事物或現象進行描述、辨認、分類和解釋，從經數字化處理后 的數據中識別事物對象的特征。機器學習：利用各種學習方法來獲取知識，是一種高級的全自動化的 知識獲取方法。機器學習還具有從運行實踐中學習的能力，能糾正可能存在的錯 誤，產生新的知識，從而不斷進行知識庫的積累、修改和擴充。數據挖掘與知識發現：針對結構化的數據庫，采用統計學習等定量化 分析方法，發現大量