智能信息系统模拟试题及答案

智能信息系统模拟试卷二年级： 专业： 姓名： 学号一、单项选择1下列知识表示方法属于层次的、组合式的是（ ）A语义网表示法B谓词逻辑表示法C框架表示法D推理机2（ ）是从已知事实和背景知识推导出结论的处理过程。A类比推理B演绎推理C归纳推理D构造归纳3. 对超链接挖掘属于web挖掘中的（）A文本挖掘B结构挖掘C内容挖掘D使用挖掘4. （ ）是关于共享概念的协议，反映了一个应用领域的通用知识和模式。A对象B概念网络C神经网络D本体5. 以下不属于逻辑运算符的是（ ）A B - C & D V二、多项选择1. 性质继承可分为（ ）A 直接继承 B 附加继承 C 排斥继承 D 级联继承 E 间接继承2. 智能信息系统开发的原则有（ ）A 必要性原则 B 可行性原则 C 专家合作原则 D 用户参与原则E 经济性原则3. 归纳学习方法可分为信息论方法和集合论方法，其中信息论方法的具体实现方法有（ ）A ID3方法 B IBLE方法 C覆盖正例排斥反例方法D概念树方法E 粗集方法4知识获取的基本任务包括（ ）A 知识抽取 B 知识建模 C 知识转换 D 知识输入E 知识检测 F 知识库重组5下列属于知识发现的主要技术的有（ ）A 特征提取 B 关联分析 C 分类分析 D 聚类分析 E 时序分析F 偏差分析三、简答题1描述规则知识表示方法的特点。2说明文献知识的理想表示方法。3写出智能信息系统的主要开发方法。4. 简述IIS中的知识类型。5描述框架表示方法的特点。四、论述题1试述正向推理的思想和推理过程。2综述智能信息系统的特点及其发展。3总结商务智能系统的特点及其发展趋势。4阐述智能检索的基本思想。5试论述知识获取的主要方法。模拟试卷二答案一单选题1. C 2.C 3. B 4. D 5.C 二多选题1. ABC 2.ABCD 3.AB 4.ABCDEF 5.ABCDEF三简答题（共4小题，每小题10分，共40分）1. 描述规则知识表示方法的特点。产生式表示格式固定，形式单一，规则（知识单位）间相互较为独立，没有 直接关系使知识库的建立较为容易，处理较为简单的问题是可取的。另外推理方 式单纯，也没有复杂计算。特别是知识库与推理机是分离的，这种结构给知识的 修改带来方便，无须修改程序，对系统的推理路径也容易作出解释。所以，产生 式表示知识常作为构造专家系统的第一选择的知识表示方法。2. 说明文献知识的理想表示方法。文献知识的理想表示方法为框架法。框架（Frames）表示方法是一种层次的、 组合式的知识表示方法。它可以在同一的知识表示环境中综合使用说明型和过程 型描述的方法。它具有面向对象和性质继承等特点，已发展成为一种通用的表示 方法。一个框架表示一个由属性集合组成的对象或概念。一个框架的基本结构由 框架名、关系、槽、槽值及槽的限制条件与附加过程所组成。3. 写出智能信息系统的主要开发方法。智能信息系统的主要开发方法：原型法，面向对象法，Common KADS知识工 程方法。4. 简述IIS的知识类型从知识系统知识表示的角度看，可分为：事实型知识，关联型知识，过程型 知识，元知识。5. 描述框架表示方法的特点。知识结构的质量方面，框架的层次结构组织方法有助于确保信息存储在正确 的位置，以及检查知识的完整性。它的性质继承特性可使相同结构元素集合中的 信息共享，简化事物的表达。框架的组合结构将概念的性质和过程组合在一起， 使得知识的组织、修改和检索容易实现。存储机制的质量方面，框架的层次结构 使得框架结构成为一种静态和动态相结合的主动的存储机制，它能自动维护知识 的完整性，以及知识库和层次结构的一致性，还可区分永久的和暂时的知识。检 索机制的质量方面，框架表示的分类等级结构可简化检索过程，组合结构可以辅 助用户用不同的方法推理，引导用户利用目标的特定的重要信息实现检索。合理 地使用存储空间并具有较高的执行速度。框架表示法的缺点是结构关系较复杂， 维护知识库的层次结构有一定的困难，必须设计一个好的控制机制。四论述题1. 试述正向推理的思想和推理过程。正向推理(向前推理)：它是从可用的事实出发，向前推理，用当前的事实 匹配规则的前提，产生新的结论，直到达到目标状态终止。这种推理方式是由数 据到结论，所以也叫数据驱动策略。推理方式如下所示：初始状态 目标状态(事实 条件)f (结论 假设)设所用知识库包括事实和规则，正向推理算法描述如下：(1) 扫描知识库，产生可用规则集S,这些规则左边条件均为真，即都被 事实库中的事实满足；(2) 调用解决冲突算法，从S中选出规则R；(3) 执行规则 R 右边的结论部分，将产生的新事实加入事实库；(4) 若目标得证或无新的事实存在，则停止；否则转(2)；2. 分析一种智能信息检索方法的思想及过程。智能信息检索的实现可采用不同的方法(以下四类方法只需详尽的分析一种 即可)。(1) 统计方法：最典型的统计方法是词频统计法，其最早的理论依据是 Zipf 定律。早在20世纪50年代Luhn就注意到Zipf定律，并在此基础上提出自动抽 词标引的思想。指出标引词应该在某特定文献中的发生频率较高，在整个文献集 合中出现的频率较低的特征词。现在许多自动标引的工作都是在Luhn频率统计 思想的基础上展开的，如自动标引的矢量空间模型、概率标引原理等。统计方法 也是智能信息检索的基本方法。(2) 文本分析方法：智能信息检索的文本处理离不开文本分析。进行文本 分析时，首先处理文本源，这种文本源可能是几个词组、句子、段落乃至篇章。 计算机首先通过文本上下文中的一些线索来识别文本源所使用的语言。对于汉语 文献，一个难点在于汉语的分词。汉语的分词涉及到汉语的词法、句法、语义各 个层面上。汉语分词后，文本分析需要确定各个词在文本源中的重要程度；以及 多字词、缩写词和其他词汇，而汉语分词及特征词提取的方法决定文本分析方法 的质量。(3) 人工智能方法：利用人工智能进行信息检索主要涉及以下方法。知识 表示和处理的方法：知识表示是将关于世界的事实、关系、过程等编码成为一种 合适的数据结构。知识表示方法有许多种，常见的知识表示有产生式表示法、框 架式表示法、语义网络表示法、面向对象的表示法等几种。基于自然语言处理 的方法：包括词法分析、句法分析以及语义和语用分析等几个阶段，句法分析和 语义分析是自然语言处理的基础。语义分析的结果是语义网，而语义分析的工具 之一便是语义关系。系统在进行信息处理过程中进入句法分析后，可以从全解中 得到一个优化的有用解，然后进入句法语义分析。在这一阶段，对语言自身结构 和句法属性进行综合分析，语义分析的过程也相应地分成三个层次，即短语子树 的语义子网内的语义关系、谓词框架形成的单网内的语义关系以及各个谓词框架 之间形成的多网间的语义关系。在语义分析理论方面，研究也在不断深化，其中 比较引人注目的是语义网络，格语法，概念从属理论。(4) 语料库方法：语料库方法解决问题的思路：语料库加工的方式包括在语料 中标注各种记号，标注的内容包括每个词的词性、语义项、短语结构、句型和句 间关系等。随着标注程度的加深语料库逐渐熟化，成为一个分布的、统计意义上 的知识源。基于语料库方法的信息检索系统的实现：为克服传统的基于理解的理 性主义的方法的局限，在中文分词，词性标注、句法分析、语义分析等过程中引 入语料库的方法。语料库方法基于统计，在方法上是经验主义的。3总结商务智能系统的特点及其发展趋势。现有的商务智能系统主要具有以下特点：(1) 成熟的数据仓库管理能力。目前商务智能市场上有多种数据仓库管理工 具，它们提供全面的数据仓库建模、元数据管理和数据仓库更新功能。(2) 强大的数据挖掘和OLAP能力。鉴于数据挖掘和分析功能是商务智能系 统的基本功能，各商务智能厂商非常注重这方面的研究，提供了各种功能强大的 分析挖掘工具。(3) 便捷的报表功能。许多商务智能系统提供了友好的用户操作界面，使用户 可以轻松创建报表，并支持用户根据商务情况制定特殊要求查询，还可以利用报 表工具自动生成报表。商务智能的出现是一个渐进的复杂的演变过程，而且仍处在发展之中。商业智能 的发展去世可以归纳为以下几点：(1) 功能上具有可配置性、灵活性、可变化性。商业智能系统的范围从为部门 的特定用户服务扩展到为整个企业所有用户服务。（2）解决方案更开放、可扩展、可按用户定制，在保证核心技术的同时，提供 客户化的界面。针对不同企业的独特的需求，商业智能系统在提供核心技术的同 时，是系统又具有个性化。（3）从独特的商业智能向嵌入式商业智能发展。即在企业现有的应用系统中， 如财务、人力、销售等系统中嵌入商业智能组件，使普遍意义上的事务处理系统 具有商业智能的特性。（4）从传统功能向增强型功能转变。增强型的商业智能功能是相对于早期的用 SQL 工具实现查询的商业智能功能。目前的商业智能系统除了具有传统功能外， 还有了数据分析层的功能。4阐述智能检索的基本思想。智能检索的基本思想是，模拟人类的认知功能和智能活动，有效利用一切知识源， 尽快找到满足用户需求的信息知识。认知功能主要是人类的认知能力和认识思维 方式。人类的智能活动包括智能感知、智能思维、智能行为，如推理、学习、语 言理解等。检索处理中，凡需要人类专知才能解决的问题和任务，均课应用人工 智能技术加以实现。检索的子任务可分为智能任务和非智能任务。从整体功能来 看，智能检索能够应用人类的知识和知识处理技术来实现高效率。高质量的检索， 知识检索就属于智能检索的范畴，智能检索能够处理各类用户的各种信息需求问 题，推导和建立合适的需求模型；应用合适的检索策略和推理方法，尽快检索到 最大可能满足用户需求的信息知识。5试论述知识获取的主要方法。知识获取的主要方法主要有一下 5 种方法：（1）自然语言理解：主要借助于自然语言处理技术，针对文本类型的信息 源，通过语法、语义分析，推导文本内容属性，抽取与领域相关的语义实体及其 关系，实现知识获取。从本质上说，虽然自然语言理解是最理想的自动知识获取 方法，但由于自然语言处理中多项难点技术（如抽词技术、切分词技术、短语识 别技术等）尚未得到有效解决，因此，给基于自然语言理解的知识自动获取利用 带来一定困难。（2）模式识别：主要针对多媒体信息源（如图片、语音波形、符号等）， 采用统计方法等对事物或现象进行描述、辨认、分类和解释，从经数字化处理后 的数据中识别事物对象的特征。（3）机器学习：利用各种学习方法来获取知识，是一种高级的全自动化的 知识获取方法。机器学习还具有从运行实践中学习的能力，能纠正可能存在的错 误，产生新的知识，从而不断进行知识库的积累、修改和扩充。（4）数据挖掘与知识发现：针对结构化的数据库，采用统计学习等定量化 分析方法，发现大量数据之间所存在的关联。虽然数据挖掘与机器学习都是从数 据中提取知识，但两者之间存在区别：机器学习主要针对特定模式的数据进行学 习；数据挖掘则是从实际的海量数据源中发现、抽取知识。（5）机器感知：主要依靠机器的视觉、听觉、触觉、味觉等传感器获取生 理及行为特征信号，直接感知外部世界。它需要采用人工智能方法和技术，观测、 建模、识别外界信息，从而创建感知能力。机器感知是一项高智能的活动，比自 然语言理解、模式识别具有更复杂的能力，目前还只是处于探索中。