2023-2024山东大学软件学院web数据管理期末

一、填空（30*1′ = 30’）

都是PPT上的，这里列几个复习可能忽略掉的地方：

word2vec是用来计算____和___（king-man+woman）

爬虫模型使用___判重

fastText是一个_____和_____工具，使用_____方法/概念。

PLSA的全称是______。它通过文档-词项信息  p (w | d)  进行训练，得到______和________。

csv文件是_____结构化文件

其余的题都比较基础，一眼能知道答案（只要好好看PPT了的话…..）

二、名词解释（5*8′ = 40’）

1. 正则表达式

2. web数据抽取

3. HMM模型

4. Bag of words model

5. 忘了（但不难）—统计语言模型

三、简答题（3*10’=30’）

1. 简述包装器，比较两种抽取方法

2. CBOW的结构、思想、训练过程及应用

3. 常用的图像局部特征，以及它们的思想

还是那句话，做好事积德……