山东大学软件学院信息检索（考试）——期末考试回忆版

2020-2021年度山东大学软件学院信息检索考试
开学的时候上这门课时老师说很多同学都觉得这门课程难（范围广且多，不过这倒是符合信息检索的定义“融合了~~~的综合学科”，哈哈哈），最终期末考试是“贝多芬（背多分）”，纯记忆力考试。写这个回忆版也耗费了我巨大的记忆力，我如何记得住这么多题（无它，答完后还剩50分钟，背就完了），如果我考前不喝红牛或许还记不住这么多题。复习的时候获得了学长的回忆版，可惜没有填空题，传承“传统”也就有了这个回忆版，话不多说，开始我的回忆……
考试时间：2020年12月22日 14:00-16:00

保证所有题目顺序的正确性

去年题（2019-2020）：https://download.csdn.net/download/qq_40422851/12054761

一、填空题（每空1分，共38分）

1. 信息检索实质上融合了文本及多媒体检索、数据挖掘、_____ 和 ______ 的综合学科。
2. 信息检索技术可以解决互联网上的 _____ 问题。
3. 爬虫是一种 _____ 程序。
4. 爬虫从一个或若干个网页的URL开始，抽取URL放入 _____ 中。
5. 爬虫可以采用 _____ 判重。
6. 爬虫的搜索策略有 _____ 和 _____ 。
7. 爬虫礼貌性体现在 _____ 。
8. 使用python语言中的Pandas模块里的 _____ 函数，可以直接提取网页中的表格。
9. 搜索引擎的主要组成部分为：爬虫和爬取、_____ 、搜索词处理、排序。搜索引擎的核心数据结构为 _____ 。
10. 消除停用词的方法： _____ 和 _____。
11. _____ 在一般情况下，将多个派生词合并在一起。
12. 基于词典的分词方法，也叫“ _____ ” 法，根据扫描方向，匹配策略有 _____ 和 _____ 。
13. 布尔模型建立在 _____ 和 _____ 的基础上。
14. 精确的Top K搜索的加速方法有（1）_____ ； （2） _____ ；（3）_____ 。
15. L2R中的文档方法损失函数评估 _____ 。
16. PageRank是基于 _____ 的回归关系来判定所有网页的重要性。
17. HITS算法中，每个网页计算两个值：_____ 和 _____ 。
18. SVD也就是 _____ ，可以用于 _____ 。
19. BM25由三个部分组成： _____ 、_____ 和 _____ 。
20. 词的向量表示有 _____ 和 _____ 。
21. 用于大量文档查重的局部敏感哈希算法有 _____ 和 _____ 。
22. 形状的描述符大体可以分为两大类，基于 _____ 的和基于 _____ 的。

二、名词解释（每个6分，共30分）

1. 正则表达式
2. 图像BoW
3. 统计语言模型
4. pLSA
5. LBR

三、简答题（每个8分，共32分）

1. 简述向量空间模型及其特点
2. 什么是HMM？简述HMM用于中文分词的方法
3. 简述信息检索评价的主要指标
4. 网站反爬虫的方法有哪些？应对策略是什么？