⬆️⬆️⬆️本课程2024最新同名章节期末答案⬆️⬆️

知识图谱期末考试答案2023春

414 阅读 0 评论 2 点赞

提示:内容已经过期谨慎付费，点击上方查看最新答案

知识图谱

知识融合旨在将不同的知识图谱融合为统一、一致、简洁的形式，为使用不同知识图谱的应用程序之间的交互建立（）。

答案:对

什么是传统符号人工智能研究的核心（）。

答案:知识表示|知识推理|知识应用AI参考:正确选项是【知识表示】。传统符号人工智能研究的核心是知识表示，即如何将现实世界中的知识以符号的形式表示出来，以便计算机能够理解和运用这些知识。知识抽取、知识推理和深度学习都是人工智能领域中的重要研究方向，但它们并不是传统符号人工智能研究的核心。'

下列说法错误的是（）。

答案:证明算法不正确,需要证明对任意实例算法都不能正确处理.AI参考:答案是D：基于模版的方法需要人工大量维护模版，能够保证问答的响应速度和准确性。解释：D选项中提到基于模板的方法需要人工大量维护模板，而这也是其局限性的表现之一。虽然基于模板的方法能够快速响应用户的提问，但在某些情况下可能会出现不准确或回答不全的问题。因此，该选项表述错误。A、B、C选项表述正确，与题目要求相符。'

类比推理是特殊到____的过程。（）

AI参考:答案：B推理过程：类比推理是从特殊到概括的过程。答案为B。'

下列哪种图神经网络算法可以学到边的权重（）。

答案:GAT

___是基于规则学习的推理方法？（）

答案:AMIE

工业界最常用的图谱建模方法是（）。

答案:属性图

对于包含大量离群数据的场景，（）将造成大量表连接、稀疏行和非空处理。

AI参考:正确选项是【D:关系模型】。关系模型对于包含大量离群数据的场景，如存在大量异常值或离群值，其处理方式相对简单，可以直接忽略异常值，不影响其他数据的处理和计算。而分布式数据库、RDF三元组库和原生图模型在处理包含大量离群数据的场景时，可能会因为数据稀疏或异常值的存在而需要进行额外的处理，如稀疏行处理、非空处理等，因此可能会造成大量的表连接。综上所述，对于包含大量离群数据的场景，关系模型能够更简单有效地处理数据，而不会造成大量的表连接、稀疏行和非空处理。因此，正确答案是D。'

智能的精华是怎样实现推理，那推理的关键是？（）

答案:形式化逻辑

以下哪种是工业界最常见的图谱建模方法（）。

答案:属性图AI参考:正确答案是D:属性图。属性图是工业界最常见的图谱建模方法，用于描述对象及其之间的关系。其他选项A、B、C都是不同的标准组织或技术规范，与图谱建模方法无关。'

以下哪个算法在随机游走时采取了深度优先搜索和广度优先搜索的游走策略（）。

AI参考:选项B: Metapath2vec 在随机游走时采取了深度优先搜索和广度优先搜索的游走策略。Metapath2vec是一种用于图学习的方法，主要用于生成节点嵌入向量表示，用于节点间的相似性比较和链接预测等任务。在Metapath2vec中，算法采用了深度优先搜索和广度优先搜索两种游走策略来生成节点嵌入向量。深度优先搜索可以捕捉局部的依赖关系，而广度优先搜索可以捕捉全局的依赖关系。这两种策略的结合可以更好地捕捉图的复杂结构和动态变化。因此，答案为B。'

零样本学习，是在（）的情况下实现知识图谱推理。

答案:无样本

事理图谱中的事件，理论上是具有一定抽象程度的（）。

AI参考:正确选项是【抽象事件】。事理图谱中的事件，理论上是具有一定抽象程度的，因此选项A“抽象事件”是正确答案。其他选项B、C、D都与事理图谱中的事件特点不符。具体来说，泛化事件、量化事件和具象事件都是更具体的抽象程度，而事理图谱中的事件是为了描述某一类事物或现象，因此需要具有更加一般的抽象程度。'

基于下列哪种模型可以更好的处理长文档关系抽取问题：（）

AI参考:基于Graph-based Model可以更好的处理长文档关系抽取问题。Graph-based Model是一种基于图模型的深度学习模型，它能够处理长文档关系抽取问题。在Graph-based Model中，文档被表示为一个图，其中节点表示文档中的实体，边表示实体之间的关系。通过使用图神经网络（GNN）对图进行训练，可以学习到实体和关系之间的复杂关系。这种模型能够处理长文档，因为它能够捕捉到文档中的全局结构和语义关系。相比之下，CNN、LSTM和BERT等模型在处理长文档关系抽取问题时可能存在一些局限性。CNN是一种卷积神经网络，主要用于处理图像数据，对于文本数据的处理效果可能不佳。LSTM是一种长短期记忆网络，主要用于处理序列数据，对于关系抽取任务可能需要进行额外的特征提取和建模。BERT是一种预训练的深度学习模型，主要用于自然语言理解任务，对于关系抽取任务可能需要额外的建模和优化。综上所述，基于Graph-based Model可以更好的处理长文档关系抽取问题。因此，正确选项是B:Graph-based Model。'

以下哪个不是Horn Logic的核心表达要素？（）

AI参考:正确选项是C:事实Facts。Horn Logic是一种逻辑编程语言，它使用实体、规则、原子和推理机制来表达和推理知识。其中，实体是描述现实世界中的事物或对象；规则是描述实体之间的关系和行为；原子是构成规则的基本元素；事实是推理的基础，用于支持推理过程。因此，C选项中的事实不是Horn Logic的核心表达要素，因为它只是一种输入数据，而不是规则或实体的组成部分。'

（）的不匹配是导致知识图谱异构的本质原因。

答案:语言层面;模型层面

假如应用场景不包含大量的关联查询，对于简单查询，目前在性能方面更加有优势的是（）。

AI参考:正确选项为B：关系数据库。关系数据库是目前应用最广泛的数据存储方式，适用于大量数据的简单查询场景。对于简单的查询操作，关系数据库的性能表现通常优于图数据库和NoSQL数据库。这是因为关系数据库通常采用关系模型来存储数据，这种模型可以有效地处理结构化数据，并且在查询时可以利用索引和优化器等技术来提高查询性能。然而，对于大量的关联查询，图数据库和NoSQL数据库可能会更有优势。这是因为图数据库和NoSQL数据库通常更适合处理非结构化和半结构化数据，可以更加灵活地表示复杂的数据关系，并且可以支持更高效的关联查询。但是，对于简单的查询场景，关系数据库仍然是最佳选择。'

下列关于命名实体识别的说法，正确的有：（）

AI参考:关于命名实体识别，正确的选项有：A: 命名实体识别的主要技术方法分为基于规则和词典的方法、基于统计的方法、二者混合的方法等。这是对的，因为命名实体识别的方法包括基于规则的方法，如专家规则或词典方法，也包括基于统计机器学习的深度学习方法，如神经网络模型等。C: 判断命名实体识别是否正确需要同时关注实体类型和实体边界。这也是对的，因为命名实体识别不仅需要识别出具体的实体，还需要知道这个实体属于哪个类别以及这个实体的边界位置。其他选项在特定的上下文中可能有些道理，但在此问题中并不准确。比如，B选项提到的最大熵模型在训练时间上的优势可能依赖于具体的实现和应用场景，而D选项则可能取决于具体的模型选择和优化。因此，正确选项为A和C。'

以下哪些是人类心智区别于其他物种心智的特征？（）

答案:获取知识的能力;表示知识的能力;处理知识的能力

下列模型___是将实体和关系映射到复数空间。( )

AI参考:答案是：D:ComplEx。ComplEx是一种用于表示实体间关系的模型，它将实体和关系映射到复数空间中，能够更全面地描述实体之间的关系。其他选项中，DistMult、TransE、RotatE都是其他类型的模型，与复数空间没有直接关系。因此，本题的正确选项为D:ComplEx。'

下列特征哪些可作为答案特征（）。

AI参考:正确选项为：B、上下文特征和C、疑问词特征。在自然语言处理中，文本特征通常包括词语、语法、语义、上下文等特征。其中，上下文特征是指文本中出现的词语、短语、句子等元素之间的相互关系和关联性；疑问词特征是指文本中出现的疑问词，如“为什么”、“如何”等，它们通常表达了文本中的疑问或思考。因此，选项B和C是正确答案的特征。选项A和D虽然也属于文本特征，但并不是正确答案的特征，因此不是正确选项。'

如果(a, r, b)为一个正样例，下列哪些属于TransE的负样例（）

AI参考:正确答案是：C和D。负样例指的是与正样例有相同或相似的特征，但结果不同的情况。根据题目描述，如果(a, r, b)是一个正样例，那么对于给定的四个选项，我们需要找出与(a, r, b)有相同或相似特征，但结果不同的情况。对于选项A和B，因为a, r相同，只是b不同，因此与正样例的(a, r, b)相同或相似，不属于负样例；对于选项C和D，由于(a’, r, b’)和(a’, r, b)与(a, r, b)有相同的特征，即a’和r都不同，只是b相同，但是结果不同，因此属于负样例。所以选项C和D是正确的。"

本体相似度度量方法包括（）。

答案:Edit-based;sed;Hybrid;t-based

基于模板方法查询时，产生多个候选查询的原因包括（）。

AI参考:基于模板方法查询时，产生多个候选查询的原因包括：实体链接可能匹配图谱中的多个实体和实体链接可能匹配图谱中的多个关系。这是因为模板方法通常会基于特定的实体和关系模板进行查询，而实体和关系在图谱中可能存在多种不同的实例，这就可能导致一个模板产生多个候选查询。因此，选项C和D是正确的。'

概念化不匹配包括（）

答案:概念化不匹配;模型覆盖不匹配

事理知识图谱可应用于事件预测、（）、辅助决策等任务中。

AI参考:事理知识图谱可应用于事件预测、消费意图挖掘、辅助决策等任务中。因此，选项C、D是正确的答案。选项A、B虽然也涉及到推理和决策，但并不是专门针对事理知识的应用场景。因此，本题的答案是C、D。'

事理图谱与传统的知识图谱相比，构建的难点在于（）。

AI参考:答案是：ABD。事理图谱与传统的知识图谱相比，构建的难点在于事件的抽取和知识的融合，因为事理图谱更加强调事件之间的逻辑关系，需要从海量数据中抽取出来，并对其进行知识融合，形成完整的事件链。本体的搭建相对来说比较容易。因此，选项A和B是正确的。选项D也是正确的，因为事理图谱需要将抽取的事件用特定的方式进行表示，以反映事件之间的逻辑关系。选项C不正确，因为本体的搭建不是事理图谱构建的难点。'

图数据库属性数据的存储处理是内联与动态存储。（）

AI参考:答案是B：对。图数据库通常采用内联和动态存储方式来存储属性数据。这意味着属性数据直接嵌入到图形结构中，并与图形结构保持一致，而不是单独存储在单独的表中。这种方式可以更有效地利用图数据库的特性，如高效查询和快速更新。因此，图数据库属性数据的存储处理是内联与动态存储的。'

图神经网络很容易出现过平滑问题。（）

AI参考:答案是B：对。图神经网络很容易出现过平滑问题。图神经网络是一种用于处理图形数据的神经网络，它可以学习图形数据的结构特征，并能够处理大规模的图形数据。然而，图神经网络也容易出现过平滑问题，即学习到的特征过于平滑，导致模型对细节信息的捕捉能力较弱。因此，在使用图神经网络时，需要谨慎选择数据集和优化模型参数，以避免过平滑问题的出现。'

RDF图模型表达力强于属性图模型（）

AI参考:答案是B：对。RDF图模型表达力强于属性图模型。RDF图模型是一种用于表示和存储资源及其属性的图模型，它能够更直观地表示数据之间的关系，并且可以表达更复杂的数据结构。相比之下，属性图模型只能表示简单的属性关系，表达力较弱。因此，RDF图模型表达力强于属性图模型。'

深度学习模型在问句的理解、候选答案的排序计算方法都能取得更好的效果。（）

AI参考:答案是B:错。深度学习模型在问句的理解、候选答案的排序计算方法中不一定能取得更好的效果。虽然深度学习模型在自然语言处理领域的应用已经取得了很大的成功，但是在某些特定任务中，传统的机器学习方法或人工规则可能会更有效。因此，是否能够取得更好的效果还需要根据具体任务和数据来决定。'

ERNIE基于KnowBERT和K-Adapter，是一个利用大规模语料和知识图谱实现的语言预训练模型。（）

AI参考:答案是A：对。 ERNIE基于KnowBERT和K-Adapter，是一个利用大规模语料和知识图谱实现的语言预训练模型。因此，该题判断正确。"

普通预训练模型中词的共现规律难以捕获复杂的推理逻辑和常识信息。而知识图谱可以建模复杂知识（）

AI参考:答案：B。题干中提到普通预训练模型难以捕获复杂的推理逻辑和常识信息，而知识图谱可以建模复杂知识，因此可以得出结论：知识图谱可以弥补普通预训练模型的不足，更好地建模复杂知识，故答案为B。'

目前常见的智能问答技术包括文本问答、知识图谱问答、社区问答（问答对）、表格问答、视觉问答等多种形式，其中，知识图谱问答是起到各类问答核心桥梁作用的问答形式，通常会与文本、视觉、社区等问答形式混合搭配起来使用。（）

AI参考:答案：B。正确，目前常见的智能问答技术包括文本问答、知识图谱问答、社区问答（问答对）、表格问答、视觉问答等多种形式，其中，知识图谱问答是起到各类问答核心桥梁作用的问答形式，通常会与文本、视觉、社区等问答形式混合搭配起来使用。因此，该表述是正确的。'

非原生图存储和原生图存储的区别在于非原生图存储在复杂关联查询和图计算方面有性能优势，原生图存储兼容已有工具集通常学习和协调成本会低。（）

AI参考:答案是B：对。非原生图存储和原生图存储的主要区别在于它们在复杂关联查询和图计算方面的性能表现。非原生图存储通常具有更强的性能优势，因为它可以更好地处理大规模图数据，并提供更快的查询速度和更高的吞吐量。此外，非原生图存储还支持更复杂的关联查询和图计算算法，能够更好地处理大规模、复杂的数据关系。另一方面，原生图存储则通常兼容已有的工具集，学习成本相对较低，而且它的性能和可扩展性通常也比较好。因此，本题正确答案是B。'

在多语言实体链接（Entity Linking）中，当语种数目足够多时，会出现低资源语种或实体对应的训练数据极少的情况，因此，零样本和少样本是需要格外注意的情形。（）

AI参考:答案是B：对。在多语言实体链接中，当语种数目足够多时，可能会出现不同语种之间的相似实体匹配问题，这种情况下零样本和少样本情况会变得较为突出，需要格外注意。因此，正确选项为B，即“对”。'

问句理解通常也离不开知识的辅助，知识图谱在问答系统中实际居于非常核心的位置。（）

AI参考:正确答案为B：对。问题理解与回答通常需要借助知识的辅助，而知识图谱作为知识的一种表达方式，在问答系统中具有非常核心的位置。因此，这个说法是正确的。'

传统人工智能领域的知识表示方法主要以符号表示方法为主（）。

AI参考:答案是B：对。传统人工智能领域的知识表示方法主要以符号表示方法为主。符号表示方法是人工智能领域中最常用的知识表示方法，它可以将知识以符号的形式进行存储、推理和表达。这种方法可以很好地表达人类的思维和知识，并且可以用于处理逻辑、数学和语言等领域的问题。因此，这个说法是正确的。'

语言理解和知识表示是解决智能问答系统最核心的两个要素（）

答案:对

在属性图中，属性的描述是包含在节点中的，属性可以以任何键值的形式存在（）。

AI参考:答案：B:对。在属性图中，属性的描述通常包含在节点中，并且可以以任何键值的形式存在。属性图是一种用于表示对象之间关系和属性的图形化工具，通常用于软件开发和数据建模等领域。因此，这个陈述是正确的。'

知识图谱可以增强视觉问答等多模态场景的可解释性。（）

AI参考:答案是B：对。知识图谱是一种基于图的数据结构，用于表示和挖掘知识的一种方法。它可以增强视觉问答等多模态场景的可解释性，使得用户能够更好地理解和使用知识。因此，答案是B，即知识图谱可以增强视觉问答等多模态场景的可解释性。'

二元表有空值，需要聚类，对于Subject-Subject-Join操作性能好。（）

AI参考:答案是B:错。在二元表中存在空值的情况下，使用Subject-Subject-Join操作性能可能不佳，因为空值可能导致连接操作失败或产生错误的结果。在这种情况下，可能需要考虑其他聚类方法或数据预处理步骤来处理空值，以提高聚类性能。因此，判断题的说法是错误的。'

实体的Schema结构对实体抽取有很强的约束作用。（）

答案:错

在处理多跳查询上，关系模型有性能优势。（）

AI参考:答案是A。在处理多跳查询上，关系模型有性能优势。关系模型是一种适合处理静态查询的模型，它通过将数据存储在表格中，可以方便地进行复杂查询和统计。在处理多跳查询时，关系模型可以通过连接多个表格来获取所需的数据，而不需要进行复杂的递归或迭代操作，因此具有更好的性能优势。同时，关系模型还可以通过规范化来提高查询效率，减少冗余和重复数据，进一步优化性能。因此，答案是A，在处理多跳查询上，关系模型有性能优势。'

点赞(2) dxwkbang

本文分类：智慧树知到期末考试答案2023春
本文标签：知识图谱
浏览次数：414 次浏览
发布日期：2023-12-16 19:25:37

上一篇 > 中国古典舞身韵教学法期末考试答案2023春
下一篇 > 旅游经济学期末考试答案2023春