知識(shí)圖譜智慧樹知到期末考試答案章節(jié)答案2024年浙江大學(xué)

知識(shí)圖譜智慧樹知到期末考試答案+章節(jié)答案2024年浙江大學(xué)在消歧的過程中考慮所識(shí)別的所有候選實(shí)體能提高模型的語(yǔ)義理解能力。（）

答案:對(duì)圖模型是更加接近于人腦認(rèn)知和自然語(yǔ)言的數(shù)據(jù)模型，圖數(shù)據(jù)庫(kù)是處理復(fù)雜的、半結(jié)構(gòu)化、多維度的、緊密關(guān)聯(lián)數(shù)據(jù)的最好技術(shù)。（）

答案:對(duì)Index-freeadjacency復(fù)雜度與節(jié)點(diǎn)鄰居個(gè)數(shù)以及整個(gè)數(shù)據(jù)集大小無(wú)關(guān)（）

答案:錯(cuò)屬性表存儲(chǔ)的缺點(diǎn)是很多空值，對(duì)Subject聚類比較復(fù)雜、不易處理多值屬性。（）

答案:對(duì)普通預(yù)訓(xùn)練模型中詞的共現(xiàn)規(guī)律難以捕獲復(fù)雜的推理邏輯和常識(shí)信息。而知識(shí)圖譜可以建模復(fù)雜知識(shí)（）

答案:對(duì)實(shí)體鏈接（EntityLinking）不可以使用端到端的神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化（）。

答案:錯(cuò)實(shí)體鏈接（EntityLinking）是一項(xiàng)在文本等載體中對(duì)知識(shí)圖譜中的命名實(shí)體進(jìn)行識(shí)別和消歧的任務(wù)。（）

答案:對(duì)ERNIE基于KnowBERT和K-Adapter，是一個(gè)利用大規(guī)模語(yǔ)料和知識(shí)圖譜實(shí)現(xiàn)的語(yǔ)言預(yù)訓(xùn)練模型。（）

答案:錯(cuò)多模態(tài)知識(shí)圖譜在電商領(lǐng)域廣泛應(yīng)用，有很大的潛力。（）

答案:對(duì)同一時(shí)間曾巧合出現(xiàn)過兩個(gè)同名的模型，分別是ERNIE、K-BERT。（）

答案:錯(cuò)圖數(shù)據(jù)庫(kù)屬性數(shù)據(jù)的存儲(chǔ)處理是內(nèi)聯(lián)與動(dòng)態(tài)存儲(chǔ)。（）

答案:對(duì)實(shí)體鏈接（EntityLinking）認(rèn)為識(shí)別和消歧是可以相互提升效果。（）

答案:對(duì)下列屬于圖神經(jīng)網(wǎng)絡(luò)算法在處理分類任務(wù)時(shí)必須的輸入是（）。

答案:鄰接矩陣###節(jié)點(diǎn)標(biāo)簽###節(jié)點(diǎn)特征下列關(guān)于命名實(shí)體識(shí)別的說法，正確的有：（）

答案:命名實(shí)體識(shí)別的主要技術(shù)方法分為基于規(guī)則和詞典的方法、基于統(tǒng)計(jì)的方法、二者混合的方法等###判斷命名實(shí)體識(shí)別是否正確需要同時(shí)關(guān)注實(shí)體類型和實(shí)體邊界下列模型___是將實(shí)體和關(guān)系映射到復(fù)數(shù)空間。()

答案:ComplEx###RotatE以下技術(shù)屬于知識(shí)圖譜構(gòu)建的是

答案:命名實(shí)體識(shí)別###事件抽取###關(guān)系抽取一個(gè)由描述邏輯實(shí)現(xiàn)的知識(shí)庫(kù)通常包含兩個(gè)部分（）

答案:Tbox###Abox實(shí)體鏈接（EntityLinking）是一項(xiàng)在文本等載體中對(duì)知識(shí)圖譜中的命名實(shí)體進(jìn)行____的任務(wù)。（）

答案:識(shí)別###消歧事理圖譜的有向邊可以表示事件之間的（）關(guān)系。

答案:互反###順承###因果###條件自然語(yǔ)言推理（NaturalLanguageInference,NLI）用于判斷兩個(gè)句子或者兩個(gè)詞語(yǔ)之間存在以下哪些關(guān)系？（）

答案:蘊(yùn)含關(guān)系###中立關(guān)系###矛盾關(guān)系以下哪些是符號(hào)表示范疇的概念（）

答案:語(yǔ)義網(wǎng)絡(luò)###一階謂詞邏輯###產(chǎn)生式規(guī)則（）的計(jì)算是典型的動(dòng)態(tài)規(guī)劃問題。

答案:LevensteinDistance事理圖譜中的事件，理論上是具有一定抽象程度的（）。

答案:泛化事件多模態(tài)知識(shí)圖譜和普通知識(shí)圖譜的主要區(qū)別在于：（）

答案:知識(shí)圖譜中實(shí)體類型下列哪種圖神經(jīng)網(wǎng)絡(luò)算法可以學(xué)到邊的權(quán)重（）。

答案:GAT多模態(tài)KG（）中每個(gè)實(shí)體都是圖片，旨在通過將大量圖片通過組織在一個(gè)KG中，利用圖像之間的關(guān)聯(lián)解決視覺圖像概念C的關(guān)系推理問題。并引入了與seen類/unseen類圖像相關(guān)的關(guān)系預(yù)測(cè)任務(wù)。

答案:ImageGraph工業(yè)界最常用的圖譜建模方法是（）。

答案:屬性圖結(jié)構(gòu)上事理圖譜是一個(gè)（）圖。

答案:有向有環(huán)目前低資源學(xué)習(xí)主要的方法有：數(shù)據(jù)增強(qiáng)、特征增強(qiáng)、模型增強(qiáng)。（）

答案:對(duì)以下屬于模態(tài)例子的是（）

答案:聽覺信息###自然語(yǔ)言###視覺信息###觸覺信息Richpedia借助外部的其他數(shù)據(jù)來(lái)源獲得相應(yīng)圖像實(shí)體填充圖譜，并且利用基于規(guī)則的關(guān)系抽取模板生成圖像實(shí)體間的多模態(tài)語(yǔ)義關(guān)系。（）

答案:對(duì)事理知識(shí)圖譜是一個(gè)事理（）知識(shí)庫(kù)。

答案:邏輯知識(shí)圖譜是一種天然的異構(gòu)圖（）。

答案:對(duì)圖神經(jīng)網(wǎng)絡(luò)模型中信息傳播模塊通常由下列哪些部分組成（）。

答案:聚合器###迭代器下列圖神經(jīng)網(wǎng)絡(luò)算法中選取鄰居節(jié)點(diǎn)的方式為隨機(jī)采樣的是（）。

答案:GraphSAGE下列屬于圖結(jié)構(gòu)的有（）。

答案:知識(shí)圖譜###蛋白質(zhì)相互作用###社交網(wǎng)絡(luò)###商品用戶交互圖神經(jīng)網(wǎng)絡(luò)在處理節(jié)點(diǎn)分類模型時(shí)通常以（）模式進(jìn)行訓(xùn)練。

答案:半監(jiān)督學(xué)習(xí)在基于模版實(shí)現(xiàn)的方法中，下面哪種說法是錯(cuò)誤的（）。

答案:人工定義的模版結(jié)構(gòu)通?？梢耘c真實(shí)的用戶問題進(jìn)行匹配在基于語(yǔ)義解析的方法中，下面哪種說法是錯(cuò)誤的（）。

答案:與模版檢測(cè)方法類似，語(yǔ)義解析方法能夠最大程度的利用知識(shí)圖譜的資源知識(shí)圖譜的問答的實(shí)現(xiàn)方式主要有（）。

答案:基于語(yǔ)義解析的知識(shí)圖譜問答###基于檢索排序的知識(shí)圖譜問答###基于深度學(xué)習(xí)的知識(shí)圖譜問答###基于查詢模版的知識(shí)圖譜問答在基于模版實(shí)現(xiàn)（TBSL）的基本思路中，對(duì)于詞的理解，通常與知識(shí)圖譜有關(guān)。（）

答案:對(duì)在基于模版實(shí)現(xiàn)（TBSL）的基本思路中，對(duì)于問句的語(yǔ)義結(jié)構(gòu)，通常與知識(shí)圖譜沒有關(guān)系。（）

答案:對(duì)Silk是一個(gè)基于Java開發(fā)的集成異構(gòu)數(shù)據(jù)源的開源框架。（）

答案:錯(cuò)（）適合處理短文本的相似度。

答案:Jaccard系數(shù)語(yǔ)言異構(gòu)主要包括（）

答案:原語(yǔ)異構(gòu)###語(yǔ)法異構(gòu)###邏輯異構(gòu)###表達(dá)能力異構(gòu)本體匹配是指，發(fā)現(xiàn)（模式層）等價(jià)或相似的（）、屬性或關(guān)系。

答案:類實(shí)體對(duì)齊側(cè)重發(fā)現(xiàn)指稱真實(shí)世界相同對(duì)象的不同實(shí)例。（）

答案:對(duì)知識(shí)圖譜推理方法中的符號(hào)表示所具有的特征包括：（）

答案:局限于顯示表示###可解釋性強(qiáng)___是向量表示推理的特性。（）

答案:需要訓(xùn)練數(shù)據(jù)###丟失可解釋性基于規(guī)則學(xué)習(xí)的方法都是不可微的。（）

答案:錯(cuò)______是指基于已有的部分觀察結(jié)果，從而推斷出一般化結(jié)論的過程。（）

答案:歸納推理____是基于OntologicalAxioms推理的組成部分。（）

答案:Abox“26日下午，一架敘利亞空軍L-39教練機(jī)在哈馬省被HTS使用的肩攜式防空導(dǎo)彈擊落”這段文本中：時(shí)間實(shí)體“26號(hào)下午”，機(jī)構(gòu)實(shí)體“敘利亞空軍”、“HTS”，地點(diǎn)實(shí)體“哈馬省”武器實(shí)體“L-39教練機(jī)”、“肩攜式防空導(dǎo)彈”。請(qǐng)問，以上做法展示了什么過程？（）

答案:實(shí)體識(shí)別命名實(shí)體識(shí)別（NER）技術(shù)的序列標(biāo)簽體系包括：（）

答案:IOB###IO###BIOSE###BILOU與關(guān)系抽取相比，事件抽取是一個(gè)更加困難和復(fù)雜的任務(wù)，因?yàn)槭录Y(jié)構(gòu)遠(yuǎn)比實(shí)體關(guān)系三元組復(fù)雜。（）

答案:對(duì)關(guān)于CRF（條件隨機(jī)場(chǎng)）和HMM（隱馬爾可夫模型），以下說法正確的有：（）。

答案:CRF是全局最優(yōu)，而HMM是局部最優(yōu)###CRF是判別式模型，HMM是生成式模型什么是實(shí)體關(guān)系學(xué)習(xí)（）。

答案:檢測(cè)文本中的實(shí)體是否具有某種預(yù)定義的關(guān)系知識(shí)圖譜的眾多存儲(chǔ)方案中，屬性表存儲(chǔ)克服了三元組表的自連接問題，同時(shí)解決了水平表中列數(shù)過多的問題。（）

答案:對(duì)基于關(guān)系型數(shù)據(jù)庫(kù)存儲(chǔ)方案中說法正確的有（）。

答案:水平表和屬性表存儲(chǔ)都存在無(wú)法表示一對(duì)多的聯(lián)系或多值屬性的問題###六重索引需要花費(fèi)6倍的存儲(chǔ)空間開銷和數(shù)據(jù)更新維護(hù)代價(jià)NoSQL數(shù)據(jù)庫(kù)善于處理關(guān)聯(lián)關(guān)系。（）

答案:錯(cuò)下面關(guān)于RDF圖存儲(chǔ)和屬性圖存儲(chǔ)描述正確的是（）。

答案:RDF存儲(chǔ)一般支持推理，屬性圖存儲(chǔ)通常具有更好的圖分析性能優(yōu)勢(shì)哪種數(shù)據(jù)庫(kù)更易于擴(kuò)展和處理復(fù)雜關(guān)聯(lián)表達(dá)（）。

答案:圖數(shù)據(jù)庫(kù)知識(shí)的向量表示有利于刻畫那些明確非隱含的知識(shí)。（）

答案:錯(cuò)以下哪個(gè)不是產(chǎn)生式系統(tǒng)的優(yōu)點(diǎn)？（）

答案:高效性什么是知識(shí)表示？（）

答案:用易于計(jì)算機(jī)處理的方式來(lái)描述人腦的知識(shí)TransE模型對(duì)于以下哪種關(guān)系的處理能力不夠強(qiáng)（）

答案:一對(duì)多關(guān)系###多對(duì)一關(guān)系###多對(duì)多關(guān)系RDF包含以下哪些元素（）。

答案:主語(yǔ)###賓語(yǔ)###謂語(yǔ)知識(shí)圖譜的垂直領(lǐng)域應(yīng)用包括（）

答案:金融###農(nóng)業(yè)###醫(yī)療健康###政府利用知識(shí)圖譜增強(qiáng)User和Item的特征表示，有利于挖掘更深層次的用戶興趣，關(guān)系多樣性也有利于實(shí)現(xiàn)更加個(gè)性化的推薦，豐富的語(yǔ)義描述還可以增強(qiáng)推薦結(jié)果的可解釋性。這句話描述的是知識(shí)圖譜在__中的應(yīng)用（）

答案:推薦系統(tǒng)知識(shí)圖譜可以看作是一種__的知識(shí)表示方法，相比于文本更易于被機(jī)器查詢和處理，因而在搜索引擎、智能問答、大數(shù)據(jù)分析等領(lǐng)域被廣泛應(yīng)用。（）

答案:結(jié)構(gòu)化語(yǔ)言與知識(shí)的向量化表示，以及利用神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)語(yǔ)言與知識(shí)的處理是重要的人工智能技術(shù)發(fā)展趨勢(shì)。（）

答案:對(duì)知識(shí)圖譜的技術(shù)內(nèi)涵包括（）

答案:圖數(shù)據(jù)存儲(chǔ)與查詢###基于圖的知識(shí)表示###知識(shí)圖譜推理###知識(shí)圖譜融合目前常見的智能問答技術(shù)包括文本問答、知識(shí)圖譜問答、社區(qū)問答（問答對(duì)）、表格問答、視覺問答等多種形式，其中，知識(shí)圖譜問答是起到各類問答核心橋梁作用的問答形式，通常會(huì)與文本、視覺、社區(qū)等問答形式混合搭配起來(lái)使用。（）

答案:對(duì)符號(hào)表示方法的優(yōu)點(diǎn)在于能夠很好的刻畫隱式的知識(shí)（）。

答案:對(duì)當(dāng)需要高性能的關(guān)系查詢時(shí)，更推薦使用關(guān)系型數(shù)據(jù)庫(kù)。（）

答案:錯(cuò)基于模板的方法需要人工維護(hù)大量模板，比較靈活（）

答案:錯(cuò)在多語(yǔ)言實(shí)體鏈接（EntityLinking）中，當(dāng)語(yǔ)種數(shù)目足夠多時(shí)，會(huì)出現(xiàn)低資源語(yǔ)種或?qū)嶓w對(duì)應(yīng)的訓(xùn)練數(shù)據(jù)極少的情況，因此，零樣本和少樣本是需要格外注意的情形。（）

答案:對(duì)解釋不匹配主要包括：概念范圍不匹配和模型覆蓋不匹配。（）

答案:錯(cuò)開放域的關(guān)系抽取技術(shù)主要是為了自動(dòng)發(fā)現(xiàn)事先定義好的關(guān)系。（）

答案:錯(cuò)因果關(guān)系不是順承關(guān)系的子集。（）

答案:錯(cuò)知識(shí)表示與推理在人工智能的發(fā)展歷史上一直居于核心地位。（）

答案:對(duì)知識(shí)圖譜是鏈接數(shù)據(jù)的概念，本來(lái)就應(yīng)該是多模態(tài)的，現(xiàn)有很多商用知識(shí)圖譜都已經(jīng)通過知識(shí)圖譜將各種模態(tài)的數(shù)據(jù)進(jìn)行關(guān)聯(lián)，并提高多模態(tài)的語(yǔ)義搜索能力。（）

答案:對(duì)語(yǔ)言理解和知識(shí)表示是解決智能問答系統(tǒng)最核心的兩個(gè)要素（）

答案:對(duì)知識(shí)圖譜可用來(lái)建模語(yǔ)義空間，從而建立類別之間的關(guān)聯(lián)關(guān)系，從而更好的幫助解決零樣本預(yù)測(cè)等低資源問題。（）

答案:對(duì)深度學(xué)習(xí)模型在問句的理解、候選答案的排序計(jì)算方法都能取得更好的效果。（）

答案:對(duì)非原生圖存儲(chǔ)和原生圖存儲(chǔ)的區(qū)別在于非原生圖存儲(chǔ)在復(fù)雜關(guān)聯(lián)查詢和圖計(jì)算方面有性能優(yōu)勢(shì)，原生圖存儲(chǔ)兼容已有工具集通常學(xué)習(xí)和協(xié)調(diào)成本會(huì)低。（）

答案:錯(cuò)實(shí)體的Schema結(jié)構(gòu)對(duì)實(shí)體抽取有很強(qiáng)的約束作用。（）

答案:錯(cuò)知識(shí)融合旨在將不同的知識(shí)圖譜融合為統(tǒng)一、一致、簡(jiǎn)潔的形式，為使用不同知識(shí)圖譜的應(yīng)用程序之間的交互建立互操作性。（）

答案:對(duì)深度學(xué)習(xí)方法既被用來(lái)改進(jìn)語(yǔ)義解析模型，也被用來(lái)改進(jìn)檢索排序模型，是知識(shí)圖譜技術(shù)發(fā)展主要趨勢(shì)。（）

答案:對(duì)關(guān)于基于的檢索排序的知識(shí)圖譜問答方法的優(yōu)缺點(diǎn)，下列說法正確的是（）。

答案:不擅長(zhǎng)處理推理問題###適用于多種類型資源###依賴特征工程###易于融合多種線索、特征（）是解決智能問答系統(tǒng)最核心的兩個(gè)要素

答案:知識(shí)表示###語(yǔ)言理解如果(a,r,b)為一個(gè)正樣例，下列哪些屬于TransE的負(fù)樣例（）

答案:(a’,r,b)###(a,r,b’)下列哪項(xiàng)是屬性圖模型的查詢語(yǔ)言（）。

答案:PGQL###Gremlin###Cypher傳統(tǒng)的與知識(shí)圖譜表示有關(guān)的典型方法有（）

答案:霍恩規(guī)則邏輯###產(chǎn)生式系統(tǒng)###描述邏輯###框架系統(tǒng)關(guān)系抽取需要從文本中抽取兩個(gè)或多個(gè)實(shí)體之間的語(yǔ)義關(guān)系，其中經(jīng)典方法包括：（）

答案:Snowball###Bootstrappingapproaches###PCNN+Attention以下哪些領(lǐng)域可能包含圖神經(jīng)網(wǎng)絡(luò)很的數(shù)據(jù)集。（）

答案:社交網(wǎng)絡(luò)###數(shù)學(xué)建模###化學(xué)###計(jì)算機(jī)視覺知識(shí)圖譜的存儲(chǔ)需要綜合考慮（）。

答案:查詢優(yōu)化###圖的特點(diǎn)###索引###知識(shí)結(jié)構(gòu)下列特征哪些可作為問題特征（）。

答案:問題類型特征###問題實(shí)體特征###疑問詞特征###問題上下文特征事理圖譜與傳統(tǒng)的知識(shí)圖譜相比，構(gòu)建的難點(diǎn)在于（）。

答案:事件的抽取###事件與知識(shí)的融合###事件的表示對(duì)二元表描述正確的是（）

答案:基本思想是對(duì)三元組按屬性分組，為每個(gè)屬性在關(guān)系數(shù)據(jù)庫(kù)中建立一個(gè)包含（subject、Object）兩列的表###二元表是基于關(guān)系數(shù)據(jù)庫(kù)實(shí)現(xiàn)的三元組存儲(chǔ)方式###二元表也稱為垂直劃分表事理知識(shí)圖譜可應(yīng)用于事件預(yù)測(cè)、（）、輔助決策等任務(wù)中。

答案:常識(shí)推理###消費(fèi)意圖挖掘###問答系統(tǒng)###對(duì)話生成GraphSAGE通過（）定義其鄰居節(jié)點(diǎn)。

答案:隨機(jī)采樣作為知識(shí)驅(qū)動(dòng)的語(yǔ)言預(yù)訓(xùn)練模型，（）是一種靈活簡(jiǎn)便的向KG中注入知識(shí)的方法，可進(jìn)行持續(xù)的知識(shí)融合，以及產(chǎn)生解耦的知識(shí)表示。保留了語(yǔ)言模型的原始表示，并引入了多種類型知識(shí)。其中關(guān)鍵在于知識(shí)注入的插件設(shè)計(jì)。

答案:K-Adapter以下關(guān)于屬性補(bǔ)全方法的描述，正確的有：（）

答案:利用屬性補(bǔ)全，可以通過商品圖片預(yù)測(cè)商品的類目、同款、品牌，補(bǔ)全商品信息基于關(guān)系型數(shù)據(jù)庫(kù)存儲(chǔ)方式性能最好的是（）

答案:三元組存儲(chǔ)下列哪項(xiàng)不是屬性圖模型的查詢語(yǔ)言（）。

答案:SPARQLBERT誕生于哪一年：（）

答案:2018下列哪種方法可以處理組成關(guān)系？（）

答案:RotatERDF是以下列哪一種形式來(lái)描述知識(shí)的

答