智能信息系统试题文档格式.docx
《智能信息系统试题文档格式.docx》由会员分享，可在线阅读，更多相关《智能信息系统试题文档格式.docx（17页珍藏版）》请在冰豆网上搜索。
（5）存储：
把该次获得的成功解答存储到案例库，以备后用。
（6）解释与修改：
如果失败，则解释失败原因，并对其进行修改，然后再对其进行测试。
3．知识检索具有哪些智能特征？
一般而言，知识检索具有如下智能特征：
（1）支持自然语言理解和检索。
（2）具有知识推理和学习功能，利益概念逻辑和人工智能逻辑，实现多种语义推理、逻辑推理和学习、挖掘及其只是发现。
（3）具有可视化、智能化检索功能、实现文本、图像、语言等多媒体信息的内容检索和语义检索。
（4）具有强大的人机交互功能，能够通过自然语言和知识语言进行人机交互，具有智能辅助、智能反馈、解释及学习能力。
4．专家知识获取方法有哪些？
专家经验知识获取的方法包括：
（1）专家访谈、发放调查表等方式。
（2）机器归纳学习技术：
从专家提供的工作实例或基本操作信息中归纳学习专门知识。
（3）神经网络技术：
借助神经网络技术，系统可以进行自组织，自学习，不断地充实，丰富专家系统中原有的知识库。
5.试述智能信息系统的主要功能。
智能信息系统的主要功能是能够对信息进行采集、处理、存储、管理、检索和传输，并能向有关人员提供有用的信息。
包括：
信息的采集、信息的处理、信息的存储、信息的管理、信息的检索和信息的传输。
四、论述题
1．请详细阐述正向推理中的冲突解决策略。
（1）选择一个：
选择匹配事实的第一条规则。
（2）顺序选择：
按匹配规则的顺序执行，前面建立的新事实可被后面的规则使用。
（3）详细规则优先：
这种方法是在冲突规则集中优先选择条件部分内容详细的规则，它蕴含的哲学思想是，选择基于较多信息的规则得出结论是较好的，有时根据条件元素的个数和执行条件部分的成本来决定优先度。
（4）重要度优先：
该方法是预先给各规则赋予类似于优先数的权，然后在处理冲突规则时，选择优先数最高的规则。
如果规则编排的顺序表示了使用的优先级，则按顺序执行规则。
（5）最近优先法：
这种方法始终冲突规则集中优先选择与最近加入事实库中的事实相匹配的规则。
在这种情况下，各种数据元素被赋予时间标志。
在以实时控制为目标的事件驱动型推理中，常使用这种策略。
2．试述逆向推理的思想和推理过程。
逆向推理（向后推理）：
它是从目标出发向后推理，用目标匹配规则的结论部分，将该规则的前提作为新的子目标，然后试图证明一系列子目标，直至找到支持结论的证据，则停止推理。
这种由结论到数据的策略称为目标驱动策略。
推理方式如下所示：
设知识库包含事实和规则，给出目标G，逆向推理算法描述如下：
（1）扫描事实库，找出与目标G匹配的事实F，若F存在，则成功返回。
（2）扫描规则库，找出结论与目标G匹配的规则集S
（3）如果S为空：
则失败返回。
（与原书不同*）
①若G匹配一个事实，成功；
②若G匹配询问字句，则提问用户关于G的信息。
（4）如果S非空且G未知，重复执行以下操作：
①调用解决冲突算法，从S中选出规则R；
②将规则R的前提部分作为子目标G′，证明之；
③若G′未知，递归调用本算法；
④若G′为真，执行R的结论部分，否则（并且）从S中删除规则R。
3．叙述智能信息系统的原型开发方法的思想。
原型法的基本思想是系统开发人员凭借自己对用户需求的理解，通过强有力的软件环境支持，构造出一个实在的系统原型，然后与用户协商，反复修改原型直至用户满意。
原型法的应用使人们对需求有了渐进的认识，从而使系统开发更有针对性。
另外，原型法的应用充分利用了最新的软件工具，使系统开发效率大为提高。
原型方法的工作流程:
（1）知识获取.
（2）领域问题的分析。
（3）设计原型系统。
（4）实现原型系统。
（5）证实原型系统。
（6）系统的发展与维护。
首先用户提出开发要求，开发人员识别和归纳用户要求，根据识别、归纳的结果，构造出一个原型（程序模块），然后同用户一道评价这个原型。
如果根本不行，则回到第三步重新构造原型；
如果不满意，则修改原型，直到用户满意为止，这就是原型法工作的一般流程。
4．综述知识组织的主要方法。
从信息分类角度，有对分类法、主题法以及分类主题一体化的研究；
从信息描述角度，有对元数据、数字对象等的研究；
从自然语言理解的角度，有对自动标引、自动分类技术等的研究与试验。
在概念层次上，语义网、主题地图与Ontology3种方法成为了焦点。
严格说来，主题地图与OntoloSy是语义网的延伸和发展。
1）语义网：
语义网以图形方式展现资源及其关联性，可以有效地层现资源，避免重复。
语义网不是独立的、另一类的Web，而是现有Web的一个延伸。
语义网就是机器可理解的信息，是数据网。
在语义网中，一切可以确定的内容，都作为实体分布在网中，每一实体都有一个统一资源标识。
语义网的核心就是元数据，它通过在现有Web基础上增加共用的、标准的、机器可理解的元数据，使得原来Web环境下难以实现的许多应用成为可能或变得更有成效。
语义网的结构，包括一组节点、标记和弧线。
语义网理论已经突破传统超文本缺乏明确标记的弱点，以资源间的关联性为主轴，尝试建立一套更具结构性的知识展现架构。
2）主题地图：
一种类似语义网的知识表示模式，它结合了传统索引、图书馆学与人工智能等领域的优点，在资源世界中，有如GPS般提供定址与连结的功能，可以有效地组织知识以利于探索、推理、解决大量无序资源所带来的问题。
可以说，主题地图是一项结合了知识工程和资源组织的新技术。
主题地图的概念包括TAO三要素：
T是主题（Topics），A是关联（Associations），O是资源指引（Occurences）。
就本质而言，主题地图是以主题作为基本素材，利用关联建立主题间的关系，并利用范围限制名称、资源指引和关联的有效范畴，这就是最基本的主题地图。
3）Ontology：
它是一个规范的、得到公认的描述，Ontology中的词（概念或类）与某一学科相关。
Ontology被应用于许多领域，主要由于其具有明确地详述语意和关系的语言表达能力。
以主题地图为例，虽然也处理了概念的关联问题，但这是一个无方向性的相关关系，并且没有定义何种相关关系，故使用上相对受限[6]。
WilliamandAustin（1999）认为Ontology可作为知识表达的基础，避免进行重复的领域知识分析，且由于统一的术语和概念可达成知识
5．论述智能搜索引擎的工作流程。
（1）用户提交检索请求：
用户Agent接受用户提交的检索请求，对其进行细化，然后把初步处理后的结果交给学习Agent。
（2）用户模型库的建立或更新：
若该用户是初次检索，则学习Agent通过分析、学习其检索行为建立用户模型库；
若用户不是初次检索，则学习Agent根据学习到的内容对用户模型库进行更新。
（3）规范化检索提问：
处理Agent接收到检索提问后，参照用户模型库的类似成功检索案例，以形成全面有效的检索提问进行检索；
若用户模型库中无类似成功检索案例，则已经本体库中的知识对检索提问进行规范化处理，找出出现该关键字的各个领域及在该领域下的关键字的含义。
然后处理Agent将处理后的检索提问返回到用户Agent，由用户根据自己需求选择或确认处理后的检索提问，并再次依序往下传递检索提问。
当然，用户可以设定无需将处理结果返回，而由系统全权代理。
（4）检索信息：
处理Agent先将检索提问传递给检索Agent，进行本地信息卡的就近检索，若找到相关信息则直接将结果返回处理Agent，比如需求相同的不同用户提出相同检索人物，则后来用户的检索提问可以“照搬”先前用户的检索结果，即只需在本地信息库进行搜索，从而提高检索效率。
若检索Agent在本地信息库没有检索到相关信息，或者检索到的信息的相关性低于指定阀值，则处理Agent将检索结果提问传递给搜索Agent，搜索Agent到远端进行搜索。
最后搜索Agent将搜索到的信息返回到处Agent。
（5）检索结果的处理：
根据用户的个性化需求，处理Agent对返回的检索结果进行分析、过滤，并将结果推荐给用户。
若检索结果来自远端搜索，则处理Agent还要讲检索结果存入本地信息库。
（6）用户反馈信息的学习：
应用层将检索结果提交给用户后，学习Agent对用户Agent收集的用户的反馈信息进行学习，以存储相关结果，如成功搜索案例，并依据用户的反馈信息进行自学习，完善自身功能，如调整由系统设定的相关性阀值。
（7）相关信息的主动推荐：
根据用户模型库记录的用户的相关信息，当用户完成一次检索后，按照用户设定的推送服务周期，智能搜索引擎能主动已经用户需求完成
（1）~（6）步信息搜索过程，而其检索提问的修改由系统自动进行，一旦检索到相关信息，则以一定方式推荐给用户。
《智能信息系统》模拟试卷二
一、单项选择
1．下列知识表示方法属于层次的、组合式的是（C）C框架表示法
2．（C）是从已知事实和背景知识推导出结论的处理过程。
C归纳推理
3．对超链接挖掘属于web挖掘中的（B）B结构挖掘
4．（D）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。
D本体
5．以下不属于逻辑运算符的是（C）C&
1．性质继承可分为（ABC）A直接继承B附加继承C排斥继承
2．智能信息系统开发的原则有（ABCD）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
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是（AB）AID3方法BIBLE方法
4．知识获取的基本任务包括（ABCDEF）
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（ABCDEF）
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
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，CommonKADS知识工程方法。
4．简述IIS中的知识类型。
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.
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。
初始状态目标状态
（事实条件）→（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。
①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。
②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。
（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。
（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。
《智能信息系统》模拟试卷三
1、下列不属于处理不确定信息的理论的是（D）D布尔逻辑
2、（B）是归纳推理时所需的训练数据B实例集合
3、以下不属于性质继承的是（B）B传递继承
4、（A）真值为[0,1]闭区间上的实数，表示一个事实或规则为真的可能性或可信度A模糊逻辑
5、用户知识的获取方法有（D）D人工学习、机器学习和数据挖掘
二、多项选择题
1、智能信息系统的基本模型包括（ABCD）
A智能人机接口层
B知识处理及应用层
C知识获取与组织层
D知识存储层
2、依据推理过程中产生的新知识与时间及原有知识的关系及作用，可将分为（CD）
C单调推理
D
非单调推理
3、从表示特性来考察知识表示方法可归纳为（AC）A说明型
C过程型
4、Web挖掘一般可以分为三类，分别是（ACD）A内容挖掘
C结构挖掘
D使用挖掘
5、可视化的分支有（BCD）B信息可视化
C数据可视化
D科学可视化
1、简述智能信息系统的定义和其优点。
智能信息系统是一种智能化的计算机系统，综合应用信息管理、知识管理、人工智能等多学科理论，模拟人类的智能感知、智能思维和智能行为，实现知识的获取、存储、处理与利用，对于广泛应用领域提供高效率的信息知识服务。
与传统计算机信息系统相比，智能信息系统具有以下优点：
（1）以知识处理为中心，集成和综合应用各种智能与非智能技术；
（2）具有智能化的检索、搜索、导航、推理、学习、挖掘、自然语言处理等功能；
（3）面向用户，能提供主动式的、高效的信息与知识服务。
2、简述机器学习的主要作用及其分类。
机器学习的作用主要包括：
（1）获取新知识。
机器学习可以归纳新知识，如发现人类未曾想到过的新概念和模型，可以缩短从专家处获取知识的历程。
（2）精练知识库。
通过学习不仅可以发现知识库中的错误和缺陷，还可以优化和简化知识。
（3）辅助查找处理。
当查找空间很大，描述很多，就可能产生组合爆炸问题。
因此，需要学习有效的启发式知识引导查找，忽略大量与目标无关的描述或概念，也就是将学习作为一种查找处理。
形成新理论。
探索新知识可以被看作理论形成的处理。
理论形成的一个方面是归纳推理，从具体实例推导一般规律；
另一方面是验证假设，寻找与一般理论的上下文有关的事实证据，并且比较多种可能的假设来选择较好的。
根据学习中使用推理的多少，机器学习大体上可以分为：
机械学习、指导学习、归纳学习、演绎学习、类比学习和基于案例的学习。
3、对于正向推理，如何解决冲突？
（1）选择一条：
只选择匹配事实的第一条规则。
优先选择条件部分最详细的规则。
（认为基于较多信息的规则得出的结论是较好的）。
可根据条件元素的个数和执行条件部分的成本来决定优先度
升级会员 