知識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別的所有候選實體能提高模型的語義理解能力。（）

答案:對圖模型是更加接近于人腦認知和自然語言的數(shù)據(jù)模型，圖數(shù)據(jù)庫是處理復(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Index-freeadjacency復(fù)雜度與節(jié)點鄰居個數(shù)以及整個數(shù)據(jù)集大小無關(guān)（）

答案:錯屬性表存儲的缺點是很多空值，對Subject聚類比較復(fù)雜、不易處理多值屬性。（）

答案:對普通預(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信息。而知識圖譜可以建模復(fù)雜知識（）

答案:對實體鏈接（EntityLinking）不可以使用端到端的神經(jīng)網(wǎng)絡(luò)進行優(yōu)化（）。

答案:錯實體鏈接（EntityLinking）是一項在文本等載體中對知識圖譜中的命名實體進行識別和消歧的任務(wù)。（）

答案:對ERNIE基于KnowBERT和K-Adapter，是一個利用大規(guī)模語料和知識圖譜實現(xiàn)的語言預(yù)訓(xùn)練模型。（）

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

答案:對同一時間曾巧合出現(xiàn)過兩個同名的模型，分別是ERNIE、K-BERT。（）

答案:錯圖數(shù)據(jù)庫屬性數(shù)據(jù)的存儲處理是內(nèi)聯(lián)與動態(tài)存儲。（）

答案:對實體鏈接（EntityLinking）認為識別和消歧是可以相互提升效果。（）

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

答案:鄰接矩陣###節(jié)點標簽###節(jié)點特征下列關(guān)于命名實體識別的說法，正確的有：（）

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

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

答案:命名實體識別###事件抽取###關(guān)系抽取一個由描述邏輯實現(xiàn)的知識庫通常包含兩個部分（）

答案:Tbox###Abox實體鏈接（EntityLinking）是一項在文本等載體中對知識圖譜中的命名實體進行____的任務(wù)。（）

答案:識別###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###條件自然語言推理（NaturalLanguageInference,NLI）用于判斷兩個句子或者兩個詞語之間存在以下哪些關(guān)系？（）

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

答案:語義網(wǎng)絡(luò)###一階謂詞邏輯###產(chǎn)生式規(guī)則（）的計算是典型的動態(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)知識圖譜和普通知識圖譜的主要區(qū)別在于：（）

答案:知識圖譜中實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（）中每個實體都是圖片，旨在通過將大量圖片通過組織在一個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（）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、特征增強、模型增強。（）

答案:對以下屬于模態(tài)例子的是（）

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

答案:對事理知識圖譜是一個事理（）知識庫。

答案:邏輯知識圖譜是一種天然的異構(gòu)圖（）。

答案:對圖神經(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)點的方式為隨機采樣的是（）。

答案:GraphSAGE下列屬于圖結(jié)構(gòu)的有（）。

答案:知識圖譜###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)點分類模型時通常以（）模式進行訓(xùn)練。

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

答案:人工定義的模版結(jié)構(gòu)通常可以與真實的用戶問題進行匹配在基于語義解析的方法中，下面哪種說法是錯誤的（）。

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

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

答案:對在基于模版實現(xiàn)（TBSL）的基本思路中，對于問句的語義結(jié)構(gòu)，通常與知識圖譜沒有關(guān)系。（）

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

答案:錯（）適合處理短文本的相似度。

答案:Jaccard系數(shù)語言異構(gòu)主要包括（）

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

答案:類實體對齊側(cè)重發(fā)現(xiàn)指稱真實世界相同對象的不同實例。（）

答案:對知識圖譜推理方法中的符號表示所具有的特征包括：（）

答案:局限于顯示表示###可解釋性強___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______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：時間實體“26號下午”，機構(gòu)實體“敘利亞空軍”、“HTS”，地點實體“哈馬省”武器實體“L-39教練機”、“肩攜式防空導(dǎo)彈”。請問，以上做法展示了什么過程？（）

答案:實體識別命名實體識別（NER）技術(shù)的序列標簽體系包括：（）

答案:IOB###IO###BIOSE###BILOU與關(guān)系抽取相比，事件抽取是一個更加困難和復(fù)雜的任務(wù)，因為事件結(jié)構(gòu)遠比實體關(guān)系三元組復(fù)雜。（）

答案:對關(guān)于CRF（條件隨機場）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體關(guān)系學(xué)習(xí)（）。

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

答案:對基于關(guān)系型數(shù)據(jù)庫存儲方案中說法正確的有（）。

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

答案:錯下面關(guān)于RDF圖存儲和屬性圖存儲描述正確的是（）。

答案:RDF存儲一般支持推理，屬性圖存儲通常具有更好的圖分析性能優(yōu)勢哪種數(shù)據(jù)庫更易于擴展和處理復(fù)雜關(guān)聯(lián)表達（）。

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

答案:錯以下哪個不是產(chǎn)生式系統(tǒng)的優(yōu)點？（）

答案:高效性什么是知識表示？（）

答案:用易于計算機處理的方式來描述人腦的知識TransE模型對于以下哪種關(guān)系的處理能力不夠強（）

答案:一對多關(guān)系###多對一關(guān)系###多對多關(guān)系RDF包含以下哪些元素（）。

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

答案:金融###農(nóng)業(yè)###醫(yī)療健康###政府利用知識圖譜增強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現(xiàn)更加個性化的推薦，豐富的語義描述還可以增強推薦結(jié)果的可解釋性。這句話描述的是知識圖譜在__中的應(yīng)用（）

答案:推薦系統(tǒng)知識圖譜可以看作是一種__的知識表示方法，相比于文本更易于被機器查詢和處理，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)化語言與知識的向量化表示，以及利用神經(jīng)網(wǎng)絡(luò)實現(xiàn)語言與知識的處理是重要的人工智能技術(shù)發(fā)展趨勢。（）

答案:對知識圖譜的技術(shù)內(nèi)涵包括（）

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

答案:對符號表示方法的優(yōu)點在于能夠很好的刻畫隱式的知識（）。

答案:對當需要高性能的關(guān)系查詢時，更推薦使用關(guān)系型數(shù)據(jù)庫。（）

答案:錯基于模板的方法需要人工維護大量模板，比較靈活（）

答案:錯在多語言實體鏈接（EntityLinking）中，當語種數(shù)目足夠多時，會出現(xiàn)低資源語種或?qū)嶓w對應(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:錯開放域的關(guān)系抽取技術(shù)主要是為了自動發(fā)現(xiàn)事先定義好的關(guān)系。（）

答案:錯因果關(guān)系不是順承關(guān)系的子集。（）

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

答案:對語言理解和知識表示是解決智能問答系統(tǒng)最核心的兩個要素（）

答案:對知識圖譜可用來建模語義空間，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)測等低資源問題。（）

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

答案:對非原生圖存儲和原生圖存儲的區(qū)別在于非原生圖存儲在復(fù)雜關(guān)聯(lián)查詢和圖計算方面有性能優(yōu)勢，原生圖存儲兼容已有工具集通常學(xué)習(xí)和協(xié)調(diào)成本會低。（）

答案:錯實體的Schema結(jié)構(gòu)對實體抽取有很強的約束作用。（）

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

答案:對深度學(xué)習(xí)方法既被用來改進語義解析模型，也被用來改進檢索排序模型，是知識圖譜技術(shù)發(fā)展主要趨勢。（）

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

答案:不擅長處理推理問題###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)最核心的兩個要素

答案:知識表示###語言理解如果(a,r,b)為一個正樣例，下列哪些屬于TransE的負樣例（）

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

答案:PGQL###Gremlin###Cypher傳統(tǒng)的與知識圖譜表示有關(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或多個實體之間的語義關(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)###計算機視覺知識圖譜的存儲需要綜合考慮（）。

答案:查詢優(yōu)化###圖的特點###索引###知識結(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)的知識圖譜相比，構(gòu)建的難點在于（）。

答案:事件的抽取###事件與知識的融合###事件的表示對二元表描述正確的是（）

答案:基本思想是對三元組按屬性分組，為每個屬性在關(guān)系數(shù)據(jù)庫中建立一個包含（subject、Object）兩列的表###二元表是基于關(guān)系數(shù)據(jù)庫實現(xiàn)的三元組存儲方式###二元表也稱為垂直劃分表事理知識圖譜可應(yīng)用于事件預(yù)測、（）、輔助決策等任務(wù)中。

答案:常識推理###消費意圖挖掘###問答系統(tǒng)###對話生成GraphSAGE通過（）定義其鄰居節(jié)點。

答案:隨機采樣作為知識驅(qū)動的語言預(yù)訓(xùn)練模型，（）是一種靈活簡便的向KG中注入知識的方法，可進行持續(xù)的知識融合，以及產(chǎn)生解耦的知識表示。保留了語言模型的原始表示，并引入了多種類型知識。其中關(guān)鍵在于知識注入的插件設(shè)計。

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

答案:利用屬性補全，可以通過商品圖片預(yù)測商品的類目、同款、品牌，補全商品信息基于關(guān)系型數(shù)據(jù)庫存儲方式性能最好的是（）

答案:三元組存儲下列哪項不是屬性圖模型的查詢語言（）。

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描述知識的

答