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）
- 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。
- 信息检索技术可以解决互联网上的 _____ 问题。
- 爬虫是一种 _____ 程序。
- 爬虫从一个或若干个网页的URL开始，抽取URL放入 _____ 中。
- 爬虫可以采用 _____ 判重。
- 爬虫的搜索策略有 _____ 和 _____ 。
- 爬虫礼貌性体现在 _____ 。
- 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。
- 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 _____ 。
- 消除停用词的方法： _____ 和 _____。
- _____ 在一般情况下，将多个派生词合并在一起。
- 基于词典的分词方法，也叫“ _____ ” 法，根据扫描方向，匹配策略有 _____ 和 _____ 。
- 布尔模型建立在 _____ 和 _____ 的基础上。
- 精确的Top K搜索的加速方法有（1）_____ ； （2） _____ ；（3）_____ 。
- L2R中的文档方法损失函数评估 _____ 。
- PageRank是基于 _____ 的回归关系来判定所有网页的重要性。
- HITS算法中，每个网页计算两个值：_____ 和 _____ 。
- SVD也就是 _____ ，可以用于 _____ 。
- BM25由三个部分组成： _____ 、_____ 和 _____ 。
- 词的向量表示有 _____ 和 _____ 。
- 用于大量文档查重的局部敏感哈希算法有 _____ 和 _____ 。
- 形状的描述符大题可以分为两大类，基于 _____ 的和基于 _____ 的。
二、名次解释（每个6分，共30分）
- 正则表达式
- 图像BoW
- 统计语言模型
- pLSA
- LBR
三、简答题（每个8分，共32分）
- 简述向量空间模型及其特点
- 什么是HMM？简述HMM用于中文分词的方法
- 简述信息检索评价的主要指标
- 网站反爬虫的方法有哪些？应对策略是什么？