2025年信息檢索考試題庫（附答案）一、單項(xiàng)選擇題（每題2分，共40分）1.信息檢索的核心任務(wù)是（）A.收集所有相關(guān)信息B.根據(jù)用戶需求對(duì)信息進(jìn)行相關(guān)性排序C.去除重復(fù)信息D.生成新的信息答案：B2.以下不屬于文本信息檢索主要類型的是（）A.結(jié)構(gòu)化數(shù)據(jù)檢索（如數(shù)據(jù)庫查詢）B.非結(jié)構(gòu)化文本檢索（如網(wǎng)頁搜索）C.半結(jié)構(gòu)化文本檢索（如XML文檔檢索）D.圖像內(nèi)容檢索（如以圖搜圖）答案：D3.布爾模型中，檢索式“(蘋果AND手機(jī))OR水果”返回的結(jié)果是（）A.包含“蘋果”且“手機(jī)”，或包含“水果”的文檔B.包含“蘋果”或“手機(jī)”，且包含“水果”的文檔C.同時(shí)包含“蘋果”“手機(jī)”“水果”的文檔D.包含“蘋果”且（“手機(jī)”或“水果”）的文檔答案：A4.向量空間模型中，詞項(xiàng)權(quán)重通常不考慮（）A.詞項(xiàng)在文檔中的出現(xiàn)頻率（TF）B.詞項(xiàng)在全局中的逆文檔頻率（IDF）C.文檔長(zhǎng)度歸一化D.詞項(xiàng)的情感傾向答案：D5.BM25模型相比TF-IDF的主要改進(jìn)是（）A.引入文檔長(zhǎng)度歸一化參數(shù)B.增加詞項(xiàng)位置權(quán)重C.支持布爾邏輯運(yùn)算D.直接輸出相關(guān)性分?jǐn)?shù)而非二值結(jié)果答案：A6.以下屬于概率檢索模型核心假設(shè)的是（）A.文檔與查詢的相似性由向量?jī)?nèi)積決定B.文檔與查詢的相關(guān)性滿足概率分布C.檢索結(jié)果需嚴(yán)格匹配布爾條件D.詞項(xiàng)權(quán)重僅由全局頻率決定答案：B7.倒排索引的核心組成是（）A.文檔ID與詞項(xiàng)列表的映射B.詞項(xiàng)與包含該詞項(xiàng)的文檔列表的映射C.文檔內(nèi)容與元數(shù)據(jù)的關(guān)聯(lián)D.查詢關(guān)鍵詞與用戶歷史行為的關(guān)聯(lián)答案：B8.語義檢索的關(guān)鍵技術(shù)不包括（）A.詞嵌入（WordEmbedding）B.語義匹配模型（如BERT）C.關(guān)鍵詞頻率統(tǒng)計(jì)D.上下文理解（ContextUnderstanding）答案：C9.網(wǎng)絡(luò)信息檢索中，“蜘蛛陷阱”指的是（）A.惡意網(wǎng)站誘導(dǎo)爬蟲抓取無效數(shù)據(jù)B.動(dòng)態(tài)網(wǎng)頁因JavaScript渲染導(dǎo)致爬蟲無法獲取內(nèi)容C.無限循環(huán)鏈接導(dǎo)致爬蟲無法終止D.用戶輸入錯(cuò)誤關(guān)鍵詞導(dǎo)致無結(jié)果返回答案：C10.以下檢索評(píng)價(jià)指標(biāo)中，更關(guān)注排序質(zhì)量的是（）A.準(zhǔn)確率（Precision）B.召回率（Recall）C.平均準(zhǔn)確率（MAP）D.查全率（Recall）答案：C11.元數(shù)據(jù)（Metadata）在信息檢索中的主要作用是（）A.直接提供文檔內(nèi)容B.描述文檔的特征（如作者、時(shí)間、主題）C.替代文檔進(jìn)行全文檢索D.生成文檔的摘要答案：B12.多模態(tài)檢索（MultimodalRetrieval）的典型應(yīng)用場(chǎng)景是（）A.學(xué)術(shù)論文關(guān)鍵詞檢索B.電商平臺(tái)“圖搜商品”C.數(shù)據(jù)庫SQL查詢D.新聞網(wǎng)站按時(shí)間篩選答案：B13.以下屬于深度學(xué)習(xí)檢索模型的是（）A.向量空間模型（VSM）B.卷積神經(jīng)網(wǎng)絡(luò)（CNN）用于文本匹配C.BM25模型D.概率檢索模型（PRSM）答案：B14.實(shí)時(shí)檢索系統(tǒng)（如微博熱搜）的關(guān)鍵技術(shù)需求是（）A.支持超大規(guī)模數(shù)據(jù)存儲(chǔ)B.低延遲響應(yīng)（通常<100ms）C.高精度的相關(guān)性排序D.多語言處理能力答案：B15.知識(shí)圖譜（KnowledgeGraph）在信息檢索中的主要作用是（）A.存儲(chǔ)大量文檔的全文內(nèi)容B.揭示實(shí)體間的語義關(guān)系（如“愛因斯坦-職業(yè)-物理學(xué)家”）C.替代傳統(tǒng)索引結(jié)構(gòu)D.生成用戶查詢的擴(kuò)展關(guān)鍵詞答案：B16.以下不屬于檢索系統(tǒng)用戶行為數(shù)據(jù)的是（）A.用戶點(diǎn)擊的結(jié)果位置B.用戶輸入的查詢?cè)~修改記錄C.文檔的詞項(xiàng)頻率D.用戶停留時(shí)間答案：C17.零樣本學(xué)習(xí)（Zero-ShotLearning）在檢索中的應(yīng)用是（）A.無需訓(xùn)練數(shù)據(jù)即可處理新類型查詢B.僅用少量樣本訓(xùn)練模型C.完全依賴規(guī)則進(jìn)行檢索D.僅檢索用戶歷史點(diǎn)擊過的內(nèi)容答案：A18.網(wǎng)絡(luò)爬蟲（WebCrawler）遵循的核心協(xié)議是（）A.HTTP協(xié)議B.robots協(xié)議（robots.txt）C.TCP/IP協(xié)議D.HTML標(biāo)準(zhǔn)答案：B19.問答系統(tǒng)（QuestionAnswering）與傳統(tǒng)檢索的主要區(qū)別是（）A.問答系統(tǒng)直接返回答案，而非文檔列表B.傳統(tǒng)檢索僅支持關(guān)鍵詞匹配C.問答系統(tǒng)不依賴索引技術(shù)D.傳統(tǒng)檢索不處理自然語言查詢答案：A20.以下檢索策略中，用于提高召回率的是（）A.增加關(guān)鍵詞的AND條件B.使用同義詞擴(kuò)展（如“手機(jī)”→“移動(dòng)電話”）C.限制文檔發(fā)布時(shí)間D.按文檔長(zhǎng)度過濾答案：B二、填空題（每題2分，共30分）1.信息檢索的基本流程包括信息采集、______、檢索匹配和結(jié)果排序。答案：索引構(gòu)建2.布爾模型的局限性在于無法處理______的相關(guān)性程度。答案：文檔與查詢3.向量空間模型中，詞項(xiàng)權(quán)重通常通過______（如TF-IDF）計(jì)算。答案：詞項(xiàng)重要性指標(biāo)4.BM25公式中的參數(shù)k1用于控制______的飽和效應(yīng)（即高頻詞的權(quán)重增長(zhǎng)速率）。答案：詞頻（TF）5.倒排索引的存儲(chǔ)結(jié)構(gòu)通常包括詞項(xiàng)字典、______和文檔頻率。答案：postings列表（倒排列表）6.語義檢索的核心是理解查詢和文檔的______，而非僅關(guān)鍵詞匹配。答案：語義含義7.網(wǎng)絡(luò)信息檢索的主要挑戰(zhàn)包括信息過載、______和動(dòng)態(tài)性（如網(wǎng)頁內(nèi)容頻繁更新）。答案：信息冗余（或“噪聲數(shù)據(jù)”）8.檢索系統(tǒng)評(píng)價(jià)中，NDCG（歸一化折損累計(jì)增益）用于衡量______的質(zhì)量。答案：排序結(jié)果9.元數(shù)據(jù)可分為描述型（如標(biāo)題、摘要）、管理型（如創(chuàng)建時(shí)間）和______（如文檔結(jié)構(gòu)）。答案：結(jié)構(gòu)型10.多模態(tài)檢索需要解決不同模態(tài)數(shù)據(jù)的______問題（如圖像的視覺特征與文本的語義特征對(duì)齊）。答案：語義對(duì)齊11.深度學(xué)習(xí)檢索模型（如BERT）通過______捕捉上下文語義，提升匹配精度。答案：預(yù)訓(xùn)練語言模型12.實(shí)時(shí)檢索系統(tǒng)的關(guān)鍵技術(shù)包括______（如內(nèi)存索引）和高效的排序算法。答案：低延遲索引13.知識(shí)圖譜增強(qiáng)檢索的典型方式是通過______擴(kuò)展查詢意圖（如將“蘋果”關(guān)聯(lián)到“水果”或“科技公司”）。答案：實(shí)體鏈接14.用戶行為數(shù)據(jù)（如點(diǎn)擊、停留時(shí)間）可用于______（如學(xué)習(xí)排序模型）優(yōu)化檢索結(jié)果。答案：反饋調(diào)優(yōu)15.零樣本檢索的核心是利用______（如預(yù)訓(xùn)練模型的泛化能力）處理未見過的查詢類型。答案：語義泛化三、簡(jiǎn)答題（每題5分，共30分）1.簡(jiǎn)述布爾模型的優(yōu)缺點(diǎn)。答案：優(yōu)點(diǎn)：邏輯清晰，結(jié)果明確（符合/不符合），適用于精確檢索（如法律條文查詢）。缺點(diǎn)：無法反映文檔與查詢的相關(guān)性程度（僅二值判斷），不支持部分匹配，對(duì)同義詞或語義相近詞不敏感。2.向量空間模型如何處理詞項(xiàng)權(quán)重？請(qǐng)舉例說明。答案：通過詞項(xiàng)重要性指標(biāo)（如TF-IDF）計(jì)算權(quán)重。例如，詞項(xiàng)“人工智能”在某篇文檔中出現(xiàn)10次（高TF），但在全局文檔中僅5%的文檔包含該詞（高IDF），則其權(quán)重較高，反映該詞對(duì)文檔主題的代表性強(qiáng)。3.BM25相比TF-IDF的主要改進(jìn)有哪些？答案：①引入文檔長(zhǎng)度歸一化參數(shù)b，解決長(zhǎng)文檔因詞頻高而權(quán)重過高的問題；②對(duì)詞頻（TF）進(jìn)行飽和處理（通過參數(shù)k1），避免高頻詞權(quán)重過度增長(zhǎng)；③直接輸出相關(guān)性分?jǐn)?shù)，支持排序。4.簡(jiǎn)述倒排索引的構(gòu)建流程。答案：①預(yù)處理文檔（分詞、去停用詞、詞干化）；②統(tǒng)計(jì)每個(gè)詞項(xiàng)的出現(xiàn)文檔（生成postings列表）；③構(gòu)建詞項(xiàng)字典（記錄詞項(xiàng)到postings列表的映射）；④存儲(chǔ)文檔頻率（每個(gè)詞項(xiàng)出現(xiàn)的文檔數(shù)）。5.語義檢索與關(guān)鍵詞檢索的核心區(qū)別是什么？答案：關(guān)鍵詞檢索基于詞形匹配（如“蘋果”僅匹配文本中的“蘋果”），語義檢索基于語義理解（如“蘋果”可匹配“Apple”或“水果”相關(guān)文檔），能處理同義詞、上下位詞和隱含語義。6.網(wǎng)絡(luò)信息檢索的主要挑戰(zhàn)有哪些？答案：①信息過載（海量數(shù)據(jù)導(dǎo)致檢索效率低）；②信息冗余（重復(fù)內(nèi)容多）；③動(dòng)態(tài)性（網(wǎng)頁頻繁更新，索引需實(shí)時(shí)維護(hù)）；④多模態(tài)（文本、圖像、視頻混合）；⑤噪聲（低質(zhì)量或虛假信息）。四、論述題（每題10分，共20分）1.比較傳統(tǒng)檢索模型（如向量空間模型）與深度學(xué)習(xí)檢索模型（如BERT）的差異，并分析后者的優(yōu)勢(shì)。答案：傳統(tǒng)模型（如VSM）基于詞項(xiàng)統(tǒng)計(jì)（TF-IDF），將文檔和查詢表示為向量，通過內(nèi)積計(jì)算相似性；僅捕捉詞項(xiàng)層面的統(tǒng)計(jì)關(guān)系，無法處理上下文語義（如同義詞、歧義）。深度學(xué)習(xí)模型（如BERT）通過預(yù)訓(xùn)練語言模型捕捉上下文語義，將文檔和查詢表示為語義向量（考慮詞序和上下文），支持更精準(zhǔn)的語義匹配。優(yōu)勢(shì)：①上下文理解（如“蘋果”在“水果”和“科技公司”場(chǎng)景中的不同含義）；②泛化能力（通過預(yù)訓(xùn)練學(xué)習(xí)通用語義，適應(yīng)新領(lǐng)域）；③端到端學(xué)習(xí)（直接優(yōu)化相關(guān)性排序，無需人工設(shè)計(jì)特征）。2.結(jié)合實(shí)際場(chǎng)景（如電商商品檢索），論述用戶意圖識(shí)別對(duì)檢索效果的影響，并舉例說明如何實(shí)現(xiàn)。答案：用戶意圖識(shí)別是指判斷用戶查詢的真實(shí)需求（如“蘋果”可能指水果或手機(jī)）。在電商場(chǎng)景中，若用戶搜索“蘋果”，未識(shí)別意圖可能返回所有含“蘋果”的商品（水果、手機(jī)殼、品牌服飾），導(dǎo)致結(jié)果不相關(guān)。實(shí)現(xiàn)方式：①利用用戶歷史行為（如近期瀏覽過手機(jī)，推測(cè)“蘋果”指手機(jī)）；②上下文信息（如查詢“蘋果快充”指向手機(jī)配件）；③知識(shí)圖譜（關(guān)聯(lián)“蘋果”的實(shí)體類型，結(jié)合商品類目標(biāo)簽）；④意圖分類模型（通過機(jī)器學(xué)習(xí)分類“商品類型”“屬性查詢”“比較需求”等意圖）。五、應(yīng)用題（每題10分，共20分）1.給定用戶查詢“2024年諾貝爾物理學(xué)獎(jiǎng)得主”和以下文檔集合（簡(jiǎn)化版），請(qǐng)計(jì)算P@5（前5名結(jié)果的準(zhǔn)確率）和MRR（平均倒數(shù)排名）。文檔列表（按檢索系統(tǒng)排序結(jié)果）：1.《2024年諾貝爾化學(xué)獎(jiǎng)得主公布》（不相關(guān)）2.《2024年諾貝爾物理學(xué)獎(jiǎng)：量子計(jì)算突破》（相關(guān)）3.《2023年諾貝爾物理學(xué)獎(jiǎng)回顧》（不相關(guān)）4.《2024年諾貝爾獎(jiǎng)全名單：物理學(xué)獎(jiǎng)得主為A和B》（相關(guān)）5.《2024年諾貝爾文學(xué)獎(jiǎng)介紹》（不相關(guān)）答案：-P@5：前5名中相關(guān)文檔為第2、4篇，共2篇，準(zhǔn)確率=2/5=0.4。-MRR：相關(guān)文檔的排名為2和4，倒數(shù)排名分別為1/2和1/4，平均=（1/2+1/4）/2=3/8=0.375。2.設(shè)計(jì)一個(gè)針對(duì)“少兒編程課程”垂直領(lǐng)域的精準(zhǔn)檢索系統(tǒng)方案，需包含核心模塊及關(guān)鍵技術(shù)。答案：核心模塊：①數(shù)據(jù)采集與預(yù)處理：爬取少兒編程課程網(wǎng)站、機(jī)構(gòu)信息，提取課程名稱、適用年齡、內(nèi)容簡(jiǎn)介、教師資質(zhì)等元數(shù)據(jù)；分詞時(shí)加入領(lǐng)域詞典（如“Scratch”“Python基礎(chǔ)”）。②索引構(gòu)建：基于倒排索引，增加領(lǐng)域特征（如年齡范圍、編程語言類型）的結(jié)構(gòu)