Главная страница

Вопросы для зачета (экзамена) ПКП. Вопросы по курсу Прикладные компьютерные программы


Скачать 32.5 Kb.
НазваниеВопросы по курсу Прикладные компьютерные программы
Дата08.05.2022
Размер32.5 Kb.
Формат файлаdoc
Имя файлаВопросы для зачета (экзамена) ПКП.doc
ТипПротокол
#518227

Вопросы по курсу

«Прикладные компьютерные программы»

1. Цели и задачи курса «Прикладные компьютерные программы»

2. Всемирная паутина и её протоколы.

3. Язык гипертекстовой разметки текстов НТМL.

4. Протокол передачи гипертекста НТТР.

5. Пиринговые сети. Их область применения

6. Пиринговые сети. Достоинства и недостатки.

7. Схема информационно-поисковой системы. Её основные функции.

8. Основные подходы к построению информационно-поисковой системы. Основные модели поиска информации.

9. Булева модель поиска информации. (Классическая булева модель. Расширенная булева модель.)

10. Булева модель поиска информации. Модель нечеткого поиска.

11. Векторно-пространственная модель поиска информации.

12. Вероятностная модель поиска информации.

13. Алгоритмы поиска информации в пиринговых сетях: по ключам; методом широкого первичного поиска.

14. Алгоритмы поиска информации в пиринговых сетях методом случайного широкого первичного поиска.

15. Алгоритмы поиска информации в пиринговых сетях методами «большинства результатов по прошлой эвристике» и «случайных блужданий».

16. Информационно поисковые языки.

17. Характеристики информационного поиска.

18. Сущность и задачи метода глубинного анализа текста «Текст мининг».

19. Основные элементы метода «Текст мининг».

20. Элементы метода «Текст мининг»: классификация; кластеризация; извлечение понятий и определение их взаимосвязи.

21. Элемент метода «Текст мининг» - автоматическое реферирование.

22. Элементы метода «Текст мининг»: поисковые образы документов; выявление дублирования информации.

23. Элемент метода «Текст мининг» - выявление новых событий.

24. Цели и задачи классификации информации.

25. Методы классификации информации: Роччио; регрессии; ДНФ-крассификатор.

26. Классификация информации на основе «ДНФ-крассификатора» и «искусственных нейронных сетей».

27. Классификация информации на основе искусственных нейронных сетей и байесовская классификация.

28. Байесовская классификации информации и определение тональности сообщений.

29. Использование метода «опорных векторов» для классификации информации.

30. Цели и задачи кластерного анализа.

31. Метод кластерного анализа - матричный латентно-семантический.

32. Метод кластерного анализа - вероятностный латентно-семантический.

33. Методы кластерного анализа: К-средних; Иерархического группирования-объединения.

34. Методы кластерного анализа: суффиксных деревьев и гибридные.

35. Методы ранжирования результатов поиска: ХИТС и ПХИТС.

36. Методы ранжирования результатов поиска: ПейджРанг; СААСС; «по-Хиршу».

37. Линейная и экспоненциальная модели информационных потоков.

38. Логистическая модель информационных потоков.

39. Модель диффузии информации.

40. Модель самоорганизованной критичности информации.





написать администратору сайта