ExamCrush
前台
收藏
错题本
后台
Python数据分析与应用
第8章 文本数据分析
本章共 23 题，可按题型筛选。
返回课程
全部
单选
填空
简答
编程
从第一题开始
#1
单选
在自然语言处理工具包的使用上，下列描述正确的是：
#2
单选
jieba 分词的三种模式中，“全模式”的特点是：
#3
单选
在使用 NLTK 进行英文分词时，如果调用 nltk.word_tokenize() 报错，通常是因为缺少哪个 模型？
#4
单选
词性标注（POS Tagging）的主要任务是：
#5
单选
关于词形归一化（Normalization），下列说法错误的是：
#6
单选
在 NLTK 的通用词性标注集中，标签 VBG 通常代表：
#7
单选
删除停用词的主要目的是：
#8
单选
基于情感词典的情感极性分析中，若情感词前出现程度副词（如“非常”），计算逻辑通常 是：
#9
单选
计算文本相似度时，将文本映射到向量空间后，最常用的衡量指标是：
#10
单选
朴素贝叶斯算法在文本分类中的核心思想是：
#11
填空
NLTK 的全称是 __________。
#12
填空
jieba 的 cut 方法中，参数 cut_all 设为 __________ 时表示使用全模式。
#13
填空
在 NLTK 中实现词性标注前，需要下载 __________ 模块。
#14
填空
词形还原后的基本形式被称为 __________（Root Word），它必须存在于词典中。
#15
填空
NLTK 提供的 __________ 词干提取器是一个迭代提取器，具有超过 120 条规则。
#16
填空
基于向量空间模型的文本相似度计算中，余弦相似度的值越大，表示两篇文本越 __________。
#17
填空
文本预处理的基本流程通常包括：原始文本
→
\rightarrow
→
分词
→
\rightarrow
→
__________
→
\rightarrow
→
删除停用词。
#18
填空
NLTK 库中用于计算频率分布、平滑概率分布的模块是 __________。
#19
简答
概念辨析 ：请简述“词干提取 (Stemming)”与“词形还原 (Lemmatization)”的区别。
#20
简答
流程推导 ：基于材料，请归纳出计算两篇文章相似度的具体实现思路。
#21
简答
算法理解 ：基于情感词典的情感分析方法，其优缺点分别是什么？
#22
简答
数学应用 ：已知文本
A
A
A
和文本
B
B
B
提取的关键词集合并集为
{
w
1
,
w
2
,
w
3
}
\{w_1, w_2, w_3\}
{
w
1
,
w
2
,
w
3
}
。文 本
A
A
A
的词频向量为
a
⃗
=
[
1
,
2
,
0
]
\vec{a} = [1, 2, 0]
a
=
[
1
,
2
,
0
]
，文本
B
B
B
的词频向量为
b
⃗
=
[
0
,
1
,
1
]
\vec{b} = [0, 1, 1]
b
=
[
0
,
1
,
1
]
。 请写出余弦相似度的公式，并计算文本
A
A
A
与
B
B
B
的相似度。
#23
编程
英文预处理管线实现 ： 要求补全代码，实现对一段英文文本的预处理，包括：分词、词性标注、提取动词原形（词形还 原）、过滤停用词。 jieba 分词模式对比 ： 编写一段代码，对中文句子“中华人民共和国成立了”分别使用精确模式和全模式进行分词，并输 出结果。