山东省临沂市2025年普通高中语文学业水平等级考试模拟试题一模.pdfVIP

注意事项：

1.答卷前，考生务必将自己的姓名、考生号等填写在答题卡和试卷指定位置上。

2.回答选择题时，选出每小题答案后，用铅笔把答题卡上对应题目的答案标号涂黑。如需改动，用橡皮擦干净

后，再选涂其他答案标号。回答非选择题时，将答案写在答题卡上，写在本试卷上无效。

3.考试结束后，将本试卷和答题卡一并交回。

一、阅读(70分)

(一)阅读Ⅰ(本题共5小题，19分)

阅读下面的文字，完成1~5题。

材料一：

在当今数字化的世界里，我们面对的信息量越来越大，如何从这海量的信息中找到我们需要的知识呢?或许有一

种神奇的网络技术，可以让数据变得“有灵魂”，像一座无所不知的魔法图书馆，那就是知识图谱。

你可能会好奇，知识图谱到底是什么呢?其实，它就像是一张巨大的网络地图，里面充满了各种各样的知识点。

比如，它知道什么是大熊猫，知道大熊猫吃什么，还知道大熊猫和其他动物之间的关系。这些知识点之间还会相互

连接，构成一个庞大而复杂的知识网络。

那么，知识图谱是如何工作的呢?首先，它需要“读取”大量的信息，就好像在收集各种各样的书籍一样。然后，

它会对这些信息进行整理，找出它们之间的关系，就像是把书中的章节和段落归类整理一样。接着，它会通过一些

魔法技巧，像是一个聪明的图书管理员一样，根据用户的需求提供相关的知识，让我们轻松地找到我们想要的答案。

(摘编自《探秘知识图谱：让数据变得“有灵魂”的魔法图书馆》)

材料二：

知识图谱的构建包括数据获取、知识抽取、知识表示、知识融合、知识建模、知识推理等步骤。

数据获取的对象是互联网上散落的大规模数据，这些数据来源多种多样，包括数据库文件、文本文档、网页数

据或者链接开放数据等。数据类型包括结构化数据、半结构化数据以及非结构化数据。我们将这些多源异构数据汇

聚起来供知识抽取与应用。知识抽取主要面向链接开放数据，通过一系列自动化或半自动化的技术手段，从半结构

化、非结构化的数据中提取出实体、关系及属性等知识要素，并以此为基础，形成一系列高质量的事实表达。知识

抽取完毕之后，需要选择合适的方式来表示抽取的各种知识要素，以便将人类所理解的知识转化成计算机能理解的

1/18

形式。知识融合是指将多个数据源抽取的知识进行融合。对不同数据源的知识来说，存在知识质量良莠不齐、来自

不同数据源的知识重复、知识间的关联不够明确等问题，需要通过知识融合来将这些数据整合为一体。知识融合主

要包括实体对齐和本体对齐。通过实体对齐可以将同一个实体的不同表达方式整合为一体以解决某些实体有多种表

达的问题，或将同样命名的实体分为不同含义的多个实体以解决某个概念对应于多个不同实体的问题；再通过本体

对齐，可以确立一个统一的知识体系，将不同来源的数据在概念层整合为一体。在融合了知识图谱所需的数据之后，

接下来的工作就是构建知识图谱模型。知识建模即建立知识图谱的数据模式。知识建模主要分为两个步骤：一是本

体建模，即建立知识图谱概念层的模型；二是知识表示建模，即建立知识图谱数据层的模型。通过本体建模，可以

得到这个知识图谱的层级结构，达到人类可以理解的程度；而通过知识表示建模，可以得到图谱数据层的模型，这

使得计算机可以理解这些数据之间的关系。由于知识图谱是由获取的数据构建而成，这使得数据的缺失和错误会导

致图谱的缺失与错误，我们可以通过知识推理来验证并弥补这些问题。知识推理主要分为基于逻辑规则的推理、基

于知识表示学习的推理、基于图的推理及混合推理等。

(摘编自于俊等《知识图谱实战：构建方法与行业应用》)

材料三：

当前，我国古籍领域的数字人文研究已然迅速升温，成为重要热点之一，具体涉及了针对古籍的文本挖掘、知

识组织、可视化分析、数据库或知识库构建等多维度的研究。其中，

以知识图谱为代表的语义互联网技术在古籍的知识组织层面发挥了重要作用，也为研究诗词资源的知识重组提供新

的研究方向。当前，以景观诗歌为主题的研究相对较少，且多停留在传统人文研究层面。景观诗歌作为诗词资源的

子集，其本身更具有针对性和明确性，现有诗词领域知识组织模式与其并不能完全契合，因此利用知识图谱技术解

构其文化内涵、重塑其语义知识具有一定研究价值。

到目前为止，国内诗词资源的数字化和知识组织等研究已经较为成熟，且形成了众多研究成果，如“中国历代

人物传记数据库”等。科学家们通过运用数字技