2025年大学《信息与计算科学》专业题库——大数据分析在信息科学中的应用.docxVIP

2025年大学《信息与计算科学》专业题库——大数据分析在信息科学中的应用

考试时间：______分钟总分：______分姓名：______

一、选择题（每题2分，共20分。请将正确选项的字母填在题后的括号内）

1.下列哪个不是大数据的“V”特征？（）

A.Volume（海量性）

B.Velocity（高速性）

C.Variety（多样性）

D.Validity（有效性）

2.Hadoop生态系统中的YARN主要负责？（）

A.数据存储

B.分布式计算

C.资源管理和调度

D.数据输入输出

3.下列哪种数据库通常更适合存储非结构化或半结构化数据？（）

A.关系型数据库MySQL

B.列式数据库Cassandra

C.文档型数据库MongoDB

D.图数据库Neo4j

4.在机器学习中，K-Means算法属于哪种类型？（）

A.监督学习算法

B.无监督学习算法

C.半监督学习算法

D.强化学习算法

5.下列哪个技术主要用于处理连续不断的数据流？（）

A.MapReduce

B.ApacheFlink

C.Apriori

D.K-Means

6.如果要分析用户在电商平台上的购买行为模式，发现商品之间的关联关系，最可能用到哪种算法？（）

A.决策树

B.神经网络

C.Apriori

D.PCA

7.大数据处理的第一个环节通常是？（）

A.数据建模

B.数据分析

C.数据采集与预处理

D.数据可视化

8.在信息检索领域，提升搜索结果相关性、实现个性化推荐的技术，与大数据分析中的哪种方法密切相关？（）

A.聚类分析

B.关联规则挖掘

C.分类与推荐算法

D.异常检测

9.下列哪项不是大数据分析可能带来的伦理挑战？（）

A.数据隐私泄露

B.算法决策偏见

C.计算资源极大消耗

D.技术更新迭代缓慢

10.Spark相比HadoopMapReduce的主要优势之一是？（）

A.仅适用于小数据集

B.无法进行分布式存储

C.具有更好的内存管理和计算性能

D.不支持流式数据处理

二、填空题（每空1分，共15分。请将正确答案填在横线上）

1.大数据的四个基本特征通常概括为：______、______、______和______。

2.Hadoop的核心组件包括分布式文件系统______和计算框架______。

3.机器学习算法中，利用已知标签的数据进行训练的是______学习；而利用少量标记数据和不标记数据进行训练的是______学习。

4.用于对数据进行分箱、标准化或归一化等操作的预处理步骤称为______。

5.在社交网络分析中，衡量节点之间连接紧密程度常用的指标是______。

6.能够处理结构化、半结构化和非结构化数据的是______数据库。

7.大数据流处理框架如ApacheStorm或ApacheFlink，旨在应对数据产生的______和______挑战。

8.在进行关联规则挖掘时，为了找到频繁项集，Apriori算法通常采用______原则。

9.信息科学领域，利用大数据分析进行网络安全态势感知，可以通过分析网络流量特征来识别______和______。

10.对大数据进行有效存储和管理，除了Hadoop生态和NoSQL数据库，分布式文件系统如HDFS也扮演着重要角色，其核心特点是______和______。

三、简答题（每题5分，共20分。请简要回答下列问题）

1.简述HadoopMapReduce的工作流程，包括Map阶段和Reduce阶段的主要任务。

2.解释什么是特征工程，并列举至少三种常见的特征工程方法。

3.大数据预处理为何重要？请列举至少四个大数据预处理的主要任务。

4.简述大数据分析在智慧城市交通管理中可能的应用场景及其带来的价值。

四、计算题（共10分。请写出详细的计算步骤和结果）

假设有一个小型的社交网络数据集，包含用户ID和关注关系，记录如下（用A表示用户，1表示关注，0表示不关注）：

用户1：A-B:1,A-C:1,A-D:0

用户2：B-A:1,B-C:0

用户3：C-A:1,C-B:1,C-D:1

用户4：D-C:1,D-A:0

请使用K