|
|
一、数据库部分
1. 考试的总体要求
理解并掌握关系模型的基本理论；熟练掌握使用SQL 定义数据、查询数据和更新数据；理解关系数据库的规范化理论；熟练掌握使用E/R 图建立概念模型；理解数据库完整性；掌握视图、索引和存储过程的使用；理解数据库安全性，掌握 SQL 提供的用户授权机制；理解数据库恢复和并发控制技术。
2. 考试的内容及比例
本课程考试的内容包括：
1）数据模型与关系代数（20%）
2）SQL（20%）
3）数据库设计与规范化理论（20%）
4）数据库对象（20%）
5）并发控制与日志恢复（20%）
3. 参考书目
(1) Jeff Ullman and Jennifer Widom. A First CourseinDatabase Systems. Third Edition. Prentice Hall, 2007.（《数据库系统基础教程》（英文版 第 3 版）机械工业出版社影印）
(2) Hector Garcia-Molina, Jeff Ullman and Jennifer Widom.Database System Implementation. Second Edition. PrenticeHall,2008. （《数据库系统基础教程》（英文版第2 版）机械工业出版社影印）
二、人工智能部分
1. 考试的总体要求
掌握人工智能的发展历史和基础知识；了解智能体与环境的概念；掌握常见的搜索技术（包括无启发式搜索和启发式搜索策略），并会根据具体问题设计搜索算法；了解复杂环境下的搜索策略，包括局部搜索策略和带有限制条件的搜索策略；了解对抗搜索策略，包括启发式 alpha-beta 剪枝搜索和蒙特卡洛树搜索方法，了解典型图搜索策略，以及上述不同搜索方法的优缺点；掌握并能够推导常见数据挖掘及机器学习方法，包括传统典型分类等非深度学习算法以及典型深度学习算法等；了解人工智能的在自然语言处理等不同领域的具体应用等。
2. 考试的内容及比例
本课程考试的内容包括：
1）人工智能领域常见概念解释（20%）
2）搜索算法设计与分析（30%）
3）机器学习常见算法（30%）
4）人工智能具体应用（20%）
3. 参考书目
(1) Artificial Intelligence: a modern approach.4thEdition by Stuart Russell and Peter Norvig. PrenticeHall,2013(《人工智能：一种现代化方法》（第三版）)，清华大学出版社
三、自然语言处理部分
1. 考试的总体要求
理解并掌握自然语言处理中的基本概念以及常用机器学习方法；熟练掌握中文自然语言处理中的分词、词性以及句法语义分析模型；理解语言模型的相关定义以及其在自然语言处理中的关键作用；掌握并理解情感分析、数据挖掘的任务涵盖以及其建模框架；掌握并理解文本生成的任务涵盖及其核心框架。
2. 考试的内容及比例
本课程考试的内容包括：
1）自然语言处理相关概念及其延伸（20%）
2）自然语言处理常用机器学习方法（20%）
3）中文词法句法语义分析模型（10%）
4）语言模型进展及其应用方法（10%）
5）情感分析与数据挖掘（20%）
6）文本生成（20%）
3. 参考书目
(1) 《基于深度学习的自然语言处理》约阿夫·戈尔德贝格著，车万翔，郭江，张伟男，刘铭译，机械工业出版社
(2) 《统计自然语言处理》（第 2 版）宗成庆著，清华大学出版社
四、社交网络分析部分
1. 考试的总体要求
掌握社交网络中多层网络、时序网络、图网络和自适应网络等；掌握社交网络文本情感分析的主要模型与链路预测分析方法；掌握常见的动态社区发现算法；掌握社交网络与计算传播学的基本概念；掌握影响信息传播的可计算因素；掌握常见的传播算法，如page-rank、leader-rank，k-kernel 等；掌握信息扩散模型，包括Markov随机场图模型等；了解计算传播学在新闻和公共舆论领域的应用；了解社交网路在不实信息传播、情感分析、热点事件分析的具体应用。
2. 考试的内容及比例
本课程考试的内容包括：
1）常见概念解释（10%）
2）算法设计与分析（40%）
3）社交网络与计算传播学模型（20%）
4）社交网络应用（15%）
5）计算传播学应用（15%）
3. 参考书目
(1)《社交网络上的计算传播学》（2015），许小可胡海波张伦王成军，高等教育出版社
(2）《社交网络分析》，刘小洋，2021,电子工业出版社
|
|
