二級(jí)計(jì)算機(jī)考試內(nèi)容哪個(gè)需要操作？我將考點(diǎn)總結(jié)如下，希望能解答大家的疑問(wèn):字操作:1.【發(fā)送子話題】標(biāo)題樣式需要標(biāo)題1和標(biāo)題2的格式設(shè)置，按照要求一步一步來(lái)，不要 不要忘記詳細(xì)的格式。2.紙張尺寸、頁(yè)邊

二級(jí)計(jì)算機(jī)考試內(nèi)容哪個(gè)需要操作？

我將考點(diǎn)總結(jié)如下，希望能解答大家的疑問(wèn):

字操作:

1.【發(fā)送子話題】標(biāo)題樣式需要標(biāo)題1和標(biāo)題2的格式設(shè)置，按照要求一步一步來(lái)，不要 不要忘記詳細(xì)的格式。

2.紙張尺寸、頁(yè)邊距調(diào)整等。

3.插入圖片、文本框、smartart、繪圖(記得先插入畫(huà)布，然后再插入形狀)，并用公式表示這些對(duì)象的設(shè)置。

4.【難點(diǎn)】表格和圖表也是新的考點(diǎn)。在word中插入圖表，一般都會(huì)有截圖。按照截圖做，然后對(duì)比要求。有要求的點(diǎn)就行了。至于美，你不 我不需要注意。

5.【難點(diǎn)】注意文檔中全角和半角的區(qū)分，尤其是查找和替換的操作——批量刪除空格和空行，或者輸入符號(hào)。一定要看輸入法里的月牙或者圓圈。

6.【難點(diǎn)】新增考點(diǎn)。當(dāng)你這樣做時(shí)，你必須使用制表符來(lái)分隔彼此。最好是顯示一把尺子，這樣比較快。

7.【發(fā)送子話題】參考目錄。如果有標(biāo)題設(shè)置，就會(huì)有目錄。最后記得刷新目錄。如果你進(jìn)入圖表目錄，標(biāo)題中必須有說(shuō)明文字，表格中必須有說(shuō)明文字，圖片中必須有說(shuō)明文字，圖表中必須有說(shuō)明文字。這樣就有了考點(diǎn)的腳注和尾注。這個(gè)設(shè)置不難，學(xué)會(huì)設(shè)置就行了。

8.頁(yè)眉和頁(yè)腳的頁(yè)碼，尤其是奇偶頁(yè)設(shè)置，以及頁(yè)碼設(shè)置。記住插入分隔符是分節(jié)符還是分頁(yè)符。

9、小細(xì)節(jié)、數(shù)字設(shè)置、文字效果、水印、基本字體、段落格式設(shè)置、插入封面、分欄等。找到菜單就行了。

10【大考點(diǎn)】郵件合并，如果遇到這個(gè)大函數(shù)，基本上這9個(gè)點(diǎn)都會(huì)考小知識(shí)點(diǎn)，基本上不會(huì)考大點(diǎn)，只是郵件合并各種函數(shù)，主要生成的文件會(huì)保存在路徑和文件名中。

給考試題自動(dòng)打知識(shí)點(diǎn), 需要用到哪些技術(shù)和算法？

雖然沒(méi)有考題分類，但是從描述上看像是文本題目的多分類問(wèn)題。我 我不確定它是否 好與不好，因?yàn)槲疫€沒(méi)有 我沒(méi)有嘗試過(guò)一些想法。;我提供了。

首先，第一步是先提取特征再分類，也就是量化你的試題。矢量化有幾種方法。

1.設(shè)置自己的特色，比如中英文的字?jǐn)?shù)，數(shù)字的字?jǐn)?shù)，一些名詞，名詞出現(xiàn)的頻率等等。你可以自己設(shè)置這些特征，最后轉(zhuǎn)換成矢量。

2.以TF*IDF為代表的詞袋模型，可以專門(mén)搜索TF*IDF是什么。

3.單詞嵌入模型，結(jié)合了語(yǔ)義信息，比如word2vec，一個(gè)可以表示每個(gè)單詞的語(yǔ)義向量，每個(gè)單詞可以把整個(gè)文檔的語(yǔ)義加起來(lái)。，或者直接使用doc2vec、python s gensim有api，可以直接實(shí)現(xiàn)，但建議了解原理。

以上三種方法可以將一個(gè)問(wèn)題轉(zhuǎn)化為一個(gè)向量，等價(jià)于向量的多標(biāo)簽分類問(wèn)題。

分類方法:

1.可以看作是一個(gè)0/1分類問(wèn)題，即假設(shè)有五個(gè)分類ABCDE，你分別訓(xùn)練五個(gè)模型來(lái)判斷向量是否屬于這個(gè)分類。這種2-分類的方法很多，效果也比較好。隨機(jī)森林，logistic回歸，svm都可以直接扔進(jìn)去。

2.設(shè)置一個(gè)門(mén)檻，直接去做。假設(shè)試題A的向量表示是X，對(duì)應(yīng)的標(biāo)簽是分類B和分類C(有ABCDE5類)，那么最終的結(jié)果向量是0 1 1 0 0。把向量扔進(jìn)神經(jīng)網(wǎng)絡(luò)，最后連接一個(gè)softmax輸出每一個(gè)分類的概率，比如0.1 0.6 0.8 0.4 0.3。超過(guò)0.5就知道是分類和火車了。

3.建議使用RNN(可以使用lstm/gru)進(jìn)行培訓(xùn)。RNN通常適用于這種類型的訓(xùn)練，它可以適應(yīng)不同長(zhǎng)度的輸入，而不必固定為多維向量。方法是用word2vec對(duì)試題的每個(gè)單詞進(jìn)行矢量化，然后丟入RNN(如果問(wèn)題很長(zhǎng)，考慮加入注意機(jī)制，單元格選擇lstm或者GRU)。輸出結(jié)果后面是sigmoid，也就是方法1中的0/1分類問(wèn)題。如果遵循softmax，則是方法2中設(shè)置的閾值。

4.可以試試主題模型，比如LDA主題模型。看每個(gè)類目的主題詞，然后直接搜索關(guān)鍵詞。比如都是分類A的考題，提取主題詞等等。這些主題詞是根據(jù)特征1分類的，但視覺(jué)效果隨數(shù)據(jù)集變化很大。

以上方法我都想到了，沒(méi)有經(jīng)過(guò)測(cè)試，僅供參考。