1.7 思考题

（1）请描述如何使用venv创建并激活一个Python虚拟环境，解释为什么在项目开发中建议使用虚拟环境。

（2）请简述Pandas库中的DataFrame结构，并列举至少3个常用的DataFrame操作（例如去重、缺失值处理、分组统计等），说明其应用场景。

（3）试编写一个Python函数，利用Pandas库将一组包含重复值的用户数据去重，并填充缺失值。假设数据包含用户ID、姓名和分数列，要求填充缺失的分数列为平均分，并展示清洗后的数据。

（4）请使用NumPy创建一个形状为(5,5)的随机浮点数数组，使用L2标准化方式对数组进行归一化处理，并输出归一化结果。

（5）使用NLTK库对以下句子进行分词、去除停用词和词形还原处理：

"RAG models integrate retrieval and generation for robust answers."

（6）请解释spaCy中的命名实体识别（NER）功能，并简述如何利用该功能提取出用户输入中的重要信息，以提升RAG系统的检索准确性。

（7）使用spaCy库对以下文本进行命名实体识别，输出所有识别的实体及其标签：

"OpenAI developed the GPT-4 model, which transformed AI research worldwide."

（8）在RAG系统开发中，FAISS的作用是什么？请简述FAISS的索引创建和向量检索的基本流程。

（9）编写代码，使用FAISS创建一个L2距离索引，并添加一组高维向量（例如5个随机生成的10维向量）。然后模拟一个查询向量，输出与该查询向量最相似的向量索引及其距离。

（10）使用Transformers库加载一个BERT模型和分词器，对以下文本进行向量化：

"Retrieval-Augmented Generation is a powerful technique in NLP."

然后输出文本的句向量。

（11）使用Transformers库中的GPT-2模型生成一个简短的回答。提示词为：The future of AI technology is。要求生成不超过50个字的内容，并设置top_k和temperature参数控制生成效果，输出生成的文本。 CUyC1WZ4TaugclqumQMJ7WZTbLkPIgeFEF14pbM3p9Li78xaheVhzjvZz8slChcU