2025年人工智能基础知识考试复习题（含答案）.pdf

2025年人工智能基础知识考试复习题

一、单选题(共59题，每题1分，共59分)

1.0CR的基本技术路线是什么?

A、文字检测-预处理-文本识别

B、文本识别-预处理-文字检测

C、预处理-文本检测-文字识别

D、预处理-文本识别-文字检测

正确答案：C

答案解析：OCR的基本技术路线首先是对图像进行预处理，包括图像

增强、降噪、二值化等操作，以改善图像质量，便于后续处理。接着

进行文字检测，确定图像中文字的位置和范围。最后进行文本识别，

将检测到的文字区域识别为可编辑的文本。所以基本技术路线是预处

理-文本检测-文字识别。

2.以下哪个选项符合自然语言特点

A、容错性低

B、非结构化

C、歧义性低

D、词汇量小

正确答案：B

答案解析：自然语言具有非结构化的特点，不像结构化数据那样有固

定的格式和模式。自然语言存在大量的歧义性，容错性高，词汇量极

其丰富。所以选项A、C、D不符合自然语言特点，选项B正确。

3.以下哪种单词表示方法仅使用了局部共现信息

A、ELMo

B、GloVe

C、ONE-HOT

D、Word2vec

正确答案：D

4.Transformer中的自注意力机制，在计算过程中涉及多个关键向量

，不包括以下哪个

A、K

B、Q

C、V

D、X

正确答案：D答案解析：Transformer自注意力机制中，关键向量包括

Query(Q)、Key(K)、Value(V),用于计算注意力分数并加权求和得到

输出。而X并不在自注意力机制计算的关键向量中。

5.针对输入“就读北京大学”,如果分词后输出[就，就读，读，北，

北京，北京大学，京，大，大学，学],最有可能使用了以下哪种切分

方法

A、正向最长匹配

B、双向最长匹配

C、逆向最长匹配

D、完全切分

正确答案：D

6.以下哪个函数能实现将深度神经网络的输出分布标准化，且加和为

1

A、sigmoid

B、softmaxC、relu

D、adam

正确答案：B

答案解析：softmax函数可以将深度神经网络的输出分布标准化，

使得输出的各个类别概率之和为1。sigmoid函数主要用于二分类问题

，将输出值映射到0到1之间；relu函数是一种激活函数，不用于分布

标准化；adam是一种优化算法，并非用于分布标准化的函数。

7.BERT主要使用了什么模型作为基本结构

A、RNN

B、LSTM

C、TransformerD、GRU

正确答案：C

答案解析：BERT主要使用了Transformer模型作为基本结构。Transfo

rmer具有并行计算能力、长序列处理优势等，非常适合处理大规模的

文本数据，使得BERT能够在多种自然语言处理任务中取得优异的效果

。

8.以下关于问答系统的描述错误的是：

A、问答系统可以回答复杂问题。

B、问答系统可以理解自然语言输入。C、问答系统以文档或页面的形

式返回内容。

D、问答系统以自然语言形式返回族答。

正确答案：C

答案解析：问答系统的特点包括能够回答复杂问题、理解自然语言输

入，并以自然语言形式返回族答。它不是以文档或页面的形式返回内

容，而是直接给出针对问题的语言回答，所以选项C描述错误。

9.针对同一个单词，以下哪种词向量模型可以根据上下文得到不同的

词向量

A、ONE-HOT

B、Word2vec

C、GloVe

D、ELMo

正确答案：D

答案解析：ELMo是一种基于上下文的词向量模型，它会根据单词所在

的上下文生成不同的词向量。ONE-HOT是一种简单的向量表示方法，

一个单词只有一个固定的表示，不会根据上下文改变。Word2vec和Gl

oVe虽然能生成词向量，但不是基于上下文动态生成不同词向量的，

而是基于大量文本训练得到一个相对固定的词向量表示。所以答案是

D。

10.以下哪个任务不属于自然语言处理

A、机器翻译

B、车牌识别

C、自动问答

D、自动摘要

正确答案：B

答案解析：自然语言处理主要涉及对自然语言文本的处理和理解，包

括自动问答、自动摘要、机器翻译等。而车牌识别是对图像中的车牌

进行识别，不属于自然语言处理的范畴。

11.下列不属于RoiPooling作用的是?

A、减少regionproposals

B、统—regionproposals的形状

C、加快模型的处理速度

D、实现端到端训练

正确答案：A

答案解析：RoiPooling的主要作用是统一re