2025年自然语言处理工程师考试题库（附答案和详细解析）（1022）.docxVIP

自然语言处理工程师考试试卷

一、单项选择题（共10题，每题1分，共10分）

以下哪项是BERT模型输入表示的标准结构？

A.词嵌入+位置嵌入

B.[CLS]标记+词嵌入+分段嵌入

C.[SEP]标记+词嵌入+位置嵌入

D.[CLS]标记+词嵌入+分段嵌入+位置嵌入

答案：D

解析：BERT的输入由三部分嵌入相加构成：词元嵌入（TokenEmbedding）、分段嵌入（SegmentEmbedding，区分句子对）和位置嵌入（PositionEmbedding，编码词序），且句首必须添加[CLS]标记用于分类任务。选项A缺少分段和位置信息；B缺少位置嵌入；C错误使用[SEP]标记且缺少分段嵌入。

以下哪种任务不属于自然语言生成（NLG）？

A.机器翻译

B.文本摘要

C.情感分析

D.对话生成

答案：C

解析：自然语言生成是从非文本数据生成自然语言文本的任务，包括机器翻译（生成目标语言文本）、文本摘要（生成摘要文本）、对话生成（生成回复文本）。情感分析属于自然语言理解（NLU），是从文本中提取信息的任务。

以下哪项是LSTM解决RNN长依赖问题的核心机制？

A.遗忘门

B.输入门

C.输出门

D.以上都是

答案：D

解析：LSTM通过三个门控机制（遗忘门控制旧信息保留、输入门控制新信息输入、输出门控制当前状态输出）共同作用，缓解了传统RNN的梯度消失/爆炸问题，从而处理长序列依赖。三个门缺一不可，因此正确选项是D。

在文本分类任务中，若类别分布极不均衡（如正类占99%），最不适合的评估指标是？

A.准确率（Accuracy）

B.F1值

C.召回率（Recall）

D.精确率（Precision）

答案：A

解析：准确率在类别不均衡时会产生误导（如全预测为多数类时准确率可达99%），而F1、召回率、精确率能更客观反映少数类的分类效果。因此最不适合的是准确率。

以下哪种词向量模型基于“上下文-目标词”预测？

A.Word2Vec的Skip-gram

B.GloVe

C.ELMo

D.BERT

答案：A

解析：Skip-gram模型通过目标词预测上下文词（如用”cat”预测周围的”the”“sits”等）；GloVe基于共现矩阵的全局统计；ELMo和BERT是上下文相关的词向量，基于深度模型的上下文预测。

以下哪项是Transformer模型中“多头注意力”的主要作用？

A.减少计算量

B.捕获不同子空间的注意力模式

C.替代位置编码

D.增强模型的记忆能力

答案：B

解析：多头注意力将注意力机制分为多个头，每个头学习不同子空间的注意力模式（如句法、语义、位置等），最终拼接后增强模型对不同特征的捕捉能力。减少计算量是缩放点积注意力的作用；位置编码是独立模块；记忆能力由模型结构整体决定。

以下哪种任务属于序列标注（SequenceLabeling）？

A.文本分类

B.命名实体识别（NER）

C.问答系统

D.文本相似度计算

答案：B

解析：序列标注任务要求为输入序列中的每个元素分配标签（如为句子中每个词标注实体类型），命名实体识别符合这一定义。文本分类是为整体序列分配标签，问答和相似度计算属于语义匹配任务。

在预训练模型微调（Fine-tuning）时，通常建议的做法是？

A.冻结所有预训练层，仅训练新添加的分类层

B.解冻所有层并使用极小的学习率

C.仅解冻最后几层，前面层保持冻结

D.随机初始化所有层并重新训练

答案：B

解析：微调时通常解冻所有预训练层（利用预训练的通用特征），但使用比预训练更小的学习率（避免破坏已学习的知识）。冻结所有层可能无法适应下游任务（选项A错误）；仅解冻最后几层适用于资源受限场景，但非通常建议（选项C错误）；随机初始化是从头训练，非微调（选项D错误）。

以下哪项不是文本预处理的必要步骤？

A.分词（Tokenization）

B.停用词过滤

C.词干提取（Stemming）

D.文本清洗（去噪声）

答案：C

解析：文本预处理的必要步骤包括清洗（去除乱码、特殊符号）、分词（将文本拆分为基本单元）；停用词过滤和词干提取是可选步骤（如情感分析中停用词可能包含情感倾向词，无需过滤；中文无词干提取需求）。

以下哪种模型属于生成式预训练模型（GenerativePretraining）？

A.BERT

B.GPT

C.RoBERTa

D.ALBERT

答案：B

解析：GPT（GenerativePre-trainedTransformer）是典型的生成式预训练模型，基于自回归（Autoregressive）目标（用前向词预测下一个词）；BERT、RoBERTa、ALBERT是判别式预训练模型，基于自编码（Autoenco