2025年自然语言处理工程师考试题库（附答案和详细解析）（1004）.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）

以下哪项是词向量模型Word2Vec的核心训练目标？

A.预测上下文词的共现概率

B.优化全局词频统计矩阵

C.生成句子级别的语义表示

D.学习字符级别的特征表示

答案：A

解析：Word2Vec的核心是通过神经网络学习词的向量表示，其训练目标包括CBOW（用上下文预测目标词）和Skip-gram（用目标词预测上下文），本质是预测上下文词的共现概率（A正确）。B是LSA（潜在语义分析）的目标；C是句子嵌入模型（如Sentence-BERT）的目标；D是字符级模型（如CharCNN）的目标，故BCD错误。

以下哪种任务属于序列标注（SequenceLabeling）？

A.文本情感分类

B.命名实体识别（NER）

C.机器翻译

D.文本摘要

答案：B

解析：序列标注任务需要为输入序列中的每个元素分配标签（如为每个词标注实体类型），NER是典型的序列标注任务（B正确）。A是分类任务（输出单个标签）；C是序列到序列生成任务；D是生成任务，故ACD错误。

Transformer模型中，位置编码（PositionalEncoding）的主要作用是？

A.增强模型的长距离依赖能力

B.替代循环神经网络（RNN）的顺序建模

C.提升自注意力机制的计算效率

D.增加模型的参数容量

答案：B

解析：由于自注意力机制本身不考虑词的顺序信息，位置编码通过添加位置信息到词向量中，替代RNN的顺序建模能力（B正确）。A是自注意力机制的优势；C是多头注意力的作用；D与位置编码无关，故ACD错误。

评估机器翻译系统常用的指标是？

A.准确率（Accuracy）

B.F1分数

C.BLEU分数

D.困惑度（Perplexity）

答案：C

解析：BLEU（双语评估替选）通过计算候选翻译与参考翻译的n-gram匹配度评估翻译质量，是机器翻译的标准指标（C正确）。A用于分类任务；B用于不平衡数据的分类评估；D用于语言模型的困惑度评估，故ABD错误。

以下哪项是BERT模型的训练任务？

A.下一句预测（NSP）

B.序列到序列生成

C.情感倾向分类

D.对话状态跟踪

答案：A

解析：BERT的预训练任务包括掩码语言模型（MLM）和下一句预测（NSP）（A正确）。B是T5等模型的训练目标；C和D是下游任务，非预训练任务，故BCD错误。

中文分词中，“北京大学”被正确切分为“北京/大学”，这属于哪种歧义类型？

A.组合型歧义

B.交集型歧义

C.真歧义

D.无歧义

答案：A

解析：组合型歧义指多个字既可组合成词，也可拆分为更小的词（如“北京”+“大学”vs“北”+“京大”+“学”），但“北京大学”正确切分应为“北京/大学”，属于组合型歧义（A正确）。交集型歧义指存在重叠的切分（如“研究生命”可切为“研究/生命”或“研究生/命”）；CD不符合定义，故BCD错误。

以下哪种模型属于生成式预训练模型？

A.BERT

B.GPT

C.ELMo

D.T5

答案：B

解析：GPT（生成式预训练变换器）采用单向Transformer，以生成任务（如文本续写）为预训练目标，属于生成式模型（B正确）。BERT和ELMo是判别式模型（预测掩码词或特征）；T5是基于文本到文本框架的模型，兼具生成和判别能力，但核心预训练目标是生成，不过严格来说GPT更典型，故ACD错误。

情感分析任务中，“这部电影不枯燥”的情感极性是？

A.积极

B.消极

C.中性

D.无法判断

答案：A

解析：“不枯燥”是否定词修饰消极词（“枯燥”），整体表达积极情感（A正确）。B是原词“枯燥”的情感；C和D不符合语义，故BCD错误。

以下哪项是循环神经网络（RNN）的主要缺陷？

A.无法处理变长序列

B.梯度消失/爆炸问题

C.计算复杂度高

D.无法并行计算

答案：B

解析：RNN通过循环结构建模序列，但由于链式求导导致梯度在长序列中消失或爆炸，难以捕捉长距离依赖（B正确）。A错误，RNN可处理变长序列；C是Transformer的问题（O(n2)复杂度）；D是RNN的特点，但非主要缺陷，故ACD错误。

以下哪种技术用于解决低资源语言的NLP问题？

A.数据增强（DataAugmentation）

B.多头注意力机制

C.卷积神经网络（CNN）

D.自监督学习

答案：A

解析：低资源语言面临数据不足问题，数据增强（如回译、同义词替换）可增加训练数据量（A正确）。B是Transformer的组件；C用于局部特征提取；D是预训练模型的训练方式，虽相关但非直接解决低资源问题的技术，故BCD错误。

二、多项选择题（共10题，每题2分，共20分）

以下属于预训练语言