2025年自然语言处理工程师考试题库（附答案和详细解析）（1101）.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）

中文分词中，以下属于基于规则的方法是（）

A.隐马尔可夫模型（HMM）

B.最大匹配法

C.条件随机场（CRF）

D.双向LSTM

答案：B

解析：基于规则的分词方法通过预定义的词典和匹配规则（如正向/逆向最大匹配）实现分词；HMM、CRF、双向LSTM均为基于统计学习的方法，依赖语料训练模型参数。

词向量模型Word2Vec的核心目标是（）

A.生成符合语法的新句子

B.学习词的低维连续向量表示

C.预测文本的情感倾向

D.提取文本中的主题分布

答案：B

解析：Word2Vec通过滑动窗口内的上下文-中心词预测任务（CBOW或Skip-gram），将离散的词语映射到连续向量空间，捕捉语义相似性；生成句子是生成模型（如GPT）的目标，情感预测是分类任务，主题提取是LDA的目标。

BERT模型的预训练任务不包括（）

A.掩码语言模型（MLM）

B.下一句预测（NSP）

C.机器翻译（MT）

D.无监督特征学习

答案：C

解析：BERT的预训练任务是MLM（随机掩码部分输入词并预测）和NSP（判断两句子是否连续）；机器翻译是典型的下游任务，需微调模型而非预训练任务。

以下不属于文本生成任务的是（）

A.自动摘要

B.机器翻译

C.情感分析

D.对话系统

答案：C

解析：文本生成任务需输出新文本（如摘要、翻译、对话回复）；情感分析是分类任务，输出类别标签。

评估机器翻译质量的常用指标是（）

A.准确率（Accuracy）

B.F1值

C.BLEU分数

D.困惑度（Perplexity）

答案：C

解析：BLEU通过计算生成译文与参考译文的n-gram重叠率评估翻译质量；准确率用于分类任务，F1值是精确率与召回率的调和平均，困惑度衡量语言模型对文本的建模能力。

以下哪种模型首次引入了自注意力机制？（）

A.RNN

B.LSTM

C.Transformer

D.BERT

答案：C

解析：Transformer（2017）是首个完全基于自注意力机制的模型；RNN/LSTM依赖循环结构，BERT是Transformer的编码器变体。

命名实体识别（NER）的本质是（）

A.文本分类

B.序列标注

C.文本生成

D.语义匹配

答案：B

解析：NER需为文本中每个token标注实体类别（如人名、地名），属于序列标注任务；文本分类是为整句打标签，语义匹配是判断句子相关性。

以下哪种词向量方法支持动态上下文表示？（）

A.Word2Vec

B.GloVe

C.ELMo

D.FastText

答案：C

解析：ELMo（2018）通过双向LSTM生成上下文相关的词向量，同一词语在不同语境下表示不同；Word2Vec、GloVe、FastText均为静态词向量，不考虑上下文。

处理长文本时，Transformer相比LSTM的主要优势是（）

A.计算复杂度更低

B.能捕捉长距离依赖

C.支持并行计算

D.参数数量更少

答案：C

解析：LSTM依赖序列计算（前一时刻状态影响当前），无法并行；Transformer的自注意力层可并行处理所有位置，显著提升长文本训练效率。

以下哪项不是预训练模型（如GPT、BERT）的核心优势？（）

A.利用大规模无标注数据

B.减少对任务特定标注数据的依赖

C.直接解决所有NLP任务

D.学习通用语言特征

答案：C

解析：预训练模型通过迁移学习（预训练+微调）提升下游任务效果，但需针对具体任务微调，无法“直接解决所有任务”。

二、多项选择题（共10题，每题2分，共20分）（每题至少2个正确选项）

以下属于深度学习文本分类模型的有（）

A.TextCNN

B.BERT

C.逻辑回归（LR）

D.BiLSTM

答案：ABD

解析：TextCNN（卷积神经网络）、BiLSTM（双向长短期记忆网络）、BERT（预训练模型）均为深度学习模型；LR是传统机器学习模型。

关于注意力机制的正确描述包括（）

A.计算查询（Query）与键（Key）的相似度

B.为值（Value）分配权重

C.仅用于编码器

D.解决长距离依赖问题

答案：ABD

解析：注意力机制通过Q-K相似度计算权重，加权聚合V的信息；可同时用于编码器和解码器（如Transformer）；其核心作用是捕捉序列中任意位置的依赖关系。

以下哪些技术可用于解决OOV（未登录词）问题？（）

A.子词分词（SubwordTokenization）

B.字符级模型

C.静态词向量

D.预训练模型

答案：ABD

解析：子词分词（如BPE）将词拆分为子词，覆盖未登录词；字符级模型直接