2025年自然语言处理工程师考试题库（附答案和详细解析）（1102）.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模型预训练阶段的核心任务？

A.机器翻译

B.文本生成

C.掩码语言模型（MLM）+下一句预测（NSP）

D.情感分析

答案：C

解析：BERT的预训练任务包括掩码语言模型（MLM）（随机遮盖部分输入词，预测被遮盖的词）和下一句预测（NSP）（判断两个句子是否连续），用于学习上下文相关的词表征和句子间关系。其他选项为下游任务，非预训练核心任务。

word2vec的“Skip-gram”模型的训练目标是？

A.根据上下文预测中心词

B.根据中心词预测上下文

C.最大化全局共现概率

D.最小化句子困惑度

答案：B

解析：Skip-gram模型的目标是用中心词预测周围的上下文词（如给定“苹果”，预测“吃”“甜”等上下文词）；而CBOW模型是用上下文预测中心词。C是GloVe的目标，D是语言模型的目标。

LSTM网络中“遗忘门”的主要作用是？

A.控制当前输入的信息量

B.决定是否保留历史记忆

C.生成候选记忆单元

D.输出最终隐藏状态

答案：B

解析：LSTM的三个门中，遗忘门（由sigmoid激活）通过输出0-1的概率值，决定是否保留上一时刻的细胞状态（历史记忆）；输入门控制当前输入的信息量，候选记忆单元由tanh生成，输出门决定最终隐藏状态。

Transformer模型中“位置编码”的主要目的是？

A.替代循环神经网络

B.捕捉词序信息

C.增强特征表达能力

D.减少计算复杂度

答案：B

解析：Transformer基于自注意力机制，本身不具备序列顺序的感知能力，因此通过位置编码（固定正弦/余弦函数或可学习参数）为每个词的位置添加信息，使模型能捕捉词序关系。A是Transformer的结构特点，C是模型整体目标，D是多头注意力的作用。

命名实体识别（NER）属于以下哪类任务？

A.文本生成

B.序列标注

C.文本匹配

D.情感分析

答案：B

解析：NER需要为每个token标注实体类别（如“人名”“地名”），属于序列标注任务（每个位置有独立标签）；文本生成是生成新文本，文本匹配是判断两个文本的相关性，情感分析是分类任务。

BLEU指标主要用于评估以下哪类任务？

A.机器翻译

B.文本分类

C.命名实体识别

D.问答系统

答案：A

解析：BLEU（双语评估辅助）通过计算候选翻译与参考翻译的n-gram重叠率评估翻译质量，是机器翻译的经典评估指标。其他任务通常使用准确率（分类）、F1（序列标注）、EM/F1（问答）等指标。

ELMo（EmbeddingsfromLanguageModels）的核心特点是？

A.静态词向量

B.动态上下文相关词向量

C.基于Transformer架构

D.仅捕捉单向语义

答案：B

解析：ELMo通过双向LSTM生成动态词向量（同一词在不同上下文有不同表征），突破了word2vec/GloVe的静态词向量限制。C是BERT的特点，D是GPT的单向语言模型限制。

循环神经网络（RNN）在处理长文本时的主要问题是？

A.计算复杂度高

B.梯度消失/爆炸

C.无法并行计算

D.参数量过大

答案：B

解析：RNN的链式结构导致反向传播时梯度经过多次矩阵乘法，易出现梯度消失（长距离依赖无法捕捉）或梯度爆炸（训练不稳定）。A和C是RNN的缺点但非长文本核心问题，D是深层模型的普遍问题。

GloVe（GlobalVectors）模型的训练目标是？

A.最大化上下文共现概率

B.最小化词向量的欧氏距离

C.拟合词对共现次数的对数

D.预测掩码词

答案：C

解析：GloVe通过共现矩阵（统计词对在上下文中的出现次数），训练词向量使得向量内积与共现次数的对数线性相关（即最小化（w_i·w_j+b_i+b_j-logX_ij）2）。A是word2vec的目标，D是BERT的目标。

情感分析任务本质上属于以下哪类问题？

A.序列生成

B.文本分类

C.机器阅读理解

D.指代消解

答案：B

解析：情感分析需将文本分类为“积极”“消极”“中性”等类别，属于文本分类任务（单标签或多标签分类）。其他选项分别对应生成、问答、指代关系判断。

二、多项选择题（共10题，每题2分，共20分）

以下属于BERT模型改进版本的有？

A.RoBERTa（RobustlyOptimizedBERT）

B.ALBERT（ALiteBERT）

C.SpanBERT

D.GPT-3

答案：ABC

解析：RoBERTa通过更大的batch、移除NSP任务优化；ALBERT通过参数共享减少参数量；SpanBERT改进MLM为遮盖连续片段（Span）。