2025年自然语言处理工程师考试题库（附答案和详细解析）（1124）.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的核心思想？

A.通过文本分类任务学习词的上下文特征

B.基于统计共现矩阵的降维表示

C.预测目标词周围的上下文词（CBOW）或上下文词预测目标词（Skip-gram）

D.利用注意力机制捕捉长距离依赖关系

答案：C

解析：Word2Vec的核心是通过浅层神经网络（CBOW或Skip-gram）学习词的分布式表示，其中CBOW用上下文预测目标词，Skip-gram用目标词预测上下文（A为文本分类任务目标，B为LSA方法，D为Transformer特征）。

以下哪种模型首次引入了自注意力机制？

A.LSTM

B.Transformer

C.BERT

D.GPT-1

答案：B

解析：Transformer（2017）是首个基于自注意力机制的模型，LSTM是循环神经网络改进（A错误），BERT（2018）和GPT-1（2018）均基于Transformer架构（C、D错误）。

中文分词中“北京大学”的正确切分属于以下哪种歧义类型？

A.交集型歧义

B.组合型歧义

C.真歧义

D.无歧义

答案：B

解析：组合型歧义指某个字符串既可作为整体词，也可拆分为多个词（如“北京大学”可切为“北京/大学”或“北京大学”），交集型歧义指不同切分路径共享部分字符（如“乒乓球拍卖完了”）（A错误），真歧义需结合上下文（C错误）。

机器翻译任务中，BLEU评估指标主要衡量：

A.翻译结果与参考译文的词序一致性

B.翻译结果的语法正确性

C.翻译结果与参考译文的n-gram重叠率

D.翻译结果的流畅度

答案：C

解析：BLEU（双语评估辅助）通过计算候选译文与参考译文的n-gram（1-4元组）精确率加权平均，侧重重叠率（A为METEOR指标部分功能，B、D需人工评估或其他指标）。

以下哪项不是命名实体识别（NER）的常见实体类型？

A.时间（Time）

B.组织（Organization）

C.情感（Sentiment）

D.地点（Location）

答案：C

解析：NER通常识别实体如时间、组织、地点、人物等，情感属于情感分析任务（C错误）。

预训练模型BERT的输入表示中，[CLS]标记的主要作用是：

A.分隔不同句子

B.表示句子结束

C.用于分类任务的特征提取

D.处理未登录词

答案：C

解析：BERT在输入序列首位添加[CLS]标记，其对应的输出向量用于下游分类任务（如文本分类）的特征表示（A为[SEP]作用，B为[SEP]或无，D为词表或子词切分处理）。

以下哪种技术不属于文本数据增强方法？

A.同义词替换（SynonymReplacement）

B.回译（BackTranslation）

C.随机插入（RandomInsertion）

D.主成分分析（PCA）

答案：D

解析：文本增强方法包括同义词替换、回译、随机插入/删除等，PCA是降维技术（D错误）。

循环神经网络（RNN）的主要缺陷是：

A.无法处理变长序列

B.长距离依赖问题（梯度消失/爆炸）

C.参数量过大

D.无法并行计算

答案：B

解析：RNN因链式结构导致反向传播时梯度消失/爆炸，难以捕捉长距离依赖（A错误，RNN可处理变长序列；C为Transformer问题；D为RNN与Transformer的差异，但非主要缺陷）。

情感分析任务中，“这部电影情节紧凑，但结局太烂了”的情感倾向是：

A.积极

B.消极

C.中性

D.混合情感

答案：D

解析：句子同时包含正面（情节紧凑）和负面（结局烂）评价，属于混合情感（A、B、C错误）。

以下哪项是多轮对话系统的核心技术？

A.意图识别

B.对话状态跟踪（DialogStateTracking）

C.实体抽取

D.文本生成

答案：B

解析：多轮对话需跟踪用户历史对话状态（如需求、上下文），意图识别和实体抽取是单轮任务基础（A、C错误），文本生成是输出环节（D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模型的有：

A.GPT-3

B.BERT

C.LSTM

D.ELMo

答案：ABD

解析：预训练模型通过大规模无监督数据训练（如GPT、BERT、ELMo），LSTM是基础神经网络结构（C错误）。

中文分词的常用方法包括：

A.基于规则的正向最大匹配

B.基于统计的HMM模型

C.基于深度学习的BiLSTM-CRF

D.基于词频的TF-IDF

答案：ABC

解析：分词方法包括规则（最大匹配）、统计（HMM）、深度学习（BiLSTM-CRF），TF-IDF是文本特征表示（D错误）。

以下哪些是Tr