2025年自然语言处理工程师考试题库（附答案和详细解析）（1125）.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）

Word2Vec的Skip-gram模型训练目标是以下哪项？

A.预测当前词的上下文词

B.预测当前词的中心词

C.最大化词向量的余弦相似度

D.最小化交叉熵损失

答案：A

解析：Skip-gram模型的核心是通过中心词预测其上下文词（如窗口内的邻近词），而CBOW模型是通过上下文词预测中心词。选项B描述的是CBOW的目标；选项C是词向量评估指标，非训练目标；选项D是优化方法，非目标本身。

BERT的预训练任务不包括以下哪项？

A.掩码语言模型（MLM）

B.下一句预测（NSP）

C.文本生成

D.词元预测

答案：C

解析：BERT的预训练任务包含MLM（随机掩码部分输入词并预测）和NSP（判断两句子是否连续）。文本生成是生成式模型（如GPT、T5）的任务，BERT作为判别式模型不直接支持文本生成。

以下哪项是命名实体识别（NER）的典型输出形式？

A.词频统计矩阵

B.实体类型标签序列

C.句子相似度分数

D.情感极性值（正/负）

答案：B

解析：NER的目标是识别文本中特定类型的实体（如人名、地名）并标注其类型，输出通常是与输入token对齐的标签序列（如B-PER、I-LOC）。选项A是词袋模型输出，C是文本匹配任务输出，D是情感分析输出。

以下哪种模型主要用于解决长距离依赖问题？

A.循环神经网络（RNN）

B.卷积神经网络（CNN）

C.Transformer

D.逻辑回归

答案：C

解析：RNN因梯度消失问题难以捕捉长距离依赖；CNN通过局部窗口感受野提取特征，依赖层级堆叠；Transformer通过自注意力机制直接计算任意位置的依赖关系，天然适合长距离建模。

文本分类任务中，“F1分数”主要用于评估以下哪项性能？

A.模型训练速度

B.正负样本的均衡预测能力

C.文本生成的流畅度

D.词向量的语义相似度

答案：B

解析：F1分数是精确率（Precision）和召回率（Recall）的调和平均，适用于正负样本不均衡场景（如罕见类别分类），能综合反映模型对少数类的识别能力。

以下哪项是GloVe词向量的核心思想？

A.通过上下文预测学习词向量

B.基于全局词共现矩阵的降维

C.利用循环神经网络建模序列

D.引入注意力机制增强语义关联

答案：B

解析：GloVe（GlobalVectors）通过统计全局词共现矩阵，结合最小二乘法优化词向量，同时考虑了局部上下文（如Word2Vec）和全局统计信息（如LSA）。

机器翻译中，“BLEU分数”主要用于评估以下哪项？

A.翻译结果的语法正确性

B.翻译结果与参考译文的重叠程度

C.模型处理长句的能力

D.翻译过程的计算效率

答案：B

解析：BLEU（BilingualEvaluationUnderstudy）通过计算翻译结果与参考译文的n-gram重叠比例（加权求和）评估质量，是机器翻译最常用的自动评估指标。

以下哪种技术不属于多模态NLP的范畴？

A.图文跨模态检索

B.视频字幕生成

C.文本情感分析

D.视觉问答（VQA）

答案：C

解析：多模态NLP涉及文本与其他模态（如图像、视频、语音）的交互，而文本情感分析仅处理纯文本，属于单模态任务。

以下哪项是ELMo模型的主要特点？

A.静态词向量

B.动态上下文词向量

C.基于Transformer的双向编码

D.生成式预训练

答案：B

解析：ELMo（EmbeddingsfromLanguageModels）通过双向LSTM生成上下文相关的词向量，同一词在不同语境下向量不同（动态），而Word2Vec/GloVe是静态词向量。

长文本处理中，“分块（Chunking）”策略的主要目的是？

A.减少模型参数量

B.避免输入长度超过模型限制

C.增强局部语义理解

D.提升文本生成的连贯性

答案：B

解析：多数NLP模型（如BERT）对输入长度有限制（通常512token），分块策略将长文本拆分为多个短块分别处理，解决长度限制问题。

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Transformer模型核心组件的有？

A.多头注意力机制（Multi-HeadAttention）

B.门控循环单元（GRU）

C.位置编码（PositionalEncoding）

D.全连接前馈网络（Feed-ForwardNetwork）

答案：ACD

解析：Transformer由多头注意力、位置编码（解决序列顺序信息）、全连接前馈网络组成。GRU是循环神经网络的变种，不属于Transformer架构。

以下哪些任务属于序列标注（S