原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
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Word2Vec模型的核心训练目标？
A.预测句子的下一个词（自回归语言模型）
B.根据上下文预测中心词或根据中心词预测上下文（词袋模型）
C.修复被掩码的词语（掩码语言模型）
D.生成符合语法的完整句子（序列生成模型）
答案：B
解析：Word2Vec包含CBOW（根据上下文预测中心词）和Skip-gram（根据中心词预测上下文）两种架构，核心是通过词的共现关系学习词向量。A是GPT等自回归模型的目标；C是BERT的目标；D是Seq2Seq模型的目标。
在命名实体识别（NER）任务中，常用的标签编码方式是？
A.TF-IDF
B.BIOES
C.One-hot
D.BLEU
答案：B
解析：BIOES（Begin-Inside-Outside-End-Single）是NER任务中常用的实体边界标注方法，用于区分实体的起始、内部、结束等位置。A是文本特征表示方法；C是离散特征编码方式；D是机器翻译评估指标。
以下哪种模型属于生成式预训练模型？
A.BERT
B.GPT-3
C.ELMo
D.RoBERTa
答案：B
解析：GPT-3采用自回归语言模型（AutoregressiveLM），通过前向文本预测学习生成能力。A、C、D均为双向或上下文相关的预训练模型，不直接生成序列。
文本情感分析的本质是以下哪类任务？
A.序列标注
B.文本分类
C.机器翻译
D.问答系统
答案：B
解析：情感分析需将文本映射到情感类别（如积极/消极），属于文本分类任务。A是NER等任务；C是跨语言转换；D是问题-答案对生成。
以下哪种技术用于解决长文本的注意力计算复杂度问题？
A.多头注意力（Multi-HeadAttention）
B.稀疏注意力（SparseAttention）
C.位置编码（PositionalEncoding）
D.层归一化（LayerNormalization）
答案：B
解析：稀疏注意力通过限制每个词仅关注部分相关词（如局部窗口或关键位置），降低长文本的计算复杂度（O(n2)→O(nk)）。A是多视角特征提取；C是位置信息注入；D是优化训练稳定性。
评估机器翻译质量的常用指标是？
A.F1值
B.ROUGE
C.BLEU
D.perplexity
答案：C
解析：BLEU（BilingualEvaluationUnderstudy）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。A是分类任务指标；B是摘要任务指标；D是语言模型困惑度指标。
以下哪项是中文分词的主要挑战？
A.一词多义
B.未登录词（OOV）识别
C.词干提取
D.词性标注
答案：B
解析：中文无显式词边界，未登录词（如新兴词汇、专有名词）难以通过词典匹配识别，是分词核心挑战。A是语义理解问题；C是英文词形处理；D是后续分析任务。
在Transformer模型中，注意力机制的输入不包括以下哪项？
A.查询（Query）
B.键（Key）
C.值（Value）
D.隐藏状态（HiddenState）
答案：D
解析：Transformer的注意力计算基于Q、K、V三个矩阵（通常由输入嵌入线性变换得到），隐藏状态是循环神经网络的概念，非Transformer核心输入。
以下哪种预训练模型采用了“下一句预测（NSP）”任务？
A.GPT-2
B.BERT-base
C.XLNet
D.ALBERT
答案：B
解析：BERT在预训练阶段同时训练掩码语言模型（MLM）和下一句预测（NSP）任务，后者用于学习句子间的语义关联。A、C、D未使用NSP或改进了该任务（如ALBERT用句子顺序预测替代）。
以下哪项不是词嵌入（WordEmbedding）的特性？
A.捕捉词的语义相似性
B.处理一词多义
C.向量空间中的几何关系反映语义关系（如“国王-男人+女人=女王”）
D.将离散词转换为连续向量
答案：B
解析：传统词嵌入（如Word2Vec）为每个词生成固定向量，无法区分多义性；上下文词嵌入（如BERT）可解决此问题。A、C、D均为词嵌入的核心特性。
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？（至少2个正确选项）
A.BERT
B.GPT
C.LSTM
D.ELMo
答案：ABD
解析：BERT（掩码LM）、GPT（自回归LM）、ELMo（双向LSTM上下文嵌入）均为预训练模型；C是循环神经网络结构，非预训练模型。
中文分词常用的工具包括？
A.jieba
B.HanLP
C.SpaCy
D.LTP
答案：ABD
解析：jie
文档评论（0）