2025年自然语言处理工程师考试题库（附答案和详细解析）（1208）.docxVIP

自然语言处理工程师考试试卷（总分100分）

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（NextWordPrediction）

B.最大化词向量的稀疏性

C.学习词的上下文分布表示

D.生成符合语法的新句子

答案：C

解析：Word2Vec的核心是通过滑动窗口内的上下文词预测目标词（CBOW）或目标词预测上下文词（Skip-gram），本质是学习词的分布式表示（即上下文分布的数学表达）。A是语言模型（如RNNLM）的目标；B错误，Word2Vec追求低维稠密向量；D是生成模型（如GPT）的目标。

BERT模型在预训练阶段不包含以下哪项任务？

A.掩码语言模型（MLM）

B.下一句预测（NSP）

C.情感倾向分类

D.随机token替换检测

答案：C

解析：BERT的预训练任务是MLM（随机掩码部分token并预测）和NSP（判断两句话是否连续）。C是下游微调任务（如文本分类），不属于预训练阶段；D是后续改进模型（如RoBERTa）取消NSP后采用的任务，但非原始BERT任务。

以下哪种技术主要用于解决RNN的长距离依赖问题？

A.自注意力机制

B.门控单元（如LSTM/GRU）

C.词嵌入层

D.卷积神经网络（CNN）

答案：B

解析：RNN因梯度消失/爆炸问题难以捕捉长距离依赖，LSTM/GRU通过输入门、遗忘门、输出门控制信息流动，缓解了这一问题。A是Transformer解决长依赖的核心；C是特征表示层；D通过局部窗口捕捉特征，非RNN专用改进。

以下哪项属于序列到序列（Seq2Seq）任务？

A.文本分类

B.机器翻译

C.命名实体识别（NER）

D.关键词提取

答案：B

解析：Seq2Seq任务需将输入序列转换为输出序列（如源语言→目标语言）。A是单标签分类；C是token级分类；D是抽取关键短语，均非序列到序列映射。

情感分析任务的本质是以下哪类问题？

A.回归问题

B.多标签分类问题

C.序列标注问题

D.单标签分类问题

答案：D

解析：情感分析通常将文本分为积极/消极/中性等有限类别（单标签）。若允许同时多个情感（如“开心+愤怒”）则是多标签，但常规任务以单标签为主；A需预测连续值（如评分1-5），属于回归但非本质；C是为每个token打标签（如NER）。

以下哪种词向量模型基于全局词频统计？

A.Word2Vec

B.GloVe

C.FastText

D.ELMo

答案：B

解析：GloVe（全局向量）通过共现矩阵的对数线性模型训练，直接利用全局统计信息；Word2Vec和FastText基于局部上下文窗口；ELMo是动态词向量（基于上下文的双向LM）。

在Transformer中，多头注意力（Multi-HeadAttention）的主要作用是？

A.减少计算复杂度

B.捕捉不同子空间的上下文信息

C.替代位置编码

D.增强模型的记忆能力

答案：B

解析：多头注意力将查询、键、值矩阵拆分为多个头，并行学习不同子空间的注意力模式（如句法、语义、位置信息），提升模型对多种上下文关系的捕捉能力。A错误，多头会增加计算量；C位置编码是独立模块；D是循环网络的特点。

以下哪项不属于预训练模型微调（Fine-tuning）的优势？

A.减少标注数据需求

B.提升模型在特定任务上的性能

C.完全重新训练模型参数

D.利用通用语言知识迁移

答案：C

解析：微调是在预训练模型基础上用少量任务数据调整参数，而非完全重新训练（完全重新训练属于从头训练）。A、B、D均为微调的典型优势。

中文分词中，“苹果手机”可能被错误切分为“苹果手机”，这反映了哪种歧义类型？

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一个词，也可拆分为多个词（如“苹果”是词，“手机”也是词，但“苹果手机”是一个词）。交集型歧义如“乒乓球”可拆为“乒乓球”或“乒乓球”（共享字）；真歧义需依赖上下文（如“杜鹃”指花或鸟）。

以下哪种模型属于生成式预训练模型？

A.BERT

B.RoBERTa

C.GPT

D.ALBERT

答案：C

解析：GPT（生成式预训练转换器）基于单向Transformer解码器，目标是生成下一个token（自回归任务）；BERT、RoBERTa、ALBERT均基于双向Transformer编码器（自编码任务）。

二、多项选择题（共10题，每题2分，共20分）

以下属于自然语言处理核心任务的有？（）

A.机器翻译（MachineTranslation）

B.图像分类（ImageClassification）