2025年自然语言处理工程师考试题库（附答案和详细解析）（1207）.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）

以下哪项不属于自然语言处理的核心任务？

A.中文分词

B.图像识别

C.命名实体识别

D.情感分析

答案：B

解析：自然语言处理（NLP）的核心任务包括语言理解（如分词、命名实体识别）和语言生成（如文本摘要），而图像识别属于计算机视觉领域，因此选B。

Word2Vec的哪种模型更适合处理低频词？

A.CBOW

B.Skip-gram

C.GloVe

D.ELMo

答案：B

解析：Skip-gram模型通过中心词预测上下文，对低频词的学习更充分；CBOW通过上下文预测中心词，对高频词更友好。GloVe是全局统计模型，ELMo是上下文相关词向量，因此选B。

BERT模型在预训练阶段主要使用的两个任务是？

A.掩码语言模型（MLM）与下一句预测（NSP）

B.因果语言模型（CLM）与下一句预测（NSP）

C.掩码语言模型（MLM）与因果语言模型（CLM）

D.下一句预测（NSP）与文本生成

答案：A

解析：BERT的预训练任务是MLM（随机掩码输入词并预测）和NSP（判断两句话是否连续）；CLM是GPT等自回归模型的预训练任务，因此选A。

Transformer模型中用于捕捉序列中长距离依赖的核心机制是？

A.自注意力机制

B.循环神经网络（RNN）

C.卷积神经网络（CNN）

D.前馈神经网络

答案：A

解析：Transformer通过自注意力机制直接计算序列中任意两个位置的关联，解决了RNN的长距离依赖问题；RNN因梯度消失难以处理长序列，CNN通过局部窗口捕捉信息，因此选A。

基于统计的中文分词方法中，常用的模型不包括？

A.隐马尔可夫模型（HMM）

B.条件随机场（CRF）

C.规则匹配

D.最大熵模型

答案：C

解析：规则匹配属于基于规则的分词方法，HMM、CRF、最大熵模型均为统计学习方法，因此选C。

评估机器翻译任务常用的指标是？

A.BLEU

B.准确率

C.F1值

D.困惑度

答案：A

解析：BLEU（双语评估替罪羊）通过n-gram匹配评估翻译结果与参考译文的相似度，是机器翻译的经典指标；准确率用于分类任务，F1值用于序列标注，困惑度用于语言模型，因此选A。

以下属于生成式模型的是？

A.GPT

B.BERT

C.TextCNN

D.CRF

答案：A

解析：生成式模型关注数据的联合概率（P(X,Y)），GPT通过自回归生成文本；BERT、TextCNN（文本分类）、CRF（序列标注）均为判别式模型（P(Y|X)），因此选A。

多头注意力中“多头”的主要作用是？

A.捕捉不同子空间的上下文信息

B.减少计算量

C.替代前馈网络

D.处理变长序列

答案：A

解析：多头注意力通过多个独立的注意力头学习不同的语义子空间（如语法、语义），提升模型对上下文的多维度理解；多头会增加计算量，前馈网络不可替代，变长序列由位置编码处理，因此选A。

以下哪种技术可以缓解词表外（OOV）问题？

A.子词分词（如BPE）

B.One-hot编码

C.TF-IDF

D.情感词典

答案：A

解析：子词分词（如BPE）将高频词作为整体，低频词拆分为子词（如“unhappiness”拆为“un”+“happiness”），扩大词表覆盖范围；One-hot编码维度高且无法处理OOV，TF-IDF是特征权重，情感词典与OOV无关，因此选A。

ELMo与BERT的主要区别在于？

A.ELMo是双向LSTM的拼接，BERT是双向Transformer

B.ELMo是单向模型，BERT是双向模型

C.BERT是单向模型，ELMo是双向模型

D.ELMo未经过预训练

答案：A

解析：ELMo通过双向LSTM的前向和后向隐藏状态拼接生成上下文词向量；BERT基于双向Transformer编码器。ELMo和BERT均为双向模型且经过预训练，因此选A。

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.BERT

B.GPT

C.RoBERTa

D.TextCNN

答案：ABC

解析：BERT、GPT、RoBERTa均为基于大规模语料预训练的语言模型；TextCNN是基于卷积神经网络的文本分类模型，未经过预训练，因此选ABC。

中文分词常用的工具包括？

A.jieba

B.THULAC

C.HanLP

D.SVM

答案：ABC

解析：jieba（结巴分词）、THULAC（清华分词）、HanLP（Han语言处理包）均为中文分词工具；SVM（支持向量机）是机器学习算法，因此选ABC。

机器翻译中的常用模型架构包括？

A.Transformer

B.RNN+Atten