2025年自然语言处理工程师考试题库（附答案和详细解析）（1209）.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

B.最大化词向量间的余弦相似度

C.学习上下文与目标词的共现概率

D.生成符合语法规则的句子

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），本质是学习词与上下文的共现概率分布（C正确）。A是语言模型（如GPT）的目标；B是词向量评估指标而非训练目标；D是生成模型（如Seq2Seq）的任务（错误）。

BERT模型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.情感倾向分类

D.随机词替换检测

答案：C

解析：BERT的预训练任务是MLM（随机掩码部分词并预测）和NSP（判断两句子是否连续）（A、B正确）。C是下游微调任务，不属于预训练；D是后续模型如RoBERTa改进时移除NSP后提出的替代任务，但非原始BERT任务（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.计算复杂度高

C.长期依赖问题

D.无法并行计算

答案：C

解析：RNN通过隐藏状态传递信息，但梯度消失/爆炸问题导致对长距离依赖建模能力弱（C正确）。A错误，RNN可处理变长序列；B错误，计算复杂度低于Transformer；D是RNN的特点但非主要缺陷（主要缺陷是长期依赖）。

中文分词中，“北京大学”被正确切分为“北京/大学”，这属于哪种歧义类型？

A.组合型歧义

B.交集型歧义

C.真歧义

D.无歧义

答案：A

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”可拆为“北京/大学”或“北/京大/学”）（A正确）。交集型歧义指不同切分路径共享部分字符（如“研究生命”）；真歧义需结合上下文判断（错误）。

情感分析任务的本质是？

A.文本生成

B.序列标注

C.文本分类

D.机器翻译

答案：C

解析：情感分析通过分析文本情感倾向（如积极/消极），属于多分类或二分类任务（C正确）。A是生成任务；B如命名实体识别；D是跨语言转换（错误）。

以下哪种词向量模型属于上下文无关的？

A.ELMo

B.BERT

C.GloVe

D.ERNIE

答案：C

解析：GloVe基于全局词共现矩阵训练，词向量不随上下文变化（C正确）。ELMo、BERT、ERNIE均为上下文相关模型（错误）。

机器翻译中，BLEU评估指标的核心是？

A.预测词与参考译文的n-gram匹配度

B.句子的语法正确性

C.语义相似度

D.人工评分的相关性

答案：A

解析：BLEU通过计算预测译文与参考译文的n-gram（1-4元组）重叠率并加权平均（A正确）。B、C是更高层次的评估；D是评估指标的有效性要求（错误）。

以下哪项不是Transformer模型中的组件？

A.多头注意力层

B.位置编码

C.门控循环单元（GRU）

D.前馈神经网络

答案：C

解析：Transformer由多头注意力、位置编码、前馈网络组成（A、B、D正确）。GRU是RNN的变体，不属于Transformer（C错误）。

命名实体识别（NER）的输出类型是？

A.每个词的类别标签（如PER、LOC）

B.句子的整体类别

C.词之间的关系类型

D.文本的摘要

答案：A

解析：NER任务为每个词标注实体类型（如人名PER、地点LOC），属于序列标注（A正确）。B是文本分类；C是关系抽取；D是摘要生成（错误）。

以下哪种技术用于解决OOV（未登录词）问题？

A.子词分词（SubwordTokenization）

B.词袋模型（BagofWords）

C.最大熵模型（MaxEnt）

D.条件随机场（CRF）

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，减少OOV（A正确）。B是特征表示；C、D是分类/序列标注模型（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.FastText

C.RoBERTa

D.XGBoost

答案：AC

解析：预训练模型通过大规模语料预训练后微调（A、C正确）。FastText是词向量模型（非预训练语言模型）；XGBoost是梯度提升树（传统机器学习模型）（B、D错误）。

文本分类的评估指标包括？

A.准确率（Accuracy）

B.F1值（F1-score）

C.BLEU分数

D.召回率（Recall）

答案：ABD

解析：文本分类是分类任务，评估指标为准确率、精确率、召回率、F1（A、B、D正确