自然语言处理基础试题及答案.docxVIP

自然语言处理基础试题及答案

一、单项选择题（每题2分，共20分）

1.以下哪项不属于自然语言处理（NLP）的核心任务？

A.机器翻译

B.图像分类

C.情感分析

D.命名实体识别

2.中文分词中的“歧义切分”主要分为两种类型，以下正确的是？

A.交集型歧义与组合型歧义

B.正向歧义与逆向歧义

C.长词歧义与短词歧义

D.显性歧义与隐性歧义

3.关于词袋模型（Bag-of-Words）的描述，错误的是？

A.忽略词序和语法信息

B.通常用向量表示文本

C.能捕捉词语间的语义关联

D.计算简单，适用于初步文本分类

4.隐马尔可夫模型（HMM）中，“状态”与“观测”的关系是？

A.状态是可观测的，观测是隐含的

B.状态是隐含的，观测是可观测的

C.状态与观测均为隐含变量

D.状态与观测均为可观测变量

5.以下哪种词向量表示方法属于上下文无关的静态词向量？

A.Word2Vec

B.ELMo

C.BERT

D.GPT

6.句法分析中的“依存句法分析”主要关注？

A.句子的层次结构（如主谓宾）

B.词语间的依赖关系（如“动词-宾语”）

C.句子的语义角色（如施事、受事）

D.词语的形态变化（如时态、单复数）

7.在条件随机场（CRF）中，与HMM的主要区别是？

A.CRF是生成模型，HMM是判别模型

B.CRF假设观测变量之间独立，HMM不假设

C.CRF能处理长距离依赖，HMM仅能处理局部依赖

D.CRF的状态转移概率是固定的，HMM需学习

8.以下哪项不是循环神经网络（RNN）的主要缺陷？

A.长序列梯度消失/爆炸

B.无法并行计算

C.难以捕捉长期依赖关系

D.对词序不敏感

9.Transformer模型中，“多头注意力”（Multi-HeadAttention）的主要作用是？

A.减少计算量

B.从不同子空间捕捉特征

C.增强模型的记忆能力

D.替代前馈神经网络

10.情感分析任务中，“细粒度情感分析”与“粗粒度情感分析”的核心区别是？

A.前者分析句子级情感，后者分析篇章级情感

B.前者关注具体方面（如“手机电池”）的情感，后者关注整体情感

C.前者使用传统机器学习，后者使用深度学习

D.前者处理短文本，后者处理长文本

二、填空题（每空2分，共20分）

1.自然语言处理的核心挑战包括歧义性、__和__（任意两点）。

2.中文分词的主要方法可分为基于规则的方法、基于统计的方法和__（如基于深度学习的方法）。

3.TF-IDF中，“TF”指__，“IDF”指__。

4.HMM的三个基本问题是：__（已知模型参数求观测序列概率）、__（已知观测序列求最可能的状态序列）、__（已知观测序列估计模型参数）。

5.LSTM（长短期记忆网络）通过__、__和__三个门控机制控制信息的传递。

三、简答题（每题8分，共40分）

1.简述词向量（WordEmbedding）的作用，并对比Word2Vec与GloVe的异同。

2.解释“句法分析”与“语义分析”的区别，并举例说明。

3.为什么循环神经网络（RNN）难以处理长距离依赖？LSTM是如何缓解这一问题的？

4.对比生成模型（如HMM）与判别模型（如CRF）的核心差异，并说明各自的适用场景。

5.简述Transformer模型中“自注意力机制”（Self-Attention）的计算过程，并说明其优势。

四、算法与计算题（每题10分，共20分）

1.给定以下语料（已标注词性，“/”后为词性）：

语料1：我/代词爱/动词自然/名词语言/名词处理/名词

语料2：自然/名词语言/名词处理/名词很/副词有趣/形容词

假设用HMM建模词性标注任务，状态为词性（代词、动词、名词、副词、形容词），观测为词语。请计算：

（1）状态转移概率P(名词→名词)；

（2）发射概率P(“自然”|名词)。

2.假设某句子的分词候选路径及转移概率如下（“B”表示词首，“M”表示词中，“E”表示词尾，“S”表示单字词）：

路径1：B(我)→E(爱)→B(自然)→E(语言)→S(处理)，转移概率乘积为0.002；

路径2：B(我)→S(爱)→B(自然)→M(语言)→E(处理)，转移概率乘积为0.005；

路径3：S(我)→B(爱)→E(自然)→B(语言)→E(处