2026年自然语言处理工程师考试题库（附答案和详细解析）（0106）.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）

以下哪项是Word2Vec中CBOW模型的训练目标？

A.根据中心词预测上下文词

B.根据上下文词预测中心词

C.根据当前词预测下一个词

D.根据句子预测类别

答案：B

解析：Word2Vec包含CBOW（连续词袋模型）和Skip-gram两种架构。CBOW的核心是利用上下文词向量预测中心词（如用“猫坐在”预测“地毯”），而Skip-gram则相反（用中心词预测上下文）。选项A是Skip-gram的目标，C是语言模型（如GPT）的目标，D是文本分类任务，故正确答案为B。

BERT模型的预训练任务不包括？

A.掩码语言模型（MLM）

B.下一句预测（NSP）

C.序列到序列生成（Seq2Seq）

D.词级上下文预测

答案：C

解析：BERT的预训练任务是MLM（随机掩码部分输入词，预测被掩码的词）和NSP（判断两个句子是否连续）。Seq2Seq是生成模型（如T5）的训练方式，并非BERT原生任务，因此选C。

循环神经网络（RNN）在处理长文本时容易出现的主要问题是？

A.梯度爆炸或消失

B.参数数量过多

C.无法并行计算

D.对词序不敏感

答案：A

解析：RNN的循环结构导致反向传播时梯度经过多次矩阵乘法，长序列会引发梯度消失（长期依赖信息丢失）或梯度爆炸（参数更新不稳定）。参数数量（B）是深层模型的普遍问题，无法并行（C）是RNN的特性但非主要问题，RNN对词序敏感（D错误），故正确答案为A。

中文分词中“隐马尔可夫模型（HMM）”的核心是？

A.统计字与字之间的转移概率

B.基于规则的切分字典

C.利用上下文语义特征

D.预测每个字的词边界标签（B/M/E/S）

答案：D

解析：HMM用于分词时，将问题转化为序列标注任务，通过统计字的状态（如B-词首、M-词中、E-词尾、S-单字词）的转移概率和发射概率，预测每个字的标签以确定词边界。A是n-gram模型的统计方式，B是规则分词，C是深度学习模型（如BiLSTM-CRF）的优势，故正确答案为D。

情感分析属于以下哪类NLP任务？

A.序列标注

B.文本生成

C.文本分类

D.机器翻译

答案：C

解析：情感分析的目标是将文本映射到预定义的情感类别（如积极/消极/中性），本质是文本分类任务。序列标注（A）如命名实体识别，文本生成（B）如机器写作，机器翻译（D）是序列到序列任务，故正确答案为C。

以下哪项是ELMo（EmbeddingsfromLanguageModels）的特点？

A.静态词向量（相同词的向量固定）

B.动态词向量（根据上下文生成不同向量）

C.仅利用单向上下文信息

D.基于自回归模型训练

答案：B

解析：ELMo是深度双向语言模型，通过双向LSTM生成每个词的上下文相关向量（动态词向量），解决了Word2Vec/GloVe的静态问题（A错误）。它利用双向上下文（C错误），基于自编码而非自回归（D错误），故正确答案为B。

Transformer模型中“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依赖

C.替代循环结构实现并行计算

D.增强模型的记忆能力

答案：B

解析：多头注意力通过将查询/键/值矩阵分割为多个头，使模型能同时学习不同子空间的注意力模式（如句法依赖、语义关联），提升特征提取的多样性。减少计算复杂度（A）是点积注意力的优化，并行计算（C）是Transformer整体架构的优势，记忆能力（D）是LSTM的特点，故正确答案为B。

评估文本生成模型（如GPT）的常用指标不包括？

A.BLEU

B.ROUGE

C.困惑度（Perplexity）

D.F1分数

答案：D

解析：文本生成评估常用BLEU（机器翻译）、ROUGE（摘要）、困惑度（语言模型）。F1分数（精确率和召回率的调和平均）主要用于分类或序列标注任务（如命名实体识别），不直接评估生成文本的流畅性和相关性，故正确答案为D。

LSTM（长短期记忆网络）中“遗忘门”的作用是？

A.决定保留多少过去的记忆

B.决定输入多少新信息

C.决定输出多少当前状态

D.防止梯度消失

答案：A

解析：LSTM的三个门控中，遗忘门（sigmoid）通过输入和上一状态计算“遗忘率”，控制细胞状态中旧信息的保留比例；输入门（B）控制新信息的添加，输出门（C）控制当前状态的输出，防止梯度消失（D）是LSTM整体结构的效果，故正确答案为A。

以下哪项是n-gram语言模型的主要缺点？

A.无法捕捉长距离依赖

B.参数数量过大

C.对词序不敏感

D.只能处理英文

答案：A

解析：n-gram基于