2026年自然语言处理工程师考试题库（附答案和详细解析）（0108）.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）

以下属于基于统计的中文分词方法是（）

A.最大匹配法

B.隐马尔可夫模型（HMM）

C.正向减字法

D.逆向最大匹配法

答案：B

解析：基于统计的分词方法通过训练语料学习分词规律，HMM通过状态转移概率和发射概率建模分词过程，属于统计方法。A、C、D均为基于规则的分词方法，依赖词典和预设规则（如最大匹配长度）。

BERT模型的核心创新是（）

A.引入循环神经网络（RNN）

B.采用双向Transformer编码器

C.使用自回归语言模型

D.仅基于词级别的特征提取

答案：B

解析：BERT的核心是双向Transformer编码器（BidirectionalTransformer），通过掩码语言模型（MLM）实现双向上下文理解。A错误（BERT无RNN）；C是GPT的特点（自回归）；D错误（BERT支持子词级特征，如WordPiece）。

命名实体识别（NER）的主要任务是（）

A.分析句子的语法结构

B.识别文本中的特定类别实体（如人名、地名）

C.生成与输入文本语义相关的新句子

D.判断两个句子的语义相似度

答案：B

解析：NER的目标是标注文本中具有特定意义的实体（如人名、机构名、时间等），属于信息抽取任务。A是句法分析；C是文本生成；D是语义相似性任务。

以下哪项不是文本分类的评价指标？（）

A.准确率（Accuracy）

B.BLEU分数

C.F1值

D.精确率（Precision）

答案：B

解析：BLEU分数主要用于评估机器翻译的生成质量，文本分类常用准确率、精确率、召回率、F1值等。

循环神经网络（RNN）的主要缺陷是（）

A.无法处理变长序列

B.长距离依赖导致的梯度消失/爆炸

C.参数量过大难以训练

D.不支持并行计算

答案：B

解析：RNN的链式结构导致反向传播时梯度经过多次矩阵乘法，易出现梯度消失（长序列）或爆炸（极端情况），难以捕捉长距离依赖。A错误（RNN可处理变长序列）；C是Transformer的问题；D是RNN的特点（非缺陷，而是并行性差）。

以下属于无监督学习的NLP任务是（）

A.情感分析（标注数据训练）

B.词向量（Word2Vec）训练

C.机器翻译（监督训练）

D.文本摘要（有标签数据）

答案：B

解析：Word2Vec通过无监督方式（上下文预测）学习词向量，无需人工标注标签。A、C、D均需标注数据（监督学习）。

词袋模型（Bag-of-Words）的主要缺点是（）

A.忽略词序和上下文

B.无法处理多语言

C.计算复杂度高

D.仅支持英文

答案：A

解析：词袋模型将文本视为词的集合，不考虑词的顺序和上下文关系（如“猫追狗”和“狗追猫”会被视为相同），导致语义丢失。B、D错误（词袋模型无语言限制）；C错误（词袋计算复杂度低）。

以下哪种技术用于解决OOV（未登录词）问题？（）

A.子词分词（SubwordTokenization）

B.最大匹配分词

C.TF-IDF

D.余弦相似度

答案：A

解析：子词分词（如WordPiece、BPE）将未登录词拆分为已知子词（如“unhappiness”拆为“un”+“happiness”），缓解OOV问题。B是分词方法；C是特征加权；D是相似度计算。

机器翻译中，BLEU分数的计算基于（）

A.生成文本与参考文本的n-gram匹配度

B.句子的句法结构相似度

C.词向量的余弦相似度

D.人工标注的语义评分

答案：A

解析：BLEU（BilingualEvaluationUnderstudy）通过计算生成文本与参考文本的n-gram（1-gram到4-gram）重叠率评估翻译质量，是最常用的自动评估指标。

以下属于预训练语言模型的是（）

A.SVM（支持向量机）

B.LDA（隐含狄利克雷分配）

C.GPT-3

D.CRF（条件随机场）

答案：C

解析：GPT-3是典型的预训练语言模型（基于Transformer的自回归模型）。A是分类模型；B是主题模型（无监督）；D是序列标注模型（判别式）。

二、多项选择题（共10题，每题2分，共20分）（每题至少2个正确选项）

以下属于Transformer模型组成部分的有（）

A.多头注意力机制（Multi-HeadAttention）

B.位置编码（PositionalEncoding）

C.循环层（RecurrentLayer）

D.前馈神经网络（Feed-ForwardNetwork）

答案：ABD

解析：Transformer由多头注意力、位置编码（解决序列顺序问题）、前馈网络组成，无循环层（C错误）。