2025年自然语言处理工程师考试题库（附答案和详细解析）（1231）.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模型的核心训练目标？

A.预测文本的情感倾向

B.生成符合语法的句子

C.学习词的低维连续向量表示

D.识别文本中的命名实体

答案：C

解析：Word2Vec的核心目标是通过神经网络学习词的分布式表示（词向量），使得语义或语法相似的词在向量空间中位置相近。选项A是情感分析任务，B是语言生成任务，D是命名实体识别任务，均非Word2Vec的目标。

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.自回归语言模型（ARLM）

D.以上均是

答案：C

解析：BERT采用双向Transformer，预训练任务为MLM（随机掩码部分输入词并预测）和NSP（判断两句话是否连续）。自回归语言模型（如GPT）是单向的，不属于BERT的预训练任务。

循环神经网络（RNN）在处理长文本时的主要缺陷是？

A.参数数量过多

B.长距离依赖导致的梯度消失/爆炸

C.无法处理可变长度序列

D.计算复杂度高

答案：B

解析：RNN的循环结构在反向传播时会导致梯度随时间步长指数级衰减（梯度消失）或增长（梯度爆炸），难以捕捉长距离依赖关系。其他选项中，RNN可处理可变长度序列（通过填充/截断），参数数量和计算复杂度并非主要缺陷。

情感分析任务