NLP面试题及答案.docxVIP

NLP面试题及答案

一、基础概念类

1.请简单说说什么是自然语言处理？它和传统的文本处理有啥区别？

答案：自然语言处理简单说就是让计算机能理解、处理人类的自然语言（比如中文、英文），并完成沟通、分析等任务，核心是“理解语义”和“模拟交互”。传统文本处理更多是做字符层面的操作，比如分词、关键词匹配、文本检索，只停留在表面，没法理解文字背后的含义——比如“我差点没考上”和“我差点考上”，传统处理可能认为是相反的，而NLP能通过语义分析识别出两者其实都是“考上了”的意思。另外，NLP会结合语言学知识和机器学习/深度学习技术，能处理歧义、上下文关联等复杂问题，适用场景也更宽，比如对话机器人、情感分析这些。

2.什么是词向量？为什么不能直接用one-hot编码代替词向量？

答案：词向量就是把词语转换成计算机能识别的数值向量，核心是让语义相近的词，向量在空间里的距离也近（比如“苹果”和“橘子”的向量比“苹果”和“汽车”的近）。one-hot编码其实也是一种词向量的简化形式，它是用一个长度等于词表大小的向量，只有当前词语对应的位置是1，其他都是0。

不能用one-hot代替的核心原因有两个：一是维度灾难，比如词表有10万个词，one-hot向量就有10万维，计算量大还稀疏，模型很难训练；二是没有语义信息，one-hot向量里每个词都是孤立的，没法体现词语之间的关联——比如“国王”和“王后”