2026年自然语言处理工程师考试题库（附答案和详细解析）（0222）.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）

以下哪项是词向量（WordEmbedding）的本质特征？

A.高维稀疏的符号表示

B.低维稠密的实数向量

C.基于规则的语法标签

D.字符级的统计频率分布

答案：B

解析：词向量通过神经网络将离散的词语映射为连续的低维稠密向量（通常50-300维），捕捉词语间的语义关联。A是One-Hot编码的特征，C是传统语法分析的特征，D是字符统计方法的特征，均不符合词向量本质。

以下哪项不属于序列到序列（Seq2Seq）模型的典型应用？

A.机器翻译

B.文本摘要

C.情感分析

D.对话系统

答案：C

解析：Seq2Seq模型处理输入输出均为序列的任务（如翻译、摘要、对话）。情感分析是文本分类任务（输入序列，输出类别标签），属于单模态分类而非序列生成，因此选C。

BERT模型在预训练阶段的核心任务是？

A.语言模型（LM）+下一句预测（NSP）

B.机器翻译（MT）+情感分析（SA）

C.命名实体识别（NER）+词性标注（POS）

D.文本生成（TG）+问答（QA）

答案：A

解析：BERT的预训练任务包括掩码语言模型（MLM）和下一句预测（NSP），前者学习上下文语义，后者学习句子间的逻辑关系。其他选项均为下游微调任务，非预训练核心。

评估机器翻译系统常用的指标是？

A.BLE