2026年自然语言处理工程师考试题库（附答案和详细解析）（0126）.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）

以下哪种技术属于传统词嵌入（WordEmbedding）的典型方法？

A.BERT

B.Word2Vec

C.GPT-3

D.ELMo

答案：B

解析：Word2Vec是经典的词嵌入模型，通过上下文预测单词或反之（CBOW/skip-gram）学习词向量；BERT和GPT-3是预训练语言模型，ELMo是基于双向LSTM的上下文相关词表示，均不属于传统静态词嵌入。

在文本分类任务中，若数据类别极度不平衡（如正类占99%），最不适合的评估指标是？

A.准确率（Accuracy）

B.F1分数

C.精确率（Precision）

D.召回率（Recall）

答案：A

解析：准确率在类别不平衡时会被多数类主导（如预测全负类准确率可达99%），无法反映模型对少数类的分类能力；F1、精确率、召回率均关注正类表现，更适合不平衡场景。

以下哪项是循环神经网络（RNN）的核心缺陷？

A.无法处理变长序列

B.难以并行计算

C.参数量过大

D.无法捕捉局部特征

答案：B

解析：RNN的循环结构导致序列计算依赖前一步结果，无法像CNN或Transformer一样并行处理；RNN可通过填充处理变长序列（如mask），参数量与序列长度无关，局部特征捕捉能力弱于CNN但非核心缺陷。

用于衡量机器翻译质量的常用指