2026年自然语言处理工程师考试题库（附答案和详细解析）（0115）.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）

以下哪种词向量模型通过预测中心词周围的上下文词来训练？

A.GloVe

B.Word2Vec（Skip-gram）

C.FastText

D.BERT

答案：B

解析：Word2Vec包含两种训练模式：CBOW（通过上下文预测中心词）和Skip-gram（通过中心词预测上下文）。GloVe基于全局词共现矩阵训练，FastText扩展了Word2Vec以处理子词信息，BERT是预训练语言模型而非传统词向量模型。

在机器翻译任务中，BLEU评价指标主要衡量：

A.翻译文本与参考文本的词序一致性

B.翻译文本的语法正确性

C.翻译文本与参考文本的n-gram重叠度

D.翻译文本的流畅性

答案：C

解析：BLEU（双语评估辅助）通过计算候选翻译与参考翻译的n-gram（1-4元组）的精确匹配率来评价质量，核心是n-gram重叠度。其他选项中，词序一致性由METEOR等指标补充，语法正确性和流畅性需人工评估或其他特定指标。

以下哪项不是LSTM解决RNN梯度消失问题的关键结构？

A.遗忘门

B.输入门

C.输出门

D.自注意力机制

答案：D

解析：LSTM通过遗忘门（控制历史信息保留）、输入门（控制新信息输入）、输出门（控制当前状态输出）的门控机制缓解梯度消失。自注意力机制是Transform