2026年自然语言处理工程师考试题库（附答案和详细解析）（0217）.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.最大化词与实体的关联概率

B.最小化上下文词的共现损失

C.预测当前词的句法角色

D.最大化给定中心词时上下文词的出现概率

答案：D

解析：Word2Vec的核心思想是通过中心词预测上下文词（Skip-gram）或通过上下文词预测中心词（CBOW），本质是最大化词与上下文的共现概率。A错误，Word2Vec不涉及实体关联；B错误，训练目标是最大化而非最小化；C错误，句法角色预测是句法分析任务，非Word2Vec目标。

BERT模型在预训练阶段的主要任务是？

A.单向语言模型+句子连贯性预测

B.双向语言模型+下一句预测

C.序列到序列生成+实体识别

D.多头注意力机制+词频统计

答案：B

解析：BERT的预训练任务包括两个：遮蔽语言模型（MLM，双向预测被遮蔽的词）和下一句预测（NSP，判断两句话是否连续）。A错误，单向是GPT的特点；C错误，序列生成和实体识别是下游任务；D错误，多头注意力是模型结构，非预训练任务。

以下哪种技术常用于解决长文本中的“长距离依赖”问题？

A.循环神经网络（RNN）

B.长短期记忆网络（LSTM）

C.词袋模型（Bag-of-Words）

D.朴素贝叶斯分类器

答案：B

解析：LSTM通过门控机制（输