2026年自然语言处理工程师考试题库（附答案和详细解析）（0225）.docxVIP

自然语言处理工程师考试试卷（总分100分）

一、单项选择题（共10题，每题1分，共10分）

以下关于Word2Vec中CBOW（ContinuousBag-of-Words）模型的描述，正确的是：

A.输入是中心词，输出是上下文词的概率分布

B.输入是上下文词，输出是中心词的概率分布

C.采用层级Softmax时，每个词对应二叉树的叶子节点

D.与Skip-gram相比，更适合处理低频词

答案：B

解析：CBOW模型的核心是“用上下文预测中心词”（B正确），而Skip-gram是“用中心词预测上下文”（A错误）。层级Softmax中，词对应二叉树路径而非叶子节点（C错误）；Skip-gram对低频词的表征更优（D错误）。

语言模型的核心任务是：

A.计算句子的语法正确性

B.预测文本中缺失的词

C.评估文本序列的概率分布

D.实现不同语言间的翻译

答案：C

解析：语言模型的本质是建模文本序列的概率分布（C正确），预测缺失词（B）是其应用场景之一；语法正确性由句法分析模型评估（A错误）；翻译属于机器翻译任务（D错误）。

命名实体识别（NER）的本质是：

A.文本分类任务

B.序列标注任务

C.语义匹配任务

D.情感分析任务

答案：B

解析：NER需要为文本中每个token标注实体类型（如PER、LOC），属于序列标注（B正确）；文本分类是对整体文本打标签（A