2026年自然语言处理工程师考试题库（附答案和详细解析）（0430）.docxVIP

2026年自然语言处理工程师考试题库（附答案和详细解析）（0430）

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）

在Word2Vec模型中，Skip-gram架构的主要目标是：

A.通过上下文词预测中心词

B.通过中心词预测上下文词

C.直接计算词共现矩阵

D.优化句法依存关系

答案：B

解析：Skip-gram通过中心词预测周围上下文词，而CBOW通过上下文预测中心词。选项A描述的是CBOW，C和D与Word2Vec无关。

Transformer模型中自注意力机制的计算复杂度是：

A.(O(n^2d))

B.(O(nd^2))

C.(O(nd))

D.(O(d^2))

答案：A

解析：自注意力需计算所有词对间的相似度（(nn)矩阵），每个相似度计算涉及(d)维向量点积，故复杂度为(O(n^2d))。

（限于篇幅，此处展示2题，实际需生成10题）

二、多项选择题（共10题，每题2分，共20分）

下列哪些是词向量的典型应用场景？（）

A.文本分类的特征输入

B.命名实体识别的上下文表示

C.机器翻译的端到端训练

D.语音识别的声学建模

答案：ABC

解析：词向量主要用于文本相关任务（A/B/C），语音识别依赖声学特征（D错误）。词向量可捕捉语义相似性，提升分类、NER和翻译性