2026年自然语言处理工程师考试题库（附答案和详细解析）（0422）.docxVIP

2026年自然语言处理工程师考试题库（附答案和详细解析）（0422）

自然语言处理工程师考试试卷

注意：所有题目答案及解析紧随题目给出，严格按照格式要求呈现。

一、单项选择题（共10题，每题1分，共10分）

在词向量表示中，Word2Vec的Skip-gram模型主要优化目标是：

A.根据上下文词预测中心词

B.根据中心词预测上下文词

C.直接计算词的共现频率

D.最小化词向量的余弦距离

答案：B

解析：Skip-gram模型通过输入中心词预测其周围上下文词，以此学习词向量；CBOW模型则是根据上下文词预测中心词（A错误）。Word2Vec通过神经网络训练而非直接统计共现频率（C错误）。最小化余弦距离是部分聚类任务的目标（D错误）。

Transformer模型中自注意力机制的核心计算式是：

A.Softmax(QKT)V

B.Sigmoid(

二、多项选择题（共10题，每题2分，共20分）

下列哪些是BERT模型的创新点？（可多选）

A.使用双向Transformer编码器

B.引入掩码语言建模（MLM）任务

C.采用词袋（BoW）特征输入

D.支持绝对位置编码

答案：ABD

解析：BERT通过双向Transformer捕获上下文信息（A正确），MLM任务解决传统语言模型单向性缺陷（B正确），使用绝对位置编码处理序列顺序（D正确）。BERT基于子词（s