中信银行广州分行2026秋招人工智能算法岗笔试题解析.docxVIP

第PAGE页共NUMPAGES页

中信银行广州分行2026秋招人工智能算法岗笔试题解析

一、选择题（共10题，每题2分，共20分）

1.题目：在自然语言处理领域，用于文本分类任务的最常用算法之一是？

A.决策树

B.支持向量机

C.神经网络

D.K-means聚类

答案：B

解析：支持向量机（SVM）在文本分类任务中表现优异，尤其适用于高维数据。决策树和神经网络也可用于文本分类，但SVM在处理大规模数据集时更具优势。K-means聚类主要用于数据降维和聚类分析，不适用于文本分类。

2.题目：以下哪种技术最适合用于中文文本的命名实体识别（NER）？

A.主题模型

B.递归神经网络（RNN）

C.隐马尔可夫模型（HMM）

D.卷积神经网络（CNN）

答案：B

解析：RNN及其变体（如LSTM、GRU）在处理序列数据时表现优异，特别适合中文文本的NER任务。主题模型主要用于文本主题发现，HMM也可用于NER但效果不如RNN，CNN在NER中的应用较少。

3.题目：在机器学习模型评估中，以下哪种指标最适合用于不平衡数据集的分类任务？

A.准确率

B.精确率

C.召回率

D.F1分数

答案：D

解析：F1分数是精确率和召回率的调和平均值，能有效平衡两者，特别适用于不平衡数据集的分类任务。准确率在数据不平衡时可能产生误导，精确率和召回率则分别侧重于正