NLP方向面试题及详细答案（真实面试版）.docxVIP

NLP方向面试题及详细答案（真实面试版）

说明：所有答案摒弃空洞套话，贴合企业真实面试作答逻辑，侧重原理理解、区别对比、实战问题、踩坑经验，适配校招、初级/中级NLP算法岗面试。

一、NLP基础核心面试题（必问）

1、简单说说NLP中分词、词性标注、NER的区别和联系？

参考答案：

三者都是NLP基础序列标注任务，是文本理解的前置步骤，层级从基础到高阶递进。

分词是最基础的，核心是把连续的中文文本切分成独立词语，解决“句子拆单元”的问题，比如“人工智能”切分为“人工/智能”。

词性标注是在分词的基础上，给每个词语标注词性，比如名词、动词、形容词，目的是获取文本的语法基础信息，过滤无效词汇。

NER命名实体识别是更高阶的标注，在分词和词性的基础上，识别文本中具有特定意义的实体，比如人名、地名、时间、机构名，核心是提取关键业务信息。

简单来说：分词拆词语，词性标属性，NER提关键信息，大部分NLP下游任务（检索、问答、文本分类）都依赖这三个任务的预处理结果。

2、One-hot、Word2Vec、词嵌入的优缺点是什么？实战中为什么不用One-hot？

参考答案：

One-hot编码：维度等于词表大小，向量只有一个1、其余为0。优点是简单、无歧义；缺点特别明显，一是维度极高、极度稀疏，计算开销大；二是完全无法体现词语之间的语义关联，“苹果”和“香蕉”的向量相似度为0，不符合语义逻辑。实