2026年(算法工程师)自然语言处理原理试题及答案.docxVIP

2026年(算法工程师)自然语言处理原理试题及答案

一、单项选择题（本大题共20小题，每小题1.5分，共30分。在每小题给出的四个选项中，只有一项是符合题目要求的）

1.在自然语言处理中，关于N-gram模型的描述，下列哪项是不正确的？

A.N-gram模型基于马尔可夫假设，即当前词的出现概率仅依赖于前面的N-1个词。

B.随着N的增大，模型对上下文的捕捉能力增强，但参数空间呈指数级增长，导致数据稀疏问题严重。

C.平滑技术（如LaplaceSmoothing、Kneser-NeySmoothing）主要用于解决N-gram模型中零概率的问题。

D.在计算困惑度时，值越小表示模型对测试数据的预测效果越差。

2.下列关于Word2Vec中Skip-gram和CBOW模型的对比，说法正确的是？

A.CBOW根据上下文预测中心词，训练速度通常比Skip-gram慢。

B.Skip-gram根据中心词预测上下文，更适合处理生僻词。

C.CBOW在处理长文本时，对词序的敏感度高于Skip-gram。

D.Skip-gram模型只能使用HierarchicalSoftmax进行优化，不能使用NegativeSampling。

3.在循环神经网络（RNN）中，梯度消失问题主要源于？

A.激活函数使用了ReLU，导致神经元坏死。

B.激活函数的导数在反向传播过程中连乘，