2026年自然语言处理技术及应用试题解析.docxVIP

第PAGE页共NUMPAGES页

2026年自然语言处理技术及应用试题解析

一、单选题（共10题，每题2分，计20分）

1.在中文文本分词中，以下哪种方法在处理“北京大学图书馆”这类专有名词时效果最好？

A.基于规则的分词

B.基于统计的分词

C.基于词频的分词

D.基于命名实体识别的分词

2.下列哪项不属于BERT模型的核心优势？

A.预训练模型的泛化能力强

B.支持并行计算，训练效率高

C.依赖大量人工标注数据

D.能有效捕捉长距离依赖关系

3.在跨语言信息检索中，以下哪种方法最适合处理“中国经济发展”与“economicdevelopmentinChina”的语义对等？

A.机器翻译+关键词匹配

B.词嵌入+语义相似度计算

C.多语言BERT+跨语言注意力机制

D.词典翻译+规则匹配

4.以下哪种技术最适合用于检测中文社交媒体中的虚假信息？

A.基于情感分析的文本分类

B.基于主题模型的文本聚类

C.基于图嵌入的虚假信息溯源

D.基于强化学习的谣言生成检测

5.在中文问答系统中，如何解决“什么是量子计算？”这类开放域问题？

A.依赖人工编写的问答对

B.基于知识图谱的推理

C.基于检索增强生成（RAG）的混合系统

D.基于Transformer的端到端模型

6.以下哪种模型最适合用于中文机器翻译中的“词性