2026年语言处理与自然语言理解考题.docxVIP

第PAGE页共NUMPAGES页

2026年语言处理与自然语言理解考题

一、单选题（共10题，每题2分，合计20分）

1.在中文分词技术中，以下哪种方法通常在处理命名实体识别时表现最佳？

A.基于规则的方法

B.基于统计的HMM模型

C.基于深度学习的BiLSTM-CRF模型

D.基于词典的粗粒度分词

答案：C

解析：BiLSTM-CRF模型能够有效捕捉文本的上下文依赖关系，并通过CRF层解决标签序列约束问题，在命名实体识别任务中表现优于传统方法。基于规则的方法和词典方法缺乏灵活性，统计HMM模型在深度学习兴起后逐渐被替代。

2.某电商平台用户评论中频繁出现“质量好但物流慢”，分词系统将其拆分为“质量好但物流慢”，这是哪种错误？

A.偏误消解问题

B.新词发现问题

C.多词歧义问题

D.语义角色抽取问题

答案：C

解析：“质量好”和“物流慢”是两个完整短语被错误拆分，属于典型的多词歧义问题。分词器未能识别“质量好”作为一个语义单元，而将其拆分为多个词。

3.在情感分析任务中，以下哪种模型对处理中文反讽语境的效果最差？

A.ELMo

B.BERT

C.LSTM

D.DLRM

答案：C

解析：LSTM缺乏对上下文长距离依赖的捕捉能力，难以处理反讽等需要跨句或跨段落推理的复杂情感表达。BERT和ELMo通过上下文嵌入能够动态