2025-2026年人工智能与自然语言处理应用实战练习题.docxVIP

2025-2026年人工智能与自然语言处理应用实战练习题

一、单选题（总共10题，每题2分，共20分）

1.在自然语言处理（NLP）中，用于将文本转换为数值向量的技术是？

A.主题模型（TopicModeling）

B.词嵌入（WordEmbedding）

C.语义角色标注（SemanticRoleLabeling）

D.命名实体识别（NamedEntityRecognition）

解析：词嵌入技术（如Word2Vec、GloVe）通过将词汇映射到高维空间中的向量，保留语义关系，是NLP中常见的文本向量化方法。主题模型用于发现文本隐含主题；语义角色标注识别句子中谓词与论元的关系；命名实体识别提取专有名词。

2.以下哪种模型最适合处理长距离依赖问题？

A.卷积神经网络（CNN）

B.循环神经网络（RNN）

C.长短期记忆网络（LSTM）

D.生成对抗网络（GAN）

解析：长短期记忆网络（LSTM）通过门控机制解决RNN的梯度消失问题，能够捕捉长序列依赖关系。CNN适用于局部特征提取；RNN本身存在长距离依赖问题；GAN用于生成任务。

3.在机器翻译任务中，Transformer模型的核心优势是什么？

A.并行计算能力

B.局部特征提取