2026年自然语言处理工程师考试题库（附答案和详细解析）（0725）.docxVIP

自然语言处理工程师

一、单项选择题（共10题，每题1分，共10分）1.以下中文分词技术中，基于统计学习、利用字序列概率最大化实现切分的是A.正向最大匹配法B.基于HMM的分词C.基于规则的分词D.全词典匹配分词答案：B解析：隐马尔可夫模型HMM是典型的统计序列建模方法，通过字序列的发射概率和转移概率实现最优切分。其余三个选项均属于基于词典/规则的分词方案，未用到统计序列建模逻辑。2.Word2vec中CBOW模型的核心训练逻辑是A.用中心词预测上下文词B.用上下文词预测中心词C.对全局词共现矩阵直接做降维D.基于自注意力机制生成动态词向量答案：B解析：CBOW（连续词袋模型）的核心是将上下文窗口内的词向量取平均，预测窗口中心的目标词。选项A是Skip-gram模型的训练逻辑，选项C是GloVe的早期实现思路，选项D不符合Word2vec的静态词向量属性。3.Transformer架构中用来缓解深层模型梯度消失问题的核心组件是A.多头注意力机制B.正弦位置编码C.残差连接与层归一化D.逐点前馈神经网络答案：C解析：残差连接可以将浅层的梯度直接传递到深层网络，配合层归一化稳定每层的输出分布，从根本上解决深层Transformer的梯度消失问题。其余三个选项的功能均不涉及梯度传递优化。4.以下哪个指标通常用来评估