2026年自然语言处理工程师考试题库（附答案和详细解析）（0910）.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）

在自然语言处理中，将文本中的词转换为稠密向量并捕捉语义信息的常用技术是。A.使用独热编码表示词

B.使用Word2Vec训练词向量

C.使用词袋模型统计词频

D.使用TF-IDF计算词语权重

答案：B

解析：Word2Vec通过神经网络将词映射到低维稠密向量空间，能够捕捉语义相似性；独热编码、词袋模型和TF-IDF均为稀疏离散表示，无法直接体现语义关系。

下列模型中，基于Transformer解码器结构的是。A.BERT

B.GPT

C.ELMo

D.Word2Vec

答案：B

解析：GPT采用Transformer的解码器结构，进行自回归语言建模；BERT基于Transformer编码器，ELMo基于双向LSTM，Word2Vec是静态词向量模型。

在序列标注任务中，常用于建模标签之间依赖关系的模型是。A.条件随机场

B.朴素贝叶斯

C.K均值聚类

D.主成分分析

答案：A

解析：条件随机场（CRF）可以对相邻标签之间的转移关系进行全局约束，因此常用于命名实体识别、词性标注等序列标注任务；其他选项不适合建模序列标签依赖。

在文本分类中，能够综合体现精确率和召回率的评估指标是。A.F1分数

B.准确率

C.均方误差

D.学习率

答案：A

解析：F1分数是精确率和召回率的调和平