自然语言处理智慧树知到期末考试答案章节答案2024年浙江大学

自然语言处理智慧树知到期末考试答案+章节答案2024年浙江大学代码生成任务可以使用多输入多输出RNN。（）

答案:对常用的非嵌套命名实体识别方法包括基于规则的方法和基于机器学习的方法（如条件随机场、支持向量机等）。（）

答案:对神经元是神经网络的基础组件之一。（）

答案:对在Transformer模型中，可以使用掩码技术。（）

答案:对GPT-4性能优于ChatGPT。（）

答案:对n-gram模型是一种统计语言模型，用于预测下一个词的概率分布，基于前n-1个词的序列。（）

答案:对双向编码器层是不能存在的。（）

答案:错非嵌套和嵌套的命名实体识别方法只能处理特定标注范式的实体，方法之间不具备普适性及迁移性。（）

答案:对在自然语言处理发展的历史上，没有过寒冬期。（）

答案:错命名实体识别只能识别英文文本中的实体。（）

答案:错商汤创造了汉字。（）

答案:错BERT模型是一种只能用于英语文本处理的预训练模型。（）

答案:错Bert像是在做填词游戏，而GPT像是在做选词接龙游戏。（）

答案:对活字印刷术最早由英国人发明。（）

答案:错词向量是对单词的数字表示。（）

答案:对Transformer模型由编码器和解码器组成。（）

答案:对嵌套命名实体识别在处理实体之间的嵌套关系时需要考虑嵌套的层次。（）

答案:对在进行文本分类任务时，增加模型的层数总是能提高模型的准确率。（）

答案:错GPT-4可以集成外部工具和插件。（）

答案:对阅读理解类别的智能问答系统可以根据文本中的语义和上下文信息回答问题。（）

答案:对命名实体识别只能识别出现在训练数据中的实体。（）

答案:错命名实体识别的评价方法只关注正确识别的实体数量。（）

答案:错深度学习期的广泛流行基于神经网络的技术。（）

答案:对命名实体是指具有特定意义的实体。（）

答案:对嵌套命名实体识别的方法通常基于序列标注模型，如递归神经网络（RecursiveNeuralNetworks，RNN）和递归神经网络自动编码器（RecursiveNeuralNetworkAutoencoder，RNNAE）等。（）

答案:对Unigram模型考虑前后文关系。（）

答案:错文本数据包括（）。

答案:新闻###论坛###博客###电子邮件GPT模型和BERT模型之间的主要区别包括哪些？（）

答案:预训练任务###是否双向处理上下文信息###模型结构下列哪些任务属于NLP中的序列标注任务？（）

答案:词性标注###命名实体识别BERT模型的预训练任务包括哪些？（）

答案:NextSentencePrediction（NSP）###MaskedLanguageModel（MLM）（）是与可解释性相关的方法。（）

答案:LIME###SHAP下列关于BERT模型和GPT模型的描述有哪些是正确的？（）

答案:BERT采用双向Transformer结构，而GPT采用单向Transformer结构。###BERT模型的预训练阶段采用MaskedLanguageModel(MLM)任务，而GPT模型的预训练阶段采用的是自回归语言模型任务。（）是表格问答数据集。（）

答案:Spider###FeTaQA离散表示法存在的问题包括（）。

答案:具有主观性###很难计算出准确的单词相似度###难以衡量单词间的细微差别###需要大量人力来构造和调整预训练模型可以用于（）。

答案:对话生成###文本分类###信息提取###机器翻译词向量可以应用于（）。

答案:关系抽取###词性和命名实体规则###情感分析###机器翻译预训练模型在微调阶段通常需要调整哪些超参数？（）

答案:批大小（batchsize）###学习率###正则化参数ELMo模型的主要特点包括哪些？（）

答案:多层双向LSTM结构###基于字符的表示###捕获词汇语境信息自然语言处理的难点包括（）。

答案:词语切分歧义###结构歧义###词义歧义###语音歧义处理嵌套命名实体识别时常见的方法不包括：（）

答案:基于图的方法BERT模型引入了哪种机制来理解语句中单词的上下文关系？（）

答案:双向Transformer智能问答的阅读理解任务是指：（）

答案:通过分析文本中的问题和答案来回答问题关于GPT-4描述错误的是（）。

答案:不具备文本处理能力。命名实体识别任务通常可以分为以下哪些子任务：（）

答案:命名实体分类、命名实体关系抽取、命名实体消歧在预训练模型中，MaskedLanguageModel(MLM)任务的目的是什么？（）

答案:预测被掩盖的词是什么F1值是精确率（Precision）和召回率（Recall）的（）平均值。（）

答案:调和GPT模型在处理文本生成任务时的一个关键特性是什么？（）

答案:单向性在自然语言处理中，LSTM通常指的是（）。

答案:长短期记忆网络（LongShort-TermMemory）ChatGPT的用途包括（）。

答案:语言对话。在Transformer中，什么结构负责处理"序列中的每个位置与其他所有位置之间的依赖关系"？（）

答案:Self-AttentionMechanism在命名实体识别任务中，常见的命名实体类型包括：（）

答案:人名、地名、组织名NLP中的序列标注任务通常用于解决什么问题？（）

答案:命名实体识别ChatGPT是一种（）。

答案:神经网络模型。Transformer应用于机器翻译任务时，其主要优势是什么？（）

答案:能够捕捉长距离依赖在阅读理解算法中，Quarc通常指的是（）。

答案:QuestionAnsweringforReadingComprehension半马尔可夫条件随机场（Semi-MarkovConditionalRandomField,SCRF）是一种用于命名实体识别的模型，其主要特点是：（）。

答案:考虑上下文中的整个句子。直接在命名实体识别任务上使用Transformer模型往往表现不佳，其主要原因包括：（）。

答案:位置编码无法捕捉方向信息。###平滑的注意力分布。智能问答系统的性能只取决于系统的搜索引擎的质量。（）

答案:错命名实体识别的评价方法之一是：（）。

答案:所有选项都正确智能问答系统的构建需要考虑的关键问题包括：（）

答案:问题理解###知识表示###答案生成关于Transformer模型和其应用的描述，以下哪些是正确的？（）

答案:Transformer模型可以应用于包括文本生成、问答系统和序列标注在内的多种NLP任务###Transformer通过使用Self-Attention机制克服了RNN的长距离依赖问题下列哪个选项正确描述了Self-Attention机制的作用？（）。

答案:能够在序列内的任意两个位置之间计算注意力权重在Transformer模型中，Multi-headAttention机制的主要目的是什么？（）。

答案:允许模型同时从不同的表示子空间获取信息抽取式问答任务中，模型是通过生成问题中的答案，而不是从给定文本中直接抽取答案。（）

答案:错关于预训练模型和微调（Fine-tuning）的描述，以下哪些是正确的（）。

答案:微调是在特定下游任务上调整预训练模型的过程###微调可以帮助模型更好地理解特定领域的语言特征对于机器翻译来说，在翻译句子时，待翻译句子的每一个词都必须是同等重要的。（）

答案:错（）注意力评分函数需要使用tanh。

答案:多层感知器与LSTM相比，普通RNN的弱点在于（）。

答案:无法处理长序列依赖关系（）是RNN机器翻译中常用的组件。（）

答案:编码器（Encoder）###解码器（Decoder）常见RNN架构存在包括（）。

答案:多输入多输出RNN###单输入多输出RNN###多输入单输出RNN###双向RNN下列哪项属于循环神经网络（）。

答案:LSTM###GRU对于机器翻译任务，我们通常会使用哪个指标来评价模型的性能？（）。

答案:BLEU对于自动生成的文本摘要，如果一个句子的ROUGE分数很高，那么可以确定该句子是一个良好的摘要句吗？（）

答案:错TF-IDF的全称是（）。

答案:词频-逆文档概率（TermFrequency-InverseDocumentFrequency）SHAP不是用于机器学习模型的预测结果的可解释性的方法。（