2025年计算机等级考试二级人工智能自然语言处理试卷（附答案）

2025年计算机等级考试二级人工智能自然语言处理试卷（附答案）一、单项选择题（共20题，每题2分，共40分）1.以下哪项不属于自然语言处理（NLP）的核心任务？A.机器翻译B.图像识别C.情感分析D.命名实体识别2.中文分词中，“乒乓球拍卖完了”的歧义类型属于？A.组合型歧义B.交集型歧义C.真歧义D.伪歧义3.关于词袋模型（Bag-of-Words），以下描述错误的是？A.忽略词序和语法B.无法捕捉词语间的语义关系C.常用于文本分类任务D.支持对未登录词的语义表示4.Word2Vec的“跳过-gram”（Skip-gram）模型的训练目标是？A.根据中心词预测上下文词B.根据上下文词预测中心词C.最大化所有词对的共现概率D.最小化词向量间的欧氏距离5.以下哪种技术是LSTM（长短期记忆网络）为解决RNN长依赖问题而引入的？A.注意力机制B.门控单元（遗忘门、输入门、输出门）C.残差连接D.多头注意力6.在Transformer模型中，“自注意力”（Self-Attention）的核心作用是？A.捕捉序列中任意位置的依赖关系B.降低模型计算复杂度C.增强局部上下文特征D.替代循环结构以实现并行计算7.BERT（双向Transformer编码器）的预训练任务不包括？A.掩码语言模型（MLM）B.下一句预测（NSP）C.文本生成D.词元级别的上下文预测8.情感分析中，“这个手机虽然便宜，但电池续航太差了”的情感倾向判断需重点处理？A.否定词B.转折词C.程度副词D.感叹词9.机器翻译的BLEU分数（BilingualEvaluationUnderstudy）主要基于？A.参考译文与候选译文的词序匹配B.候选译文与参考译文的n-gram重叠率C.语义相似度D.语法正确性10.以下哪项是NLP中“未登录词”的典型例子？A.常用动词“跑”B.新出现的网络热词“摸鱼”C.英文单词“apple”D.标点符号“！”11.关于GloVe（全局向量）模型，以下说法正确的是？A.仅利用局部上下文信息B.基于共现矩阵的全局统计信息C.训练目标是最大化条件概率D.无法处理多语言场景12.文本分类任务中，若样本类别分布极不均衡（如正类占95%，负类占5%），最可能导致？A.模型在正类上准确率高，负类召回率低B.模型过拟合C.训练速度变慢D.词向量维度异常13.以下哪种预处理步骤通常用于解决“同义词替换不影响语义”的问题？A.词干提取（Stemming）B.词形还原（Lemmatization）C.停用词过滤D.同义词扩展14.在RNN中，“梯度消失”现象主要影响？A.短期依赖建模B.长期依赖建模C.输入数据的标准化D.模型的泛化能力15.以下哪项是Transformer模型中“位置编码”（PositionalEncoding）的作用？A.替代循环结构以捕捉序列顺序B.增加模型的参数量C.提升词向量的语义表示能力D.减少过拟合风险16.中文分词工具“jieba”的分词模式不包括？A.精确模式B.全模式C.搜索引擎模式D.语义模式17.预训练模型微调（Fine-tuning）的核心目的是？A.适应特定任务的输入输出格式B.减少模型参数量C.加速预训练过程D.提升模型的理论上限18.以下哪项不是文本生成任务的评估指标？A.BLEUB.ROUGEC.perplexity（困惑度）D.F1分数19.命名实体识别（NER）的输出通常是？A.文本的情感极性B.实体的类型和位置C.文本的主题类别D.句子的语法结构20.关于NLP中的“指代消解”（CoreferenceResolution），以下描述正确的是？A.识别文本中的动词短语B.确定代词或名词短语所指代的具体实体C.分析句子的主谓宾结构D.生成与输入文本语义等价的句子二、填空题（共10题，每题2分，共20分）1.自然语言处理的核心挑战是解决自然语言的__________和__________（填写两个关键特性）。2.中文分词的主要方法包括基于规则的方法、基于统计的方法和__________。3.Word2Vec的两种训练模式是__________和__________（填写模型名称）。4.LSTM中的“遗忘门”负责控制__________的保留或丢弃。5.Transformer模型中的“多头注意力”通过将注意力机制分解为多个头，能够捕捉__________。6.BERT模型的输入表示由词向量、__________和位置向量三部分拼接而成。7.情感分析的细粒度任务通常需要识别__________和对应的情感倾向。8.机器翻译的评估指标BLEU分数的计算基于__________的重叠率（填写n-gram的具体类型）。9.文本分类任务中，常用的损失函数是__________（填写具体名称）。10.指代消解的关键是建立文本中__________之间的指代关系。三、简答题（共4题，每题10分，共40分）1.简述中文分词中的“交集型歧义”和“组合型歧义”的区别，并各举一例说明。2.对比RNN（循环神经网络）和Transformer模型在处理序列数据时的优缺点。3.解释预训练-微调（Pre-train&Fine-tune）范式在NLP中的核心思想，并说明其对小样本任务的意义。4.设计一个基于LSTM的情感分析模型，需说明模型的层次结构（如嵌入层、LSTM层、全连接层等）及各层的作用。四、编程题（共1题，20分）使用Python和PyTorch框架实现一个基于LSTM的文本分类模型，完成对IMDB电影评论数据集的情感分类（正/负）。要求：（1）数据预处理：包括分词、构建词表、转换为词索引序列、填充/截断至固定长度（如200）；（2）模型结构：嵌入层（词向量维度128）、LSTM层（隐藏层维度256，双向）、全连接层（输出维度2）；（3）训练配置：使用交叉熵损失函数、Adam优化器（学习率0.001），训练3个epoch，批次大小32；（4）输出训练过程中的损失和准确率，并在测试集上评估模型性能。答案一、单项选择题1-5：B、B、D、A、B6-10：A、C、B、B、B11-15：B、A、D、B、A16-20：D、A、D、B、B二、填空题1.歧义性；模糊性（或“上下文依赖性”“非结构化”）2.混合方法（或“规则与统计结合的方法”）3.连续词袋模型（CBOW）；跳过-gram模型（Skip-gram）4.历史记忆（或“细胞状态”）5.不同子空间的上下文信息（或“多维度的依赖关系”）6.段向量（或“句子向量”）7.情感目标（或“评价对象”）8.精确匹配的n-gram（或“候选译文与参考译文的n-gram”）9.交叉熵损失（Cross-EntropyLoss）10.指代项与先行词三、简答题1.交集型歧义：指多个词语的分界相互交叉，如“乒乓球拍卖完了”中，“乒乓球”和“乒乓”“球拍”重叠；组合型歧义：指同一字符串可组合成不同词语，如“门把手”可拆分为“门/把手”或“门把/手”（但“门把”非正确词语，实际为伪歧义）。两者区别：交集型歧义的分界交叉，组合型歧义的词语组合方式不同。2.RNN的优点：能捕捉序列的顺序信息，适合处理时间或文本序列；缺点：长序列下梯度消失/爆炸，难以建模长期依赖，并行计算能力差。Transformer的优点：通过自注意力机制捕捉任意位置的依赖关系，支持并行计算（处理速度快），适合长文本；缺点：参数量大（尤其长序列时计算复杂度高），对顺序信息的显式建模依赖位置编码。3.核心思想：先在大规模无标注文本上预训练通用语言模型（学习语言的统计规律和语义表示），再在目标任务的少量标注数据上微调（调整模型参数以适应具体任务）。对小样本任务的意义：预训练模型已学习到丰富的语言知识，只需少量任务特定数据即可完成微调，解决了小样本场景下标注数据不足的问题，提升模型泛化能力。4.模型结构及作用：-嵌入层：将词索引转换为低维稠密的词向量（如128维），捕捉词语的语义信息；-LSTM层：双向LSTM（隐藏层256维），分别从正向和反向捕捉上下文信息，输出各时间步的隐藏状态；-池化层（可选）：对LSTM的输出进行最大池化或平均池化，提取全局特征（或直接取最后时间步的隐藏状态）；-全连接层：将LSTM的输出映射到情感类别（2维，对应正/负），通过softmax计算类别概率。四、编程题（代码示例）```pythonimporttorchimporttorch.nnasnnimporttorch.optimasoptimfromtorch.utils.dataimportDataLoader,TensorDatasetfromtorchtext.datasetsimportIMDBfromtorchtext.data.utilsimportget_tokenizerfromtorchtext.vocabimportbuild_vocab_from_iterator--数据预处理--加载IMDB数据集（训练集和测试集）train_iter,test_iter=IMDB(split=('train','test'))tokenizer=get_tokenizer('basic_english')英文分词器构建词表（基于训练集）defyield_tokens(data_iter):for_,textindata_iter:yieldtokenizer(text)vocab=build_vocab_from_iterator(yield_tokens(train_iter),min_freq=2,specials=["<unk>","<pad>"])vocab.set_default_index(vocab["<unk>"])未登录词索引文本转索引序列并填充/截断deftext_pipeline(text,max_len=200):tokens=tokenizer(text)indexed=[vocab[token]fortokenintokens]填充（后补）或截断iflen(indexed)<max_len:indexed+=[vocab["<pad>"]](max_len-len(indexed))else:indexed=indexed[:max_len]returntorch.tensor(indexed,dtype=torch.long)标签转换（正类为1，负类为0）label_pipeline=lambdax:1ifx=='pos'else0构建数据集defbuild_dataset(data_iter):texts,labels=[],[]forlabel,textindata_iter:texts.append(text_pipeline(text))labels.append(label_pipeline(label))returnTensorDataset(torch.stack(texts),torch.tensor(labels,dtype=torch.long))train_dataset=build_dataset(train_iter)test_dataset=build_dataset(test_iter)数据加载器train_loader=DataLoader(train_dataset,batch_size=32,shuffle=True)test_loader=DataLoader(test_dataset,batch_size=32,shuffle=False)--模型定义--classLSTMTextClassifier(nn.Module):def__init__(self,vocab_size,embed_dim,hidden_dim,num_classes):super().__init__()self.embedding=nn.Embedding(vocab_size,embed_dim,padding_idx=vocab["<pad>"])self.lstm=nn.LSTM(embed_dim,hidden_dim,bidirectional=True,batch_first=True)self.fc=nn.Linear(hidden_dim2,num_classes)双向LSTM输出维度为2hidden_dimdefforward(self,x):x形状：(batch_size,seq_len)x=self.embedding(x)(batch_size,seq_len,embed_dim)output,(h_n,c_n)=self.lstm(x)output:(batch_size,seq_len,2hidden_dim)取最后时间步的双向隐藏状态（或池化）h=torch.cat((h_n[-2,:,:],h_n[-1,:,:]),dim=1)(batch_size,2hidden_dim)logits=self.fc(h)(batch_size,num_classes)returnlogits初始化模型vocab_size=len(vocab)model=LSTMTextClassifier(vocab_size,128,256,2)criterion=nn.CrossEntropyLoss()optimizer=optim.Adam(model.parameters(),lr=0.001)--模型训练--deftrain_epoch(model,loader,criterion,optimizer,device):model.train()total_loss,total_acc=0.0,0.0forbatchinloader:texts,labels=batchtexts,labels=texts.to(device),labels.to(device)optimizer.zero_grad()logits=model(texts)loss=criterion(logits,labels)loss.backward()optimizer.step()total_loss+=loss.item()preds=logits.argmax(dim=1)total_acc+=(preds==labels).sum().item()returntotal_loss/len(loader),total_acc/len(loader.dataset)defevaluate(model,loader,criterion,device):model.eval()total_loss,total_acc=0.0,0.0withtorch.no_grad():forbatchinloader:texts,labels=batchtexts,labels=texts.to(device),labels.to(device)logits=model(texts)loss=criterion(logits,labels)total_loss+=loss.item()preds=logits.argmax(dim=1