2026年人工智能训练师（五级）综合实操真题及答案

2026年人工智能训练师（五级）综合实操真题及答案一、数据标注操作题（共30分，每小题10分）1.在图像分类标注任务中，需要将图片分为“猫”“狗”两类。请写出使用LabelImg工具进行标注的基本步骤（至少写出四个关键步骤）。2.文本分类标注中，一条客服消息“我想退货，怎么操作？”应标注为哪个类别？请从“咨询-退货”“咨询-物流”“投诉-服务”中选择，并说明理由。3.在语音数据标注中，要求对一段音频进行转写，规则为：说话人停顿超过2秒需要分段。请简述分段标注的操作要点。二、数据预处理操作题（共30分，每小题10分）1.给定一个包含100条文本数据的CSV文件，其中content列存在重复文本。请写出使用Pythonpandas删除重复行的代码。importpandasaspd

df=pd.read_csv('data.csv')

df=df.drop_duplicates(subset=['content'])解析：drop_duplicates通过指定列判断重复，保留第一次出现的行，删除后续重复行。subset参数限定参与去重的列。2.对文本数据进行清洗时，需要去除文本中的URL链接和特殊符号（如@、#）。请写出一个正则表达式匹配URL，并说明如何使用re.sub进行替换。3.数据标准化中，需要将文本中的日期格式统一为YYYY-MM-DD。请列举两种常见日期格式，并写出对应的转换方法（可用Pythondatetime模块）。fromdatetimeimportdatetime

date1=datetime.strptime('2026/01/01','%Y/%m/%d').strftime('%Y-%m-%d')

date2=datetime.strptime('01-01-2026','%m-%d-%Y').strftime('%Y-%m-%d')解析：strptime按给定格式解析日期字符串，strftime按目标格式输出，实现格式统一。三、模型训练与评估计算题（共20分，每小题10分）1.某二分类模型在测试集上的预测结果如下：真正例TP=40，假正例FP=10，真负例TN=30，假负例FN=20。请计算准确率（Accuracy）和精确率（Precision），写出计算过程。2.在训练一个文本分类模型时，发现训练集准确率高但验证集准确率低，说明出现了什么现象？请提出至少两种解决方法。四、综合案例分析题（共20分，每小题10分）1.某公司需要构建一个智能客服意图识别系统，由人工智能训练师负责数据准备。请列出从原始对话数据到可用于模型训练的数据集，需要经过哪些步骤？并简要说明每个步骤的目的。2.在图像标注任务中，标注人员将部分遮挡的物体漏标，导致模型检测召回率低。请分析可能的原因，并提出改进措施。参考答案与解析一、数据标注操作题1.答案：(1)打开LabelImg并加载图片目录；(2)创建标注文件，选择PascalVOC格式；(3)使用矩形框框选目标物体；(4)输入类别标签“cat”或“dog”；(5)保存标注结果，生成XML文件。解析：LabelImg是常用的图像标注工具，核心流程为加载图片、框选目标、设置标签、保存结果。保存格式根据后续模型训练要求选择，PascalVOC生成XML文件，可被多种框架读取。2.答案：应标注为“咨询-退货”。理由：消息明确询问退货操作流程，属于退货咨询，不涉及物流查询，也没有表达不满情绪。解析：意图识别标注需依据文本语义判断用户真实目的，退货操作询问应归入退货咨询类。3.答案：使用音频编辑软件（如Audacity）打开音频，识别并标记停顿超过2秒的位置，在这些位置进行切割；每段单独保存并转写文字，同时记录说话人身份和时间戳，以便后续模型训练对齐。解析：语音转写分段有助于模型学习语音与文本的对齐关系，停顿超时是常见分段依据。二、数据预处理操作题1.答案：使用pandas的drop_duplicates方法，代码如下：2.答案：匹配URL的简单正则表达式为r'https?://\S+'，使用re.sub(r'https?://\S+','',text)可将URL替换为空字符串。特殊符号可用re.sub(r'[@#]','',text)去除。解析：\S+匹配非空白字符序列，与https?://组合能覆盖大部分URL形式。re.sub按模式替换，返回清洗后的文本。3.答案：常见格式如2026/01/01、01-01-2026。转换示例：三、模型训练与评估计算题1.答案：准确率Accu解析：准确率衡量总体预测正确比例，精确率衡量预测为正例中真正为正的比例。本例准确率0.7，精确率0.8。2.答案：出现了过拟合现象。解决方法：(1)增加训练数据量或进行数据增强；(2)使用正则化方法（如L2正则、Dropout）；(3)降低模型复杂度（减少层数或神经元数量）；(4)采用早停（EarlyStopping）策略。解析：训练集表现好而验证集差是过拟合的典型表现，说明模型过度学习了训练数据的噪声，需提升泛化能力。四、综合案例分析题1.答案：(1)数据采集：收集客服对话记录，保证数据来源多样且具有代表性；(2)数据清洗：去除噪声、重复、无效数据，提升数据质量；(3)数据标注：为每条对话标注意图类别，提供监督学习标签；(4)数据划分：按比例分为训练集、验证集、测试集，用于模型训练、调参和评估；(5)数据向量化：将文本转换为数值特征（如词袋、TF-IDF、词向量），供模型计算。解析：数据准备是模型训练的基础，每个步骤都直接影响最终模型性能。清洗和标注尤其关键，划分需保证各集合独立且分布一致。2.答案：可能原因：标注规则不明确，对遮挡物体是否标注没有统一标准；标注人员缺乏相关经验或疏忽；标注过程缺少质量检查环节。改进措施：制定详细的标注规范，明确不同程度遮挡的标注要求（