自然语言处理工程师医疗文本 NLP 实战模拟试卷及答案

自然语言处理工程师医疗文本NLP实战模拟试卷及答案考试时长：120分钟满分：100分一、单选题（总共10题，每题2分，总分20分）1.在医疗文本NLP中，用于提取患者主诉症状的关键词抽取技术通常采用哪种算法？A.TF-IDFB.Word2VecC.RNND.CRF2.医疗文本情感分析中，判断“医生服务态度很好”属于哪种情感倾向？A.负面B.中性C.正面D.混合3.医疗实体识别中，"高血压"属于哪种类型的实体？A.疾病B.检验指标C.药物D.医疗设备4.在构建医疗问答系统时，哪种模型最适合处理长距离依赖问题？A.CNNB.LSTMC.GRUD.BERT5.医疗文本分类中，用于衡量分类模型性能的指标不包括？A.准确率B.召回率C.F1值D.BLEU6.医疗知识图谱中，表示“医生-治疗-疾病”关系的属性通常称为？A.关系类型B.实体类型C.属性值D.语义角色7.医疗文本摘要中，抽取式摘要与生成式摘要的主要区别在于？A.摘要长度B.生成方式C.语义覆盖度D.计算复杂度8.医疗问答系统中，用于匹配用户问题与知识库答案的技术通常采用？A.BM25B.Word2VecC.Dijkstra算法D.A算法9.医疗文本纠错中，识别“患者体温为38度”中的错误通常采用？A.规则匹配B.机器学习C.深度学习D.混合模型10.医疗文本命名实体识别中，"2023年5月"属于哪种实体？A.时间B.地点C.机构D.疾病二、填空题（总共10题，每题2分，总分20分）1.医疗文本预处理中，将“患者，性别：男”转换为“患者性别男”的过程称为__________。2.医疗实体识别中，使用BIO标注体系时，“B-Disease”表示实体类型为__________。3.医疗问答系统中，基于检索的方法通常采用__________算法进行排序。4.医疗文本分类中，支持向量机（SVM）属于__________模型。5.医疗知识图谱中，表示“医院-地址-北京市海淀区”的关系类型为__________。6.医疗文本摘要中，抽取式摘要的生成方式为__________。7.医疗问答系统中，用于衡量答案相关性的指标为__________。8.医疗文本命名实体识别中，"北京协和医院"属于__________实体。9.医疗文本纠错中，基于规则的方法通常使用__________进行匹配。10.医疗问答系统中，基于生成的方法通常采用__________模型。三、判断题（总共10题，每题2分，总分20分）1.医疗文本情感分析中，"病情好转"属于负面情感。（×）2.医疗实体识别中，"阿司匹林"属于药物实体。（√）3.医疗问答系统中，基于检索的方法不需要理解语义。（×）4.医疗文本分类中，朴素贝叶斯属于深度学习模型。（×）5.医疗知识图谱中，节点表示实体，边表示关系。（√）6.医疗文本摘要中，生成式摘要需要生成新的文本。（√）7.医疗问答系统中，BERT模型可以用于答案匹配。（√）8.医疗文本命名实体识别中，"2022年"属于时间实体。（√）9.医疗文本纠错中，深度学习模型可以完全替代规则方法。（×）10.医疗问答系统中，基于生成的方法通常比检索方法更准确。（×）四、简答题（总共4题，每题4分，总分16分）1.简述医疗文本预处理的主要步骤及其作用。2.解释医疗问答系统中基于检索的方法的基本流程。3.描述医疗知识图谱在临床决策支持中的应用场景。4.比较抽取式摘要与生成式摘要的优缺点。五、应用题（总共4题，每题6分，总分24分）1.假设一段医疗文本为：“患者，男，45岁，主诉头痛、发热，体温38.5℃，诊断为偏头痛，建议服用布洛芬。”（1）请标注该文本中的所有实体及其类型。（2）若要回答“患者年龄是多少？”，应如何从文本中提取答案？2.假设一个医疗问答系统的知识库包含以下信息：-疾病：高血压（症状：头痛、头晕，治疗：服用降压药）-药物：布洛芬（用途：止痛）（1）若用户提问“高血压吃什么药？”，系统应如何匹配答案？（2）若用户提问“布洛芬可以治疗什么病？”，系统应如何回答？3.假设一段医疗文本摘要为：“患者，女，30岁，主诉咳嗽、咳痰，诊断为支气管炎，建议使用抗生素治疗。”（1）请用抽取式摘要方法提取关键信息。（2）若要生成式摘要，可能生成的内容是什么？4.假设一段医疗文本纠错文本为：“患者，性别：男，年龄：35岁，主诉：腹痛，体温：38度。”（1）请指出其中的错误并说明原因。（2）若使用基于规则的方法纠错，可能采用哪些规则？【标准答案及解析】一、单选题1.A（TF-IDF适用于关键词抽取）2.C（正面情感）3.A（疾病实体）4.B（LSTM处理长距离依赖）5.D（BLEU用于机器翻译）6.A（关系类型）7.B（生成式摘要生成新文本）8.A（BM25用于检索排序）9.A（规则匹配适用于纠错）10.A（时间实体）二、填空题1.分词2.疾病3.BM254.统计5.属性6.抽取7.ROUGE8.机构9.正则表达式10.Transformer三、判断题1.×（正面情感）2.√3.×（需要理解语义）4.×（朴素贝叶斯属于传统机器学习）5.√6.√7.√8.√9.×（深度学习不能完全替代规则）10.×（检索方法在效率上更优）四、简答题1.医疗文本预处理步骤及作用-分词：将文本切分为词语，如“患者，性别：男”→“患者性别男”（作用：统一格式）-去停用词：去除“的”“了”等无意义词（作用：降低噪声）-词性标注：标注“患者/名词”“性别/名词”等（作用：识别实体）-实体识别：识别“高血压/疾病”等（作用：构建知识）2.基于检索的医疗问答流程-分词与索引：将问题分词并建立倒排索引-检索匹配：使用BM25等算法匹配知识库句子-排序与筛选：根据相关性排序并过滤冗余答案-结果输出：返回最相关的知识库句子作为答案3.医疗知识图谱在临床决策支持中的应用-诊断辅助：通过症状-疾病关系推理潜在疾病-药物交互：检测药物-药物冲突-治疗推荐：根据患者情况推荐最佳方案4.抽取式与生成式摘要对比-抽取式：直接从原文抽取句子或词语（优点：准确，缺点：可能不连贯）-生成式：重新生成新句子（优点：流畅，缺点：可能失真）五、应用题1.（1）实体标注-患者/患者实体-男/性别实体-45岁/年龄实体-头痛/症状实体-发热/症状实体-38.5℃/数值实体-偏头痛/疾病实体-布洛芬/药物实体（2）答案提取-问题：“患者年龄是多少？”-匹配文本“45岁”作为答案2.（1）答案匹配-问题：“高血压吃什么药？”-匹配知识库“高血压→治疗：服用降压药”-参考答案：“服用降压药”（2）反向查询-问题：“布洛芬可以治疗什么病？”-匹配知识库“布洛芬→用途：止痛”（无直接答案，需推理）-参考答案：“可能用于止痛相关疾病”3.（1）抽取式摘要-关键信息：“