2025年自然语言处理工程师考试题库（附答案和详细解析）（1021）.docxVIP

下载本文档

1
0
约7.71千字
约 11页
2025-10-27 发布于江苏
举报
版权申诉

2025年自然语言处理工程师考试题库（附答案和详细解析）（1021）.docx

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

自然语言处理工程师考试试卷

一、单项选择题（共10题，每题1分，共10分）

Word2Vec的CBOW模型的核心目标是以下哪项？

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.最大化词共现概率矩阵的似然

D.最小化词向量的维度

答案：B

解析：Word2Vec包含CBOW（连续词袋）和Skip-gram两种模型。CBOW模型的输入是中心词的上下文词，输出是中心词本身（即“用上下文预测中心词”）；Skip-gram则相反（用中心词预测上下文）。选项A是Skip-gram的目标，C是GloVe模型的优化目标，D是所有词向量模型的通用目标（非核心）。

BERT模型的输入表示不包