2025年人工智能基礎(chǔ)知識(shí)考試復(fù)習(xí)題一、單選題(共59題，每題1分，共59分)1.0CR的基本技術(shù)路線是什么?A、文字檢測(cè)->預(yù)處理->文本識(shí)別B、文本識(shí)別->預(yù)處理->文字檢測(cè)C、預(yù)處理->文本檢測(cè)->文字識(shí)別D、預(yù)處理->文本識(shí)別->文字檢測(cè)正確答案：C答案解析：OCR的基本技術(shù)路線首先是對(duì)圖像進(jìn)行預(yù)處理，包括圖像增強(qiáng)、降噪、二值化等操作，以改善圖像質(zhì)量，便于后續(xù)處理。接著進(jìn)行文字檢測(cè)，確定圖像中文字的位置和范圍。最后進(jìn)行文本識(shí)別，將檢測(cè)到的文字區(qū)域識(shí)別為可編輯的文本。所以基本技術(shù)路線是預(yù)處理->文本檢測(cè)->文字識(shí)別。2.以下哪個(gè)選項(xiàng)符合自然語言特點(diǎn)A、容錯(cuò)性低B、非結(jié)構(gòu)化C、歧義性低D、詞匯量小正確答案：B答案解析：自然語言具有非結(jié)構(gòu)化的特點(diǎn)，不像結(jié)構(gòu)化數(shù)據(jù)那樣有固定的格式和模式。自然語言存在大量的歧義性，容錯(cuò)性高，詞匯量極其豐富。所以選項(xiàng)A、C、D不符合自然語言特點(diǎn)，選項(xiàng)B正確。3.以下哪種單詞表示方法僅使用了局部共現(xiàn)信息A、ELMoB、GloVeC、ONE-HOTD、Word2vec正確答案：D4.Transformer中的自注意力機(jī)制，在計(jì)算過程中涉及多個(gè)關(guān)鍵向量，不包括以下哪個(gè)A、KB、QC、VD、X正確答案：D答案解析：Transformer自注意力機(jī)制中，關(guān)鍵向量包括Query(Q)、Key(K)、Value(V),用于計(jì)算注意力分?jǐn)?shù)并加權(quán)求和得到輸出。而X并不在自注意力機(jī)制計(jì)算的關(guān)鍵向量中。5.針對(duì)輸入“就讀北京大學(xué)”,如果分詞后輸出[就，就讀，讀，北，北京，北京大學(xué)，京，大，大學(xué)，學(xué)],最有可能使用了以下哪種切分方法A、正向最長(zhǎng)匹配B、雙向最長(zhǎng)匹配C、逆向最長(zhǎng)匹配D、完全切分正確答案：D6.以下哪個(gè)函數(shù)能實(shí)現(xiàn)將深度神經(jīng)網(wǎng)絡(luò)的輸出分布標(biāo)準(zhǔn)化，且加和為1A、sigmoidB、softmaxC、reluD、adam正確答案：B答案解析：softmax函數(shù)可以將深度神經(jīng)網(wǎng)絡(luò)的輸出分布標(biāo)準(zhǔn)化，使得輸出的各個(gè)類別概率之和為1。sigmoid函數(shù)主要用于二分類問題，將輸出值映射到0到1之間；relu函數(shù)是一種激活函數(shù)，不用于分布標(biāo)準(zhǔn)化；adam是一種優(yōu)化算法，并非用于分布標(biāo)準(zhǔn)化的函數(shù)。7.BERT主要使用了什么模型作為基本結(jié)構(gòu)A、RNNB、LSTMC、TransformerD、GRU正確答案：C答案解析：BERT主要使用了Transformer模型作為基本結(jié)構(gòu)。Transformer具有并行計(jì)算能力、長(zhǎng)序列處理優(yōu)勢(shì)等，非常適合處理大規(guī)模的文本數(shù)據(jù)，使得BERT能夠在多種自然語言處理任務(wù)中取得優(yōu)異的效果。8.以下關(guān)于問答系統(tǒng)的描述錯(cuò)誤的是：A、問答系統(tǒng)可以回答復(fù)雜問題。B、問答系統(tǒng)可以理解自然語言輸入。C、問答系統(tǒng)以文檔或頁面的形式返回內(nèi)容。D、問答系統(tǒng)以自然語言形式返回族答。正確答案：C答案解析：?jiǎn)柎鹣到y(tǒng)的特點(diǎn)包括能夠回答復(fù)雜問題、理解自然語言輸入，并以自然語言形式返回族答。它不是以文檔或頁面的形式返回內(nèi)容，而是直接給出針對(duì)問題的語言回答，所以選項(xiàng)C描述錯(cuò)誤。9.針對(duì)同一個(gè)單詞，以下哪種詞向量模型可以根據(jù)上下文得到不同的詞向量A、ONE-HOTB、Word2vecC、GloVeD、ELMo正確答案：D答案解析：ELMo是一種基于上下文的詞向量模型，它會(huì)根據(jù)單詞所在的上下文生成不同的詞向量。ONE-HOT是一種簡(jiǎn)單的向量表示方法，一個(gè)單詞只有一個(gè)固定的表示，不會(huì)根據(jù)上下文改變。Word2vec和GloVe雖然能生成詞向量，但不是基于上下文動(dòng)態(tài)生成不同詞向量的，而是基于大量文本訓(xùn)練得到一個(gè)相對(duì)固定的詞向量表示。所以答案是D。10.以下哪個(gè)任務(wù)不屬于自然語言處理A、機(jī)器翻譯B、車牌識(shí)別C、自動(dòng)問答D、自動(dòng)摘要正確答案：B答案解析：自然語言處理主要涉及對(duì)自然語言文本的處理和理解，包括自動(dòng)問答、自動(dòng)摘要、機(jī)器翻譯等。而車牌識(shí)別是對(duì)圖像中的車牌進(jìn)行識(shí)別，不屬于自然語言處理的范疇。11.下列不屬于RoiPooling作用的是?A、減少regionproposalsB、統(tǒng)—regionproposals的形狀C、加快模型的處理速度D、實(shí)現(xiàn)端到端訓(xùn)練正確答案：A答案解析：RoiPooling的主要作用是統(tǒng)一regionproposals的形狀，將不同大小和形狀的候選區(qū)域轉(zhuǎn)換為固定大小的特征圖，便于后續(xù)的卷積操作等處理，從而加快模型的處理速度，同時(shí)也有助于實(shí)現(xiàn)端到端訓(xùn)練。它并不能減少regionproposals的數(shù)量。12.以下哪個(gè)是BERT中的掩碼標(biāo)記A、[CLS]B、[SEP]C、[MASK]D、[TAG]正確答案：C13.以下哪個(gè)NLP工具包處理速度最快A、NLTKB、CoreNLPC、LTPD、HanLP正確答案：D14.詞袋模型中綜合考慮單詞頻次及獨(dú)特性的統(tǒng)計(jì)指標(biāo)是什么A、布爾詞頻B、TFC、IDFD、TF-IDF正確答案：D答案解析：詞袋模型中，TF-IDF綜合考慮了單詞頻次(TF)及獨(dú)特性(IDF)。TF表示詞頻，即某個(gè)單詞在文檔中出現(xiàn)的頻率；IDF表示逆文檔頻率，反映了單詞在整個(gè)文檔集合中的獨(dú)特性。TF-IDF是TF和IDF的乘積，它能夠衡量一個(gè)單詞在某個(gè)文檔中的重要程度，綜合考慮了單詞在文檔中的出現(xiàn)次數(shù)以及在整個(gè)文檔集合中的罕見程度。布爾詞頻只是簡(jiǎn)單地表示單詞是否出現(xiàn)，沒有考慮頻次和獨(dú)特性；TF只關(guān)注詞頻；IDF只關(guān)注獨(dú)特性，均不符合題意。15.在BERT開展掩碼語言模型預(yù)訓(xùn)練過程中，會(huì)對(duì)15%的輸入文本進(jìn)行mask,其中不屬于常規(guī)mask的操作是哪一個(gè)A、替換為[mask]標(biāo)記B、替換為詞表中的任意一個(gè)隨機(jī)詞C、保持原詞不變D、刪除原詞正確答案：D答案解析：在BERT開展掩碼語言模型預(yù)訓(xùn)練過程中，對(duì)15%的輸入文本進(jìn)行mask的操作包括：80%的概率將token替換為[mask]標(biāo)記；10%的概率將token替換為詞表中的任意一個(gè)隨機(jī)詞；10%的概率保持原詞不變。不會(huì)進(jìn)行刪除原詞的操作。16.以下哪種詞向量模型為靜態(tài)詞向量模型，且使用了全局統(tǒng)計(jì)信息進(jìn)行模型訓(xùn)練A、Word2vecB、ELMoC、GloVeD、ONE-HOT正確答案：C17.Transformer中實(shí)現(xiàn)對(duì)輸入文本進(jìn)行編碼的模塊叫什么A、EncodersB、DecodersC、前饋神經(jīng)網(wǎng)絡(luò)D、自注意力正確答案：A答案解析：在Transformer中，負(fù)責(zé)對(duì)輸入文本進(jìn)行編碼的模塊是Encoders。它將輸入文本轉(zhuǎn)換為特征表示，以便后續(xù)處理。Decoders用于解碼，生成輸出序列；前饋神經(jīng)網(wǎng)絡(luò)是Transformer中的一個(gè)組件，用于對(duì)特征進(jìn)行進(jìn)一步的變換；自注意力機(jī)制是Transformer中用于計(jì)算輸入序列中元素之間關(guān)系的關(guān)鍵部分，并非直接對(duì)輸入文本進(jìn)行編碼的模塊。18.()通過殘差塊構(gòu)建跨層的數(shù)據(jù)通道，是計(jì)算機(jī)視覺中最流行的體系架構(gòu)。A、VGGB、AlexNetC、ResNetD、DenseNet正確答案：C答案解析：ResNet通過殘差塊構(gòu)建跨層的數(shù)據(jù)通道，解決了深度神經(jīng)網(wǎng)絡(luò)在訓(xùn)練過程中的梯度消失和退化問題，是計(jì)算機(jī)視覺中非常流行的體系架構(gòu)。VGG主要是通過堆疊卷積層來加深網(wǎng)絡(luò)；AlexNet是深度學(xué)習(xí)中具有開創(chuàng)性的網(wǎng)絡(luò)，但不是通過殘差塊構(gòu)建跨層通道；DenseNet雖然也是一種優(yōu)秀的網(wǎng)絡(luò)結(jié)構(gòu)，但題干描述的特征更符合ResNet。19.以下關(guān)于詞性標(biāo)注的描述錯(cuò)誤的是：A、詞性是詞匯基本的語法屬性，通常稱為詞類。B、詞性標(biāo)注是在給定句子中判斷每個(gè)詞的語法范疇，確定其詞性并加以標(biāo)注的過程。C、通常將詞性標(biāo)注作為序列標(biāo)注問題來解決。D、詞性標(biāo)注最主流的方法是從預(yù)料庫(kù)中統(tǒng)計(jì)每個(gè)詞對(duì)應(yīng)的高頻詞性，將其作為默認(rèn)的詞性。正確答案：D答案解析：詞性標(biāo)注最主流的方法是基于統(tǒng)計(jì)機(jī)器學(xué)習(xí)的方法，利用大量標(biāo)注好的語料庫(kù)進(jìn)行訓(xùn)練，學(xué)習(xí)詞與詞性之間的統(tǒng)計(jì)規(guī)律，從而對(duì)新的文本進(jìn)行詞性標(biāo)注，而不是簡(jiǎn)單地從預(yù)料庫(kù)中統(tǒng)計(jì)每個(gè)詞對(duì)應(yīng)的高頻詞性作為默認(rèn)詞性，所以選項(xiàng)D描述錯(cuò)誤。選項(xiàng)A對(duì)詞性的定義描述正確；選項(xiàng)B對(duì)詞性標(biāo)注的過程描述正確；選項(xiàng)C將詞性標(biāo)注作為序列標(biāo)注問題來解決也是正確的。20.問句“小米的創(chuàng)始人是誰?”存在的歧義是什么類型的A、問句本身存在的歧義B、實(shí)體層面的歧義C、以上均是正確答案：B21.以下關(guān)于自然語言生成任務(wù)的說法錯(cuò)誤的是：A、自然語言生成任務(wù)能夠增加對(duì)話的趣味性。B、自然語言生成任務(wù)不能通過截取問題的部分與答案進(jìn)行組裝的方法來實(shí)現(xiàn)。C、自然語言生成任務(wù)能夠提升交互的友好性和自然度。D、可以通過設(shè)計(jì)回復(fù)模板填槽來實(shí)現(xiàn)自然語言的回復(fù)。正確答案：B答案解析：自然語言生成任務(wù)是可以通過截取問題的部分與答案進(jìn)行組裝的方法來實(shí)現(xiàn)的，比如一些簡(jiǎn)單的模板匹配方式等。A選項(xiàng)自然語言生成任務(wù)可以通過生成有趣的內(nèi)容增加對(duì)話趣味性；C選項(xiàng)能夠使交互更友好自然；D選項(xiàng)設(shè)計(jì)回復(fù)模板填槽是實(shí)現(xiàn)自然語言回復(fù)的一種常見方式。所以B說法錯(cuò)誤。22.BERT常用的預(yù)訓(xùn)練任務(wù)不包括以下哪個(gè)A、掩碼語言模型B、下一個(gè)句子預(yù)測(cè)C、N-gram掩碼D、序列標(biāo)注正確答案：D答案解析：序列標(biāo)注是BERT模型應(yīng)用時(shí)的具體任務(wù)類型，并非預(yù)訓(xùn)練任務(wù)。而掩碼語言模型用于學(xué)習(xí)文本中被掩碼詞的正確表示；下一個(gè)句子預(yù)測(cè)任務(wù)能讓模型理解句子間的關(guān)系；N-gram掩碼可看作掩碼語言模型中一種更細(xì)化的掩碼方式，它們都是BERT常用的預(yù)訓(xùn)練任務(wù)。23.傳統(tǒng)OCR在字符識(shí)別前的步驟是什么A、文字檢測(cè)B、字符切割C、版面恢復(fù)D、版面分析正確答案：B24.有關(guān)圖像融合評(píng)價(jià)指標(biāo)的說法中，不正確的是：A、不存在標(biāo)準(zhǔn)的一套量化指標(biāo)用于評(píng)估圖像質(zhì)量B、一般可以從主客觀結(jié)合的角度進(jìn)行評(píng)價(jià)C、以熵為標(biāo)準(zhǔn)的評(píng)價(jià)指標(biāo)都是越大越好D、可以從信息論角度入手進(jìn)行圖像質(zhì)量評(píng)估正確答案：C答案解析：圖像融合評(píng)價(jià)指標(biāo)有多種，以熵為標(biāo)準(zhǔn)時(shí)，并非都是越大越好。一般而言，從主客觀結(jié)合角度評(píng)價(jià)圖像融合是合理的，目前確實(shí)不存在標(biāo)準(zhǔn)的一套量化指標(biāo)用于完美評(píng)估圖像質(zhì)量，也可從信息論角度入手進(jìn)行圖像質(zhì)量評(píng)估。25.RNN的主要特點(diǎn)不包括A、可以將誤差微分反向傳播到它的輸入B、具有強(qiáng)有力的局部信息感知能力C、能夠?qū)θ我忾L(zhǎng)度的序列進(jìn)行操作，從開始到結(jié)束進(jìn)行遍歷D、具有很強(qiáng)的序列上下文信息捕獲能力正確答案：B答案解析：線RNN(循環(huán)神經(jīng)網(wǎng)絡(luò))具有很強(qiáng)的序列上下文信息捕獲能力，能夠?qū)θ我忾L(zhǎng)度的序列進(jìn)行操作并從開始到結(jié)束遍歷，還可以將誤差微分反向傳播到它的輸入，即具有反向傳播能力。而局部信息感知能力不是RNN的主要特點(diǎn)，卷積神經(jīng)網(wǎng)絡(luò)(CNN)具有強(qiáng)有力的局部信息感知能力。26.LSTM的輸入態(tài)不包含哪個(gè)?A、t-1時(shí)刻的細(xì)胞狀態(tài)CB、t-1時(shí)刻隱層狀態(tài)hC、t-1時(shí)刻輸入向量xD、t時(shí)刻輸入向量x正確答案：C27.以下哪個(gè)數(shù)據(jù)集常備用于信息檢索任務(wù)A、MNISTB、ImageNetC、TRECD、IMDB-Face正確答案：C答案解析：MNIST是用于圖像識(shí)別的手寫數(shù)字?jǐn)?shù)據(jù)集；ImageNet也是用于圖像分類等視覺任務(wù)的大規(guī)模數(shù)據(jù)集；TREC(TextRetrievalConference)是一個(gè)著名的文本檢索會(huì)議，其相關(guān)數(shù)據(jù)集常用于信息檢索任務(wù)；IMDB-Face主要是關(guān)于IMDB數(shù)據(jù)集與面部相關(guān)的內(nèi)容，并非典型用于信息檢索。所以答案是[C、]28.首次將Attention引入文本識(shí)別領(lǐng)域的算法為?A、SAR算法B、R^2AM算法C、NRTR算法D、MaskTextSpotter算法正確答案：B29.LexiconAugmentedNER通過()優(yōu)化了LatticeLSTMA、word-ignoringstrategyB、word-weightingstrategyC、word-reinforcementstrategyD、word-lossstrategy正確答案：B30.卷積神經(jīng)網(wǎng)絡(luò)中，在特征響應(yīng)圖某個(gè)區(qū)域上指定一個(gè)值來代表整個(gè)區(qū)域的操作是()A、全連接B、卷積C、池化D、Dropout正確答案：C答案解析：池化操作可以在特征響應(yīng)圖某個(gè)區(qū)域上指定一個(gè)值來代表整個(gè)區(qū)域，比如最大池化取區(qū)域內(nèi)最大值，平均池化取區(qū)域內(nèi)平均值等，它能夠降低數(shù)據(jù)維度、保留主要特征等。全連接是將所有神經(jīng)元連接起來進(jìn)行計(jì)算；卷積是通過卷積核提取特征；Dropout是在訓(xùn)練過程中隨機(jī)忽略一些神經(jīng)元以防止過擬合，均不符合題意。31.用于產(chǎn)生詞嵌入的單向語言模型是哪個(gè)A、bertB、elmoC、gptD、bilstm正確答案：C答案解析：GPT是一種單向語言模型，它在預(yù)訓(xùn)練過程中從左到右依次預(yù)測(cè)下一個(gè)單詞，這種單向的特性使得它適合用于生成詞嵌入。BERT是雙向語言模型；ELMO結(jié)合了多種語境下的詞向量；BiLSTM是雙向循環(huán)神經(jīng)網(wǎng)絡(luò)，并非單向語言模型。32.Transformer架構(gòu)首先是由下列哪項(xiàng)引入的?A、GloVeB、BERTC、OpenAI'sGPTD、ULMFit正確答案：C33.以下哪種單詞表示方法不能較好的反映單詞的語義信息A、ONE-HOTB、Word2vecC、GloVeD、ELMo正確答案：A答案解析：ONE-HOT編碼是將單詞表示為一個(gè)只有一個(gè)位置為1,其他位置為0的向量，這種表示方法非常稀疏，不能很好地反映單詞的語義信息，它只是簡(jiǎn)單地對(duì)單詞進(jìn)行了分類標(biāo)識(shí)，沒有體現(xiàn)單詞之間的語義關(guān)系等信息。而Word2vec、GloVe、ELMo等方法都能在一定程度上捕捉單詞的語義信息，Word2vec通過訓(xùn)練詞向量使得語義相近的詞在向量空間中距離相近；GloVe基于全局詞共現(xiàn)矩陣來學(xué)習(xí)詞向量；ELMo則是基于上下文的動(dòng)態(tài)詞向量表示。34.以下關(guān)于多知識(shí)源查詢說法錯(cuò)誤的是：A、多源知識(shí)庫(kù)查詢根據(jù)知識(shí)庫(kù)是否能夠互連，需要采用不同的策略。B、如果多個(gè)知識(shí)庫(kù)相互獨(dú)立，不能互連，則需要從多個(gè)知識(shí)庫(kù)中獨(dú)立檢索結(jié)果再進(jìn)行合并。C、如果多知識(shí)庫(kù)能夠互連，則可以通過owl:sameAs鏈接構(gòu)建起多知識(shí)庫(kù)查詢。D、如果多個(gè)知識(shí)庫(kù)相互獨(dú)立，不能互連，可以通過owl:sameAs鏈接構(gòu)建起多知識(shí)庫(kù)查詢。正確答案：D答案解析：多源知識(shí)庫(kù)查詢根據(jù)知識(shí)庫(kù)是否能夠互連，需要采用不同的策略。如果多個(gè)知識(shí)庫(kù)相互獨(dú)立，不能互連，則需要從多個(gè)知識(shí)庫(kù)中獨(dú)立檢索結(jié)果再進(jìn)行合并；如果多知識(shí)庫(kù)能夠互連，則可以通過owl:sameAs鏈接構(gòu)建起多知識(shí)庫(kù)查詢。選項(xiàng)D中說多個(gè)知識(shí)庫(kù)相互獨(dú)立不能互連還通過owl:sameAs鏈接構(gòu)建多知識(shí)庫(kù)查詢是錯(cuò)誤的。35.有關(guān)圖像融合說法中正確的是：A、紅外-可見光融合任務(wù)受環(huán)境因素影響大B、一般深度模型都可以應(yīng)用在不同的圖像融合任務(wù)當(dāng)中C、多曝光融合任務(wù)的輸入只能是過曝光圖像和欠曝光圖像D、醫(yī)療圖像融合屬于多光譜信息正確答案：A36.以下關(guān)于邏輯表達(dá)式的說法錯(cuò)誤的是：A、邏輯表達(dá)式是區(qū)別于語義解析方法與模板匹配方法的根本差異。B、邏輯表達(dá)式不適用于知識(shí)庫(kù)的結(jié)構(gòu)化查詢方式。C、邏輯表達(dá)式適合查找知識(shí)庫(kù)中的實(shí)體及實(shí)體關(guān)系等信息。D、邏輯表達(dá)式具備邏輯運(yùn)算能力以及將原子級(jí)別的邏輯表達(dá)式組合成更復(fù)雜的邏輯表達(dá)形式的能力。正確答案：B答案解析：邏輯表達(dá)式是區(qū)別于語義解析方法與模板匹配方法的根本差異，A選項(xiàng)正確。邏輯表達(dá)式適合用于知識(shí)庫(kù)的結(jié)構(gòu)化查詢方式，能方便地查找知識(shí)庫(kù)中的實(shí)體及實(shí)體關(guān)系等信息，C選項(xiàng)正確，B選項(xiàng)錯(cuò)誤。邏輯表達(dá)式具備邏輯運(yùn)算能力以及將原子級(jí)別的邏輯表達(dá)式組合成更復(fù)雜的邏輯表達(dá)形式的能力，D選項(xiàng)正確。37.下列哪種嵌入方式支持雙向上下文A、word2vecB、8C、4D、2正確答案：B45.以下哪個(gè)不是目標(biāo)跟蹤技術(shù)研究的主要難點(diǎn)?A、目標(biāo)外觀形變B、目標(biāo)被部分遮擋C、目標(biāo)尺寸太大D、背景嘈雜正確答案：C答案解析：目標(biāo)跟蹤技術(shù)研究的主要難點(diǎn)包括目標(biāo)外觀形變、背景嘈雜、目標(biāo)被部分遮擋等。目標(biāo)尺寸太大通常不是主要難點(diǎn)，相對(duì)而言，尺寸大在某些情況下可能還更容易跟蹤一些，而外觀形變、背景復(fù)雜以及部分遮擋等情況會(huì)給準(zhǔn)確跟蹤目標(biāo)帶來較大挑戰(zhàn)。46.自然語言處理能在以下哪些領(lǐng)域發(fā)揮作用A、自動(dòng)文本摘要B、自動(dòng)問答系統(tǒng)C、信息檢索D、以上所有正確答案：D答案解析：自然語言處理在自動(dòng)文本摘要中，能夠提取文本的關(guān)鍵信息，生成簡(jiǎn)潔的摘要；在自動(dòng)問答系統(tǒng)里，可以理解用戶問題并給出準(zhǔn)確回答；在信息檢索方面，能更精準(zhǔn)地對(duì)文本進(jìn)行索引和匹配，以便快速找到相關(guān)信息。所以能在以上所有領(lǐng)域發(fā)揮作用。47.在“小米的創(chuàng)始人是誰”這個(gè)問題中，關(guān)系詞是：A、誰B、小米C、創(chuàng)始人正確答案：C答案解析：該問題是在詢問小米的創(chuàng)始人是誰，“創(chuàng)始人”明確了所詢問的與小米的關(guān)系是關(guān)于其創(chuàng)始人這一角色，所以關(guān)系詞是“創(chuàng)始人”,即選項(xiàng)C。這里關(guān)系詞是用于界定問題核心指向的關(guān)鍵概念，在這個(gè)問題里就是圍繞小米和創(chuàng)始人之間的關(guān)系展開詢問，所以“創(chuàng)始人”是關(guān)系詞。48.利用下游任務(wù)的有標(biāo)注數(shù)據(jù)，對(duì)GPT模型進(jìn)行精調(diào)時(shí)，通常使用MacBERT、DistiIBERT都是在BERT基礎(chǔ)上進(jìn)行改進(jìn)的模型。52.對(duì)“Thekidruns”使用ngram后得到“Thekid”,“kidruns"A、UnigramB、BigramC、TrigramD、Quadrigrams正確答案：B53.基于Jaccard距離的映射屬于哪種短語映射方法：A、實(shí)體映射B、基于語義相似度的映射C、本體映射D、字符串相似度映射正確答案：D答案解析：Jaccard距離主要用于衡量?jī)蓚€(gè)集合之間的相似度，在短語映射中可基于字符串特征來計(jì)算相似度，所以屬于字符串相似度映射。54.KBQA面臨的挑戰(zhàn)不包括：A、缺乏大規(guī)模高質(zhì)量的知識(shí)數(shù)據(jù)源。B、領(lǐng)域方面的知識(shí)庫(kù)缺乏。C、自然語言處理技術(shù)發(fā)展不夠成熟。D、以上都是正確答案：D答案解析：KBQA面臨諸多挑戰(zhàn)，缺乏大規(guī)模高質(zhì)量的知識(shí)數(shù)據(jù)源會(huì)影響其知識(shí)儲(chǔ)備和準(zhǔn)確性；領(lǐng)域方面的知識(shí)庫(kù)缺乏會(huì)限制其在特定領(lǐng)域的應(yīng)用；自然語言處理技術(shù)發(fā)展不夠成熟會(huì)影響對(duì)自然語言問題的理解和分析。所以以上選項(xiàng)均是KBQA面臨的挑戰(zhàn)，應(yīng)選D。55.一個(gè)基礎(chǔ)的transformer模型的輸入是什么A、詞向量B、編碼器C、解碼器D、神經(jīng)元正確答案：A答案解析：在基礎(chǔ)的transformer模型中，輸入首先是經(jīng)過詞嵌入等操作得到的詞向量。編碼器處理的是輸入序列，而不是輸入本身；解碼器處理編碼器的輸出等，不是初始輸入；神經(jīng)元是模型的組成部分，不是直接的輸入。所以基礎(chǔ)transformer模型的輸入是詞向量，答案選A。56.以下關(guān)于消歧的描述錯(cuò)誤的是：A、歧義包括問句本身的歧義和實(shí)體的歧義。B、消歧模塊主要負(fù)責(zé)消除問句分析過程中發(fā)生的歧義問題。C、基于字符串相似度的方法是消歧的常用方法。D、檢查屬性及其參數(shù)的一致性是消歧的常用方法。正確答案：B57.以下幾種優(yōu)化算法中，哪一種最快()A、梯度下降法B、牛頓法C、BFGSD、Adam正確答案：C58.以下關(guān)于BERT模型的描述，哪個(gè)是正確的A、是一種雙向預(yù)訓(xùn)練語言模型B、利用大規(guī)模數(shù)據(jù)進(jìn)行有監(jiān)督預(yù)訓(xùn)練C、使用LSTM模型作為基礎(chǔ)模塊D、使用從左至右的Transformer語言模型作為基礎(chǔ)模塊正確答案：A答案解析：BERT是一種雙向預(yù)訓(xùn)練語言模型，它利用大規(guī)模無監(jiān)督數(shù)據(jù)進(jìn)行預(yù)訓(xùn)練，以學(xué)習(xí)語言的通用特征。BERT使用Transformer架構(gòu)作為基礎(chǔ)模塊，而不是LSTM模型。并且不是從左至右的Transformer語言模型，而是雙向的Transformer架構(gòu)。所以選項(xiàng)A正確。59.下列屬于不規(guī)則文本識(shí)別的數(shù)據(jù)集為?A、IIITKB、SVTC、IC13D、IC15正確答案：D二、多選題(共49題，每題1分，共49分)1.下列哪些操作可作為Attention中的打分函數(shù)?A、向量?jī)?nèi)積B、雙線性變換C、簡(jiǎn)單神經(jīng)網(wǎng)絡(luò)(感知機(jī))D、線性差值正確答案：ABC答案解析：1.**向量?jī)?nèi)積**:在Attention機(jī)制中，向量?jī)?nèi)積是一種常見的打分函數(shù)形式。通過計(jì)算兩個(gè)向量的內(nèi)積，可以衡量它們之間的相似性或相關(guān)性，從而為注意力分配提供依據(jù)。例如，在基于內(nèi)容的Attention中，可能會(huì)計(jì)算查詢向量與鍵向量的內(nèi)積來確定注意力權(quán)重。2.**雙線性變換**:雙線性變換可以對(duì)兩個(gè)向量進(jìn)行更復(fù)雜的交互計(jì)算，得到一個(gè)標(biāo)量作為打分結(jié)果。它能夠捕捉向量之間更豐富的關(guān)系，比簡(jiǎn)單的內(nèi)積更具表達(dá)能力。常用于一些高級(jí)的Attention模型中，以更好地建模輸入之間的關(guān)系。3.**簡(jiǎn)單神經(jīng)網(wǎng)絡(luò)(感知機(jī))**:感知機(jī)可以作為打分函數(shù)，通過對(duì)輸入向量進(jìn)行非線性變換來生成打分。它能夠?qū)W習(xí)到輸入特征與輸出分?jǐn)?shù)之間的復(fù)雜關(guān)系，適應(yīng)性更強(qiáng)。在一些基于神經(jīng)網(wǎng)絡(luò)的Attention實(shí)現(xiàn)中，感知機(jī)可以作為核心的打分模塊。4.**線性差值**:線性差值本身并不直接作為Attention中的打分函數(shù)。它主要用于在圖像處理等領(lǐng)域進(jìn)行像素值的插值計(jì)算，與Attention機(jī)制中用于衡量相關(guān)性和分配注意力權(quán)重的打分功能無關(guān)。2.在使用BiLSTM模型抽取實(shí)體時(shí)，需要用到以下哪些層：A、wordembedding層B、CRF層C、線性分類層D、BiLSTM層正確答案：ACD3.屬于知識(shí)檢索常用手段的有：A、語義搜索B、基于模板的知識(shí)檢索C、基于語義的知識(shí)檢索D、基于查詢語言的知識(shí)檢索正確答案：ACD4.AlexNet本質(zhì)上是一個(gè)更大更深的LeNet,其主要的改進(jìn)在于()。A、加入了dropout層B、使用激活函數(shù)ReLUC、使用最大池化層D、增大了卷積核大小和步長(zhǎng)正確答案：ABC5.常見的圖像提取特征的算法有?A、HOGB、SIFTC、SURFD、DOG正確答案：ABCD6.下列哪些技術(shù)能被用于計(jì)算兩個(gè)詞向量之間的距離A、詞形還原B、余弦相似度C、N-gramsD、歐氏距離正確答案：BD答案解析：詞形還原是將單詞的不同形式還原為其基本形式，與計(jì)算詞向量距離無關(guān)。N-grams是一種語言模型相關(guān)技術(shù)，用于提取連續(xù)的n個(gè)詞元，也不用于計(jì)算詞向量距離。而余弦相似度是一種常用的計(jì)算兩個(gè)向量夾角余弦值來衡量向量間相似程度的方法，能用于計(jì)算詞向量距離；歐氏距離是計(jì)算兩個(gè)向量在空間中的直線距離，同樣可用于計(jì)算詞向量之間的距離。7.利用one-hot向量表示文本單詞會(huì)帶來哪些問題?A、語義鴻溝B、設(shè)計(jì)復(fù)雜C、人工標(biāo)注D、維度爆炸正確答案：AD8.以下屬于詞性標(biāo)注的詞性的是：A、形容詞B、連詞C、名詞D、關(guān)系詞正確答案：ABC答案解析：詞性標(biāo)注常見的詞性有名詞、動(dòng)詞、形容詞、副詞、介詞、連詞、代詞等。選項(xiàng)A形容詞、B連詞、C名詞都屬于常見詞性標(biāo)注中的詞性，而關(guān)系詞不屬于常見詞性標(biāo)注中的詞性分類。9.下面屬于詞袋模型的缺點(diǎn)的是?()A、丟失詞序忽略了上下文B、表示具有稀疏性C、詞匯表的詞匯需要經(jīng)過精心設(shè)計(jì)D、模型復(fù)雜，不利于實(shí)施正確答案：ABC10.循環(huán)神經(jīng)網(wǎng)絡(luò)具有哪些缺點(diǎn)?A、不能建模序列信息B、參數(shù)較少C、有限的信息交互距離D、序列依賴、無法并行正確答案：CD答案解析：循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)的主要缺點(diǎn)之一是其有限的信息交互距離，隨著序列長(zhǎng)度的增加，早期時(shí)間步的信息很難有效地傳遞到后面的時(shí)間步。此外，RNN存在序列依賴問題，處理序列時(shí)必須按順序依次處理每個(gè)元素，無法并行計(jì)算，這限制了其計(jì)算效率。選項(xiàng)A錯(cuò)誤，RNN正是用于建模序列信息的。選項(xiàng)B錯(cuò)誤，RNN參數(shù)數(shù)量并不少，且這也不是其缺點(diǎn)。11.以下屬于基于模板的KBQA的特點(diǎn)的有：A、準(zhǔn)確率高B、人為可控C、查詢速度快D、工作量繁重正確答案：ABCD12.屬于基于深度學(xué)習(xí)的KBQA的特點(diǎn)的有：A、人工編寫模板和規(guī)則B、無法很好地處理時(shí)序敏感性問題C、自動(dòng)進(jìn)行D、對(duì)于復(fù)雜問題無法較好地應(yīng)對(duì)正確答案：BCD13.彩色圖像灰度化有哪些方法A、平均法B、最大最小平均法C、加權(quán)平均法D、平均池池化正確答案：ABC14.在KBQA中，問句分析的主要任務(wù)是什么:A、識(shí)別問句中的中心詞B、識(shí)別問句中的主題詞C、識(shí)別問句中的實(shí)體詞D、識(shí)別問句中實(shí)體和實(shí)體之間的依賴關(guān)系正確答案：ABCD答案解析：?jiǎn)柧浞治龅闹饕蝿?wù)包括識(shí)別問句中的中心詞、主題詞、實(shí)體詞以及實(shí)體和實(shí)體之間的依賴關(guān)系等。中心詞能幫助把握問句核心意圖；主題詞明確問句圍繞的主題；實(shí)體詞是涉及的具體對(duì)象；實(shí)體間依賴關(guān)系有助于理解它們之間的聯(lián)系，這些對(duì)于準(zhǔn)確理解問句含義，進(jìn)而進(jìn)行有效的知識(shí)檢索和答案生成至關(guān)重要。15.自然語言理解存在哪些層面的歧義問題?A、詞法B、語義C、句法D、篇章正確答案：ABCD答案解析：自然語言理解中的歧義問題存在于多個(gè)層面。詞法層面，比如一些詞具有多種詞性，像“學(xué)習(xí)”既可以是動(dòng)詞也可以是名詞，容易產(chǎn)生歧義。句法層面，句子的結(jié)構(gòu)可能有多種理解方式，例如“咬死了獵人的狗”,既可以理解為狗把獵人咬死了，也可以理解為獵人的狗被咬死了。篇章層面，上下文的語境可能導(dǎo)致對(duì)某些語句的理解產(chǎn)生歧義，不同的讀者基于自身的知識(shí)背景和理解方式可能有不同解讀。語義層面，詞語的含義可能不明確，比如“打太極”,既可以指實(shí)際的打太極拳這個(gè)動(dòng)作，也可以表示推諉、不直接回應(yīng)等含義，容易造成語義理解的歧義。16.下列哪些網(wǎng)絡(luò)屬于循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)?A、門控循環(huán)單元(GRU)B、卷積神經(jīng)網(wǎng)絡(luò)(CNN)C、Transformer網(wǎng)絡(luò)D、長(zhǎng)短期記憶網(wǎng)絡(luò)(LSTM)正確答案：AD答案解析：門控循環(huán)單元(GRU)和長(zhǎng)短期記憶網(wǎng)絡(luò)(LSTM)都屬于循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)的變體。卷積神經(jīng)網(wǎng)絡(luò)(CNN)主要用于處理具有網(wǎng)格結(jié)構(gòu)的數(shù)據(jù)，如圖像，其工作方式基于卷積運(yùn)算，不屬于RNN。Transformer網(wǎng)絡(luò)是一種基于自注意力機(jī)制的網(wǎng)絡(luò)架構(gòu)，與傳統(tǒng)的RNN有較大區(qū)別，也不屬于RNN。17.下列哪項(xiàng)不屬于復(fù)雜類問題?A、劉德華和周潤(rùn)發(fā)誰的年齡更大?B、騰訊是什么性質(zhì)的企業(yè)?C、拼多多有多少名員工?D、周杰倫是魔羯座嗎?正確答案：BCD18.有關(guān)圖像融合的層級(jí)，包括：A、空間級(jí)圖像融合B、像素級(jí)圖像融合C、特征級(jí)圖像融合D、決策級(jí)圖像融合正確答案：BCD答案解析：像素級(jí)圖像融合是對(duì)各源圖像的像素進(jìn)行處理，是最底層的融合方式；特征級(jí)圖像融合是先從各源圖像中提取特征，再進(jìn)行融合；決策級(jí)圖像融合是在各個(gè)數(shù)據(jù)源獨(dú)立處理后，在決策層進(jìn)行融合。而空間級(jí)圖像融合并非圖像融合的標(biāo)準(zhǔn)層級(jí)分類。19.在KBQA中，構(gòu)建查詢語句的方法有：A、基于語義解析的方法B、基于機(jī)器學(xué)習(xí)的方法C、基于模板的方法D、基于問句分析的方法正確答案：ABCD答案解析：基于語義解析的方法是通過對(duì)自然語言問句進(jìn)行語義理解和分析，將其轉(zhuǎn)換為邏輯形式的查詢語句；基于機(jī)器學(xué)習(xí)的方法利用大量的訓(xùn)練數(shù)據(jù)，訓(xùn)練模型來生成查詢語句；基于模板的方法是根據(jù)預(yù)設(shè)的模板，將問句中的關(guān)鍵信息填入模板中得到查詢語句；基于問句分析的方法通過對(duì)問句的結(jié)構(gòu)、關(guān)鍵詞等進(jìn)行分析來構(gòu)建查詢語句。這幾種方法都可用于在KBQA中構(gòu)建查詢語句。20.按照存儲(chǔ)結(jié)構(gòu)可將知識(shí)存儲(chǔ)分為基于表結(jié)構(gòu)的知識(shí)存儲(chǔ)和基于圖結(jié)構(gòu)的知識(shí)存儲(chǔ)兩種類型，以下屬于基于表結(jié)構(gòu)的是：A、三元組表B、關(guān)系數(shù)據(jù)庫(kù)C、類型表D、資源描述框架正確答案：ABC21.以下哪些屬于NLP分析技術(shù)?A、分詞B、詞性標(biāo)注C、命名實(shí)體識(shí)別D、依存分析正確答案：ABCD答案解析：分詞是將文本分割成一個(gè)個(gè)詞語；詞性標(biāo)注是確定每個(gè)詞語的詞性；命名實(shí)體識(shí)別是識(shí)別文本中的命名實(shí)體，如人名、地名、組織名等；依存分析是分析詞語之間的依存關(guān)系，這些都屬于NLP分析技術(shù)。22.RPN網(wǎng)絡(luò)的作用A、判斷anchors屬于positive或者negativeB、生成regionproposalsC、計(jì)算proposal的類別D、修正anchors獲得精確的proposals正確答案：ABD23.以下屬于知識(shí)問答系統(tǒng)技術(shù)的有：A、問句分析B、消歧C、短語映射D、多知識(shí)源查詢正確答案：ABCD答案解析：短語映射可以幫助將輸入的短語與知識(shí)庫(kù)中的相關(guān)內(nèi)容進(jìn)行對(duì)應(yīng)；問句分析能理解問句的意圖和結(jié)構(gòu)；消歧可處理模糊或有歧義的表達(dá)；多知識(shí)源查詢則能綜合利用多個(gè)知識(shí)源來獲取更準(zhǔn)確全面的答案，這些都屬于知識(shí)問答系統(tǒng)技術(shù)。24.對(duì)話系統(tǒng)中存在以下哪些挑戰(zhàn)?A、小樣本學(xué)習(xí)B、已知意圖識(shí)別C、指代省略D、未知意圖識(shí)別正確答案：ACD答案解析：在對(duì)話系統(tǒng)中，指代省略會(huì)使理解對(duì)話內(nèi)容變得困難，因?yàn)樾枰鶕?jù)上下文推斷省略的指代內(nèi)容；小樣本學(xué)習(xí)時(shí)，數(shù)據(jù)量少難以訓(xùn)練出準(zhǔn)確有效的模型；未知意圖識(shí)別方面，當(dāng)遇到系統(tǒng)未預(yù)先設(shè)定的意圖時(shí)，準(zhǔn)確理解和回應(yīng)具有挑戰(zhàn)性。而已知意圖識(shí)別相對(duì)來說是比較常規(guī)的任務(wù)，不屬于對(duì)話系統(tǒng)面臨的主要挑戰(zhàn)。25.不屬于CRNN組件的是A、TransformerB、bertC、LSTMD、CNN正確答案：AB答案解析：CRNN即卷積循環(huán)神經(jīng)網(wǎng)絡(luò)(ConvolutionalRecurrentNeuralNetwork),是一種結(jié)合了卷積神經(jīng)網(wǎng)絡(luò)(CNN)和循環(huán)神經(jīng)網(wǎng)絡(luò)(如LSTM)的模型。Transformer和Bert不屬于CRNN組件，Transformer是一種基于注意力機(jī)制的模型，Bert是基于預(yù)訓(xùn)練的語言模型，它們與CRNN的結(jié)構(gòu)和原理不同。26.深度學(xué)習(xí)OCR主要分為以下哪幾步?A、文本行檢測(cè)B、字符分割C、單字符識(shí)別D、行文本識(shí)別正確答案：AD27.常見的語義搜索方法有：A、關(guān)鍵字查詢B、數(shù)據(jù)庫(kù)查詢C、自然語言查詢D、以上都是正確答案：AC28.通用目標(biāo)檢測(cè)不能直接應(yīng)用于場(chǎng)景文本檢測(cè)的原因：A、無法做到端到端訓(xùn)練B、對(duì)檢測(cè)框的精確度要求高C、文本的字體更小D、場(chǎng)景更加復(fù)雜正確答案：BCD29.Word2vec中有哪些詞向量學(xué)習(xí)模型?A、Skip-gramB、CBOWC、BOWD、Ngram正確答案：AB答案解析：Skip-gram和CBOW是Word2vec中兩種典型的詞向量學(xué)習(xí)模型。Skip-gram模型是通過中心詞預(yù)測(cè)上下文詞來學(xué)習(xí)詞向量；CBOW模型則是通過上下文詞預(yù)測(cè)中心詞來學(xué)習(xí)詞向量。而BOW(詞袋模型)主要是一種文本表示方法，不是Word2vec中的詞向量學(xué)習(xí)模型；Ngram是基于n個(gè)連續(xù)詞元的統(tǒng)計(jì)模型，也不屬于Word2vec的詞向量學(xué)習(xí)模型。30.在選擇激活函數(shù)時(shí)，應(yīng)盡量選擇(),來避免梯度爆炸/消失。A、ReLUB、tanhC、sigmoidD、LeaklyReLU正確答案：AD31.以下關(guān)于關(guān)系抽取描述正確的有：A、為了在短時(shí)間內(nèi)產(chǎn)生大量的訓(xùn)練數(shù)據(jù)，可以使用遠(yuǎn)程監(jiān)督方法B、關(guān)系抽取指三元組抽取，實(shí)體間的關(guān)系形式化地描述為關(guān)系三元組(主語，謂語，賓語)。C、基于規(guī)則的抽取方法的準(zhǔn)確性較高，但是覆蓋率低，維護(hù)和移植相對(duì)困難，且編寫抽取模板需要投入較多人力和專家知識(shí)。D、有監(jiān)督方法利用已有的知識(shí)庫(kù)對(duì)未知的數(shù)據(jù)進(jìn)行標(biāo)注。正確答案：ABC答案解析：-選項(xiàng)A:有監(jiān)督方法是利用人工標(biāo)注的訓(xùn)練數(shù)據(jù)進(jìn)行模型訓(xùn)練，而不是利用已有的知識(shí)庫(kù)對(duì)未知數(shù)據(jù)進(jìn)行標(biāo)注，所以A錯(cuò)誤。-選項(xiàng)B:遠(yuǎn)程監(jiān)督方法通過假設(shè)知識(shí)庫(kù)中具有相同關(guān)系的實(shí)體對(duì)在文本中也表達(dá)相同的關(guān)系，能夠快速產(chǎn)生大量訓(xùn)練數(shù)據(jù)，B正確。-選項(xiàng)C:關(guān)系抽取通常就是指從文本中抽取三元組(主語，謂語，賓語)來描述實(shí)體間的關(guān)系，C正確。-選項(xiàng)D:基于規(guī)則的抽取方法準(zhǔn)確性較高，但由于規(guī)則難以覆蓋所有情況，所以覆蓋率低，且維護(hù)和移植相對(duì)困難，編寫抽取模板需要較多人力和專家知識(shí)，D正確。32.以下屬于用戶畫像圖譜顯示獲取數(shù)據(jù)的方式的有：A、通過用戶的歷史訂單、收藏夾等獲取用戶最近關(guān)注的商品信息。B、通過豆瓣等評(píng)論推薦型平臺(tái)獲取用戶的喜好。C、通過用戶注冊(cè)賬號(hào)時(shí)提交的信息獲取其基本信息。D、結(jié)合分析歸納或利用機(jī)器學(xué)習(xí)模型獲得信息正確答案：ABC33.以下哪項(xiàng)是圖像二值化的全域值方法?A、自適應(yīng)閾值法B、固定閾值法C、NiBlack算法D、Otus算法正確答案：BD34.可以用來進(jìn)行詞性標(biāo)注的工具有：A、LTPB、jiebaC、HanLPD、CRF正確答案：ABC35.以下屬于問答系統(tǒng)的主要模塊的是：A、查詢構(gòu)建B、短語映射C、問句分析D、信息抽取正確答案：ABC36.以下不屬于早期實(shí)體抽取方法的是：A、半監(jiān)督學(xué)習(xí)B、基于規(guī)則的方法C、條件隨機(jī)場(chǎng)D、LSTM正確答案：ACD37.以下哪些特征提取技術(shù)常用于目標(biāo)跟蹤技術(shù)中提取樣本特征?A、灰度特征B、圖像梯度直方圖特征(HOG)C、顏色名特征(CN)D、深度卷積特征正確答案：ABCD答案解析：灰度特征能反映圖像的基本亮度信息，是常用的特征之一；圖像梯度直方圖特征(HOG)在目標(biāo)檢測(cè)和跟蹤中廣泛應(yīng)用，能有效描述物體的外形特征；顏色名特征(CN)利用顏色信息來表征目標(biāo)，有助于區(qū)分不同目標(biāo)；深度卷積特征通過深度卷積神經(jīng)網(wǎng)絡(luò)提取，能捕捉到更高級(jí)、更抽象的圖像特征，對(duì)目標(biāo)跟蹤也很有幫助。這幾種特征提取技術(shù)都常用于目標(biāo)跟蹤技術(shù)中提取樣本特征。38.以下哪些模型屬于循環(huán)神經(jīng)網(wǎng)絡(luò)A、RNNB、LSTMC、GRUD、CNN正確答案：ABC答案解析：循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)是一類常用于處理序列數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)。長(zhǎng)短期記憶網(wǎng)絡(luò)(LSTM)和門控循環(huán)單元(GRU)是RNN的改進(jìn)版本，它們通過引入門控機(jī)制來解決傳統(tǒng)RNN中梯度消失和梯度爆炸的問題，能夠更好地處理長(zhǎng)期依賴關(guān)系。而卷積神經(jīng)網(wǎng)絡(luò)(CNN)主要用于處理圖像等具有局部特征的數(shù)據(jù)，不屬于循環(huán)神經(jīng)網(wǎng)絡(luò)。所以屬于循環(huán)神經(jīng)網(wǎng)絡(luò)的是RNN、LSTM、GRU,即選項(xiàng)A、B、C。39.以下哪些是常用的中文分詞工具A、jiebaB、hanlpC、thulacD、sklearn正確答案：ABC答案解析：jieba是Python中一個(gè)常用的中文分詞工具；hanlp是一系列模型與工具包，提供了豐富的自然語言處理功能，包括中文分詞；thulac也是一個(gè)中文分詞工具。而sklearn是一個(gè)用于機(jī)器學(xué)習(xí)的工具包，主要用于數(shù)據(jù)挖掘、數(shù)據(jù)分析和建模等任務(wù)，并非中文分詞工具。40.在對(duì)數(shù)據(jù)進(jìn)行數(shù)據(jù)增強(qiáng)時(shí)，我們可以對(duì)其進(jìn)行()。A、上下翻轉(zhuǎn)B、裁剪C、鏡像D、改變色調(diào)正確答案：ABCD答案解析：數(shù)據(jù)增強(qiáng)是指對(duì)數(shù)據(jù)進(jìn)行一系列處理以增加數(shù)據(jù)的多樣性和豐富性，從而提高模型的泛化能力。上下翻轉(zhuǎn)可以改變圖像的垂直方向，鏡像操作可通過水平或垂直鏡像增加數(shù)據(jù)量，裁剪能夠選取不同部分的數(shù)據(jù)形成新的數(shù)據(jù)樣本，改變色調(diào)可以從色彩角度對(duì)數(shù)據(jù)進(jìn)行變化，這些都是常見的數(shù)據(jù)增強(qiáng)方式。41.命名實(shí)體識(shí)別可以采用以下哪些方法實(shí)現(xiàn)：A、實(shí)體鏈接工具B、訓(xùn)練NER模型C、使用NER工具D、N-Gram策略正確答案：ABCD42.在卷積操作時(shí)，給定輸入數(shù)據(jù)矩陣，影響輸出的特征圖組尺寸大小的因素有()。A、該層的卷積核個(gè)數(shù)B、卷積核的寬、高C、卷積步長(zhǎng)D、是否采用邊界填充操作正確答案：ABCD43.視覺目標(biāo)跟蹤技術(shù)可用于以下哪些應(yīng)用?A、安防監(jiān)控B、無人機(jī)跟蹤伺服C、圖像的藝術(shù)風(fēng)格化轉(zhuǎn)換D、智能駕駛正確答案：ABD答案解析：視覺目標(biāo)跟蹤技術(shù)主要用于在視頻序列中實(shí)時(shí)地跟蹤特定目標(biāo)的運(yùn)動(dòng)軌跡等。安防監(jiān)控中可對(duì)特定人員或物體進(jìn)行跟蹤，保障安全；無人機(jī)跟蹤伺服能讓無人機(jī)追蹤目標(biāo)；智能駕駛里可對(duì)前方車輛、行人等目標(biāo)進(jìn)行跟蹤以輔助駕駛決策。而圖像的藝術(shù)風(fēng)格化轉(zhuǎn)換主要是關(guān)于圖像風(fēng)格的改變，與目標(biāo)跟蹤技術(shù)無關(guān)。所以答案是ABD。44.關(guān)于視頻目標(biāo)分割以下說法正確的是?A、視頻目標(biāo)分割的輸出是二進(jìn)制的前景背景分割空間B、視頻目標(biāo)分割毫無研究?jī)r(jià)值C、視頻目標(biāo)分割技術(shù)只能在視頻的每一幀圖像中分割出一個(gè)目標(biāo)出來D、目標(biāo)分割技術(shù)的目的是將感興趣的目標(biāo)分割出來正確答案：AD45.基于模板的KBQA包括哪些步驟：A、模板定義B、語法樹構(gòu)建C、模板生成D、模板匹配正確答案：ACD答案解析：基于模板的KBQA主要步驟包括模板定義、模板生成和模板匹配。模板定義是確定KBQA的基本問題類型和結(jié)構(gòu)框架；模板生成是根據(jù)輸入問題從知識(shí)庫(kù)中提取相關(guān)信息并生成具體的模板實(shí)例；模板匹配則是將生成的模板與知識(shí)庫(kù)進(jìn)行匹配以獲取答案。語法樹構(gòu)建并不是基于模板的KBQA的核心步驟，所以不選B。46.以下哪些評(píng)價(jià)指標(biāo)常用于評(píng)價(jià)文本情感分析效果A、accuracyB、precisionC、recallD、f1正確答案：ABCD答案解析：準(zhǔn)確率(accuracy)用于衡量預(yù)測(cè)正確的樣本占總樣本的比例，能直觀反映模型整體預(yù)測(cè)的準(zhǔn)確性；精確率(precision)表示預(yù)測(cè)為正例的樣本中實(shí)際為正例的比例，體現(xiàn)了模型預(yù)測(cè)正例的精確程度；召回率(recall)指實(shí)際為正例的樣本中被預(yù)測(cè)為正例的比例，反映了模型對(duì)正例的捕捉能力；F1值綜合了精確率和召回率，是二者的調(diào)和平均，能更全面地評(píng)估模型性能。這幾個(gè)指標(biāo)都常用于評(píng)價(jià)文本情感分析效果。47.圖像風(fēng)格轉(zhuǎn)換可應(yīng)用于?A、手機(jī)拍照自動(dòng)生成藝術(shù)化的圖像或視頻B、機(jī)器人的搜救功能C、P圖軟件自動(dòng)摳圖D、人臉圖像動(dòng)漫化正確答案：ACD48.以下屬于現(xiàn)階段知識(shí)圖譜技術(shù)類別的有：A、構(gòu)建技術(shù)B、應(yīng)用技術(shù)C、展示技術(shù)D、推理技術(shù)正確答案：ABD答案解析：現(xiàn)階段知識(shí)圖譜技術(shù)類別主要包括構(gòu)建技術(shù)、推理技術(shù)和應(yīng)用技術(shù)。構(gòu)建技術(shù)用于創(chuàng)建知識(shí)圖譜；推理技術(shù)可基于知識(shí)圖譜進(jìn)行推理；應(yīng)用技術(shù)則將知識(shí)圖譜應(yīng)用于具體場(chǎng)景。展示技術(shù)并非知識(shí)圖譜的核心技術(shù)類別，它主要側(cè)重于將知識(shí)圖譜以合適的方式呈現(xiàn)給用戶，不屬于與知識(shí)圖譜本身構(gòu)建、推理、應(yīng)用等同等地位的技術(shù)類別。49.以下關(guān)于句法分析的說法正確的是：A、一般來說，句法和語言是無關(guān)的。B、句法是研究句子的每個(gè)組成部分和它們之間的組合方式。C、句法分析就是指對(duì)句子中的詞語語法功能進(jìn)行分析。D、在自然語言或者計(jì)算機(jī)語言中，句法分析是利用形式化的文法規(guī)則對(duì)一個(gè)符號(hào)串進(jìn)行分析的過程。正確答案：BCD三、判斷題(共39題，每題1分，共39分)1.NLP是人類和機(jī)器之間溝通的橋梁A、正確B、錯(cuò)誤正確答案：A2.對(duì)于文本分類來說，使用余弦相似度來計(jì)算KNN中的相似度比使用歐式距離更合適A、正確B、錯(cuò)誤正確答案：A3.卷積層的特征相應(yīng)圖深度等于卷積核的個(gè)數(shù)。A、正確B、錯(cuò)誤正確答案：A4.“在KBQA中，設(shè)計(jì)問題回復(fù)模板可以用來生成自然語言的回復(fù)”是正確的嗎?A、正確B、錯(cuò)誤正確答案：A5.自然語言處理是實(shí)現(xiàn)人工智能，通過圖靈測(cè)試的關(guān)鍵A、正確B、錯(cuò)誤正確答案：A6.BERT只能處理單語言下