人工智能基礎(chǔ)測試題及答案（附解析）一、單選題（共30題，每題1分，共30分）1.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、實體層面的歧義C、以上均是正確答案：B2.語言模型中，最常用的是幾元語法A、二元語法B、四元語法C、三元語法D、一元語法正確答案：A3.經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)的基本組成部分的序列通常是：A、卷積層-激活函數(shù)-池化層B、卷積層-池化層-激活函數(shù)C、池化層-激活函數(shù)-卷積層D、依情況而定正確答案：A答案解析：經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)基本組成部分的常見序列是卷積層-激活函數(shù)-池化層。卷積層用于提取特征，激活函數(shù)增加模型的非線性，池化層用于下采樣減少數(shù)據(jù)量和計算量，所以選項A正確。選項B中池化層在激活函數(shù)之前不符合一般順序；選項C順序完全錯誤；選項D不是依情況而定，有常見的固定順序。4.常見的Word2vec詞向量有哪幾種訓(xùn)練模型A、3B、2C、1D、4正確答案：B5.以下關(guān)于端到端的問答系統(tǒng)說法錯誤的是：A、可以通過基于深度學(xué)習(xí)的方法來實現(xiàn)。B、無需人工編寫大量模板。C、中間的過程類似于黑盒操作。D、中間的過程類似于白盒操作。正確答案：D答案解析：端到端的問答系統(tǒng)可以通過基于深度學(xué)習(xí)的方法實現(xiàn)，無需人工編寫大量模板，其中間過程類似于黑盒操作，對內(nèi)部具體實現(xiàn)細節(jié)難以清晰洞察，而不是白盒操作，白盒操作意味著對內(nèi)部過程完全透明可了解，這不符合端到端問答系統(tǒng)中間過程的特點，所以選項D說法錯誤。6.Transformer中的自注意力機制，在計算過程中涉及多個關(guān)鍵向量，不包括以下哪個A、KB、QC、VD、X正確答案：D答案解析：Transformer自注意力機制中，關(guān)鍵向量包括Query（Q）、Key（K）、Value（V），用于計算注意力分數(shù)并加權(quán)求和得到輸出。而X并不在自注意力機制計算的關(guān)鍵向量中。7.有一組16x256x256(c,h,w)的特征圖，一系列輸出16通道特征圖的DenseBlock，那么這組特征圖在經(jīng)過兩次DenseBlock后，第三次輸入DenseBlock的特征圖通道數(shù)量是：A、16B、32C、48D、64正確答案：C8.一般情況下，在使用一個卷積神經(jīng)網(wǎng)絡(luò)進行圖像融合任務(wù)時，特征圖的通道數(shù)和分辨率分別會翻倍和減半，其目的不包括：A、獲得更多尺度的圖像特征B、獲得語義表達更為明確的特征C、減少特征的信息丟失D、減少部分計算量正確答案：C答案解析：在卷積神經(jīng)網(wǎng)絡(luò)中，特征圖通道數(shù)翻倍可獲得更多尺度的圖像特征，有助于獲得語義表達更為明確的特征，同時在一定程度上也能減少部分計算量。而特征圖分辨率減半主要是為了降低計算量等，并非是為了減少特征的信息丟失。所以答案選C。9.KBQA面臨的挑戰(zhàn)不包括：A、缺乏大規(guī)模高質(zhì)量的知識數(shù)據(jù)源。B、領(lǐng)域方面的知識庫缺乏。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)量的知識數(shù)據(jù)源會影響其知識儲備和準確性；領(lǐng)域方面的知識庫缺乏會限制其在特定領(lǐng)域的應(yīng)用；自然語言處理技術(shù)發(fā)展不夠成熟會影響對自然語言問題的理解和分析。所以以上選項均是KBQA面臨的挑戰(zhàn)，應(yīng)選D。10.以下哪個不是目標(biāo)跟蹤技術(shù)研究的主要難點？A、目標(biāo)被部分遮擋B、目標(biāo)外觀形變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，相對而言，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給準確跟蹤目標(biāo)帶來較大挑戰(zhàn)。11.BERT預(yù)訓(xùn)練任務(wù)中，有關(guān)N-gram掩碼和原始掩碼語言模型（MLM）的難度關(guān)系，下列哪個描述是正確的A、難度一樣B、N-grammasking比MLM難C、MLM比N-grammasking難D、無法比較正確答案：B12.LSTM的輸入態(tài)不包含哪個？A、t-1時刻的細胞狀態(tài)CB、t-1時刻隱層狀態(tài)hC、t-1時刻輸入向量xD、t時刻輸入向量x正確答案：C13.一個窗口大小設(shè)為2的CBOW模型，輸入層有多少個單詞構(gòu)成A、2B、4C、6D、8正確答案：B14.OpenAI提出的GPT全稱是什么A、GenerativePre-TrainingB、GenerativePre-TuningC、GenerativePost-TrainingD、GenerativePost-Tuning正確答案：A答案解析：GPT的全稱是GenerativePre-Training，即生成式預(yù)訓(xùn)練。它是OpenAI開發(fā)的一系列語言模型的基礎(chǔ)訓(xùn)練方式，通過在大規(guī)模文本數(shù)據(jù)上進行無監(jiān)督預(yù)訓(xùn)練，使模型學(xué)習(xí)到豐富的語言知識和語義表示，為后續(xù)的特定任務(wù)微調(diào)提供良好的初始化，從而能夠在多種自然語言處理任務(wù)中表現(xiàn)出色。15.句法分析的目標(biāo)是：A、將實體詞對應(yīng)到實例B、識別句子中潛在的實體詞C、識別句子的句法結(jié)構(gòu)D、識別句子中的主題詞正確答案：C答案解析：句法分析主要關(guān)注的是句子的句法結(jié)構(gòu)，即分析句子中各個成分之間的語法關(guān)系，如主謂賓、定狀補等結(jié)構(gòu)，以理解句子的語法構(gòu)成。選項A將實體詞對應(yīng)到實例屬于實體識別等相關(guān)任務(wù)；選項B識別句子中潛在的實體詞是實體識別工作；選項D識別句子中的主題詞與句法分析的核心目標(biāo)不符。所以句法分析的目標(biāo)是識別句子的句法結(jié)構(gòu)，答案選C。16.關(guān)于中文分詞切分算法，以下哪個說法是正確的A、正向匹配和逆向匹配速度差不多B、python分詞運行速度比java快C、雙向匹配速度比正向匹配速度快D、完全切分是標(biāo)準意義上的分詞正確答案：A17.通過文法規(guī)則將問句進行語義表示屬于哪種查詢構(gòu)建方法：A、基于機器學(xué)習(xí)的方法B、基于問句分析的方法C、基于語義解析的方法D、基于模板的方法正確答案：C答案解析：基于語義解析的方法是通過對問句進行文法分析、語義理解等，將其轉(zhuǎn)換為形式化的語義表示，符合題目中通過文法規(guī)則將問句進行語義表示的描述?；跈C器學(xué)習(xí)的方法主要是利用數(shù)據(jù)訓(xùn)練模型來處理問句；基于模板的方法是基于預(yù)設(shè)的模板來匹配問句；基于問句分析的方法側(cè)重于對問句本身的各種特征進行分析，但沒有明確提及像基于語義解析這樣通過文法規(guī)則進行語義表示的方式。18.自然語言處理包括語言識別、語音合成和（）A、語言理解B、語言訓(xùn)練C、語言交流D、語言翻譯正確答案：A答案解析：自然語言處理主要包括語言識別、語音合成和語言理解等方面。語言翻譯也是自然語言處理的一個應(yīng)用領(lǐng)域，但不如語言理解全面地涵蓋自然語言處理中對語言的理解和處理能力等范疇。語言交流是自然語言處理應(yīng)用的結(jié)果體現(xiàn)而非主要組成部分，語言訓(xùn)練是提升自然語言處理能力的一種方式但不是自然語言處理本身的構(gòu)成部分。所以這里最合適的是語言理解。19.以下不屬于短語映射方法的是：A、本體映射B、字符串相似度映射C、基于語義相似度的映射D、實體映射正確答案：D答案解析：短語映射方法主要包括基于語義相似度的映射、本體映射、字符串相似度映射等。實體映射不屬于短語映射方法。20.ELMo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：B答案解析：ELMo主要使用了LSTM作為基本結(jié)構(gòu)。它通過在大規(guī)模文本數(shù)據(jù)上預(yù)訓(xùn)練LSTM模型，然后在特定任務(wù)中微調(diào)，能夠生成詞的上下文相關(guān)表示。21.在卷積神經(jīng)網(wǎng)絡(luò)的卷積層上，同一特征相應(yīng)圖上不同位置的值表示（）A、輸入圖像上不同位置對同一卷積核的響應(yīng)結(jié)果。B、輸入圖像上同一位置對不同卷積核的響應(yīng)結(jié)果。C、輸出圖像上不同位置對同一卷積核的響應(yīng)結(jié)果D、輸出圖像上同一位置對不同卷積核的響應(yīng)結(jié)果。正確答案：A答案解析：同一特征響應(yīng)圖是對輸入圖像使用同一卷積核進行卷積操作后得到的，其不同位置的值表示輸入圖像上不同位置對同一卷積核的響應(yīng)結(jié)果。B選項說的是同一位置對不同卷積核，不符合；C選項主體應(yīng)該是輸入圖像而非輸出圖像；D選項同理主體錯誤且邏輯不符。22.什么是機器翻譯A、將一門人類語言轉(zhuǎn)換成另一門人類語言B、將人類語言轉(zhuǎn)換成機器語言C、將任意一門人類語言轉(zhuǎn)換成英語D、將機器語言轉(zhuǎn)換成人類語言正確答案：A答案解析：機器翻譯是利用計算機技術(shù)將一種自然語言（源語言）轉(zhuǎn)換為另一種自然語言（目標(biāo)語言）的過程，也就是將一門人類語言轉(zhuǎn)換成另一門人類語言。選項B將人類語言轉(zhuǎn)換成機器語言不是機器翻譯；選項C將任意一門人類語言轉(zhuǎn)換成英語不準確，機器翻譯是可以在多種語言間轉(zhuǎn)換的；選項D將機器語言轉(zhuǎn)換成人類語言不符合機器翻譯的定義。23.下列基于回歸的文本檢測方法為？A、Textbox算法B、PSENet算法C、MSR算法D、PixelLink算法正確答案：A24.以下哪個NLP工具包處理速度最快A、NLTKB、CoreNLPC、LTPD、HanLP正確答案：D25.（）使用可復(fù)用的卷積塊構(gòu)造網(wǎng)絡(luò)，使得網(wǎng)絡(luò)定義得非常簡潔。A、VGGB、AlexNetC、ResNetD、DenseNet正確答案：A26.下列數(shù)據(jù)增廣方法中，不屬于圖像裁剪類的是A、CutOutB、HideAndSeekC、GridMaskD、RandAugment正確答案：D答案解析：RandAugment是一種綜合的數(shù)據(jù)增廣方法，包含多種操作，不單純屬于圖像裁剪類。CutOut是通過在圖像上隨機裁剪掉一些區(qū)域來進行數(shù)據(jù)增廣；HideAndSeek是通過隨機隱藏圖像的一些區(qū)域來實現(xiàn)數(shù)據(jù)增廣，與裁剪類似；GridMask是通過在圖像上繪制網(wǎng)格并隨機遮擋網(wǎng)格區(qū)域來進行數(shù)據(jù)增廣，也類似于裁剪操作。27.以下可以對彎曲文本進行檢測的方法為？A、TextBoxes++算法B、EAST算法C、CTD算法D、MOST算法正確答案：C答案解析：CTD算法可以對彎曲文本進行檢測。TextBoxes++算法主要用于水平文本檢測；EAST算法也是側(cè)重于水平和傾斜文本檢測；MOST算法通常不是用于彎曲文本檢測的典型算法。28.自然語言處理是用（）技術(shù)的一種應(yīng)用A、自然語言B、語音識別C、人工智能D、虛擬現(xiàn)實正確答案：A29.哪一個組件在CTPN與通用FasterRCNN中完全一致A、CNN特征提取模塊B、RPN模塊C、雙向LSTMD、分類器正確答案：A答案解析：在CTPN中，CNN特征提取模塊用于提取圖像的特征，通用FasterRCNN中同樣有CNN特征提取模塊來進行特征提取，二者在這部分是完全一致的。而RPN模塊、雙向LSTM、分類器在CTPN和通用FasterRCNN中存在差異。30.詞袋模型中綜合考慮單詞頻次及獨特性的統(tǒng)計指標(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）及獨特性（IDF）。TF表示詞頻，即某個單詞在文檔中出現(xiàn)的頻率；IDF表示逆文檔頻率，反映了單詞在整個文檔集合中的獨特性。TF-IDF是TF和IDF的乘積，它能夠衡量一個單詞在某個文檔中的重要程度，綜合考慮了單詞在文檔中的出現(xiàn)次數(shù)以及在整個文檔集合中的罕見程度。布爾詞頻只是簡單地表示單詞是否出現(xiàn)，沒有考慮頻次和獨特性；TF只關(guān)注詞頻；IDF只關(guān)注獨特性，均不符合題意。二、多選題（共30題，每題1分，共30分）1.以下哪項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：BD2.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自然語言問句進行語義理解和分析，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問句的結(jié)構(gòu)、關(guān)鍵詞等進行分析來構(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。3.下列哪項不屬于復(fù)雜類問題？A、劉德華和周潤發(fā)誰的年齡更大？B、騰訊是什么性質(zhì)的企業(yè)？C、周杰倫是魔羯座嗎？D、拼多多有多少名員工？正確答案：BCD4.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：ABC5.RPN網(wǎng)絡(luò)的作用A、判斷anchors屬于positive或者negativeB、生成regionproposalsC、計算proposal的類別D、修正anchors獲得精確的proposals正確答案：ABD6.循環(huán)神經(jīng)網(wǎng)絡(luò)具有哪些缺點？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）的主要缺點之一是其有限的信息交互距離，隨著序列長度的增加，早期時間步的信息很難有效地傳遞到后面的時間步。此外，RNN存在序列依賴問題，處理序列時必須按順序依次處理每個元素，無法并行計算，這大大限制了其計算效率。選項A錯誤，RNN正是用于建模序列信息的。選項B錯誤，RNN參數(shù)數(shù)量并不少，且這也不是其缺點。7.以下不屬于早期實體抽取方法的是：A、LSTMB、半監(jiān)督學(xué)習(xí)C、條件隨機場D、基于規(guī)則的方法正確答案：ABC8.關(guān)于視頻目標(biāo)分割以下說法正確的是？A、目標(biāo)分割技術(shù)的目的是將感興趣的目標(biāo)分割出來B、視頻目標(biāo)分割的輸出是二進制的前景背景分割空間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目標(biāo)出來D、視頻目標(biāo)分割毫無研究價值正確答案：AB9.知識圖譜的垂直領(lǐng)域包括：A、醫(yī)療B、教育C、百科知識D、金融正確答案：ABD答案解析：知識圖譜的垂直領(lǐng)域是指特定行業(yè)或領(lǐng)域的知識圖譜，金融、醫(yī)療、教育都屬于特定的垂直領(lǐng)域，有其專門的知識體系和應(yīng)用場景。而百科知識范圍太寬泛，不屬于垂直領(lǐng)域的范疇。10.人工評估機器翻譯的結(jié)果具有以下哪些缺點？A、具有主觀偏差性B、成本昂貴C、效率低D、不能反映語義信息正確答案：ABC答案解析：人工評估機器翻譯結(jié)果時，評估者的個人觀點、語言習(xí)慣等因素會導(dǎo)致主觀偏差性，不同評估者的標(biāo)準可能不一致，所以選項A正確；人工評估需要投入大量人力，成本較高，選項B正確；人工評估速度較慢，效率低下，選項C正確；人工評估是可以對語義等方面進行判斷的，能反映語義信息，選項D錯誤。11.在進行問句分析時，以下屬于實體詞的是：A、名字B、時間C、地點D、何時正確答案：ABD12.常用于衡量NER模型效果的指標(biāo)有哪些A、RB、TFC、PD、F1正確答案：ACD13.LSTM由一個單元模塊由哪些門組成？A、輸入們B、輸出們C、更新門D、遺忘門正確答案：BCD14.有關(guān)圖像融合的層級，包括：A、空間級圖像融合B、像素級圖像融合C、決策級圖像融合D、特征級圖像融合正確答案：BCD答案解析：像素級圖像融合是對各源圖像的像素進行處理，是最底層的融合方式；特征級圖像融合是先從各源圖像中提取特征，再進行融合；決策級圖像融合是在各個數(shù)據(jù)源獨立處理后，在決策層進行融合。而空間級圖像融合并非圖像融合的標(biāo)準層級分類。15.以下屬于基于模板的KBQA的特點的有：A、準確率高B、人為可控C、查詢速度快D、工作量繁重正確答案：ABCD16.目標(biāo)分割技術(shù)主要可用于哪些應(yīng)用？A、電影剪輯中的目標(biāo)剪切B、P圖軟件的自動摳圖C、視頻會議中的虛擬背景D、手機的人臉識別正確答案：ABC答案解析：目標(biāo)分割技術(shù)可以將圖像或視頻中的特定目標(biāo)分離出來。在電影剪輯中可用于目標(biāo)剪切，方便對特定主體進行處理；P圖軟件的自動摳圖是目標(biāo)分割技術(shù)的典型應(yīng)用，能快速準確地摳出主體；視頻會議中的虛擬背景功能，需要先分割出人物主體才能實現(xiàn)替換背景等操作。而手機的人臉識別主要是基于人臉識別技術(shù)，通過提取面部特征點來進行身份識別，并非目標(biāo)分割技術(shù)的應(yīng)用。17.以下關(guān)于關(guān)系抽取說法錯誤的有：A、基于規(guī)則的方法準確率較高，但需要大量的標(biāo)簽數(shù)據(jù)。B、基于有監(jiān)督學(xué)習(xí)的關(guān)系抽取方法準確性較高，但是覆蓋率低，維護和移植相對困難C、實體關(guān)系抽取研究如何從文本中抽取事件信息并以結(jié)構(gòu)化的形式呈現(xiàn)出來。D、關(guān)系抽取指三元組抽取，實體間的關(guān)系形式化地描述為關(guān)系三元組(主語,謂語,賓語)。正確答案：ABC18.下列哪些操作可作為Attention中的打分函數(shù)？A、向量內(nèi)積B、雙線性變換C、簡單神經(jīng)網(wǎng)絡(luò)(感知機)D、線性差值正確答案：ABC答案解析：1.**向量內(nèi)積**：在Attention機制中，向量內(nèi)積是一種常見的打分函數(shù)形式。通過計算兩個向量的內(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，可能會計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**：雙線性變換可以對兩個向量進行更復(fù)雜的交互計算，得到一個標(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，比簡單的內(nèi)積更具表達能力。常用于一些高級的Attention模型中，以更好地建模輸入之間的關(guān)系。3.**簡單神經(jīng)網(wǎng)絡(luò)(感知機)**：感知機可以作為打分函數(shù)，通過對輸入向量進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數(shù)之間的復(fù)雜關(guān)系，適應(yīng)性更強。在一些基于神經(jīng)網(wǎng)絡(luò)的Attention實現(xiàn)中，感知機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)域進行像素值的插值計算，與Attention機制中用于衡量相關(guān)性和分配注意力權(quán)重的打分功能無關(guān)。19.AlexNet本質(zhì)上是一個更大更深的LeNet，其主要的改進在于（）。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正確答案：ABC20.以下哪幾項屬于漢語未登錄詞的類型？（）A、存在于詞典但出現(xiàn)頻率較少的詞B、專業(yè)名詞和研究領(lǐng)域名稱C、專有名詞D、新出現(xiàn)的普通詞匯正確答案：BCD答案解析：未登錄詞是指在已有的詞典、詞表等中沒有收錄的詞。新出現(xiàn)的普通詞匯、專有名詞、專業(yè)名詞和研究領(lǐng)域名稱都有可能是未被詞典收錄的，屬于漢語未登錄詞的類型。而存在于詞典但出現(xiàn)頻率較少的詞不屬于未登錄詞，因為它已經(jīng)被詞典收錄了。21.在使用BiLSTM模型抽取實體時，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：ACD22.目前實現(xiàn)KBQA的主流方法有：A、基于深度學(xué)習(xí)的方法B、基于問句分析的方法C、基于模板的方法D、基于語義解析的方法正確答案：ACD答案解析：基于深度學(xué)習(xí)的方法可以利用神經(jīng)網(wǎng)絡(luò)強大的特征學(xué)習(xí)能力來處理自然語言問題；基于模板的方法是通過預(yù)定義的模板來匹配問題；基于語義解析的方法致力于將自然語言問題解析為邏輯形式。而基于問句分析的方法并不是實現(xiàn)KBQA的主流方法。23.以下屬于問句分析任務(wù)需要做的是：A、構(gòu)建查詢語句B、識別實體詞C、識別問題類型詞D、識別中心詞正確答案：BCD24.下列哪些問題屬于文本生成任務(wù)？A、賽事解說B、文本摘要C、圖像描述生成D、機器翻譯正確答案：ABCD答案解析：機器翻譯是將一種語言的文本轉(zhuǎn)換為另一種語言的文本；文本摘要是從一段文本中提取關(guān)鍵信息生成簡短摘要；賽事解說根據(jù)賽事情況生成解說文本；圖像描述生成是根據(jù)圖像內(nèi)容生成文字描述，這些都屬于文本生成任務(wù)。25.下列哪些技術(shù)能被用于計算兩個詞向量之間的距離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個詞元，也不用于計算詞向量距離。而余弦相似度是一種常用的計算兩個向量夾角余弦值來衡量向量間相似程度的方法，能用于計算詞向量距離；歐氏距離是計算兩個向量在空間中的直線距離，同樣可用于計算詞向量之間的距離。26.對話系統(tǒng)中存在以下哪些挑戰(zhàn)？A、未知意圖識別B、指代省略C、小樣本學(xué)習(xí)D、已知意圖識別正確答案：ABC答案解析：在對話系統(tǒng)中，指代省略會使理解對話內(nèi)容變得困難，因為需要根據(jù)上下文推斷省略的指代內(nèi)容；小樣本學(xué)習(xí)時，數(shù)據(jù)量少難以訓(xùn)練出準確有效的模型；未知意圖識別方面，當(dāng)遇到系統(tǒng)未預(yù)先設(shè)定的意圖時，準確理解和回應(yīng)具有挑戰(zhàn)性。而已知意圖識別相對來說是比較常規(guī)的任務(wù)，不屬于對話系統(tǒng)面臨的主要挑戰(zhàn)。27.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、動詞、形容詞、副詞、介詞、連詞、代詞等。選項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。28.下列哪項屬于傳統(tǒng)的問答方法A、基于關(guān)鍵詞檢索B、基于邏輯表達式C、基于循環(huán)神經(jīng)網(wǎng)絡(luò)D、基于文本蘊含推理正確答案：ABD29.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個連續(xù)詞元的統(tǒng)計模型，也不屬于Word2vec的詞向量學(xué)習(xí)模型。30.CRNN中使用CTC損失函數(shù)的原因包括A、可以處理變長的標(biāo)簽B、避免字符級的人工標(biāo)注C、解決重復(fù)字符的帶來的誤讀問題D、收斂速度快正確答案：AB三、判斷題（共30題，每題1分，共30分）1.Mixup是最先提出的圖像混疊增廣方案，其原理簡單、方便實現(xiàn)。A、正確B、錯誤正確答案：A2.相比Sigmoid函數(shù)，tanh函數(shù)收斂速度更慢A、正確B、錯誤正確答案：B3.基于回歸文本檢測方法和目標(biāo)檢測算法的方法相似，文本檢測方法只有兩個類別，圖像中的文本視為待檢測的目標(biāo)，其余部分視為背景。A、正確B、錯誤正確答案：A4.TF-IDF可以用于關(guān)鍵詞抽取A、正確B、錯誤正確答案：A5.TF-IDF能夠找出文檔中出現(xiàn)頻率最高的詞A、正確B、錯誤正確答案：B6.可以通過文本聚類算法對相似文檔進行歸檔A、正確B、錯誤正確答案：A7.一個典型的Transformer，輸入數(shù)據(jù)先通過Encoders，再經(jīng)過Decoders后輸出結(jié)果A、正確B、錯誤正確答案：A8.GPT是通過有監(jiān)督方式進行下游任務(wù)精調(diào)的A、正確B、錯誤正確答案：A9.二值圖像的每個像素只有兩種取值：0、255，0表示白色，255表示黑色。A、正確B、錯誤正確答案：B10.目標(biāo)檢測和文本檢測同屬于“定位”問題，但是文本檢測無需對目標(biāo)分類，并且文本形狀復(fù)雜多樣。A、正確B、錯誤正確答案：A11.梯度