NLP知识 (自然语言处理)题库_NLP知识 (自然语言处理)试题_NLP知识 (自然语言处理)在线答题_NLP知识 (自然语言处理)搜题在线使用拍照解题

【单项选择题】 NLP中做多分类任务可以使用（）激活函数。

【多项选择题】 相比机器学习，深度学习在处理数据的时，在以下哪些方面更加简便（）

【多项选择题】 自然语言处理（NLP）中为什么要进行文本表示文本表示（）

【单项选择题】 NLP中常用的语言模型是为了求得什么（）

【单项选择题】 深度学习模型在训练的时候需要达到哪些基本要求（）

【单项选择题】 SVD在自然语言（NLP）中经常解决的问题是（）

【单项选择题】 使用共现矩阵做词向量容易导致维度爆炸，如何解决（）

【判断题】 textCNN和textRNN都属于深度学习的文本分类模型。

【判断题】 深度学习省去了人工的提取特征，可以自动提取特征。

【判断题】 基于词粒度的预处理比基于字粒度预处理效果好。

【判断题】 离散型的表示方式只有one-hot。

【判断题】 Glove和word2vecc相比，没有任何区别。

【单项选择题】 Fasttext做分类，会有以下哪个优点（）

【单项选择题】 word2vec编码的向量时，为什么解决不了同义词问题（）

【单项选择题】 使用以下哪种方式编码的词向量包含语义信息（）

【单项选择题】 Word2Vec的训练方式属于（）

【单项选择题】 Embedding的作用是什么（）

【判断题】 Seq2seq中编码阶段和解码阶段都使用到了LSTM。

【判断题】 CNN和GRU通过卷积的方式，解决了RNN的梯度消失。

【判断题】 RNN中的输入和输出一定是不等长的。

【多项选择题】 word2vec和tf-idf做相似度计算时有什么区别（）

【单项选择题】 NLP中的两大模型word2vec和fasttext有什么相同点（）

【单项选择题】 如果是想要优化总体的seq2seq的模型框架可以加入哪个机制（）

【单项选择题】 针对于RNN的梯度消失应该如何解决（）

【判断题】 句法语义信息刻画句子内部的句法语义信息（如主谓宾）。

【判断题】 在NLP中的句法语义分析应用，就是将句子中的词语有序列形式转化为图形式。

【判断题】 句法分析是自然语言处理的底层技术之一，同时也是基础，好的句法分析...

【判断题】 NLP领域中的句法语义分析的三要素包含：算法，文法和数据。

【判断题】 在NLP领域中，分析句子，理解句子是非常重要的，目前句法分析已经从...

【多项选择题】 在NLP的文本摘应用中，可以分为哪些摘要方式（）

【多项选择题】 关于NLP的子任务文本生成中包括哪几种生成方式（）

【单项选择题】 关于句法分析的方法都有哪些（）

【单项选择题】 发现NLP的任务中基本都有做句法语义分析，那么句法语义分析有什么意义（）

【单项选择题】 如果说给定了一个关键词或者一个主题，程序自己写一首诗或一段话属于...

【单项选择题】 基于语言模型的自然语言生成可以使用以下哪个算法（）

【单项选择题】 PLSA是一种比较常用的主题模型，它的运算方式是什么（）

【单项选择题】 在NLP的子任务文本生成中，文本生成如何理解（）

【判断题】 GPT采用的特征提取器是双向的Transformer。

【判断题】 seq2seq并不是编解码的结构。

【判断题】 Transformer的输入向量中有位置向量的信息。

【多项选择题】 关于GPT模型哪些说法是正确的（）

【多项选择题】 TensorFlow中一般包括哪些数据类型（）

【单项选择题】 预训练模型GPT的优点是什么（）

【单项选择题】 Dropout函数的作用是什么（）

【单项选择题】 每个Transformer编码器中的第一层是（）

【判断题】 seq2seq和Transformer的模型结构是完全不相同。

【判断题】 BERT可以处理的最长序列是768。

【判断题】 Transformer的encoder中先进行前馈神经网络，然后将处理后的数据输入...

【多项选择题】 编解码模型有哪些弊端（）

【多项选择题】 Transformer如何体现出的参数共享（）

【单项选择题】 以下哪个模型使用了双向的Transformer作为特征提取（）

【单项选择题】 Transformer中的Q，K，V为什么用不同的权重矩阵生成（）

【单项选择题】 RNN和CNN都可以处理文本，哪个处理长文本效果更好（）

【单项选择题】 传统的RNN存在哪些问题（）

【单项选择题】 Transformer的突破点在哪（）

【单项选择题】 seq2seq有什么样的缺点（）

【单项选择题】 特征提取器Transformer为什么使用多头机制（）

【判断题】 BERT和ELMO使用的都是是单向的Transformer。

【判断题】 在迭代次数够多的情况下Glove会比Word2Vec效果好。

【判断题】 Glove进行编码的词向量可以解决一词多意。

【多项选择题】 文本分类任务中使用FastText算法有什么特点（）

【多项选择题】 Word2Vec中的输出层为什么采用负例采样（）

【单项选择题】 以下几个预训练模型说法错误的是（）

【单项选择题】 关于NLP中常用的Glove说法错误的是（）

【单项选择题】 LSA是如何得到文本的词向量的（）

【单项选择题】 关于常用的交叉熵函数，说法正确的是（）

【单项选择题】 以下哪个可以进行过采样（）

【单项选择题】 对于数据的处理过程过采样和欠采样可以解决什么问题的（）

【判断题】 在做NLP任务的时候，可以直接把汉字作为模型输入。

【判断题】 用余弦相似度表示的词之间的差异将显著低于0.5。

【单项选择题】 BERT为什么能提升模型的效果（）

【多项选择题】 以下技术当中，哪个可以将字或者词做向量化（）

【单项选择题】 在文档中，删除“啊”“的”这样的词称为什么（）

【单项选择题】 一个文本语料库中，要提取的特征可能是什么（）

【单项选择题】 可以实现关键词归一化的技术是（）

【单项选择题】 人工智能NLP方向在生活中的应用（）

【单项选择题】 以下任务当中，哪个任务不能用BERT实现（）

【判断题】 词嵌入的过程就是，需要获得多维的数据，并表示为向量。

【判断题】 将字或者词转化成向量的过程，称为词嵌入。

【多项选择题】 LSTM可以进行长时间记忆，那么它是如何实现的（）

【多项选择题】 RNN和CNN在处理文本的时候有什么异同点（）

【单项选择题】 Transformer是很常用的特征提取器，那么Transformer架构首先是由下列...

【单项选择题】 在NLP任务中，以下哪个可以提高模型精度（）

【单项选择题】 以下哪个技术是通过上下文进行建模的（）

【单项选择题】 以下哪一项不是预处理技术（）

【判断题】 Dropout可以失活一些单元，从而防止过拟合。

【判断题】 AlBert在参数量上进行了调整，共享了参数，因此速度会比BERT更快。

【多项选择题】 以下几种关于GPT的说法正确的是什么（）

【单项选择题】 Transformer比LSTM特征提取效果要好，他们有什么共同特点（）

【单项选择题】 深入挖掘BERT，其输出的向量有几个（）

【单项选择题】 深入挖掘Transformer，在其输入阶段如何做的位置向量（）

【单项选择题】 在以下四个模型当中哪个是排列语言模型（）

【单项选择题】 NLP任务使用以下哪个模型会使准确率升高（）

【单项选择题】 以下几个模型中哪个模型在建模的时候与词的位置无关（）

【单项选择题】 以及几个模型中，可以产生词向量并且用单向的特征提取器的是哪个（）

【单项选择题】 以下四个模型中，哪个使用了双向的LSTM语言模型（）

【单项选择题】 以下几个模型中，哪个模型的输入是三个向量的和（）

【单项选择题】 可以使一个词有多个嵌入方式的模型是哪个（）

【判断题】 RNN和LSTM都可以作为特征提取器去提取特征，并且效果良好。

【多项选择题】 假如说数据的维度过大，可以通过以下哪种方式减少维度（）