人工智能自然語言技術(shù)練習(習題卷22)

試卷科目：人工智能自然語言技術(shù)練習人工智能自然語言技術(shù)練習(習題卷22)PAGE"pagenumber"pagenumber/SECTIONPAGES"numberofpages"numberofpages人工智能自然語言技術(shù)練習第1部分：單項選擇題，共43題，每題只有一個正確答案,多選或少選均不得分。[單選題]1.在使用tf時，其中有很多的接口，例如multiply，這個接口實現(xiàn)的功能是？A)相與B)相乘C)相除D)相加答案:B解析:[單選題]2.最基本的文本預處理手段是()A)提取主題B)情感分析C)分詞D)時序分析答案:C解析:[單選題]3.下列管Batch歸一化操作的作用描述正確的是？A)作用于輸出層B)僅作用于輸入層C)無法在隱藏層起作用D)用于輸入層，甚至深度隱藏層的歸一化過程答案:D解析:[單選題]4.機構(gòu)化數(shù)據(jù)類型有：A)數(shù)據(jù)庫中的數(shù)據(jù)B)HTML文檔C)文本D)圖片答案:A解析:[單選題]5.在優(yōu)化算法中，學習率會：A)保持不變B)持續(xù)減小C)持續(xù)增大D)不變答案:B解析:[單選題]6.每個算法都會有缺點，對于集成學習GBDT的缺點是什么A)預測階段的計算速度快，樹與樹之間可并行化計算。B)GBDT在高維稀疏的數(shù)據(jù)集上，表現(xiàn)不如支持向量機或者神經(jīng)網(wǎng)絡。C)在分布稠密的數(shù)據(jù)集上，泛化能力和表達能力都很好，這使得GBDT在Kaggle的眾多競賽中，經(jīng)常名列榜首。D)采用決策樹作為弱分類器使得GBDT模型具有較好的解釋性和魯棒性，能夠自動發(fā)現(xiàn)特征間的高階關(guān)系。答案:B解析:[單選題]7.池化核ksize=[1,2,2,1]將圖像A)縮小到1/4B)縮小到1/2C)擴大兩倍D)擴大四倍答案:A解析:[單選題]8.以下哪個激活函數(shù)指的是修正線性單元？A)ReluB)sigmoidC)tanhD)sin答案:A解析:[單選題]9.馬爾可夫模型的構(gòu)成要素包括A)狀態(tài)B)周期長度C)轉(zhuǎn)換概率D)其余選項結(jié)對答案:D解析:[單選題]10.1-NN，2-NN，3-NN所花費的時間之間是什么關(guān)系。A)1-NN>2-NN>3-NNB)1-NN<2-NN<3-NNC)1-NN~2-NN~3-NND)這些都不是答案:C解析:[單選題]11.用哪種數(shù)據(jù)挖掘方法可以分析出客戶對產(chǎn)品的情感傾向（）A)關(guān)聯(lián)規(guī)則挖掘B)Web文本挖掘C)分類模式挖掘D)序列模式挖掘答案:B解析:[單選題]12.在下列幾關(guān)于mini-batch的說法當中，描述錯誤的是哪個？A)指的是批量梯度下降B)適用于樣本量小的數(shù)據(jù)集C)每一次只運算部分數(shù)據(jù)，最后將全部數(shù)據(jù)進行運算D)適用于樣本量大的數(shù)據(jù)答案:B解析:[單選題]13.EM算法應用廣泛，它的求解原理是什么A)是通過尋找最優(yōu)的自變量和因變量之間的一次函數(shù)關(guān)系B)通過尋找最優(yōu)的超平面進行更好的分類C)是通過迭代，不斷求解下界的極大化，來逐步求解對數(shù)似然函數(shù)極大化D)不確定答案:C解析:[單選題]14.下列選項中，哪個不是關(guān)鍵詞提取常用的算法？A)TF-IDFB)TextRankC)SSAD)LDA答案:C解析:[單選題]15.如果說數(shù)據(jù)當中有缺失值，可以使用以下哪種方式去填充A)平均值B)不填充C)代價D)學習率答案:A解析:[單選題]16.零均值歸一化會將原始數(shù)據(jù)的標準差映射為多少？A)0B)1C)2D)3答案:B解析:[單選題]17.正則項有很大的作用呢，如果把正則項加到了邏輯回歸的目標函數(shù)中，會有什么效果？A)所有的參數(shù)w都變成0B)所有參數(shù)w都會趨近于0C)所有參數(shù)w都不會變化D)不確定答案:A解析:[單選題]18.關(guān)于選擇超參數(shù)的范圍，下列選項中描述正確的是？A)隨機取值可以提升搜索效率B)隨機取值就是隨機均勻取值C)范圍就是[0,1]D)隨機取值對搜索無影響答案:A解析:[單選題]19.面向?qū)ο蟮奶刭|(zhì)有：A)A:封裝B)B:繼承C)C:多態(tài)D)D:消息答案:D解析:[單選題]20.字頻和詞頻是最基本的（）。A)統(tǒng)計數(shù)據(jù)B)格式說明C)概括描述D)信息處理答案:A解析:[單選題]21.learning_rate用于網(wǎng)絡的什么作用A)調(diào)整學習率B)批處理C)dropoutD)過擬合答案:A解析:[單選題]22.通過以下哪種方式可以得到加權(quán)平均值A(chǔ))局部平均值B)局部方差C)全局平均值D)全局方差答案:A解析:[單選題]23.在BERT模型當中有一個遮蔽任務的訓練，那么有多少的遮蔽掉的詞A)10%B)12%C)15%D)20%答案:C解析:[單選題]24.RNN是什么的簡稱A)全連接網(wǎng)絡B)卷積神經(jīng)網(wǎng)絡C)循環(huán)神經(jīng)網(wǎng)絡D)感知機網(wǎng)絡答案:C解析:[單選題]25.關(guān)于失活函數(shù)dropout運行的描述正確的是？A)隨機取消一些節(jié)點，只是用部分節(jié)點進行擬合運算，防止過擬合B)dropout能增加新樣本防止過擬合C)dropout進行歸一化操作，防止過擬合D)dropout通過給損失函數(shù)增加懲罰項，防止過擬合答案:A解析:[單選題]26.以下幾個關(guān)于EM算法的說法，正確的是A)傳統(tǒng)EM算法對初始值不敏感B)EM算法不能應用到HMM的求解中C)不確定D)傳統(tǒng)EM算法對初始值敏感答案:D解析:[單選題]27.聚類肘部法的作用是：A)就是從K值和代價函數(shù)J的二維圖中找出J下降變平滑的拐點對應的K值。B)最大K值C)最小K值D)隨機K值答案:A解析:[單選題]28.串行地訓練一系列前后依賴的同類模型，即后一個模型用來對前一個模型的輸出結(jié)果進行糾正屬于什么思想A)BaggingB)BoostingC)StackingD)以上都正確答案:B解析:[單選題]29.tf中的conv2d(a,b,c,d)，參數(shù)b代表什么？A)被卷積數(shù)據(jù)B)步長C)卷積核D)填充答案:C解析:[單選題]30.多分類問題的最后一層一般用什么激活函數(shù)A)sigmoidB)tanhC)softmaxD)relu答案:C解析:[單選題]31.以下哪個與LSTM無關(guān)A)遺忘門B)輸入門C)輸出門D)更新門答案:D解析:[單選題]32.下列屬于結(jié)構(gòu)化數(shù)據(jù)的是：A)數(shù)據(jù)庫中的數(shù)據(jù)B)HTML文檔C)文本D)圖片答案:A解析:[單選題]33.EM最大期望算法的第一步是做什么A)求代價B)最大化C)計算期望D)不確定答案:C解析:[單選題]34.可以接受非語言形式的信息作為輸入，生成可讀的文字屬于什么任務類型A)文本分類B)文本生成C)文本翻譯D)信息抽取答案:B解析:[單選題]35.Batch歸一化，在神經(jīng)網(wǎng)絡中有很強的作用，系列描述中，哪個選項說的不是它的作用A)減少了隱藏值分布變化的數(shù)量B)減少了輸入值改變的問題C)有輕微的正則化效果D)增加了輸入值改變的問題答案:D解析:[單選題]36.圖靈測試是想實現(xiàn)以下哪種目標A)人類思考B)人工智能C)機器智能D)機器動作答案:C解析:[單選題]37.什么是Boosting思想，如何理解Boosting思想A)將基分類器層層疊加，每一層在訓練的時候，對前一層基分類器分錯的樣本，給予更高的權(quán)重B)從總體樣本當中隨機取一部分樣本進行訓練，通過多次這樣的結(jié)果，進行投票獲取平均值作為結(jié)果輸出C)不確定D)以上都正確答案:A解析:[單選題]38.關(guān)于指數(shù)加權(quán)平均數(shù)的好處，下列說法描述正確的是哪個？A)只需要少量參數(shù)B)占用極少內(nèi)存C)不適用學習率D)是非監(jiān)督式學習答案:B解析:[單選題]39.LDA的優(yōu)缺點說法正確的是哪個選項A)LDA適合對非高斯分布樣本進行降維；B)不可以使用類別的先驗知識；C)LDA不會過度擬合數(shù)據(jù)。D)LDA在樣本分類信息依賴方差而不是均值時，降維效果不好；答案:D解析:[單選題]40.前項算法中，除了需要有聯(lián)合權(quán)重w，還需要有一個什么函數(shù)，才能正常的進行計算A)激活函數(shù)B)正弦函數(shù)C)余弦函數(shù)D)都可以答案:A解析:[單選題]41.詞義消歧可以看成是一種標注問題，但是要使用（）A)詞性標記B)語性標記C)詞義標記D)語義標記答案:D解析:[單選題]42.在一個_概率_空間，進行多種劃分后，其其信息熵是（）A)一定相等B)一定不等C)不確定無關(guān)聯(lián)D)互有關(guān)聯(lián)答案:C解析:[單選題]43.以下四個模型當中，哪個使用的是單向Transformer的預訓練模型A)GPT模型B)Word2Vec模型C)BERT模型D)ELMO模型答案:A解析:第2部分：多項選擇題，共23題，每題至少兩個正確答案,多選或少選均不得分。[多選題]44.下列四個選項中，描述sigmoid性質(zhì)正確的有哪些A)概率平均B)能解決非線性分類問題C)將負的權(quán)值映射到正值D)將正權(quán)值映射到負數(shù)答案:BC解析:[多選題]45.情感分析的主要內(nèi)容包括（）A)主客觀分類B)情感分類C)情感極性判斷D)情感表達答案:ABC解析:[多選題]46.正則表達式的匹配方法有()A)matchB)compileC)searchD)findall答案:ACD解析:[多選題]47.激活函數(shù)是常用于做非線性的變換，常用的激活函數(shù)有哪些A)reluB)tanhC)Leaky-ReluD)softplus答案:ABCD解析:[多選題]48.LightGBM在哪些地方進行了優(yōu)化(區(qū)別XGBoost)？A)基于Histogram的決策樹算法B)帶深度限制的Leaf-wise的葉子生長策略C)直方圖做差加速直接D)支持類別特征(CategoricalFeature)答案:ABCD解析:[多選題]49.判別式Discriminativemodel模型有什么缺點A)學習過程比較復雜B)目標分類中易產(chǎn)生較大錯誤率C)不能反映訓練數(shù)據(jù)本身的特性D)沒辦法把整個場景描述出來答案:CD解析:[多選題]50.LSTM中有三個門去控制C，是哪三個門A)遺忘門B)輸入門C)輸出門D)以上都正確答案:ABCD解析:[多選題]51.在下列四個選項中，關(guān)于GBDT算法描述正確的選項有哪些？A)預測階段的計算速度快，樹與樹之間可并行化計算（注意預測時可并行）B)在分布稠密的數(shù)據(jù)集上，泛化能力和表達能力都很好；C)GBDT在高維稀疏的數(shù)據(jù)集上表現(xiàn)不佳；D)訓練過程需要串行訓練，只能在決策樹內(nèi)部采用一些局部并行的手段提高訓練速度。答案:ABCD解析:[多選題]52.邏輯回歸有什么優(yōu)點A)LR能以概率的形式作為輸出結(jié)果，而不是0,1B)LR的可解釋強，可控度高C)訓練快D)以上都正確答案:ABCD解析:[多選題]53.關(guān)于如下運算：a=tf.Variable([3，4，5]）和b=tf.Variable(a），以下描述正確的是A)合法B)非法C)合法但a需要提前初始化D)合法但不夠安全答案:ACD解析:[多選題]54.什么是聚類算法，如何去理解聚類？A)聚類是一種機器學習技術(shù)B)它涉及到數(shù)據(jù)點的分組C)給定一組數(shù)據(jù)點，我們可以使用聚類算法將每個數(shù)據(jù)點劃分為一個特定的組D)聚類是一種無監(jiān)督學習的方法，是許多領(lǐng)域中常用的統(tǒng)計數(shù)據(jù)分析技術(shù)答案:ABCD解析:[多選題]55.寫出幾種主要的網(wǎng)絡結(jié)構(gòu)形式。A)星形結(jié)構(gòu)：具有一個中心結(jié)點，所有通訊都通過它。B)環(huán)形結(jié)構(gòu)：網(wǎng)絡結(jié)點連成一個封閉的環(huán)形。C)總線結(jié)構(gòu)：具有一個共享總線，所有結(jié)點掛在上面，又稱樹形結(jié)構(gòu)D)以上都正確答案:ABCD解析:[多選題]56.以下關(guān)于KNN的四個選項中，說法正確的是（）。A)無需參數(shù)估計，無需訓練B)適合用于稀有事件的分類問題C)對變量之間的共線性比較敏感D)可解釋性差答案:ABD解析:[多選題]57.CART相比較ID3和C4.5有什么獨特之處A)CART生成的樹必須是二叉樹B)CART既可以做分了也可以做回歸C)CART內(nèi)部節(jié)點只能根據(jù)屬性值進行二分D)以上都正確答案:ABCD解析:[多選題]58.交叉熵為-1/m∑[y(i)log(hθ(x(i)))+(1?y(i))log(1?hθ(x(i)))]A)m是訓練輸入元素個數(shù)B)∑的加和長度是輸入個數(shù)C)y（i）來自標簽的onehot表D)hθ(x(i))和標簽one-hot表維度一致答案:ABCD解析:[多選題]59.NLP中有哪幾大類任務A)序列標注B)分類C)句子關(guān)系判斷D)生成式任務答案:ABCD解析:[多選題]60.以下的幾個任務中，哪些任務屬于自然語言領(lǐng)域的A)人臉檢測B)機器翻譯C)圖像識別D)會話機器人答案:BD解析:[多選題]61.生成式模型的有點有：A)適用較多類別的識別B)能更充分利用先驗知識C)分類邊界更靈活D)研究單類問題靈活性強答案:BD解析:[多選題]62.谷歌開源出來的BERT，一般可以用于下列哪些任務A)情感分析B)垃圾郵件過濾C)命名實體識別D)問答系統(tǒng)答案:ABCD解析:[多選題]63.Stacking的操作可以分為哪些階段A)Aggregating階段，將上一個階段訓練得到的n個基模型組合起來，共同做決策。在分類任務中，可采用投票法，比如相對多數(shù)投票法，將結(jié)果預測為得票最多的類別。而在回歸任務中可采用平均法，即將每個基模型預測得到的結(jié)果進行簡單平均或加權(quán)平均來獲得最終的預測結(jié)果。B)Boostrap階段，即采用有放回的采樣方式，將訓練集分為n個子樣本集；并用基學習器對每組樣本分布進行訓練，得到n個基模型C)分別采用全部的訓練樣本來訓練n個組件模型，要求這些個體學習器必須異構(gòu)的，比如可以分別是線性學習器，SVM，決策樹模型和深度學習模型。D)訓練一個元模型(meta-model)來將各個組件模型的輸出結(jié)果進行結(jié)合，具體過程就是將各個學習器在訓練集上得到的預測結(jié)果作為訓練特征和訓練集的真實結(jié)果組成新的訓練集；然后用這個新組成的訓練集來訓練一個元模型。這個元模型可以是線性模型或者樹模型。答案:BC解析:[多選題]64.文本的One-hot表示的缺點有（）A)維數(shù)過高B)矩陣稀疏C)不能保留語義D)以上都不對答案:ABC解析:第3部分：判斷題，共24題，請判斷題目是否正確。[判斷題]65.jieba是最常用的命名實體識別工具A)正確B)錯誤答案:錯解析:[判斷題]66.Keras是pytorch高級集成APiA)正確B)錯誤答案:錯解析:[判斷題]67.通過Attention可以給賦予一個不同大小的權(quán)重值A(chǔ))正確B)錯誤答案:對解析:[判斷題]68.SVM算法中，既可以做分類又可以做回歸A)正確B)錯誤答案:對解析:[判斷題]69.正則表達式的?[0-9a-zA-Z_]+?只用于匹配一個字母或者數(shù)字A)正確B)錯誤答案:錯解析:[判斷題]70.GPT中最大的缺點就是不能解決一詞多意問題A)正確B)錯誤答案:錯解析:[判斷題]71.基于規(guī)則的方法，基于統(tǒng)計的方法，基于語義的標注方法，基于統(tǒng)計的和基于規(guī)則的相結(jié)合的方法都是詞性標注方法A)正確B)錯誤答案:錯解析:[判斷題]72.不可撤回方式是利用問題給出的局部知識來決定如何選取規(guī)則，接著再根據(jù)新狀態(tài)繼續(xù)選取規(guī)則，搜索過程一直進行下去，不必考慮撒回用過的規(guī)則。A)正確B)錯誤答案:對解析:[判斷題]73.特征歸一化以后，可以通過梯度更快的找到最優(yōu)解A)正確B)錯誤答案:對解析:[判斷題]74.加入這個正則化項好處：控制參數(shù)幅度，限制參數(shù)搜索空間A)正確B)錯誤答案:對解析:[判斷題]75.設計一個漢字輸入系統(tǒng)需要對漢字進行編碼,這里指漢字的外碼,即輸出碼A)正確B)錯誤答案:錯解析:[判斷題]76.正則表達式可用于自動提取人名與電話號碼。對A)正確B)錯誤答案:對解析:[判斷題]77.CNN，RNN都叫特征提取器A)正確B)錯誤答案:對解析:[判斷題]78.關(guān)于網(wǎng)絡中的學習問題，在一次學習問題中，只能通過一個樣本進行學習，以能夠認出同一個人。A)正確B)錯誤答案:對解析:[判斷題]79.sigmoid接近飽和區(qū)時，變換太緩慢，導數(shù)趨于0，這種情況會造成信息丟失A)正確B)錯誤答案:對解析:[判斷題]80.relu比sigmoid更容易陷入梯度消失A)正確B)錯誤答案:錯解析:[判斷題]81.正向最大匹配算法和逆向最大匹配算法的本質(zhì)目的相同，都是對文本進行分詞A)正確B)錯誤答案:對解析:[判斷題]82.命名實體識別是StanfordNLP的應用A)正確B)錯誤答案:對解析:[判斷題]83.按語料庫的用途可劃分為通用語料庫和專用語料庫A)正確B)錯誤答案:對解析:[判斷題]84.SVM就是想找到一個距離最大的超平面，可以更好的去做分類A)正確B)錯誤答案:對解析:[判斷題]85.常用的減緩過擬合方法包括，用正則化或者dropout。A)正確B)錯誤答案:對解析:[判斷題]86.textblob可以完成中文文本分詞操作。錯A)正確B)錯誤答案:錯解析:[判斷題]87.詞性標注是指給詞語標上詞類標簽，比如名詞、動詞、形容詞等。A)正確B)錯誤答案:對解析:[判斷題]88.如果mini-batch大小是2的n次方，代碼會運行的更快A)正確B)錯誤答案:對解析:第4部分：問答題，共10題，請在空白處填寫正確答案。[問答題]89.需要對中文文本進行分詞時，需要首先導入()庫。答案:JIEBA解析:[問答題]90.NLTK中基本函數(shù)的使用方法concordance函數(shù)可搜索()。答案:指定內(nèi)容解析:[問答題]91.正則表達式的()函數(shù)用于用于在整個字符串內(nèi)查找對應的模式進行匹配。答案:SEARCH解析:[問答題]92.由下表的訓練數(shù)據(jù)集，學習一個樸素貝葉斯分類器并確定當實例為x=(2,S)T時的類標記y。表中，X1和X2為特征，其取值的集合分別為A1={1,2,3}，X2A2={S,M,L}，Y為類標記，Y∈{?1,1}。答案:解：根據(jù)樸素貝葉斯算法，計算以下概率：P(Y=1)=9/1