某公司自然语言处理算法笔试题

灰太狼 2022-05-28 09:35 232阅读 0赞

#### 1 请列出几种文本特征提取算法 ####

答：文档频率、信息增益、互信息、X^2统计、TF-IDF

#### 2 简述几种自然语言处理开源工具包 ####

答：LingPipe、FudanNLP、OpenNLP、CRF++、Standord CoreNLP、IKAnalyzer

#### 3 简述无监督和有监督算法的区别 ####

答：  
（1）有监督学习：对具有概念标记（分类）的训练样本进行学习，以尽可能对训练样本集外的数据进行标记（分类）预测。这里，所有的标记（分类）是已知的。因此，训练样本的岐义性低。  
无监督学习：对没有概念标记（分类）的训练样本进行学习，以发现训练样本集中的结构性知识。这里，所有的标记（分类）是未知的。因此，训练样本的岐义性高。聚类就是典型的无监督学习  
（2）有监督学习的样本全部带标记，无监督学习的样本全部不带标记。  
PS:部分带标记的是半监督学习  
（3）训练集有输入有输出是有监督，包括所有的回归算法分类算法，比如线性回归、决策树、神经网络、KNN、SVM等；训练集只有输入没有输出是无监督，包括所有的聚类算法，比如k-means 、PCA、 GMM等

#### 4 请简述几种熟悉的分类算法 ####

答：kNN，kMeans，决策树，随机森林等

#### 5 以下代码是Java实现中文分词，请简述分词过程 ####

public class SplitChineseCharacter {
        public static void main(String[] args) {
            String input = "太好了，今天是星期六啊";
            new Split(input).start();
        }
    }
    
    class Split {
        private String[] dictionary = {
       "今天", "是", "星期", "星期六"};
        private String input = null;
    
        public Split(String input) {
            this.input = input;
        }
    
        public void start() {
            String temp = null;
            System.out.println(this.input.length());
            for(int i = 0; i < this.input.length(); i++) {
                temp = this.input.substring(i);
                if(this.isInDictionay(temp)) {
                    System.out.println(temp);
                    this.input = this.input.replace(temp, "");
                    i = - 1;
                } 
            } 
    
            if(null != this.input && !"".equals(this.input)) {
                this.input = this.input.substring(0, this.input.length() - 1);
                this.start();
            }
        }
    
        public boolean isInDictionay(String temp) {
            for(int i = 0; i < this.dictionary.length; i++) {
                if(temp.equals(this.dictionary[i])) {
                    return true;
                }
            }
    
            return false;
        }
    }

运行结果：

星期六
    是
    今天

> 更多内容请关注微信公众号  
> ![feicuisenlin\_12x12.jpg][feicuisenlin_12x12.jpg]

[feicuisenlin_12x12.jpg]: /images/20220528/1da7e46282394f518bc00b3061f63402.png