基本信息
文件名称:2025年低资源文本分类数据增强习题(含答案与解析).docx
文件大小:14.84 KB
总页数:11 页
更新时间:2025-09-06
总字数:约6.73千字
文档摘要
2025年低资源文本分类数据增强习题(含答案与解析)
一、单选题(共15题)
1.在低资源文本分类任务中,以下哪种方法可以有效提升模型性能?
A.增加训练数据量
B.使用预训练语言模型
C.数据增强技术
D.降低模型复杂度
答案:C
解析:数据增强技术通过增加多样化样本来提高模型在低资源环境下的泛化能力,如旋转、缩放、裁剪等操作,参考《数据增强技术手册》2025版第5.2节。
2.以下哪个指标常用于评估文本分类模型的性能?
A.梯度消失
B.困惑度
C.过拟合
D.权重更新
答案:B
解析:困惑度是衡量模型对文本理解程度的一个指标,困惑度越低,说明模型对文本的分类越