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:15.81 KB
总页数:22 页
更新时间:2025-10-21
总字数:约7.41千字
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.以下哪种数据增强方法可以有效提高文本分类模型的泛化能力?
A.数据扩充
B.数据清洗
C.数据抽取
D.数据归一化
答案:A
解析:数据扩充通过生成模型的新样本来增加训练数据集的规模,有助于模型学习到更多的特征,从而提高文本分类模型的泛化能力。参考《深度学习在文本分类中的应用》2025版5.4节。
2.在低资源环境下,以下哪种策略可以有效地提升预训练模型的性能?
A.持续预训练
B.知识蒸馏
C.参数高效微调(LoRA)
D.结构剪枝
答案:C
解析:参数高效微调(LoRA)通过微调