Kvíz spojený s průvodcem · Střední úroveň

Kvíz o propojení entit a rozcestníku

Detekce testovacích zmínek, kontext, generování kandidátů, vyhledávání bi-kodérů, změna pořadí mezi kodéry, výstupy NIL a koherence na úrovni dokumentu.

Související vodicí cestyPropojení entit a rozcestnicování
Otázka 1 z 8

S čím propojení entit spojuje textovou zmínku?

Náhled každé otázky8 otázky

Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.

  1. S čím propojení entit spojuje textovou zmínku?
    • Náhodná webová stránka
    • Nový tréninkový běh
    • Oprava pravopisu
    • Jedinečný vstup do znalostní báze
  2. Jaký je úkol ve větě „společnost Apple vydala telefon“?
    • Rozhodování Apple znamená ovoce, ne společnost
    • Rozhodování Apple znamená technologickou společnost, ne ovoce
    • Překlad Apple do jiného jazyka
    • Počítání písmen v Apple
  3. Jaký je účel fáze generování kandidátů?
    • Chcete-li napsat nový článek
    • Chcete-li odstranit nejednoznačná slova
    • Chcete-li získat užší seznam možných odpovídajících entit
    • K překladu textu
  4. Jakou roli hraje bi-kodér v moderním propojování entit?
    • Rychlé vyhledávání prostřednictvím samostatných vložení pro zmínky a entity
    • Pomalé ruční označování každé zmínky
    • Generování obrázků entit
    • Šifrování znalostní báze
  5. Co představuje třída NIL v propojování entit?
    • Nejoblíbenější entita
    • Zmínka bez odpovídající položky znalostní báze
    • Duplicitní entita
    • Chyba v tréninku
  6. How can document-level coherence help an entity-linking system?
    • By guaranteeing that every mention has the same entity identifier
    • By proving every document discusses only one topic
    • By removing the need to evaluate individual mention contexts
    • By considering whether candidate assignments fit the document context and one another
  7. After fast candidate retrieval, what information does a cross-encoder jointly read for entity-linking reranking?
    • The mention's context and a candidate entity's description
    • Only the entity's numeric identifier with no text
    • Only the two input filenames
    • Only the number of images in the knowledge base
  8. If an entity-linking pipeline never proposes the span 'Apple' for analysis, which initial stage has missed that mention?
    • The final candidate reranker only
    • The image-compression stage
    • Mention detection
    • The knowledge base's output filename formatter