Mit dem Guide verknüpftes Quiz · Mittel Ebene

Quiz zur Entitätsverknüpfung und Disambiguierung

Erwähnungserkennung, Kontext, Kandidatengenerierung, Bi-Encoder-Abruf, Cross-Encoder-Reranking, NIL-Ausgaben und Kohärenz auf Dokumentebene testen.

Verwandte FührungspfadeVerknüpfung und Begriffsklärung von Entitäten
Frage 1 von 8

Womit verbindet die Entitätsverknüpfung eine Texterwähnung?

Sehen Sie sich jede Frage in der Vorschau an8 Fragen

Während Sie am Quiz teilnehmen, werden Antworten und Erklärungen angezeigt.

  1. Womit verbindet die Entitätsverknüpfung eine Texterwähnung?
    • Eine zufällige Webseite
    • Ein neuer Trainingslauf
    • Eine Rechtschreibkorrektur
    • Ein einzigartiger Eintrag in einer Wissensdatenbank
  2. Was ist die Aufgabe der Begriffsklärung in der Formulierung „das Unternehmen Apple hat ein Telefon herausgebracht“?
    • Bei der Entscheidung für Apple geht es um die Frucht, nicht um das Unternehmen
    • Bei der Entscheidung für Apple geht es um das Technologieunternehmen, nicht um die Frucht
    • Apple in eine andere Sprache übersetzen
    • Zählen der Buchstaben in Apple
  3. Was ist der Zweck der Kandidatengenerierungsphase?
    • Um einen neuen Artikel zu schreiben
    • Um mehrdeutige Wörter zu löschen
    • Um eine Auswahlliste möglicher passender Entitäten abzurufen
    • Um den Text zu übersetzen
  4. Welche Rolle spielt ein Bi-Encoder bei der modernen Entitätsverknüpfung?
    • Schneller Abruf über separate Einbettungen für Erwähnung und Entitäten
    • Langsame manuelle Kennzeichnung jeder Erwähnung
    • Erzeugen von Bildern von Entitäten
    • Verschlüsselung der Wissensdatenbank
  5. Was stellt eine NIL-Klasse bei der Entitätsverknüpfung dar?
    • Das beliebteste Unternehmen
    • Eine Erwähnung ohne passenden Wissensdatenbankeintrag
    • Eine doppelte Entität
    • Ein Trainingsfehler
  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