Cuestionario vinculado a una guía · Medio Nivel

Prueba de desambiguación y vinculación de entidades

Pruebe la detección de menciones, el contexto, la generación de candidatos, la recuperación de dos codificadores, la reclasificación de codificadores cruzados, las salidas NIL y la coherencia a nivel de documento.

Rutas de guía relacionadasVinculación y desambiguación de entidades
Pregunta 1 de 8

¿A qué conecta el enlace de entidades una mención de texto?

Vista previa de cada pregunta8 preguntas

Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.

  1. ¿A qué conecta el enlace de entidades una mención de texto?
    • Una página web aleatoria
    • Un nuevo entrenamiento
    • Una corrección ortográfica
    • Una entrada única en una base de conocimientos
  2. En la frase "la empresa Apple lanzó un teléfono", ¿cuál es la tarea de desambiguación?
    • Decidir que Apple significa la fruta, no la empresa
    • Decidir que Apple significa la empresa de tecnología, no la fruta
    • Traducir Apple a otro idioma
    • Contando las letras en Apple
  3. ¿Cuál es el propósito de la etapa de generación de candidatos?
    • Para escribir un nuevo artículo
    • Para eliminar palabras ambiguas
    • Para recuperar una lista corta de posibles entidades coincidentes
    • Para traducir el texto
  4. ¿Qué papel juega un bicodificador en la vinculación de entidades modernas?
    • Recuperación rápida mediante incrustaciones separadas para menciones y entidades
    • Etiquetado manual lento de cada mención.
    • Generando imágenes de entidades
    • Cifrar la base de conocimientos
  5. ¿Qué representa una clase NIL en la vinculación de entidades?
    • La entidad más popular.
    • Una mención sin entrada coincidente en la base de conocimientos
    • Una entidad duplicada
    • Un error de entrenamiento
  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