Útmutatóhoz kapcsolódó kvíz · Közepes Szint

Entitás-összekapcsolási és egyértelműsítő kvíz

Test mention detection, context, candidate generation, bi-encoder retrieval, cross-encoder reranking, NIL outputs, and document-level coherence.

kérdés 1 -ból 8

Mihez köti az entitáshivatkozás a szöveges említést?

Tekintse meg az összes kérdést8 kérdéseket

A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.

  1. Mihez köti az entitáshivatkozás a szöveges említést?
    • Egy véletlenszerű weboldal
    • Új edzés
    • Helyesírási javítás
    • Egyedülálló bejegyzés a tudásbázisban
  2. Az „Apple cég kiadott egy telefont” kifejezésben mi a pontosítási feladat?
    • Az Apple döntése a gyümölcsöt jelenti, nem a céget
    • Az Apple döntése a technológiai vállalatot jelenti, nem a gyümölcsöt
    • Az Apple fordítása másik nyelvre
    • A betűk számolása az Apple-ben
  3. Mi a célja a jelöltgenerációs szakasznak?
    • Új cikket írni
    • A kétértelmű szavak törléséhez
    • A lehetséges egyező entitások szűkített listájának lekérése
    • A szöveg fordításához
  4. Milyen szerepet játszik a bi-kódoló a modern entitás-összekapcsolásban?
    • Gyors visszakeresés külön beágyazással a megemlítésekhez és az entitásokhoz
    • Lassú kézi címkézés minden említésnél
    • Entitásképek generálása
    • A tudásbázis titkosítása
  5. Mit jelent egy NIL osztály az entitások összekapcsolásában?
    • A legnépszerűbb entitás
    • Említés, megfelelő tudásbázis-bejegyzés nélkül
    • Egy ismétlődő entitás
    • Kiképzési hiba
  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