Kuis terkait panduan · Sedang Tingkat

Kuis Penautan Entitas dan Disambiguasi

Uji deteksi penyebutan, konteks, pembuatan kandidat, pengambilan bi-encoder, pemeringkatan ulang lintas-encoder, keluaran NIL, dan koherensi tingkat dokumen.

Jalur panduan terkaitPenautan dan Disambiguasi Entitas
Pertanyaan 1 dari 8

Apa yang menghubungkan entitas yang menghubungkan penyebutan teks?

Pratinjau setiap pertanyaan8 pertanyaan

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

  1. Apa yang menghubungkan entitas yang menghubungkan penyebutan teks?
    • Halaman web acak
    • Latihan baru dijalankan
    • Koreksi ejaan
    • Entri unik dalam basis pengetahuan
  2. Dalam kalimat 'perusahaan Apple merilis telepon', apa tugas disambiguasinya?
    • Memutuskan Apple berarti buahnya, bukan perusahaannya
    • Memutuskan Apple berarti perusahaan teknologinya, bukan buahnya
    • Menerjemahkan Apple ke bahasa lain
    • Menghitung huruf di Apple
  3. Apa tujuan dari tahap pembangkitan calon?
    • Untuk menulis artikel baru
    • Untuk menghapus kata-kata yang ambigu
    • Untuk mengambil daftar pendek kemungkinan entitas yang cocok
    • Untuk menerjemahkan teks
  4. Peran apa yang dimainkan bi-encoder dalam penautan entitas modern?
    • Pengambilan cepat melalui penyematan terpisah untuk penyebutan dan entitas
    • Pelabelan manual yang lambat pada setiap penyebutan
    • Menghasilkan gambar entitas
    • Mengenkripsi basis pengetahuan
  5. Apa yang diwakili oleh kelas NIL dalam penautan entitas?
    • Entitas paling populer
    • Penyebutan tanpa entri basis pengetahuan yang cocok
    • Entitas duplikat
    • Kesalahan pelatihan
  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