Kuis terkait panduan · Sedang Tingkat

Ekstraksi Relasi dari Kuis Teks

Uji bagaimana ekstraksi relasi mengubah teks menjadi fakta terstruktur, dan bagaimana saluran umum serta metode pengawasannya bisa gagal.

Jalur panduan terkaitEkstraksi Relasi Dari Teks
Pertanyaan 1 dari 8

Apa keluaran khas dari sistem ekstraksi relasi?

Pratinjau setiap pertanyaan8 pertanyaan

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

  1. Apa keluaran khas dari sistem ekstraksi relasi?
    • Triple terstruktur yang menghubungkan dua entitas melalui suatu relasi
    • Pohon penguraian gramatikal suatu kalimat
    • Skor sentimen dari negatif ke positif
    • Terjemahan kalimat ke dalam bahasa lain
  2. In a common pipeline for relation extraction, what may identify entity mentions before pair classification?
    • Sintesis teks-ke-ucapan
    • Pengakuan entitas bernama
    • Segmentasi gambar
    • Audio source separation
  3. Why can distant supervision produce noisy relation-extraction labels?
    • Knowledge bases contain no structured facts
    • It requires every sentence to be hand-labeled
    • A sentence may mention two linked entities without stating their knowledge-base relation
    • It removes entity mentions before training
  4. Bagaimana banyak model RE berbasis transformator menunjukkan pasangan entitas mana yang akan diklasifikasikan?
    • Dengan menerjemahkan kalimatnya terlebih dahulu
    • Dengan menghapus salah satu entitas
    • Dengan mengubah teks menjadi audio
    • Dengan menyisipkan token penanda khusus di sekitar dua entitas
  5. Apa yang membedakan ekstraksi relasi 'terbuka' dari RE standar?
    • Ini mengekstrak frasa relasi langsung dari teks tanpa serangkaian tipe relasi yang telah ditentukan sebelumnya
    • Ini hanya berfungsi pada angka
    • Ini memerlukan lebih banyak data berlabel dibandingkan metode lainnya
    • Ia hanya dapat menemukan satu relasi per dokumen
  6. Why include a no-relation label when classifying candidate entity pairs?
    • To translate the sentence into another language
    • To represent pairs for which the text does not assert a target relation
    • To replace named entity recognition
    • To guarantee that every pair has a relation
  7. What does document-level relation extraction allow a system to use?
    • Only the spelling of a single entity
    • Audio features from a spoken recording
    • Evidence that may be spread across multiple sentences
    • A fixed relation without reading text
  8. How does open relation extraction differ from a closed relation schema?
    • It cannot use text as input
    • It always requires a knowledge base to label every sentence
    • It only identifies entity boundaries
    • It can express relation phrases without choosing only from a predefined label inventory