テキストからの関係抽出クイズ

クイズに答えると、答えと解説が表示されます。

1. 関係抽出システムの典型的な出力は何ですか?
   • 2 つのエンティティを関係によってリンクする構造化されたトリプル
   • 文の文法解析木
   • ネガティブからポジティブへの感情スコア
   • 文を別の言語に翻訳したもの
2. In a common pipeline for relation extraction, what may identify entity mentions before pair classification?
   • テキスト読み上げ合成
   • 固有表現の認識
   • 画像のセグメンテーション
   • 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. 多くの変圧器ベースの RE モデルは、どのエンティティ ペアを分類するかをどのように示していますか?
   • まず文を翻訳してみると
   • エンティティの 1 つを削除することによって
   • テキストを音声に変換することで、
   • 2 つのエンティティの周囲に特別なマーカー トークンを挿入することによって
5. 「オープン」関係抽出と標準 RE の違いは何ですか?
   • 事前定義された関係タイプのセットを使用せずに、テキストから関係フレーズを直接抽出します。
   • 数値にのみ機能します
   • 他の方法よりも多くのラベル付きデータが必要です
   • ドキュメントごとに 1 つのリレーションのみを見つけることができます
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