Kuiz berkaitan panduan · Sederhana Tahap

Kuiz Pemautan dan Nyahkekaburan Entiti

Pengesanan sebutan ujian, konteks, penjanaan calon, perolehan dwi pengekod, penarafan semula pengekod silang, output NIL dan koheren peringkat dokumen.

Laluan panduan yang berkaitanPemautan Entiti Dan Nyahkekaburan
soalan 1 daripada 8

Apakah yang menghubungkan entiti dengan sebutan teks?

Pratonton setiap soalan8 soalan

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

  1. Apakah yang menghubungkan entiti dengan sebutan teks?
    • Laman web rawak
    • Larian latihan baru
    • Pembetulan ejaan
    • Entri unik dalam pangkalan pengetahuan
  2. Dalam frasa 'syarikat Apple mengeluarkan telefon', apakah tugas nyahkekaburan?
    • Memutuskan Apple bermakna buah, bukan syarikat
    • Memutuskan Apple bermakna syarikat teknologi, bukan buahnya
    • Menterjemahkan Apple ke dalam bahasa lain
    • Mengira huruf dalam Apple
  3. Apakah tujuan peringkat penjanaan calon?
    • Untuk menulis artikel baru
    • Untuk memadam perkataan yang tidak jelas
    • Untuk mendapatkan semula senarai pendek entiti yang mungkin sepadan
    • Untuk menterjemah teks
  4. Apakah peranan yang dimainkan oleh pengekod dwi dalam pemautan entiti moden?
    • Pendapatan pantas melalui pembenaman berasingan untuk sebutan dan entiti
    • Pelabelan manual yang perlahan bagi setiap sebutan
    • Menjana imej entiti
    • Menyulitkan pangkalan pengetahuan
  5. Apakah yang diwakili oleh kelas NIL dalam pemautan entiti?
    • Entiti yang paling popular
    • Sebutan tanpa entri asas pengetahuan yang sepadan
    • Entiti pendua
    • Ralat latihan
  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