Gids-gekoppelde quiz · Middelmatig Niveau

Quiz voor het koppelen en ondubbelzinnig maken van entiteiten

Detectie van testvermeldingen, context, genereren van kandidaten, ophalen van bi-encoder, herrangschikking van cross-encoder, NIL-uitvoer en coherentie op documentniveau.

Vraag 1 van 8

Waarmee verbindt entiteitskoppeling een tekstvermelding?

Bekijk elke vraag8 vragen

Antwoorden en uitleg verschijnen terwijl je de quiz doet.

  1. Waarmee verbindt entiteitskoppeling een tekstvermelding?
    • Een willekeurige webpagina
    • Een nieuwe trainingsronde
    • Een spellingcorrectie
    • Een unieke vermelding in een kennisbank
  2. Wat is de ondubbelzinnigheidstaak van de zinsnede 'Het bedrijf Apple heeft een telefoon uitgebracht'?
    • Beslissen over Apple betekent het fruit, niet het bedrijf
    • Beslissen over Apple betekent het technologiebedrijf, niet het fruit
    • Apple naar een andere taal vertalen
    • De letters tellen in Apple
  3. Wat is het doel van de fase van het genereren van kandidaten?
    • Om een nieuw artikel te schrijven
    • Om dubbelzinnige woorden te verwijderen
    • Om een shortlist van mogelijke overeenkomende entiteiten op te halen
    • Om de tekst te vertalen
  4. Welke rol speelt een bi-encoder bij het koppelen van moderne entiteiten?
    • Snel opvragen via aparte inbedding voor vermelding en entiteiten
    • Trage handmatige etikettering van elke vermelding
    • Afbeeldingen van entiteiten genereren
    • Het versleutelen van de kennisbank
  5. Wat vertegenwoordigt een NIL-klasse bij het koppelen van entiteiten?
    • De meest populaire entiteit
    • Een vermelding zonder overeenkomende kennisbankvermelding
    • Een dubbele entiteit
    • Een trainingsfout
  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