Gids-gekoppelde quiz · Middelmatig Niveau

Relatie-extractie uit tekstquiz

Test hoe relatie-extractie tekst omzet in gestructureerde feiten, en hoe de gebruikelijke pijplijnen en toezichtmethoden kunnen mislukken.

Gerelateerde gidspadenRelatie-extractie uit tekst
Vraag 1 van 8

Wat is de typische output van een relatie-extractiesysteem?

Bekijk elke vraag8 vragen

Antwoorden en uitleg verschijnen terwijl je de quiz doet.

  1. Wat is de typische output van een relatie-extractiesysteem?
    • Een gestructureerde drievoudige koppeling tussen twee entiteiten door middel van een relatie
    • Een grammaticale ontleedboom van de zin
    • Een sentimentscore van negatief naar positief
    • Een vertaling van de zin in een andere taal
  2. In a common pipeline for relation extraction, what may identify entity mentions before pair classification?
    • Tekst-naar-spraaksynthese
    • Herkenning van benoemde entiteiten
    • Segmentatie van afbeeldingen
    • 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. Hoe geven veel op transformatoren gebaseerde RE-modellen aan welk entiteitspaar moet worden geclassificeerd?
    • Door eerst de zin te vertalen
    • Door een van de entiteiten te verwijderen
    • Door de tekst naar audio te converteren
    • Door speciale markeringsfiches rond de twee entiteiten te plaatsen
  5. Wat onderscheidt 'open' relatie-extractie van standaard RE?
    • Het haalt relatiezinnen rechtstreeks uit tekst zonder een vooraf gedefinieerde set relatietypen
    • Het werkt alleen op cijfers
    • Het vereist meer gelabelde gegevens dan welke andere methode dan ook
    • Er kan slechts één relatie per document worden gevonden
  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