Quiz dotyczący rozdzielczości koreferencji

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

1. When grouping Maria and she in Maria said she was tired, what identity relationship does coreference resolution investigate?
   • Whether the two mentions refer to the same entity
   • Whether the passage must be translated first
   • Whether both words have the same spelling
   • Whether the sentence has exactly two punctuation marks
2. Linking a pronoun to an earlier expression for the same referent is a familiar example of which relation?
   • Document-level sentiment classification
   • Segmentacja obrazu
   • Pronominal anaphora
   • Alphabetical token sorting
3. Dlaczego zdanie „Trofeum nie zmieściło się do walizki, bo było za duże” to klasyczny twardy futerał (schemat Winogradu)?
   • Zawiera błąd ortograficzny
   • Nie ma w ogóle zaimków
   • Jest napisany stroną bierną
   • Podjęcie decyzji, do czego odnosi się „to”, wymaga wiedzy ze świata rzeczywistego, a nie tylko gramatyki
4. Dlaczego rozdzielczość koreferencji ma znaczenie w przypadku zadań takich jak podsumowanie i odpowiadanie na pytania?
   • Poprawia czcionkę tekstu
   • Pomyłka, do której jednostki odnosi się słowo, prowadzi do błędnych lub mylących wyników
   • Przyspiesza dysk twardy komputera
   • Przydaje się tylko w poezji
5. How do influential span-ranking coreference models construct mention links?
   • By requiring all names to be alphabetically adjacent
   • By deleting every pronoun before analyzing identity
   • By scoring candidate mentions and potential earlier antecedents
   • By assigning every span the same database record
6. Which information can provide cues for a coreference model without guaranteeing a correct link?
   • Mention distance, grammatical agreement, and contextual information
   • Text color alone
   • The speed at which the user typed
   • A requirement that occupation stereotypes determine gender
7. What extra step distinguishes entity linking from grouping coreferent mentions inside a document?
   • Counting how many pronouns appear without resolving them
   • Associating a mention with a disambiguated external knowledge-base entry
   • Changing every mention to uppercase
   • Requiring every mention to be a different entity
8. What does WinoBias examine through occupation-based, Winograd-style pronoun examples?
   • The screen resolution used to display occupations
   • A guarantee that every occupation has one gender
   • The file size of every trained model
   • Differences between pro-stereotypical and anti-stereotypical coreference performance