Quiz połączony z przewodnikiem · Średni Poziom

Quiz dotyczący łączenia jednostek i ujednoznaczniania

Przetestuj wykrywanie wzmianek, kontekst, generowanie kandydatów, wyszukiwanie bi-enkoderem, reranking cross-enkoderem, wyniki NIL oraz spójność na poziomie dokumentu.

Powiązane ścieżki prowadząceŁączenie i ujednoznacznianie jednostek
Pytanie 1 z 8

Z czym łączy się encja łącząca wzmiankę tekstową?

Podgląd każdego pytania8 pytania

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

  1. Z czym łączy się encja łącząca wzmiankę tekstową?
    • Losowa strona internetowa
    • Nowa trasa treningowa
    • Korekta ortograficzna
    • Unikalny wpis w bazie wiedzy
  2. Jakie jest zadanie ujednoznaczniające w zdaniu „firma Apple wypuściła telefon”?
    • Decydując się na Apple, masz na myśli owoce, a nie firmę
    • Podejmowanie decyzji przez Apple oznacza firmę technologiczną, a nie owoce
    • Tłumaczenie Apple na inny język
    • Liczenie liter w Apple
  3. Jaki jest cel etapu generowania kandydatów?
    • Aby napisać nowy artykuł
    • Aby usunąć niejednoznaczne słowa
    • Aby pobrać krótką listę możliwych pasujących jednostek
    • Aby przetłumaczyć tekst
  4. Jaką rolę odgrywa bi-enkoder we współczesnym łączeniu jednostek?
    • Szybkie pobieranie poprzez oddzielne osadzanie wzmianek i podmiotów
    • Powolne, ręczne etykietowanie każdej wzmianki
    • Generowanie obrazów obiektów
    • Szyfrowanie bazy wiedzy
  5. Co reprezentuje klasa NIL w łączeniu jednostek?
    • Najpopularniejszy podmiot
    • Wzmianka bez pasującego wpisu w bazie wiedzy
    • Duplikat podmiotu
    • Błąd szkoleniowy
  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