Test legat de ghid · Mediu Nivel

Testul de conectare și dezambiguizare a entităților

Detectarea mențiunilor de testare, contextul, generarea de candidați, preluarea bi-coderului, reclasificarea intercoderului, ieșirile NIL și coerența la nivel de document.

Căi de ghidare aferenteLegarea entităților și dezambiguizarea
Întrebare 1 de 8

La ce se leagă legătura dintre entități o mențiune de text?

Previzualizează fiecare întrebare8 întrebări

Răspunsurile și explicațiile apar pe măsură ce susțineți testul.

  1. La ce se leagă legătura dintre entități o mențiune de text?
    • O pagină web aleatorie
    • O nouă cursă de antrenament
    • O corectare de ortografie
    • O intrare unică într-o bază de cunoștințe
  2. În expresia „compania Apple a lansat un telefon”, care este sarcina de dezambiguizare?
    • A decide Apple înseamnă fructe, nu companie
    • A decide Apple înseamnă compania de tehnologie, nu fructele
    • Traducerea Apple într-o altă limbă
    • Numărarea literelor din Apple
  3. Care este scopul etapei de generare a candidaților?
    • Pentru a scrie un articol nou
    • Pentru a șterge cuvinte ambigue
    • Pentru a prelua o listă scurtă de posibile entități care se potrivesc
    • Pentru a traduce textul
  4. Ce rol joacă un bi-encoder în legarea modernă a entităților?
    • Recuperare rapidă prin încorporare separate pentru mențiuni și entități
    • Etichetarea manuală lentă a fiecărei mențiuni
    • Generarea de imagini ale entităților
    • Criptarea bazei de cunoștințe
  5. Ce reprezintă o clasă NIL în legarea entităților?
    • Cea mai populară entitate
    • O mențiune fără o intrare potrivită în baza de cunoștințe
    • O entitate duplicat
    • O eroare de antrenament
  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