Викторина, связанная с руководством · Средний Уровень

Извлечение отношений из текстового теста

Проверьте, как извлечение отношений превращает текст в структурированные факты и как его обычные конвейеры и методы контроля могут дать сбой.

Связанные направляющие путиИзвлечение отношений из текста
Вопрос 1 из 8

Каков типичный результат работы системы извлечения отношений?

Предварительный просмотр каждого вопроса8 вопросы

Ответы и пояснения появляются по мере прохождения теста.

  1. Каков типичный результат работы системы извлечения отношений?
    • Структурированная тройка, связывающая две сущности отношением.
    • Грамматическое дерево разбора предложения
    • Оценка настроения от отрицательного к положительному
    • Перевод предложения на другой язык
  2. In a common pipeline for relation extraction, what may identify entity mentions before pair classification?
    • Синтез текста в речь
    • Распознавание названного объекта
    • Сегментация изображений
    • 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. Как многие модели RE на основе трансформаторов указывают, какую пару объектов следует классифицировать?
    • Сначала переведя предложение
    • Удалив одну из сущностей
    • Преобразуя текст в аудио
    • Вставляя специальные маркеры вокруг двух объектов.
  5. Что отличает «открытое» извлечение отношений от стандартного RE?
    • Он извлекает фразы отношения непосредственно из текста без заранее определенного набора типов отношений.
    • Работает только с числами
    • Он требует больше размеченных данных, чем любой другой метод.
    • Он может найти только одно отношение в документе
  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