گائیڈ سے منسلک کوئز · درمیانہ سطح

ہستی کو جوڑنا اور ابہام سے متعلق کوئز

ٹیسٹ ذکر کا پتہ لگانا، سیاق و سباق، امیدوار کی نسل، دو انکوڈر بازیافت، کراس انکوڈر ری رینکنگ، NIL آؤٹ پٹس، اور دستاویز کی سطح کی ہم آہنگی۔

متعلقہ گائیڈ کے راستےہستی کو جوڑنا اور ابہام
سوال 1 کی 8

ہستی کو جوڑنا متن کے تذکرے کو کس چیز سے جوڑتا ہے؟

ہر سوال کا جائزہ لیں۔8 سوالات

جب آپ کوئز دیتے ہیں تو جوابات اور وضاحتیں ظاہر ہوتی ہیں۔

  1. ہستی کو جوڑنا متن کے تذکرے کو کس چیز سے جوڑتا ہے؟
    • ایک بے ترتیب ویب صفحہ
    • ایک نئی ٹریننگ رن
    • املا کی اصلاح
    • علم کی بنیاد میں ایک منفرد اندراج
  2. 'کمپنی ایپل نے ایک فون جاری کیا' کے جملے میں، ابہام کا کام کیا ہے؟
    • ایپل کا فیصلہ کرنے کا مطلب پھل ہے، کمپنی نہیں۔
    • ایپل کا فیصلہ کرنے کا مطلب ہے ٹیک کمپنی، پھل نہیں۔
    • Apple کو دوسری زبان میں ترجمہ کرنا
    • ایپل میں حروف کی گنتی
  3. امیدوار نسل کے مرحلے کا مقصد کیا ہے؟
    • نیا مضمون لکھنے کے لیے
    • مبہم الفاظ کو حذف کرنے کے لیے
    • ممکنہ مماثل اداروں کی مختصر فہرست بازیافت کرنے کے لیے
    • متن کا ترجمہ کرنے کے لیے
  4. جدید ہستی کو جوڑنے میں بائی انکوڈر کیا کردار ادا کرتا ہے؟
    • ذکر اور ہستیوں کے لیے علیحدہ سرایت کے ذریعے تیزی سے بازیافت
    • ہر ذکر کی آہستہ دستی لیبلنگ
    • اداروں کی تصاویر بنانا
    • علم کی بنیاد کو خفیہ کرنا
  5. این آئی ایل کلاس ہستی کو جوڑنے میں کیا نمائندگی کرتی ہے؟
    • سب سے زیادہ مقبول ادارہ
    • ایک تذکرہ جس میں علم کی بنیاد پر کوئی مماثل اندراج نہیں ہے۔
    • ایک نقلی ہستی
    • تربیت کی غلطی
  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