Bài kiểm tra có liên kết hướng dẫn · Trung bình Cấp độ

Bài kiểm tra liên kết và định hướng thực thể

Kiểm tra phát hiện đề cập, bối cảnh, tạo ứng cử viên, truy xuất bộ mã hóa hai, sắp xếp lại bộ mã hóa chéo, đầu ra NIL và sự gắn kết ở cấp độ tài liệu.

Đường dẫn hướng dẫn liên quanLiên kết và định hướng thực thể
Câu hỏi 1 của 8

Liên kết thực thể kết nối đề cập đến văn bản với điều gì?

Xem trước mọi câu hỏi8 câu hỏi

Câu trả lời và giải thích xuất hiện khi bạn làm bài kiểm tra.

  1. Liên kết thực thể kết nối đề cập đến văn bản với điều gì?
    • Một trang web ngẫu nhiên
    • Một đợt tập luyện mới
    • Sửa lỗi chính tả
    • Một mục duy nhất trong cơ sở kiến thức
  2. Trong cụm từ 'công ty Apple đã phát hành một chiếc điện thoại', nhiệm vụ định hướng là gì?
    • Quyết định Apple có nghĩa là trái cây chứ không phải công ty
    • Quyết định Apple có nghĩa là công ty công nghệ chứ không phải trái cây
    • Dịch Apple sang ngôn ngữ khác
    • Đếm các chữ cái trong Apple
  3. Mục đích của giai đoạn tạo ứng viên là gì?
    • Để viết một bài viết mới
    • Để xóa những từ mơ hồ
    • Để truy xuất danh sách rút gọn các thực thể phù hợp có thể
    • Để dịch văn bản
  4. Bộ mã hóa kép đóng vai trò gì trong liên kết thực thể hiện đại?
    • Truy xuất nhanh thông qua các phần nhúng riêng biệt cho đề cập và thực thể
    • Ghi nhãn thủ công chậm cho mỗi lần đề cập
    • Tạo hình ảnh của các thực thể
    • Mã hóa cơ sở tri thức
  5. Lớp NIL thể hiện điều gì trong liên kết thực thể?
    • Thực thể phổ biến nhất
    • Một đề cập không có mục cơ sở kiến thức phù hợp
    • Thực thể trùng lặp
    • Một lỗi đào tạo
  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