FácilOpción múltiple

Pregunta de práctica de AI-102

Está creando una solución para extraer frases clave de reseñas de clientes mediante Azure AI Language. ¿Qué característica debe utilizar?

Elige la mejor respuesta.

Respuesta correcta

  • CKey Phrase Extraction

Explicación

Key Phrase Extraction es la característica correcta porque está diseñada específicamente para identificar y devolver los puntos principales de conversación o términos importantes de texto no estructurado, como las reseñas de clientes. La API de Key Phrase Extraction de Azure AI Language analiza la estructura del texto y los patrones lingüísticos para mostrar las frases más relevantes, lo que aborda directamente el requisito de extraer frases clave de las reseñas.

Por qué cada opción es correcta o incorrecta

A

Incorrecta

Sentiment Analysis

Sentiment Analysis devuelve puntuaciones positivas, negativas o neutrales además de minería de opiniones; no genera la lista de frases nominales que exige el enunciado. Es tentadora porque también procesa texto de reseñas, y sería correcta si el requisito fuera medir la polaridad de opinión del revisor en lugar de extraer frases clave.

B

Incorrecta

Language Detection

Language Detection devuelve únicamente el nombre del idioma detectado y el código ISO para el texto enviado, sin producir ninguna salida de extracción de frases. Es tentadora porque forma parte de Azure AI Language y a menudo se ejecuta primero en las canalizaciones (pipelines), y sería correcta si las reseñas llegaran en varios idiomas que necesitaran enrutamiento antes del análisis.

C

Correcta

Key Phrase Extraction

Key Phrase Extraction devuelve los términos sobresalientes del texto proporcionado, que es precisamente la tarea de extracción descrita. Es una característica preconstruida de Azure AI Language, por lo que no se necesitan datos de entrenamiento ni un modelo personalizado para mostrar los temas principales de cada reseña.

D

Incorrecta

Named Entity Recognition

Named Entity Recognition devuelve entidades como personas, lugares y organizaciones, no los términos sobresalientes que resumen una reseña. Key Phrase Extraction es la característica de Azure AI Language que muestra esas frases; NER se adapta a escenarios que requieren tipos de entidades, como la extracción de nombres de productos o ubicaciones.

Para profundizar

Key Phrase Extraction en Azure AI Language ejecuta un modelo preentrenado que tokeniza el texto de entrada, puntúa los n-gramas candidatos mediante coocurrencia estadística y relevancia sintáctica, y devuelve las principales frases clasificadas por relevancia. Internamente se expone a través del punto de conexión REST de Analyze Text con la tarea keyPhrases, o mediante el SDK KeyPhraseExtractionClient, y acepta hasta 5,120 caracteres por documento con un límite de lote de 1,000 documentos por solicitud. Un comportamiento sutil que vale la pena conocer: el servicio devuelve las frases en su forma de superficie original sin lematización, por lo que "shipping" y "shipped" pueden aparecer como claves distintas, y las reseñas muy breves pueden producir matrices vacías porque el modelo necesita suficiente contexto para calcular la relevancia. En un escenario realista, un equipo minorista que ingiere miles de reseñas de productos utiliza esta característica para poblar una nube de etiquetas y enrutar quejas, mientras que Sentiment Analysis solo daría puntuaciones de polaridad y NER devolvería intervalos de entidades en lugar de frases tópicas.

Sobre estas preguntas de práctica

Esta es una de las preguntas de práctica originales de AI-102 de Courseiva, escrita para aprender y nunca copiada de exámenes reales ni de dumps.

Traducida del original en inglés con IA y revisada para comprobar el sentido. Los códigos de examen, los comandos y los nombres de productos se mantienen tal como aparecen en el examen.