Respuesta correcta
- BTEXT: Clasificación de texto personalizada y reconocimiento de entidades nombradas personalizado
Explicación
El bufete de abogados necesita categorizar documentos (una tarea de clasificación de texto) y extraer cláusulas específicas (una tarea de reconocimiento de entidades nombradas). La clasificación de texto personalizada permite entrenar un modelo con ejemplos etiquetados para clasificar documentos en categorías como 'contract' o 'pleading', mientras que el reconocimiento de entidades nombradas (NER) personalizado se puede entrenar para extraer entidades específicas del dominio, como las cláusulas 'indemnity' y 'confidentiality', del texto. Azure AI Language es compatible con ambas características personalizadas, lo que permite al bufete construir modelos adaptados utilizando su conjunto de datos etiquetado.
Para profundizar
Esta pregunta evalúa la distinción entre modelos de NLP generales preconstruidos y modelos personalizados entrenables en Azure AI Language. Las características preconstruidas como el análisis de sentimientos, la extracción de frases clave, la detección de idiomas y la traducción se entrenan con datos genéricos a escala web y están congeladas; no se pueden inyectar categorías o tipos de entidades específicos del dominio. La clasificación de texto personalizada y el NER personalizado, en cambio, permiten aportar documentos etiquetados y entrenar un modelo supervisado que aprende su taxonomía y esquema de entidades específicos, para luego implementarlo como un punto de conexión en tiempo real o por lotes. Un punto sutil pero importante es que los modelos personalizados requieren un esquema de etiquetado bien diseñado y suficientes datos de entrenamiento representativos (típicamente de unas pocas docenas a unos pocos cientos de ejemplos por clase) para lograr una precisión confiable; de lo contrario, el modelo sobreajustará o pasará por alto casos límite. Una idea errónea común es que la 'IA' puede categorizar cualquier texto de forma predeterminada, pero en la práctica los dominios legales o médicos casi siempre necesitan NLP personalizado porque el vocabulario, las estructuras de las cláusulas y los tipos de entidades están altamente especializados. La implicación en el mundo real para un bufete de abogados es que utilizar la clasificación de texto personalizada y el NER personalizado no solo automatiza el enrutamiento de documentos a las áreas de práctica, sino que también estructura información clave (por ejemplo, la ley aplicable, la fecha de terminación) para flujos de trabajo de búsqueda posterior, cumplimiento y descubrimiento electrónico.
Sobre estas preguntas de práctica
Esta es una de las preguntas de práctica originales de AI-900 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.