MediaOpción múltiple

Pregunta de práctica de AI-900

¿Qué es el 'entity linking' en Azure AI Language y en qué se diferencia de NER?

Elige la mejor respuesta.

Respuesta correcta

  • BVinculación de entidades identificadas a entradas de bases de conocimiento (p. ej., Wikipedia) para la desambiguación

Explicación

El 'entity linking' en Azure AI Language desambigua las entidades identificadas asociándolas con un identificador único de una base de conocimiento, como los números Q de Wikipedia. Esto se diferencia de NER, que solo etiqueta entidades (por ejemplo, 'persona', 'ubicación') sin resolver la ambigüedad; por ejemplo, 'París' podría referirse a una ciudad o a una persona, y el 'entity linking' determina la correcta mediante la base de conocimiento.

Por qué cada opción es correcta o incorrecta

A

Incorrecta

Creación de hipervínculos en un documento que se conectan con contenido relacionado en línea

Esta opción confunde el artefacto a nivel de producto (una etiqueta de anclaje HTML) con la operación de vinculación semántica realizada por el 'entity linking'. La creación de hipervínculos es una acción de edición de presentación que puede apuntar a cualquier página web, independientemente de si el texto se refiere a la misma entidad conceptual, y no implica la desambiguación de bases de conocimiento ni la asignación de identificadores únicos. El 'entity linking' genera una referencia legible por máquina a un registro de entidad canónico, que podría representarse como un enlace posteriormente, pero la creación de hipervínculos por sí misma no es ni una condición necesaria ni suficiente para el 'entity linking'.

B

Correcta

Vinculación de entidades identificadas a entradas de bases de conocimiento (p. ej., Wikipedia) para la desambiguación

El 'entity linking' es la tarea de mapear una mención de entidad nombrada ambigua (p. ej., 'Mars') detectada durante el reconocimiento de entidades nombradas (NER) a una entrada única basada en identificadores en una base de conocimiento como Wikipedia o Wikidata, desambiguando así 'el planeta Marte' de 'la barra de chocolate Mars'. El enlace adjunta la mención a un nodo de grafo de conocimiento que contiene metadatos canónicos, categorías y relaciones, lo que permite a las aplicaciones posteriores razonar sobre la entidad con precisión semántica en lugar de depender únicamente de la coincidencia de cadenas superficiales.

C

Incorrecta

Conexión de entidades nombradas a través de múltiples documentos para rastrear a la misma persona a lo largo del tiempo

Esta opción describe la resolución de entidades entre documentos (también llamada resolución de correferencia de entidades), que es una tarea de NLP separada que determina si menciones como 'John Smith' en un artículo y 'él' en otro se refieren a la misma persona en el mundo real. El 'entity linking', en contraste, no rastrea la identidad a través de documentos; fundamenta cada entidad mencionada en una sola entrada canónica en una base de conocimiento estructurada como Wikidata o Wikipedia, por lo que la ambigüedad se resuelve a través de un enlace de grafo de conocimiento, no mediante coocurrencia entre documentos.

D

Incorrecta

Vinculación de resultados de reconocimiento de entidades a llamadas API posteriores para enriquecimiento de datos

Esta opción describe la integración a nivel de aplicación donde la salida de un modelo de NLP se pasa a un servicio externo (por ejemplo, enriquecer el registro de un cliente llamando a una API de CRM). El 'entity linking' no trata de activar u orquestar llamadas a API; es el proceso interno de NLP que selecciona un identificador de base de conocimiento específico para una mención utilizando pistas contextuales y clasificación de candidatos, y cualquier uso de API posterior ocurriría después de que la decisión de enlace ya haya sido tomada por el modelo de NLP.

Para profundizar

El 'entity linking' (también llamado desambiguación de entidades nombradas o resolución de entidades a una base de conocimiento) es un componente central en los pipelines modernos de NLP, ejecutado típicamente después de Named Entity Recognition (NER). El proceso involucra tres etapas: generación de candidatos, que utiliza una cadena de mención e índices de base de conocimiento para proponer entidades posibles; reordenamiento consciente del contexto, que utiliza codificadores neuronales (por ejemplo, transformer bi-encoders) para puntuar entidades candidatas basándose en el texto circundante; y un paso de enlace final que asigna un identificador único de base de conocimiento (por ejemplo, un QID de Wikidata o un título de Wikipedia). Una sutileza es el manejo de menciones NIL (tramos que no existen en la base de conocimiento de destino), que requieren agrupar menciones o dejarlas sin enlazar, un problema común en dominios que evolucionan rápidamente. A diferencia de NER, que solo asigna un tipo general (persona, organización, ubicación), el 'entity linking' se centra en la identidad exacta y la fundamentación semántica, haciéndolo esencial para tareas como la respuesta a preguntas, verificación de hechos y asistentes personales, donde confundir entidades con el mismo nombre puede derivar en respuestas erróneas. Una idea errónea común es equiparar la generación de hipervínculos con el 'entity linking'; un hipervínculo es solo una serialización posible de un enlace, y el valor central del 'entity linking' radica en el identificador persistente, único y legible por máquina que respalda el razonamiento semántico robusto.

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.