MediaOpción múltiple

Pregunta de práctica de AI-900

Un hospital recopila comentarios sobre la experiencia del paciente en formato de texto libre. Necesitan (1) extraer automáticamente menciones específicas de síntomas (p. ej., 'dolor de cabeza', 'fiebre', 'fatiga') del texto y (2) determinar el tono emocional general de cada comentario (p. ej., positivo, negativo, neutral). ¿Qué combinación de características de Azure AI Language deben usar?

Elige la mejor respuesta.

Respuesta correcta

  • AA. Reconocimiento de entidades y análisis de sentimientos

Explicación

El hospital necesita dos capacidades de PNL (NLP) distintas: extraer menciones de síntomas específicos (reconocimiento de entidades) y determinar el tono emocional (análisis de sentimientos). El reconocimiento de entidades de Azure AI Language identifica entidades con nombre como los síntomas, mientras que el análisis de sentimientos evalúa el texto en busca de sentimientos positivos, negativos o neutrales. Juntos, abordan directamente ambos requisitos sin características extrañas.

Por qué cada opción es correcta o incorrecta

A

Correcta

A. Reconocimiento de entidades y análisis de sentimientos

El reconocimiento de entidades extrae entidades con nombre como los síntomas del texto libre, mientras que el análisis de sentimientos devuelve un tono general positivo, negativo o neutral por documento. Juntos satisfacen ambos requisitos: la extracción de síntomas y la clasificación del tono emocional de cada entrada de comentarios de los pacientes.

B

Incorrecta

B. Extracción de frases clave y respuesta a preguntas

La extracción de frases clave devuelve términos destacados en lugar de entidades de síntomas etiquetadas, y la respuesta a preguntas recupera respuestas de una base de conocimiento en lugar de calificar el sentimiento. Es tentador porque ambos son características de Azure AI Language; sería correcto para mostrar temas clave y responder preguntas frecuentes (FAQ) de un conjunto de documentos.

C

Incorrecta

C. Detección de idiomas y clasificación de texto

La detección de idiomas identifica en qué idioma está escrito el texto, y la clasificación de texto asigna categorías personalizadas o predefinidas; ninguna extrae entidades de síntomas ni califica la polaridad de los sentimientos. Es tentador como combinación de análisis de texto; sería correcto para enrutar comentarios multilingües o etiquetar documentos en categorías personalizadas.

D

Incorrecta

D. Resumen y traducción

El resumen condensa el texto en oraciones clave y la traducción convierte entre idiomas, por lo que ninguno extrae menciones de síntomas ni determina un tono positivo, negativo o neutral. Es tentador porque ambos procesan texto libre; sería correcto para producir resúmenes concisos o localizar comentarios en otro idioma.

Para profundizar

El reconocimiento de entidades de Azure AI Language utiliza un modelo NER preentrenado que devuelve entidades categorizadas como Persona, Organización y, para el dominio de la salud, el modelo Text Analytics for Health puede extraer síntomas, medicamentos y diagnósticos con desplazamientos (offsets) y puntuaciones de confianza. El análisis de sentimientos devuelve puntuaciones a nivel de documento y de oración de cero a uno para positivo, neutral y negativo, además de la minería de opiniones que vincula el sentimiento a aspectos específicos. Un comportamiento sutil es que el modelo de salud requiere un punto de conexión (endpoint) separado y está enfocado en inglés, mientras que el NER genérico puede no etiquetar 'dolor de cabeza' como un síntoma. Esto importa cuando un hospital quiere clasificar los comentarios de texto libre: el reconocimiento de entidades aísla las menciones clínicas para el análisis de tendencias, y el análisis de sentimientos cuantifica la satisfacción del paciente, proporcionando conjuntamente tanto la extracción estructurada como el tono sin necesidad de construir modelos personalizados.

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.