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?
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.
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.