MediaOpción múltiple

Pregunta de práctica de AI-900

Un departamento de atención al cliente desea extraer automáticamente los nombres de los productos mencionados en los correos electrónicos de los clientes y el sentimiento expresado sobre cada producto. Por ejemplo, a partir de la frase 'The battery life of the X100 is excellent, but the screen is too dark', necesitan identificar 'X100' y asociar un sentimiento 'positivo' a 'battery life' y un sentimiento 'negativo' a 'screen'. ¿Qué característica de Azure AI Language deben usar?

Elige la mejor respuesta.

Respuesta correcta

  • DSentiment analysis with opinion mining

Explicación

Sentiment analysis with opinion mining está diseñada específicamente para extraer tanto el sentimiento (positivo, negativo, neutro) como el objetivo asociado (por ejemplo, 'battery life', 'screen') a partir del texto. Esta característica va más allá de la simple puntuación de sentimiento al identificar el objetivo de la opinión y el sentimiento expresado hacia él, lo cual coincide directamente con el requisito de extraer los nombres de los productos y sus sentimientos asociados de los correos electrónicos de los clientes.

Por qué cada opción es correcta o incorrecta

A

Incorrecta

Custom text classification

Custom text classification asigna documentos completos o fragmentos a etiquetas definidas por el usuario; no extrae entidades de productos ni adjunta sentimientos por aspecto. Es tentativa porque se puede entrenar en categorías específicas de dominio, y sería correcta cuando el requisito sea enrutar correos electrónicos a categorías personalizadas, como una reclamación o una solicitud de reembolso, en lugar de realizar una extracción basada en aspectos.

B

Incorrecta

Key phrase extraction

Key phrase extraction devuelve frases nominales destacadas sin vincularlas a productos ni asignar polaridad de sentimiento. Es tentativa porque extrae términos como battery life y screen, y sería correcta cuando el requisito sea simplemente resumir lo que discute un documento, no asociar el sentimiento a cada aspecto del producto identificado.

C

Incorrecta

Entity linking

Entity linking resuelve cada mención en una entrada de base de conocimiento, como un artículo de Wikipedia, por lo que no puede adjuntar un sentimiento por aspecto a 'battery life' frente a 'screen'. Es tentativa porque identifica entidades, pero esto es para desambiguar nombres, no para extraer opiniones. El enunciado necesita opinion mining con análisis de sentimientos basado en aspectos.

D

Correcta

Sentiment analysis with opinion mining

Sentiment analysis with opinion mining devuelve tanto el sentimiento general del documento como los pares específicos de objetivo y evaluación dentro de él. Dicha granularidad vincula 'X100' al sentimiento positivo de la batería y 'screen' al sentimiento negativo, lo cual el análisis de sentimientos simple a nivel de frase no puede separar.

Para profundizar

Sentiment analysis with opinion mining, anteriormente conocida como análisis de sentimientos basado en aspectos, va más allá de la polaridad a nivel de documento al extraer el objetivo de cada opinión y su sentimiento asociado. Azure AI Language devuelve objetivos de opinión como 'battery life' y 'screen' con puntuaciones de confianza y polaridades individuales, mientras que el documento general puede ser mixto o neutro. El análisis de sentimientos simple solo devolvería una etiqueta para toda la frase, perdiendo el contraste entre el comentario positivo de la batería y el comentario negativo de la pantalla. Key phrase extraction devuelve términos destacados sin polaridad, entity linking resuelve nombres a entradas de bases de conocimiento y Custom text classification asigna etiquetas definidas por el usuario a documentos completos. Opinion mining es la única opción que empareja cada atributo de producto con su propio sentimiento.

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.