MoyenneChoix unique

Question d'entraînement AI-102

Une entreprise met en œuvre un système de questions-réponses utilisant Azure AI Language Service. Elle dispose d'un ensemble de documents de FAQ au format PDF. Quelle fonctionnalité doit-elle utiliser pour générer automatiquement des paires de questions-réponses ?

Choisissez la meilleure réponse.

Bonne réponse

  • CCustom Question Answering

Explication

Custom Question Answering est la bonne fonctionnalité car elle est spécialement conçue pour ingérer du contenu semi-structuré tel que des fichiers PDF de FAQ et générer automatiquement des paires de questions-réponses. Elle utilise un pipeline d'extraction intégré qui analyse la structure du document (par exemple, en-têtes, puces) pour identifier les questions probables et leurs réponses correspondantes, qui peuvent ensuite être examinées et affinées dans le portail Azure Language Studio.

Pourquoi chaque option est juste ou fausse

A

Fausse

Key Phrase Extraction

Key Phrase Extraction renvoie des termes saillants, et non des paires de questions-réponses, de sorte qu'il ne peut pas générer de paires de FAQ à partir de fichiers PDF. Il est tentant car il traite des documents dans la même ressource Language Service, mais il est conçu pour l'indexation et l'enrichissement de la recherche, et non pour l'ingestion personnalisée de questions-réponses qui extrait des paires.

B

Fausse

Extractive Summarization

Extractive Summarization classe et renvoie des phrases existantes du texte d'entrée ; il ne synthétise pas de paires de questions-réponses à partir de fichiers PDF de FAQ. Il est tentant car il consomme également des documents dans Azure AI Language Service, mais il est destiné à condenser des articles en phrases clés, et non à alimenter une base de connaissances de questions-réponses.

C

Juste

Custom Question Answering

Custom Question Answering ingère des documents sources tels que des fichiers PDF et génère automatiquement des paires de questions-réponses à partir de leur contenu, éventuellement avec des invites de suivi. Cela satisfait l'exigence de l'énoncé de construire une base de connaissances à partir de documents de FAQ sans créer manuellement chaque paire.

D

Fausse

Conversational Language Understanding

Conversational Language Understanding entraîne des modèles d'intention et d'entité à partir d'énoncés étiquetés ; il n'ingère pas de fichiers PDF pour produire des paires de questions-réponses. Il est tentant car il réside également dans Azure AI Language Service et gère les questions, mais il est destiné à la construction de classificateur d'intentions conversationnelles, et non à l'extraction de FAQ à partir de documents.

Pour aller plus loin

Custom Question Answering dans Azure AI Language Service ingère du contenu semi-structuré ou non structuré tel que des fichiers PDF, puis applique un traitement du langage naturel pour extraire automatiquement des paires de questions-réponses. En arrière-plan, il analyse les documents, identifie des motifs de type FAQ et génère des paires de questions-réponses candidates à l'aide de modèles d'apprentissage automatique. Un comportement subtil est qu'il prend en charge jusqu'à 50 000 paires de questions-réponses par projet et peut s'intégrer à Azure Bot Service pour les interfaces conversationnelles. Cela importe dans des scénarios tels que la création d'un bot de support client à partir de manuels existants, où la création manuelle de paires est impraticable. D'autres fonctionnalités telles que Key Phrase Extraction ou Extractive Summarization ne génèrent pas de paires de questions-réponses ; elles extraient respectivement des expressions clés ou des phrases de résumé.

À propos de ces questions d'entraînement

Cette question fait partie des questions d'entraînement AI-102 originales de Courseiva, rédigées pour apprendre et jamais copiées d'examens réels ou de dumps.

Traduite de l'original anglais avec l'IA et vérifiée pour le sens. Les codes d'examen, les commandes et les noms de produits sont conservés tels qu'ils apparaissent à l'examen.