MoyenneChoix unique

Question d'entraînement AI-102

Votre organisation utilise Azure AI Search pour indexer une grande collection de documents PDF stockés dans Azure Blob Storage. L'index renvoie actuellement des résultats de recherche, mais les utilisateurs se plaignent du fait que les résultats ne sont pas pertinents lorsqu'ils effectuent des recherches à l'aide de phrases en langage naturel. Vous devez améliorer la pertinence des résultats de recherche sans réécrire l'application. Que devez-vous faire ?

Choisissez la meilleure réponse.

Bonne réponse

  • CActiver la recherche sémantique sur l'index et configurer une configuration sémantique.

Explication

La recherche sémantique dans Azure AI Search utilise des modèles de langage avancés pour comprendre l'intention derrière les requêtes en langage naturel, en réorganisant les résultats en fonction de la pertinence sémantique plutôt que de la simple correspondance de mots-clés. L'activation de la recherche sémantique et la configuration d'une configuration sémantique répondent directement à la plainte des utilisateurs concernant la faible pertinence des phrases en langage naturel sans nécessiter de modifications de l'application.

Pourquoi chaque option est juste ou fausse

A

Fausse

Augmenter le nombre de répliques pour le service de recherche afin d'améliorer les performances des requêtes.

Les répliques mettent à l'échelle le débit des requêtes et la disponibilité, et non le score de pertinence, de sorte que les correspondances de phrases en langage naturel restent médiocres. Cela est tentant car l'ajout de répliques est le remède standard d'Azure AI Search pour les requêtes lentes ou limitées, et serait correct si la plainte concernait la latence ou les erreurs 503 plutôt que la qualité du classement.

B

Fausse

Créer un nouvel index avec un indexeur d'objets blob qui utilise uniquement le champ 'content'.

L'indexation du champ de contenu uniquement modifie les champs dans lesquels il est possible d'effectuer des recherches, et non la façon dont l'intention de la phrase est classée ; la pertinence reste inchangée. Cela est tentant car les indexeurs d'objets blob avec extraction de contenu uniquement constituent un moyen légitime de réduire la taille et le coût de l'index, et conviendraient aux scénarios où les champs de métadonnées sont inutiles.

C

Juste

Activer la recherche sémantique sur l'index et configurer une configuration sémantique.

L'activation de la recherche sémantique et la définition d'une configuration sémantique ajoutent un réclassement L2 et des légendes sur l'index existant, de sorte que les requêtes de phrases en langage naturel renvoient des résultats plus pertinents. Aucune réécriture d'application n'est nécessaire car le même point de terminaison de requête est utilisé, simplement avec le type de requête sémantique.

D

Fausse

Configurer un analyseur personnalisé sur l'index pour gérer les mots vides et les synonymes.

Un analyseur personnalisé modifie la tokenisation, ainsi que la gestion des mots vides et des synonymes au moment de l'indexation et de la requête ; il n'ajoute pas de classement sémantique des phrases en langage naturel. Cela est tentant car les analyseurs ajustent véritablement la correspondance lexicale pour des langues ou des domaines spécifiques, et seraient corrects si les utilisateurs effectuaient des recherches avec un jargon de domaine ou une terminologie incohérente.

Pour aller plus loin

La recherche sémantique d'Azure AI Search réorganise un ensemble de résultats BM25 initiaux à l'aide de modèles d'apprentissage profond qui comprennent l'intention de la requête, de sorte que les phrases en langage naturel correspondent aux documents par le sens plutôt que par des termes exacts. Son activation nécessite une configuration sémantique qui nomme les champs de titre, de contenu et de mots-clés, et la requête doit définir queryType sur semantic. Elle fonctionne au-dessus de l'index existant, aucune réécriture d'application n'est donc nécessaire au-delà de la modification du paramètre de requête. L'augmentation des répliques ajoute uniquement le débit des requêtes, un index contenant uniquement du contenu perd des métadonnées, et les analyseurs personnalisés traitent les problèmes lexicaux tels que les mots vides mais pas la pertinence sémantique. Un scénario réaliste est un référentiel de documents juridiques où les utilisateurs demandent 'quel est le délai de préavis pour résiliation' et le classement sémantique fait surface la clause même lorsque la formulation diffère.

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.