FacileChoix unique

Question d'entraînement AI-102

Vous créez une solution pour extraire des expressions clés à partir d'avis clients à l'aide d'Azure AI Language. Quelle fonctionnalité devez-vous utiliser?

Choisissez la meilleure réponse.

Bonne réponse

  • CKey Phrase Extraction

Explication

Key Phrase Extraction est la bonne fonctionnalité car elle est spécifiquement conçue pour identifier et renvoyer les principaux points de discussion ou termes importants à partir de texte non structuré, tel que des avis de clients. L'API Key Phrase Extraction d'Azure AI Language analyse la structure du texte et les schémas linguistiques pour faire ressortir les expressions les plus pertinentes, ce qui répond directement à l'exigence d'extraire des expressions clés des avis.

Pourquoi chaque option est juste ou fausse

A

Fausse

Sentiment Analysis

Sentiment Analysis renvoie des scores positifs, négatifs ou neutres ainsi que l'exploration d'opinions; il ne produit pas la liste de groupes nominaux exigée par l'énoncé. Il est tentant car il traite également le texte des avis, et il serait correct si l'exigence était de mesurer la polarité de l'avis de l'évaluateur plutôt que d'extraire des expressions clés.

B

Fausse

Language Detection

Language Detection renvoie uniquement le nom de la langue détectée et le code ISO pour le texte soumis, ne produisant aucune sortie d'extraction d'expressions. Il est tentant car il fait partie d'Azure AI Language et s'exécute souvent en premier dans les pipelines, et il serait correct si les avis arrivaient dans des langues mixtes nécessitant un routage avant l'analyse.

C

Juste

Key Phrase Extraction

Key Phrase Extraction renvoie les termes saillants du texte fourni, ce qui correspond précisément à la tâche d'extraction décrite. C'est une fonctionnalité pré-construite d'Azure AI Language, de sorte qu'aucune donnée d'entraînement ni aucun modèle personnalisé n'est nécessaire pour faire surface aux principaux sujets de chaque avis.

D

Fausse

Named Entity Recognition

Named Entity Recognition renvoie des entités telles que des personnes, des lieux et des organisations, et non les termes saillants résumant un avis. Key Phrase Extraction est la fonctionnalité Azure AI Language qui fait ressortir ces expressions; NER convient aux scénarios nécessitant des types d'entités, tels que l'extraction de noms de produits ou d'emplacements.

Pour aller plus loin

Key Phrase Extraction dans Azure AI Language exécute un modèle pré-entraîné qui tokenise le texte d'entrée, note les n-grammes candidats par cooccurrence statistique et saillance syntaxique, et renvoie les principales expressions classées par pertinence. En interne, il est exposé via le point de terminaison REST Analyze Text avec la tâche keyPhrases, ou via le SDK KeyPhraseExtractionClient, et il accepte jusqu'à 5 120 caractères par document avec une limite de lot de 1 000 documents par requête. Un comportement subtil à connaître : le service renvoie les expressions dans leur forme de surface d'origine sans lemmatisation, de sorte que "shipping" et "shipped" peuvent apparaître comme des clés distinctes, et les avis très courts peuvent produire des tableaux vides car le modèle a besoin d'un contexte suffisant pour calculer la saillance. Dans un scénario réaliste, une équipe de vente au détail ingérant des milliers d'avis de produits utilise cette fonctionnalité pour alimenter un nuage de mots-clés et acheminer les réclamations, tandis que Sentiment Analysis ne donnerait que des scores de polarité et NER renverrait des étendues d'entités plutôt que des expressions thématiques.

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.