Bonne réponse
- BTEXT: Classification de texte personnalisée et reconnaissance d'entités nommées personnalisée
Explication
Le cabinet d'avocats doit catégoriser des documents (une tâche de classification de texte) et extraire des clauses spécifiques (une tâche de reconnaissance d'entités nommées). La classification de texte personnalisée permet d'entraîner un modèle sur des documents étiquetés pour les affecter à vos propres catégories juridiques telles que 'contract' ou 'pleading', tandis que la reconnaissance d'entités nommées (NER) personnalisée peut être entraînée pour extraire des entités spécifiques au domaine telles que les clauses 'indemnity' et 'confidentiality' du texte. Azure AI Language prend en charge ces deux fonctionnalités personnalisées, permettant au cabinet de créer des modèles adaptés à l'aide de son ensemble de données étiqueté.
Pour aller plus loin
Cette question teste la distinction entre les modèles NLP à usage général préconstruits et les modèles personnalisables dans Azure AI Language. Les fonctionnalités préconstruits telles que l'analyse des sentiments, l'extraction de phrases clés, la détection de la langue et la traduction sont entraînées sur des données génériques à l'échelle du Web et sont figées ; vous ne pouvez pas injecter de catégories spécifiques au domaine ou de types d'entités. La classification de texte personnalisée et la NER personnalisée, en revanche, vous permettent d'importer des documents étiquetés et d'entraîner un modèle supervisé qui apprend votre taxonomie et votre schéma d'entités spécifiques, puis de le déployer en tant que point de terminaison en temps réel ou par lots. Un point subtil mais important est que les modèles personnalisés nécessitent un schéma d'étiquetage bien conçu et suffisamment de données d'entraînement représentatives (généralement quelques dizaines à quelques centaines d'exemples par classe) pour atteindre une précision fiable ; sinon, le modèle fera du surapprentissage ou manquera des cas limites. Une idée fausse commune est que l'« IA » peut catégoriser n'importe quel texte sans configuration préalable, mais dans la pratique, les domaines juridiques ou médicaux ont presque toujours besoin de NLP personnalisée car le vocabulaire, les structures de clauses et les types d'entités sont hautement spécialisés. L'implication réelle pour un cabinet d'avocats est que l'utilisation de la classification de texte personnalisée et de la NER personnalisée automatise non seulement l'acheminement des documents vers les domaines de pratique, mais structure également les informations clés (par exemple, la loi applicable, la date de résiliation) pour les flux de travail de recherche, de conformité et de e-discovery en aval.
À propos de ces questions d'entraînement
Cette question fait partie des questions d'entraînement AI-900 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.