MoyenneChoix unique

Question d'entraînement AI-900

Une entreprise multinationale reçoit des e-mails de support client dans plusieurs langues. Elle doit identifier automatiquement la langue de chaque e-mail afin de pouvoir l'acheminer vers l'équipe de support appropriée. Quelle fonctionnalité d'Azure AI Language doit-elle utiliser ?

Choisissez la meilleure réponse.

Bonne réponse

  • CTEXT: Language detection

Explication

La détection de la langue est la fonctionnalité Azure AI Language correcte car elle est spécifiquement conçue pour identifier la langue écrite d'une entrée textuelle. L'exigence de l'entreprise multinationale de déterminer automatiquement la langue de chaque e-mail pour le routage correspond directement à la fonctionnalité principale de cette capacité pré-construite, qui renvoie un nom de langue et un code ISO 639-1 pour chaque document.

Pourquoi chaque option est juste ou fausse

A

Fausse

TEXT: Sentiment analysis

Sentiment analysis renvoie des scores positifs, négatifs ou neutres ainsi qu'un niveau de confiance, sans aucun identifiant de langue, de sorte qu'elle ne peut pas piloter un routage basé sur la langue. C'est tentant car elle traite le même texte d'e-mail, et elle serait correcte pour trier les messages selon l'humeur ou la satisfaction du client.

B

Fausse

TEXT: Key phrase extraction

Key phrase extraction renvoie des termes saillants du texte, et non la langue dans laquelle il est écrit, de sorte que le routage par langue ne peut pas être piloté à partir de son résultat. C'est tentant car elle analyse des corps d'e-mails de format libre, et elle serait correcte pour faire surface aux principaux sujets dans les retours.

C

Juste

TEXT: Language detection

Language detection dans Azure AI Language renvoie la langue prédominante et un code ISO 639-1 pour chaque document, répondant à l'exigence d'identifier la langue de chaque e-mail pour le routage. Elle gère directement les entrées multilingues, contrairement à la traduction ou à l'analyse des sentiments, qui répondent à des tâches différentes.

D

Fausse

TEXT: Entity recognition

Entity recognition extrait des entités nommées telles que des personnes, des lieux et des dates ; elle ne renvoie pas d'étiquette de langue pour le texte d'entrée. C'est tentant car elle traite du contenu d'e-mail non structuré, et elle serait correcte pour extraire des numéros de commande ou des noms de clients d'un message.

Pour aller plus loin

La détection de la langue d'Azure AI Language renvoie le nom de la langue détectée ainsi que son code ISO 639-1 et un score de confiance compris entre 0 et 1. Elle accepte du texte jusqu'à la limite de taille de document du service et peut traiter plusieurs documents par requête, ce qui la rend adaptée au triage d'e-mails à grand volume. Le modèle est entraîné sur du texte court et long, mais des chaînes très courtes, du contenu multilingue ou du texte translittéré peuvent réduire la confiance ; par conséquent, l'utilisation d'un seuil avec un repli vers une révision humaine est prudente. L'analyse des sentiments, l'extraction de phrases clés et la reconnaissance d'entités supposent toutes que le texte est déjà dans une langue gérée par le modèle et n'identifient pas quelle est cette langue, de sorte qu'elles ne peuvent pas piloter les décisions de routage par elles-mêmes.

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.