MoyenneChoix unique

Question d'entraînement AI-900

Une université souhaite créer un chatbot capable de répondre à des questions sur ses procédures d'admission. Le chatbot doit récupérer les réponses directement à partir d'un ensemble de documents PDF officiels contenant des politiques et des FAQ. Quelle fonctionnalité d'Azure AI Language doivent-ils utiliser pour implémenter cela ?

Choisissez la meilleure réponse.

Bonne réponse

  • CCustom question answering

Explication

Custom question answering (C) est le choix correct car il permet à l'université d'ingérer des documents PDF officiels et de créer une base de connaissances de paires question-réponse. Le chatbot peut ensuite récupérer les réponses directement à partir de ce contenu organisé, ce qui le rend idéal pour les scénarios de questions-réponses basés sur des documents et spécifiques à un domaine, tels que les procédures d'admission.

Pourquoi chaque option est juste ou fausse

A

Fausse

Sentiment analysis

L'analyse des sentiments attribue un score positif, négatif ou neutre au texte et n'extrait aucune réponse des documents de politique. Elle est tentante car elle classifie véritablement l'opinion dans les retours clients, ce qui serait correct lors du suivi de la satisfaction vis-à-vis d'un service d'admissions plutôt que pour répondre à des questions procédurales.

B

Fausse

Key phrase extraction

L'extraction de phrases clés renvoie des termes saillants d'un texte et ne peut pas récupérer de passages à partir de PDF ni fonder des réponses sur ces documents. Elle est tentante car elle fait surface à des sujets importants dans un corps de texte, ce qui serait correct pour résumer des thèmes à travers des documents plutôt que pour répondre à des questions basées sur ceux-ci.

C

Juste

Custom question answering

Custom question answering construit une base de connaissances à partir de documents fournis tels que les PDF officiels, puis renvoie des réponses précises aux requêtes d'admission en langage naturel. Elle satisfait la contrainte de récupération à partir de documents sans nécessiter d'entraînement de modèle ni de déploiement de code personnalisé.

D

Fausse

Language detection

La détection de langue identifie la langue dans laquelle un texte est rédigé et n'effectue aucune récupération à partir de PDF ni ne peut fonder les réponses d'un chatbot. Elle est tentante car elle achemine véritablement les entrées multilingues vers le modèle linguistique correct, ce qui conviendrait lorsqu'un chatbot doit gérer des requêtes rédigées dans plusieurs langues.

Pour aller plus loin

La fonctionnalité Custom question answering d'Azure AI Language crée une base de connaissances à partir de sources téléchargées telles que des fichiers PDF, des URL et des fichiers structurés, puis répond à des questions en langage naturel en effectuant des correspondances avec ce contenu. Elle combine un classement basé sur des transformateurs et, éventuellement, un index Azure AI Search pour récupérer le meilleur passage, renvoyant une réponse ainsi qu'un score de confiance. Elle prend en charge les invites de suivi à plusieurs tours et peut être consommée via le SDK Language ou un bot. Cela diffère de l'analyse des sentiments, de l'extraction de phrases clés et de la détection de langue, qui sont des fonctionnalités d'analyse de texte à usage unique ne récupérant pas de documents. Un cas réaliste : une université télécharge son manuel d'admission et ses PDF de FAQ, et un bot répond aux questions des futurs étudiants en citant le texte officiel de la politique.

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.