Bonne réponse
- BCustom text classification
Explication
Custom text classification est le bon choix car elle vous permet d'entraîner un modèle sur votre propre jeu de données étiqueté (1 000 tickets) pour catégoriser du texte dans des classes personnalisées telles que « Billing », « Technical Issue » et « Account Management ». Cette fonctionnalité est spécifiquement conçue pour les scénarios où vous devez classer des documents dans des catégories définies par l'utilisateur, contrairement aux options de classification pré-construites.
Pour aller plus loin
La classification de texte personnalisée dans Azure AI Language est une fonctionnalité d'apprentissage supervisé : vous fournissez des exemples étiquetés par classe, et le service affine un modèle basé sur des transformateurs (la génération actuelle est construite sur des modèles de langue multilingues) qui apprend les motifs contextuels et au niveau des tokens distinguant les catégories. L'entraînement nécessite un minimum de 10 documents étiquetés par classe et au moins 2 classes, avec 1 000 tickets étiquetés dépassant largement ce seuil. Une fois déployé, le modèle expose un point de terminaison REST synchrone renvoyant des scores de confiance par classe, de sorte que les applications peuvent acheminer les tickets ou signaler les prédictions à faible confiance pour un examen humain. Cela diffère fondamentalement des capacités pré-entraînées telles que l'analyse des sentiments ou l'extraction de phrases clés, qui renvoient des signaux linguistiques génériques plutôt que la taxonomie spécifique de votre organisation, et de la détection de langue, qui identifie uniquement la langue du texte. Un scénario réaliste : un pipeline de centre d'assistance appelle le point de terminaison de classification déployé sur chaque ticket entrant et l'affecte automatiquement à la file d'attente correcte.
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.