DifficileChoix unique

Question d'entraînement AI-900

Une entreprise souhaite catégoriser automatiquement les tickets de support dans des catégories telles que « Billing », « Technical Issue » et « Account Management ». Elle dispose d'un ensemble de 1 000 tickets étiquetés qu'elle peut utiliser pour entraîner un modèle. Quelle fonctionnalité d'Azure AI Language doit-elle utiliser ?

Choisissez la meilleure réponse.

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.

Pourquoi chaque option est juste ou fausse

A

Fausse

Key phrase extraction

Key phrase extraction met en évidence des termes saillants dans le texte plutôt d'attribuer des étiquettes prédéfinies, elle ne peut donc pas mapper les tickets à « Billing », « Technical Issue » ou « Account Management ». Elle est tentante car elle traite également du texte et renvoie des mots-clés, mais elle sert à la synthèse et à l'indexation pour la recherche ; le jeu de données étiqueté nécessite ici une classification de texte multiclasse.

B

Juste

Custom text classification

Custom text classification entraîne un modèle sur vos propres données étiquetées pour attribuer des catégories prédéfinies au texte. Avec 1 000 tickets étiquetés répartis entre Billing, Technical Issue et Account Management, le modèle apprend ces classes exactes, ce que les fonctionnalités pré-construites ne peuvent pas faire.

C

Fausse

Sentiment analysis

Sentiment analysis renvoie des scores positifs, négatifs ou neutres pour la polarité des opinions, elle ne peut donc pas produire les étiquettes Billing, Technical Issue ou Account Management demandées par l'énoncé. Elle est tentante car elle consomme également du texte et produit une classification, et elle serait correcte pour évaluer l'humeur des clients dans des enquêtes de satisfaction.

D

Fausse

Language detection

Language detection identifie la langue dans laquelle un texte est rédigé, elle ne peut donc pas attribuer les étiquettes Billing, Technical Issue ou Account Management aux tickets. Elle est tentante car elle traite également du texte, et ce serait le bon choix lors du routage de tickets multilingues vers la traduction correcte ou un pipeline spécifique à la langue avant qu'aucune catégorisation n'ait lieu.

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.