Question d'entraînement AI-900
Un hôpital recueille des commentaires sur l'expérience des patients sous forme de texte libre. Il doit automatiquement (1) extraire des mentions spécifiques de symptômes (par exemple, 'mal de tête', 'fièvre', 'fatigue') du texte et (2) déterminer la tonalité émotionnelle globale de chaque commentaire (par exemple, positif, négatif, neutre). Quelle combinaison de fonctionnalités d'Azure AI Language doivent-ils utiliser?
Bonne réponse
- AA. Reconnaissance d'entités et analyse des sentiments
Explication
L'hôpital a besoin de deux capacités NLP distinctes: l'extraction de mentions de symptômes spécifiques (reconnaissance d'entités) et la détermination de la tonalité émotionnelle (analyse des sentiments). La reconnaissance d'entités d'Azure AI Language identifie les entités nommées telles que les symptômes, tandis que l'analyse des sentiments évalue le texte pour un sentiment positif, négatif ou neutre. Ensemble, elles répondent directement aux deux exigences sans fonctionnalités superflues.
Pour aller plus loin
La reconnaissance d'entités d'Azure AI Language utilise un modèle NER pré-entraîné qui renvoie des entités catégorisées telles que Personne, Organisation et, pour le domaine de la santé, le modèle Text Analytics for Health peut extraire des symptômes, des médicaments et des diagnostics avec des décalages (offsets) et des scores de confiance. L'analyse des sentiments renvoie des scores au niveau du document et de la phrase de zéro à un pour positif, neutre et négatif, ainsi que l'extraction d'opinions (opinion mining) qui lie le sentiment à des aspects spécifiques. Un comportement subtil est que le modèle de santé nécessite un point de terminaison (endpoint) distinct et est axé sur l'anglais, tandis que le NER générique peut ne pas étiqueter 'mal de tête' comme un symptôme. Cela importe lorsqu'un hôpital souhaite trier des commentaires en texte libre: la reconnaissance d'entités isole les mentions cliniques pour l'analyse des tendances, et l'analyse des sentiments quantifie la satisfaction des patientes et patients, fournissant à la fois une extraction structurée et une tonalité sans avoir à construire de modèles personnalisés.
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.