DifícilMúltipla escolha

Questão de prática de AI-102

Uma organização usa o Azure AI Search para alimentar uma base de conhecimento interna. Eles percebem que os resultados da pesquisa estão retornando documentos irrelevantes. O índice inclui um campo 'content' com texto completo e um campo 'tags' com metadados. Os usuários frequentemente pesquisam termos específicos que aparecem no campo 'tags'. Como você deve configurar o índice de pesquisa para melhorar a relevância?

Escolha a melhor resposta.

Resposta correta

  • BConfigurar um perfil de pontuação com um peso maior para o campo 'tags'.

Explicação

Configurar um perfil de pontuação com um peso maior para o campo 'tags' aumenta a pontuação de relevância de documentos em que os termos de pesquisa correspondem às tags, priorizando assim esses resultados. A opção A (pontuação baseada em frescor) favoreceria documentos mais novos, mas não aborda a correspondência em tags. A opção C define o campo 'tags' para usar o analisador 'keyword', o que altera a tokenização, mas não ajusta a ponderação de campos. A opção D habilita a pesquisa semântica no campo 'content', o que aprimora a compreensão de consultas em linguagem natural, mas não aumenta especificamente o peso do campo de tags.

Por que cada alternativa está certa ou errada

A

Incorreta

Adicionar um perfil de pontuação personalizado baseado em frescor.

A classificação por frescor não pode impulsionar correspondências de tags porque os perfis de pontuação ponderam campos ou funções, e não em qual campo o termo de uma consulta incide; o problema do enunciado é a localização do termo em 'tags'. Um perfil de frescor se adapta a feeds de notícias ou conteúdo sensível ao tempo, onde a atualidade deve superar a relevância textual.

B

Correta

Configurar um perfil de pontuação com um peso maior para o campo 'tags'.

Os perfis de pontuação aplicam pesos de campo durante a avaliação da consulta, portanto, impulsionar o campo 'tags' eleva os documentos cujos metadados correspondem aos termos do usuário. Isso aborda diretamente o problema de relevância, uma vez que as tags carregam os termos específicos que os usuários procuram, enquanto o campo de texto completo 'content' dilui as pontuações de correspondência.

C

Incorreta

Definir o campo 'tags' para usar o analisador 'keyword'.

O analisador keyword trata todo o valor das tags como um único token, portanto, pesquisas de tags com várias palavras falham em corresponder a termos individuais. Ele se adapta a campos que contêm identificadores únicos indivisíveis, como códigos de produtos ou IDs exatos, e não a metadados de vários termos.

D

Incorreta

Habilitar a pesquisa semântica no campo 'content'.

A pesquisa semântica reclassifica o campo 'content' usando modelos de linguagem, mas o enunciado afirma que os usuários pesquisam termos mantidos em 'tags', que a classificação semântica não consulta. É tentador porque a pesquisa semântica realmente melhora a relevância para consultas em linguagem natural sobre prosa, e seria correta se os termos incompatíveis estivessem no corpo de texto completo em vez dos metadados.

Para se aprofundar

Os perfis de pontuação do Azure AI Search permitem que você impulsione campos específicos por meio de pesos aplicados durante a classificação BM25. Um peso de, digamos, 5 em 'tags' multiplica a contribuição da frequência de termos desse campo, de modo que um documento cujas tags correspondem à consulta supera um em que o termo aparece apenas no texto do corpo. Os pesos são por campo e por perfil, e vários perfis podem ser combinados com funções como frescor ou magnitude. Uma sutileza: os pesos de campo afetam apenas o componente BM25; se a reclassificação semântica estiver habilitada, o reclassificador L1 pode substituir os impulsos léxicos, portanto, ambos devem ser ajustados em conjunto. Além disso, o analisador 'keyword' trata todo o campo como um único token, o que ajuda filtros de correspondência exata, mas destrói a recuperação de correspondência parcial — geralmente a escolha errada para pesquisas de tags. A ponderação é a correção menos invasiva e requer apenas uma atualização de perfil sem necessidade de reindexação.

Sobre estas questões de prática

Esta é uma das questões de prática originais de AI-102 da Courseiva, escrita para o aprendizado e nunca copiada de provas reais nem de dumps.

Traduzida do original em inglês com IA e conferida quanto ao sentido. Códigos de exame, comandos e nomes de produtos são mantidos como aparecem na prova.