MédiaMúltipla escolha

Questão de prática de AI-900

O que é 'entity linking' no Azure AI Language e como ele difere do NER?

Escolha a melhor resposta.

Resposta correta

  • BVinculação de entidades identificadas a entradas de bases de conhecimento (ex.: Wikipedia) para desambiguação

Explicação

O 'entity linking' no Azure AI Language desambigua entidades identificadas associando-as a um identificador exclusivo de uma base de conhecimento, como os números Q da Wikipedia. Isso difere do NER, que apenas rotula entidades (por exemplo, 'pessoa', 'local') sem resolver a ambiguidade — por exemplo, 'Paris' pode se referir a uma cidade ou a uma pessoa, e o 'entity linking' determina a correta por meio da base de conhecimento.

Por que cada alternativa está certa ou errada

A

Incorreta

Criação de hiperlinks em um documento que se conectam a conteúdos relacionados online

Esta opção confunde o artefato em nível de produto (uma tag de âncora HTML) com a operação de fundamentação semântica realizada pelo 'entity linking'. A criação de hiperlinks é uma ação de edição de apresentação que pode apontar para qualquer página da web, independentemente de o texto se referir à mesma entidade conceitual, e não envolve desambiguação de base de conhecimento ou atribuição de identificador exclusivo. O 'entity linking' gera uma referência legível por máquina para um registro de entidade canônico, que pode ser renderizado como um link posteriormente, mas a criação de hiperlinks em si não é nem uma condição necessária nem suficiente para o 'entity linking'.

B

Correta

Vinculação de entidades identificadas a entradas de bases de conhecimento (ex.: Wikipedia) para desambiguação

O 'entity linking' é a tarefa de mapear uma menção de entidade nomeada ambígua (ex.: 'Mars') detectada durante o reconhecimento de entidades nomeadas (NER) para uma entrada exclusiva baseada em identificadores em uma base de conhecimento como Wikipedia ou Wikidata, desambiguando assim 'o planeta Marte' da 'barra de chocolate Mars'. O link anexa a menção a um nó de grafo de conhecimento que carrega metadatos canônicos, categorias e relacionamentos, o que permite que aplicativos downstream raciocinem sobre a entidade com precisão semântica, em vez de depender apenas da correspondência de strings de superfície.

C

Incorreta

Conexão de entidades nomeadas em vários documentos para rastrear a mesma pessoa ao longo do tempo

Esta opção descreve a resolução de entidades entre documentos (também chamada de resolução de correferência de entidades), que é uma tarefa de NLP separada que determina se menções como 'John Smith' em um artigo e 'ele' em outro se referem à mesma pessoa no mundo real. O 'entity linking', em contraste, não rastreia a identidade entre documentos; ele fundamenta cada entidade mencionada em uma única entrada canônica em uma base de conhecimento estruturada como Wikidata ou Wikipedia, de modo que a ambiguidade é resolvida por meio de um link de grafo de conhecimento, e não por coocorrência entre documentos.

D

Incorreta

Vinculação de resultados de reconhecimento de entidades a chamadas de API downstream para enriquecimento de dados

Esta opção descreve a integração em nível de aplicativo onde a saída de um modelo de NLP é passada para um serviço externo (por exemplo, enriquecer o registro de um cliente chamando uma API de CRM). O 'entity linking' não trata de disparar ou orquestrar chamadas de API; é o processo interno de NLP que seleciona um identificador de base de conhecimento específico para uma menção usando pistas contextuais e ranqueamento de candidatos, e qualquer uso de API downstream ocorreria após a decisão de link já ter sido tomada pelo modelo de NLP.

Para se aprofundar

O 'entity linking' (também chamado de desambiguação de entidades nomeadas ou resolução de entidades para uma base de conhecimento) é um componente central em pipelines modernos de NLP, tipicamente executado após o Named Entity Recognition (NER). O processo envolve três estágios: geração de candidatos, que usa uma string de menção e índices de base de conhecimento para propor entidades possíveis; reclassificação consciente do contexto, que usa codificadores neurais (por exemplo, transformer bi-encoders) para pontuar entidades candidatas com base no texto circundante; e uma etapa de vínculo final que atribui um identificador exclusivo de base de conhecimento (por exemplo, um QID do Wikidata ou título da Wikipedia). Uma sutileza é o tratamento de menções NIL — trechos que não existem na base de conhecimento de destino —, que exigem o agrupamento de menções ou deixá-las sem vínculo, um problema comum em domínios em rápida evolução. Ao contrário do NER, que atribui apenas um tipo bruto (pessoa, organização, local), o 'entity linking' foca na identidade exata e na fundamentação semântica, tornando-o essencial para tarefas como resposta a perguntas, verificação de fatos e assistentes pessoais, onde confundir entidades com o mesmo nome pode gerar respostas erradas. Um equívoco comum é equiparar a geração de hiperlinks com o 'entity linking'; um hiperlink é apenas uma serialização possível de um link, e o valor central do 'entity linking' reside no identificador persistente, exclusivo e legível por máquina que suporta um raciocínio semântico robusto.

Sobre estas questões de prática

Esta é uma das questões de prática originais de AI-900 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.