QCM : Introduction au Reconnaissance d'Entités Nommées — 11 questions

Question 1

1. Quelle est la meilleure définition de la tâche de NER ?

Convertir automatiquement du texte brut en résumé court

Attribuer une catégorie grammaticale à chaque mot d’une phrase

Extraire uniquement les dates et les montants d’un document

Identifier et classer des entités importantes dans du texte non structuré

Explication

Le NER consiste à repérer puis classer des entités nommées dans du texte non structuré. Il ne se limite pas à la grammaire, ni seulement aux dates et aux montants.

Answer

Identifier et classer des entités importantes dans du texte non structuré

Question 2

2. Qu'est-ce que la tâche de Reconnaissance d'Entités Nommées (NER) dans le traitement du langage naturel?

Une méthode pour analyser la syntaxe grammaticale d'un texte.

Une technique pour traduire automatiquement un texte d'une langue à une autre.

Une tâche qui identifie et classe des entités importantes dans du texte non structuré.

Une procédure pour résumer automatiquement un document long.

Explication

Le NER est une tâche qui consiste à repérer et classer dans un texte non structuré des entités importantes comme des personnes, lieux ou dates, ce qui en fait une étape clé dans l'extraction d'informations.

Answer

Une tâche qui identifie et classe des entités importantes dans du texte non structuré.

Question 3

3. Quel type d’information fait partie des entités nommées généralement visées par le NER ?

Des verbes, des adjectifs et des adverbes

Des personnes, des organisations, des lieux et des dates

Des paragraphes, des titres et des sections

Des syllabes, des phonèmes et des accents

Explication

Le NER cible des entités comme les personnes, organisations, lieux, dates et autres catégories similaires. Les autres options concernent des niveaux linguistiques ou de structure qui ne relèvent pas de cette tâche.

Answer

Des personnes, des organisations, des lieux et des dates

Question 4

4. Quelle est la principale fonction de la tâche de Reconnaissance d'Entités Nommées (NER) dans le traitement du langage naturel?

Identifier et classer les entités importantes dans un texte non structuré

Traduire le texte dans une autre langue

Générer automatiquement des résumés de textes longs

Analyser la syntaxe grammaticale des phrases

Explication

Le NER sert à repérer et classer dans le texte des entités importantes comme des personnes, lieux ou dates. Les autres options concernent d'autres tâches NLP, mais pas le NER.

Answer

Identifier et classer les entités importantes dans un texte non structuré

Question 5

5. Quel est l’objectif principal de l’extraction d’informations ?

Étiqueter chaque mot avec sa fonction grammaticale

Réécrire le texte sans contrainte de format

Extraire des faits du texte selon des schémas prédéfinis

Détecter uniquement les noms propres dans une phrase

Explication

L’extraction d’informations cherche à produire des faits structurés à partir du texte en suivant un schéma attendu. Elle ne se limite pas à l’étiquetage grammatical ni à la simple détection de noms propres.

Answer

Extraire des faits du texte selon des schémas prédéfinis

Question 6

6. Quel est le rôle principal de la tâche de Reconnaissance d'Entités Nommées (NER) dans le traitement du langage naturel?

Traduire le texte dans une autre langue

Générer automatiquement des résumés de textes longs

Extraire toutes les phrases contenant des noms propres

Identifier et classer les entités importantes dans un texte non structuré

Explication

Le NER sert à repérer et classer dans le texte des entités importantes comme des personnes, lieux ou dates, pour transformer le texte brut en informations exploitables.

Answer

Identifier et classer les entités importantes dans un texte non structuré

Question 7

7. En quoi l’extraction d’informations se distingue-t-elle du NER ?

Elle dépend uniquement d’un dictionnaire d’entités connu

Elle produit une sortie structurée conforme à un format attendu

Elle identifie seulement les entités nommées sans structure de sortie

Elle remplace l’analyse du texte par une classification globale

Explication

L’extraction d’informations vise une sortie structurée conforme à un schéma ou modèle prédéfini. Le NER, lui, repère et étiquette des entités dans le texte sans forcément organiser ces résultats dans un format de base de données.

Answer

Elle produit une sortie structurée conforme à un format attendu

Question 8

8. Quand la méthode basée sur le lexique est-elle généralement considérée comme peu efficace dans la détection d’entités nommées ?

Lorsque le texte contient principalement des noms propres

Lorsqu’elle est utilisée sans mise à jour régulière du dictionnaire

Quand elle est combinée avec des règles contextuelles

Lorsqu’elle est appliquée à des textes courts

Explication

La méthode lexicale est peu efficace si le dictionnaire n’est pas maintenu à jour, car elle ne peut pas reconnaître de nouvelles entités ou variations récentes.

Answer

Lorsqu’elle est utilisée sans mise à jour régulière du dictionnaire

Question 9

9. En quoi l'approche hybride diffère-t-elle des méthodes purement basées sur des règles ou sur l'apprentissage automatique dans la reconnaissance d'entités nommées (NER) ?

Elle repose uniquement sur des modèles d'apprentissage profond sans règles préalables.

Elle combine des règles initiales avec un modèle d'apprentissage pour améliorer la précision.

Elle utilise uniquement des règles basées sur le lexique sans recours à l'apprentissage.

Elle se limite à l'utilisation de dictionnaires sans affinement par apprentissage.

Explication

L'approche hybride démarre par des règles pour une classification rapide, puis utilise un modèle d'apprentissage pour affiner les résultats, ce qui la distingue des méthodes purement basées sur l'une ou l'autre technique.

Answer

Elle combine des règles initiales avec un modèle d'apprentissage pour améliorer la précision.

Question 10

10. Qui a proposé ou formulé l'approche hybride en reconnaissance d'entités nommées (NER) qui combine règles et apprentissage automatique pour améliorer la précision et la vitesse?

Les experts en linguistique computationnelle dans les années 2000.

Les ingénieurs en intelligence artificielle chez Google.

L'équipe de développement du projet OpenAI.

Les chercheurs en traitement du langage naturel dans les années 2010.

Explication

L'approche hybride en NER a été développée par des chercheurs en traitement du langage naturel pour combiner les avantages des méthodes par règles et d'apprentissage automatique, afin d'améliorer la performance globale.

Answer

Les chercheurs en traitement du langage naturel dans les années 2010.

Question 11

11. Quels sont les principaux effets de l'utilisation du schéma IOB dans l'annotation des entités nommées en NER ?

Il complique la tâche d'annotation en nécessitant des tags supplémentaires.

Il rend l'annotation plus subjective en laissant place à l'interprétation de l'annotateur.

Il réduit la quantité d'informations nécessaires pour l'annotation.

Il facilite la détection précise du début, de l'intérieur et de l'extérieur des entités dans le texte.

Explication

Le schéma IOB permet de coder la position d'un token par rapport à une entité avec des tags B, I et O, ce qui facilite la détection précise des entités dans le texte.

Answer

Il facilite la détection précise du début, de l'intérieur et de l'extérieur des entités dans le texte.

QCM : Introduction au Reconnaissance d'Entités Nommées — 11 questions

Questions et réponses du QCM

1. Quelle est la meilleure définition de la tâche de NER ?

2. Qu'est-ce que la tâche de Reconnaissance d'Entités Nommées (NER) dans le traitement du langage naturel?

3. Quel type d’information fait partie des entités nommées généralement visées par le NER ?

4. Quelle est la principale fonction de la tâche de Reconnaissance d'Entités Nommées (NER) dans le traitement du langage naturel?

5. Quel est l’objectif principal de l’extraction d’informations ?

6. Quel est le rôle principal de la tâche de Reconnaissance d'Entités Nommées (NER) dans le traitement du langage naturel?

7. En quoi l’extraction d’informations se distingue-t-elle du NER ?

8. Quand la méthode basée sur le lexique est-elle généralement considérée comme peu efficace dans la détection d’entités nommées ?

9. En quoi l'approche hybride diffère-t-elle des méthodes purement basées sur des règles ou sur l'apprentissage automatique dans la reconnaissance d'entités nommées (NER) ?

10. Qui a proposé ou formulé l'approche hybride en reconnaissance d'entités nommées (NER) qui combine règles et apprentissage automatique pour améliorer la précision et la vitesse?

11. Quels sont les principaux effets de l'utilisation du schéma IOB dans l'annotation des entités nommées en NER ?

Révisez avec les flashcards

Approfondir avec la fiche

Cours similaires

Gestion des fichiers en PHP

Identification utilisateur en PHP

Automated PCB Fault Diagnosis

Rôle d'un système d'exploitation

Questions techniques projet Compawgnon

Bases de Python pour débutants

Crée tes propres QCM