AI901-Foundry#96
次の各シナリオに最も適した Azure AI Language の機能をドロップダウンから選択してください。同じ選択肢を 2 回以上使用できます。
| ステートメント | 選択 |
|---|---|
顧客とのチャット ログを社内分析に転送する前に、氏名・電話番号・クレジット カード番号を伏字に置換したい。 コンプライアンス用途の伏字化に最適化された機能で、複数 PII カテゴリを多言語で検出します。 | |
1 日 100,000 件の SNS 投稿を「ブランドへの評価が好意的か否定的か」で自動仕分けしたい。 positive / neutral / negative の confidence score で機械的に仕分け可能な標準機能です。 | |
サポート問い合わせメールから「言及される製品名」「発生日付」を構造化して CRM に書き出したい。 Product / DateTime カテゴリの固有表現抽出に NER が最適で、構造化データ化を実現します。 |
解説
【正解マッチング】
| 判定対象 | 正解 |
|---|---|
| 顧客とのチャット ログを社内分析に転送する前に、氏名・電話番号・クレジット カード番号を伏字に置換したい。 | PII detection |
| 1 日 100,000 件の SNS 投稿を「ブランドへの評価が好意的か否定的か」で自動仕分けしたい。 | sentiment analysis |
| サポート問い合わせメールから「言及される製品名」「発生日付」を構造化して CRM に書き出したい。 | named entity recognition (NER) |
【各判定の詳細】
- 「顧客とのチャット ログを社内分析に転送する前に、氏名・電話番号・クレジット カード番号を伏字に置…」→ PII detection: コンプライアンス用途の伏字化に最適化された機能で、複数 PII カテゴリを多言語で検出します。
- 「1 日 100,000 件の SNS 投稿を「ブランドへの評価が好意的か否定的か」で自動仕分けし…」→ sentiment analysis: positive / neutral / negative の confidence score で機械的に仕分け可能な標準機能です。
- 「サポート問い合わせメールから「言及される製品名」「発生日付」を構造化して CRM に書き出したい。」→ named entity recognition (NER): Product / DateTime カテゴリの固有表現抽出に NER が最適で、構造化データ化を実現します。
コメント