Azure認定資格 WEB問題集＆徹底解説
AI-900：Microsoft Azure AI Fundamentals
解説
正解はBです。意味的な類似性を判定するには、テキストを数値ベクトルに変換するベクトル埋め込み（vector embeddings）を利用することが最も効果的です。ベクトル空間において類似した意味を持つ単語やフレーズは近い位置に配置されるため、「非常に良い」と「素晴らしい」といった意味的に近い表現を同等に扱うことが可能になります。Azure OpenAI Serviceなどで提供される埋め込みモデルを利用することで、容易に実現できます。
選択肢 A：小文字への正規化は表記揺れの吸収には有効ですが、意味的な類似性を捉えることはできません。「Good」と「good」を統一できても、「good」と「excellent」の類似性は判定できません。
選択肢 C：プロンプトの改善はLLMベースの分類精度向上には有効ですが、意味的類似性を定量的に測定する仕組みではありません。また、すべての類似表現を列挙することは現実的ではありません。
選択肢 D：カスタムモデルの構築は有効ですが、意味的類似性を考慮するには結局ベクトル埋め込みを利用する必要があります。問題の本質的な解決策はベクトル表現の導入であり、カスタムモデルの構築は過剰対応です。
Azure AI Language
Azure OpenAI Service
選択肢 A：小文字への正規化は表記揺れの吸収には有効ですが、意味的な類似性を捉えることはできません。「Good」と「good」を統一できても、「good」と「excellent」の類似性は判定できません。
選択肢 C：プロンプトの改善はLLMベースの分類精度向上には有効ですが、意味的類似性を定量的に測定する仕組みではありません。また、すべての類似表現を列挙することは現実的ではありません。
選択肢 D：カスタムモデルの構築は有効ですが、意味的類似性を考慮するには結局ベクトル埋め込みを利用する必要があります。問題の本質的な解決策はベクトル表現の導入であり、カスタムモデルの構築は過剰対応です。
関連サービスの解説
Azure AI ServiceAzure AI Language
Azure OpenAI Service
＋ 質問 / コメント
解答・解説に疑問がある場合や、よりよい解説がある場合など、お気軽にコメントください。ただし、短文コメントは表示されません。また、中傷などコメントの内容によっては、会員機能を停止させて頂きます。教え学び合える場になれば嬉しいです。（コメント投稿にはログインが必要です）
正答率 %
No.25 解説
ある企業が製品レビューを対象とした感情分析ソリューションを構築しています。Azure AI Languageを利用して「好意的」「中立的」「否定的」の3つに分類していますが、「非常に良い」と「素晴らしい」といった類似表現を同一の意味として扱うことができず、分類の精度が低下しています。意味的な類似性を考慮した処理を実現するために、最も優先すべき対応はどれですか。
- 入力されたテキストをすべて小文字に統一してから処理を実施する
- テキストをベクトル埋め込み（vector embeddings）として表現する
- プロンプトに具体的な分類基準と例文を追加して指示を明確化する
- カスタム分類モデルを構築して追加の学習データを投入する