Weitere AWS SDK-Beispiele sind im GitHub Repo [AWS Doc SDK Examples](https://github.com/awsdocs/aws-doc-sdk-examples) verfügbar.
Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
# Amazon Comprehend Comprehend-Beispiele mit AWS CLI
Die folgenden Codebeispiele zeigen Ihnen, wie Sie mithilfe von Amazon Comprehend Aktionen ausführen und allgemeine Szenarien implementieren. AWS Command Line Interface
*Aktionen* sind Codeauszüge aus größeren Programmen und müssen im Kontext ausgeführt werden. Während Aktionen Ihnen zeigen, wie Sie einzelne Service-Funktionen aufrufen, können Sie Aktionen im Kontext der zugehörigen Szenarien anzeigen.
Jedes Beispiel enthält einen Link zum vollständigen Quellcode, wo Sie Anweisungen zum Einrichten und Ausführen des Codes im Kodex finden.
**Topics**
+ [Aktionen](#actions)
## Aktionen
### `batch-detect-dominant-language`
Das folgende Codebeispiel zeigt die Verwendung von. `batch-detect-dominant-language`
**AWS CLI**
**So erkennen Sie die dominante Sprache mehrerer Eingabetexte**
Im folgenden Beispiel für `batch-detect-dominant-language` werden mehrere Eingabetexte analysiert und jeweils die dominante Sprache wird zurückgegeben. Der Konfidenzwert des vortrainierten Modells wird ebenfalls für jede Prognose ausgegeben.
```
aws comprehend batch-detect-dominant-language \
--text-list "Physics is the natural science that involves the study of matter and its motion and behavior through space and time, along with related concepts such as energy and force."
```
Ausgabe:
```
{
"ResultList": [
{
"Index": 0,
"Languages": [
{
"LanguageCode": "en",
"Score": 0.9986501932144165
}
]
}
],
"ErrorList": []
}
```
Weitere Informationen finden Sie unter [Dominante Sprache](https://docs.aws.amazon.com/comprehend/latest/dg/how-languages.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [BatchDetectDominantLanguage](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/batch-detect-dominant-language.html)in der *AWS CLI Befehlsreferenz*.
### `batch-detect-entities`
Das folgende Codebeispiel zeigt die Verwendung`batch-detect-entities`.
**AWS CLI**
**So erkennen Sie Entitäten aus mehreren Eingabetexten**
Im folgenden Beispiel für `batch-detect-entities` werden mehrere Eingabetexte analysiert und die benannten Entitäten zurückgegeben. Der Konfidenzwert des vortrainierten Modells wird ebenfalls für jede Prognose ausgegeben.
```
aws comprehend batch-detect-entities \
--language-code en \
--text-list "Dear Jane, Your AnyCompany Financial Services LLC credit card account 1111-XXXX-1111-XXXX has a minimum payment of $24.53 that is due by July 31st." "Please send customer feedback to Sunshine Spa, 123 Main St, Anywhere or to Alice at AnySpa@example.com."
```
Ausgabe:
```
{
"ResultList": [
{
"Index": 0,
"Entities": [
{
"Score": 0.9985517859458923,
"Type": "PERSON",
"Text": "Jane",
"BeginOffset": 5,
"EndOffset": 9
},
{
"Score": 0.9767839312553406,
"Type": "ORGANIZATION",
"Text": "AnyCompany Financial Services, LLC",
"BeginOffset": 16,
"EndOffset": 50
},
{
"Score": 0.9856694936752319,
"Type": "OTHER",
"Text": "1111-XXXX-1111-XXXX",
"BeginOffset": 71,
"EndOffset": 90
},
{
"Score": 0.9652159810066223,
"Type": "QUANTITY",
"Text": ".53",
"BeginOffset": 116,
"EndOffset": 119
},
{
"Score": 0.9986667037010193,
"Type": "DATE",
"Text": "July 31st",
"BeginOffset": 135,
"EndOffset": 144
}
]
},
{
"Index": 1,
"Entities": [
{
"Score": 0.720084547996521,
"Type": "ORGANIZATION",
"Text": "Sunshine Spa",
"BeginOffset": 33,
"EndOffset": 45
},
{
"Score": 0.9865870475769043,
"Type": "LOCATION",
"Text": "123 Main St",
"BeginOffset": 47,
"EndOffset": 58
},
{
"Score": 0.5895616412162781,
"Type": "LOCATION",
"Text": "Anywhere",
"BeginOffset": 60,
"EndOffset": 68
},
{
"Score": 0.6809214353561401,
"Type": "PERSON",
"Text": "Alice",
"BeginOffset": 75,
"EndOffset": 80
},
{
"Score": 0.9979087114334106,
"Type": "OTHER",
"Text": "AnySpa@example.com",
"BeginOffset": 84,
"EndOffset": 99
}
]
}
],
"ErrorList": []
}
```
Weitere Informationen finden Sie unter [Entitäten](https://docs.aws.amazon.com/comprehend/latest/dg/how-entities.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [BatchDetectEntities](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/batch-detect-entities.html)in der *AWS CLI Befehlsreferenz*.
### `batch-detect-key-phrases`
Das folgende Codebeispiel zeigt die Verwendung`batch-detect-key-phrases`.
**AWS CLI**
**So erkennen Sie Schlüsselphrasen mehrerer Texteingaben**
Im folgenden Beispiel für `batch-detect-key-phrases` werden mehrere Eingabetexte analysiert und die nominale Schlüsselphrase wird zurückgegeben. Der Konfidenzwert des vortrainierten Modells wird ebenfalls für jede Prognose ausgegeben.
```
aws comprehend batch-detect-key-phrases \
--language-code en \
--text-list "Hello Zhang Wei, I am John, writing to you about the trip for next Saturday." "Dear Jane, Your AnyCompany Financial Services LLC credit card account 1111-XXXX-1111-XXXX has a minimum payment of $24.53 that is due by July 31st." "Please send customer feedback to Sunshine Spa, 123 Main St, Anywhere or to Alice at AnySpa@example.com."
```
Ausgabe:
```
{
"ResultList": [
{
"Index": 0,
"KeyPhrases": [
{
"Score": 0.99700927734375,
"Text": "Zhang Wei",
"BeginOffset": 6,
"EndOffset": 15
},
{
"Score": 0.9929308891296387,
"Text": "John",
"BeginOffset": 22,
"EndOffset": 26
},
{
"Score": 0.9997230172157288,
"Text": "the trip",
"BeginOffset": 49,
"EndOffset": 57
},
{
"Score": 0.9999470114707947,
"Text": "next Saturday",
"BeginOffset": 62,
"EndOffset": 75
}
]
},
{
"Index": 1,
"KeyPhrases": [
{
"Score": 0.8358274102210999,
"Text": "Dear Jane",
"BeginOffset": 0,
"EndOffset": 9
},
{
"Score": 0.989359974861145,
"Text": "Your AnyCompany Financial Services",
"BeginOffset": 11,
"EndOffset": 45
},
{
"Score": 0.8812323808670044,
"Text": "LLC credit card account 1111-XXXX-1111-XXXX",
"BeginOffset": 47,
"EndOffset": 90
},
{
"Score": 0.9999381899833679,
"Text": "a minimum payment",
"BeginOffset": 95,
"EndOffset": 112
},
{
"Score": 0.9997439980506897,
"Text": ".53",
"BeginOffset": 116,
"EndOffset": 119
},
{
"Score": 0.996875524520874,
"Text": "July 31st",
"BeginOffset": 135,
"EndOffset": 144
}
]
},
{
"Index": 2,
"KeyPhrases": [
{
"Score": 0.9990295767784119,
"Text": "customer feedback",
"BeginOffset": 12,
"EndOffset": 29
},
{
"Score": 0.9994127750396729,
"Text": "Sunshine Spa",
"BeginOffset": 33,
"EndOffset": 45
},
{
"Score": 0.9892991185188293,
"Text": "123 Main St",
"BeginOffset": 47,
"EndOffset": 58
},
{
"Score": 0.9969810843467712,
"Text": "Alice",
"BeginOffset": 75,
"EndOffset": 80
},
{
"Score": 0.9703696370124817,
"Text": "AnySpa@example.com",
"BeginOffset": 84,
"EndOffset": 99
}
]
}
],
"ErrorList": []
}
```
Weitere Informationen finden Sie unter [Schlüsselphrasen](https://docs.aws.amazon.com/comprehend/latest/dg/how-key-phrases.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [BatchDetectKeyPhrases](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/batch-detect-key-phrases.html)in der *AWS CLI Befehlsreferenz*.
### `batch-detect-sentiment`
Das folgende Codebeispiel zeigt die Verwendung`batch-detect-sentiment`.
**AWS CLI**
**So erkennen Sie die vorherrschende Stimmung in mehreren Eingabetexten**
Im folgenden Beispiel für `batch-detect-sentiment` werden mehrere Eingabetexte analysiert und die jeweils vorherrschende Stimmung (`POSITIVE`, `NEUTRAL`, `MIXED` oder `NEGATIVE`) wird zurückgegeben.
```
aws comprehend batch-detect-sentiment \
--text-list "That movie was very boring, I can't believe it was over four hours long." "It is a beautiful day for hiking today." "My meal was okay, I'm excited to try other restaurants." \
--language-code en
```
Ausgabe:
```
{
"ResultList": [
{
"Index": 0,
"Sentiment": "NEGATIVE",
"SentimentScore": {
"Positive": 0.00011316669406369328,
"Negative": 0.9995445609092712,
"Neutral": 0.00014722718333359808,
"Mixed": 0.00019498742767609656
}
},
{
"Index": 1,
"Sentiment": "POSITIVE",
"SentimentScore": {
"Positive": 0.9981263279914856,
"Negative": 0.00015240783977787942,
"Neutral": 0.0013876151060685515,
"Mixed": 0.00033366199932061136
}
},
{
"Index": 2,
"Sentiment": "MIXED",
"SentimentScore": {
"Positive": 0.15930435061454773,
"Negative": 0.11471917480230331,
"Neutral": 0.26897063851356506,
"Mixed": 0.45700588822364807
}
}
],
"ErrorList": []
}
```
Weitere Informationen finden Sie unter [Stimmung](https://docs.aws.amazon.com/comprehend/latest/dg/how-sentiment.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [BatchDetectSentiment](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/batch-detect-sentiment.html)in der *AWS CLI Befehlsreferenz*.
### `batch-detect-syntax`
Das folgende Codebeispiel zeigt die Verwendung`batch-detect-syntax`.
**AWS CLI**
**So untersuchen Sie die Syntax und Wortarten in mehreren Eingabetexten**
Im folgenden Beispiel für `batch-detect-syntax` wird die Syntax mehrerer Eingabetexte analysiert und die verschiedenen Wortarten werden zurückgegeben. Der Konfidenzwert des vortrainierten Modells wird ebenfalls für jede Prognose ausgegeben.
```
aws comprehend batch-detect-syntax \
--text-list "It is a beautiful day." "Can you please pass the salt?" "Please pay the bill before the 31st." \
--language-code en
```
Ausgabe:
```
{
"ResultList": [
{
"Index": 0,
"SyntaxTokens": [
{
"TokenId": 1,
"Text": "It",
"BeginOffset": 0,
"EndOffset": 2,
"PartOfSpeech": {
"Tag": "PRON",
"Score": 0.9999740719795227
}
},
{
"TokenId": 2,
"Text": "is",
"BeginOffset": 3,
"EndOffset": 5,
"PartOfSpeech": {
"Tag": "VERB",
"Score": 0.999937117099762
}
},
{
"TokenId": 3,
"Text": "a",
"BeginOffset": 6,
"EndOffset": 7,
"PartOfSpeech": {
"Tag": "DET",
"Score": 0.9999926686286926
}
},
{
"TokenId": 4,
"Text": "beautiful",
"BeginOffset": 8,
"EndOffset": 17,
"PartOfSpeech": {
"Tag": "ADJ",
"Score": 0.9987891912460327
}
},
{
"TokenId": 5,
"Text": "day",
"BeginOffset": 18,
"EndOffset": 21,
"PartOfSpeech": {
"Tag": "NOUN",
"Score": 0.9999778866767883
}
},
{
"TokenId": 6,
"Text": ".",
"BeginOffset": 21,
"EndOffset": 22,
"PartOfSpeech": {
"Tag": "PUNCT",
"Score": 0.9999974966049194
}
}
]
},
{
"Index": 1,
"SyntaxTokens": [
{
"TokenId": 1,
"Text": "Can",
"BeginOffset": 0,
"EndOffset": 3,
"PartOfSpeech": {
"Tag": "AUX",
"Score": 0.9999770522117615
}
},
{
"TokenId": 2,
"Text": "you",
"BeginOffset": 4,
"EndOffset": 7,
"PartOfSpeech": {
"Tag": "PRON",
"Score": 0.9999986886978149
}
},
{
"TokenId": 3,
"Text": "please",
"BeginOffset": 8,
"EndOffset": 14,
"PartOfSpeech": {
"Tag": "INTJ",
"Score": 0.9681622385978699
}
},
{
"TokenId": 4,
"Text": "pass",
"BeginOffset": 15,
"EndOffset": 19,
"PartOfSpeech": {
"Tag": "VERB",
"Score": 0.9999874830245972
}
},
{
"TokenId": 5,
"Text": "the",
"BeginOffset": 20,
"EndOffset": 23,
"PartOfSpeech": {
"Tag": "DET",
"Score": 0.9999827146530151
}
},
{
"TokenId": 6,
"Text": "salt",
"BeginOffset": 24,
"EndOffset": 28,
"PartOfSpeech": {
"Tag": "NOUN",
"Score": 0.9995040893554688
}
},
{
"TokenId": 7,
"Text": "?",
"BeginOffset": 28,
"EndOffset": 29,
"PartOfSpeech": {
"Tag": "PUNCT",
"Score": 0.999998152256012
}
}
]
},
{
"Index": 2,
"SyntaxTokens": [
{
"TokenId": 1,
"Text": "Please",
"BeginOffset": 0,
"EndOffset": 6,
"PartOfSpeech": {
"Tag": "INTJ",
"Score": 0.9997857809066772
}
},
{
"TokenId": 2,
"Text": "pay",
"BeginOffset": 7,
"EndOffset": 10,
"PartOfSpeech": {
"Tag": "VERB",
"Score": 0.9999252557754517
}
},
{
"TokenId": 3,
"Text": "the",
"BeginOffset": 11,
"EndOffset": 14,
"PartOfSpeech": {
"Tag": "DET",
"Score": 0.9999842643737793
}
},
{
"TokenId": 4,
"Text": "bill",
"BeginOffset": 15,
"EndOffset": 19,
"PartOfSpeech": {
"Tag": "NOUN",
"Score": 0.9999588131904602
}
},
{
"TokenId": 5,
"Text": "before",
"BeginOffset": 20,
"EndOffset": 26,
"PartOfSpeech": {
"Tag": "ADP",
"Score": 0.9958304762840271
}
},
{
"TokenId": 6,
"Text": "the",
"BeginOffset": 27,
"EndOffset": 30,
"PartOfSpeech": {
"Tag": "DET",
"Score": 0.9999947547912598
}
},
{
"TokenId": 7,
"Text": "31st",
"BeginOffset": 31,
"EndOffset": 35,
"PartOfSpeech": {
"Tag": "NOUN",
"Score": 0.9924124479293823
}
},
{
"TokenId": 8,
"Text": ".",
"BeginOffset": 35,
"EndOffset": 36,
"PartOfSpeech": {
"Tag": "PUNCT",
"Score": 0.9999955892562866
}
}
]
}
],
"ErrorList": []
}
```
Weitere Informationen finden Sie unter [Syntaxanalyse](https://docs.aws.amazon.com/comprehend/latest/dg/how-syntax.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [BatchDetectSyntax](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/batch-detect-syntax.html)in der *AWS CLI Befehlsreferenz*.
### `batch-detect-targeted-sentiment`
Das folgende Codebeispiel zeigt die Verwendung`batch-detect-targeted-sentiment`.
**AWS CLI**
**So erkennen Sie die Stimmung und jede benannte Entität für mehrere Eingabetexte**
Im folgenden Beispiel für `batch-detect-targeted-sentiment` werden mehrere Eingabetexte analysiert und die benannten Entitäten zusammen mit der vorherrschenden Stimmung, die mit jeder einzelnen Entität verbunden ist, zurückgegeben. Der Konfidenzwert des vortrainierten Modells wird ebenfalls für jede Prognose ausgegeben.
```
aws comprehend batch-detect-targeted-sentiment \
--language-code en \
--text-list "That movie was really boring, the original was way more entertaining" "The trail is extra beautiful today." "My meal was just okay."
```
Ausgabe:
```
{
"ResultList": [
{
"Index": 0,
"Entities": [
{
"DescriptiveMentionIndex": [
0
],
"Mentions": [
{
"Score": 0.9999009966850281,
"GroupScore": 1.0,
"Text": "movie",
"Type": "MOVIE",
"MentionSentiment": {
"Sentiment": "NEGATIVE",
"SentimentScore": {
"Positive": 0.13887299597263336,
"Negative": 0.8057460188865662,
"Neutral": 0.05525200068950653,
"Mixed": 0.00012799999967683107
}
},
"BeginOffset": 5,
"EndOffset": 10
}
]
},
{
"DescriptiveMentionIndex": [
0
],
"Mentions": [
{
"Score": 0.9921110272407532,
"GroupScore": 1.0,
"Text": "original",
"Type": "MOVIE",
"MentionSentiment": {
"Sentiment": "POSITIVE",
"SentimentScore": {
"Positive": 0.9999989867210388,
"Negative": 9.999999974752427e-07,
"Neutral": 0.0,
"Mixed": 0.0
}
},
"BeginOffset": 34,
"EndOffset": 42
}
]
}
]
},
{
"Index": 1,
"Entities": [
{
"DescriptiveMentionIndex": [
0
],
"Mentions": [
{
"Score": 0.7545599937438965,
"GroupScore": 1.0,
"Text": "trail",
"Type": "OTHER",
"MentionSentiment": {
"Sentiment": "POSITIVE",
"SentimentScore": {
"Positive": 1.0,
"Negative": 0.0,
"Neutral": 0.0,
"Mixed": 0.0
}
},
"BeginOffset": 4,
"EndOffset": 9
}
]
},
{
"DescriptiveMentionIndex": [
0
],
"Mentions": [
{
"Score": 0.9999960064888,
"GroupScore": 1.0,
"Text": "today",
"Type": "DATE",
"MentionSentiment": {
"Sentiment": "NEUTRAL",
"SentimentScore": {
"Positive": 9.000000318337698e-06,
"Negative": 1.9999999949504854e-06,
"Neutral": 0.9999859929084778,
"Mixed": 3.999999989900971e-06
}
},
"BeginOffset": 29,
"EndOffset": 34
}
]
}
]
},
{
"Index": 2,
"Entities": [
{
"DescriptiveMentionIndex": [
0
],
"Mentions": [
{
"Score": 0.9999880194664001,
"GroupScore": 1.0,
"Text": "My",
"Type": "PERSON",
"MentionSentiment": {
"Sentiment": "NEUTRAL",
"SentimentScore": {
"Positive": 0.0,
"Negative": 0.0,
"Neutral": 1.0,
"Mixed": 0.0
}
},
"BeginOffset": 0,
"EndOffset": 2
}
]
},
{
"DescriptiveMentionIndex": [
0
],
"Mentions": [
{
"Score": 0.9995260238647461,
"GroupScore": 1.0,
"Text": "meal",
"Type": "OTHER",
"MentionSentiment": {
"Sentiment": "NEUTRAL",
"SentimentScore": {
"Positive": 0.04695599898695946,
"Negative": 0.003226999891921878,
"Neutral": 0.6091709733009338,
"Mixed": 0.34064599871635437
}
},
"BeginOffset": 3,
"EndOffset": 7
}
]
}
]
}
],
"ErrorList": []
}
```
Weitere Informationen finden Sie unter [Zielgerichtete Stimmung](https://docs.aws.amazon.com/comprehend/latest/dg/how-targeted-sentiment.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [BatchDetectTargetedSentiment](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/batch-detect-targeted-sentiment.html)in der *AWS CLI Befehlsreferenz*.
### `classify-document`
Das folgende Codebeispiel zeigt die Verwendung`classify-document`.
**AWS CLI**
**So klassifizieren Sie ein Dokument mit einem modellspezifischen Endpunkt**
Im folgenden Beispiel für `classify-document` wird ein Dokument mit einem Endpunkt eines benutzerdefinierten Modells klassifiziert. Das Modell in diesem Beispiel wurde anhand eines Datensatzes trainiert, der SMS-Nachrichten enthält, die als Spam oder Nicht-Spam oder „betrügerisch“ gekennzeichnet sind.
```
aws comprehend classify-document \
--endpoint-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier-endpoint/example-classifier-endpoint \
--text "CONGRATULATIONS! TXT 1235550100 to win $5000"
```
Ausgabe:
```
{
"Classes": [
{
"Name": "spam",
"Score": 0.9998599290847778
},
{
"Name": "ham",
"Score": 0.00014001205272506922
}
]
}
```
Weitere Informationen finden Sie unter [Benutzerdefinierte Klassifizierung](https://docs.aws.amazon.com/comprehend/latest/dg/how-document-classification.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [ClassifyDocument](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/classify-document.html)in der *AWS CLI Befehlsreferenz*.
### `contains-pii-entities`
Das folgende Codebeispiel zeigt die Verwendung`contains-pii-entities`.
**AWS CLI**
**So analysieren Sie den Eingabetext auf das Vorhandensein von PII-Informationen**
Im folgenden Beispiel für `contains-pii-entities` wird der Eingabetext auf das Vorhandensein persönlich identifizierbarer Informationen (PII) analysiert und die Bezeichnungen identifizierter PII-Entitätstypen wie Name, Adresse, Bankkontonummer oder Telefonnummer werden zurückgegeben.
```
aws comprehend contains-pii-entities \
--language-code en \
--text "Hello Zhang Wei, I am John. Your AnyCompany Financial Services, LLC credit card
account 1111-XXXX-1111-XXXX has a minimum payment of $24.53 that is due by July 31st. Based on your autopay settings,
we will withdraw your payment on the due date from your bank account number XXXXXX1111 with the routing number XXXXX0000.
Customer feedback for Sunshine Spa, 100 Main St, Anywhere. Send comments to Alice at AnySpa@example.com."
```
Ausgabe:
```
{
"Labels": [
{
"Name": "NAME",
"Score": 1.0
},
{
"Name": "EMAIL",
"Score": 1.0
},
{
"Name": "BANK_ACCOUNT_NUMBER",
"Score": 0.9995794296264648
},
{
"Name": "BANK_ROUTING",
"Score": 0.9173126816749573
},
{
"Name": "CREDIT_DEBIT_NUMBER",
"Score": 1.0
}
}
```
Weitere Informationen Sie unter [Persönlich identifizierbare Informationen (PII)](https://docs.aws.amazon.com/comprehend/latest/dg/pii.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [ContainsPiiEntities](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/contains-pii-entities.html)in der *AWS CLI Befehlsreferenz*.
### `create-dataset`
Das folgende Codebeispiel zeigt die Verwendung`create-dataset`.
**AWS CLI**
**So erstellen Sie einen Schwungrad-Datensatz**
Im folgenden Beispiel für `create-dataset` wird ein Datensatz für ein Schwungrad erstellt. Dieser Datensatz wird als zusätzliche Trainingsdaten verwendet, wie im Tag `--dataset-type` angegeben.
```
aws comprehend create-dataset \
--flywheel-arn arn:aws:comprehend:us-west-2:111122223333:flywheel/flywheel-entity \
--dataset-name example-dataset \
--dataset-type "TRAIN" \
--input-data-config file://inputConfig.json
```
Inhalt von `file://inputConfig.json`:
```
{
"DataFormat": "COMPREHEND_CSV",
"DocumentClassifierInputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-bucket/training-data.csv"
}
}
```
Ausgabe:
```
{
"DatasetArn": "arn:aws:comprehend:us-west-2:111122223333:flywheel/flywheel-entity/dataset/example-dataset"
}
```
Weitere Informationen finden Sie unter [Schwungrad-Übersicht](https://docs.aws.amazon.com/comprehend/latest/dg/flywheels-about.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [CreateDataset](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/create-dataset.html)in der *AWS CLI Befehlsreferenz*.
### `create-document-classifier`
Das folgende Codebeispiel zeigt die Verwendung`create-document-classifier`.
**AWS CLI**
**So erstellen Sie einen Dokumentenklassifikator zur Kategorisierung von Dokumenten**
Im folgenden Beispiel für `create-document-classifier` wird der Trainingsprozess für ein Dokumentenklassifikatormodell gestartet. Die Trainingsdatendatei, `training.csv`, befindet sich im Tag `--input-data-config`. `training.csv` ist ein zweispaltiges Dokument, in dem die Bezeichnungen oder Klassifizierungen in der ersten Spalte und die Dokumente in der zweiten Spalte angegeben sind.
```
aws comprehend create-document-classifier \
--document-classifier-name example-classifier \
--data-access-arn arn:aws:comprehend:us-west-2:111122223333:pii-entities-detection-job/123456abcdeb0e11022f22a11EXAMPLE \
--input-data-config "S3Uri=s3://amzn-s3-demo-bucket/" \
--language-code en
```
Ausgabe:
```
{
"DocumentClassifierArn": "arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier"
}
```
Weitere Informationen finden Sie unter [Benutzerdefinierte Klassifizierung](https://docs.aws.amazon.com/comprehend/latest/dg/how-document-classification.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [CreateDocumentClassifier](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/create-document-classifier.html)in der *AWS CLI Befehlsreferenz*.
### `create-endpoint`
Das folgende Codebeispiel zeigt die Verwendung`create-endpoint`.
**AWS CLI**
**So erstellen Sie einen Endpunkt für ein benutzerdefiniertes Modell**
Im folgenden Beispiel für `create-endpoint` wird ein Endpunkt zur synchronen Inferenz für ein zuvor trainiertes benutzerdefiniertes Modell erstellt.
```
aws comprehend create-endpoint \
--endpoint-name example-classifier-endpoint-1 \
--model-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier \
--desired-inference-units 1
```
Ausgabe:
```
{
"EndpointArn": "arn:aws:comprehend:us-west-2:111122223333:document-classifier-endpoint/example-classifier-endpoint-1"
}
```
Weitere Informationen finden Sie unter [Verwalten von Amazon-Comprehend-Endpunkten](https://docs.aws.amazon.com/comprehend/latest/dg/manage-endpoints.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [CreateEndpoint](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/create-endpoint.html)in der *AWS CLI Befehlsreferenz*.
### `create-entity-recognizer`
Das folgende Codebeispiel zeigt die Verwendung`create-entity-recognizer`.
**AWS CLI**
**So erstellen Sie eine benutzerdefinierte Entitätserkennung**
Im folgenden Beispiel für `create-entity-recognizer` wird der Trainingsprozess für ein benutzerdefiniertes Entitätserkennungsmodell gestartet. In diesem Beispiel werden eine CSV-Datei mit Trainingsdokumenten, `raw_text.csv`, und eine CSV-Entitätsliste, `entity_list.csv`, verwendet, um das Modell zu trainieren. `entity-list.csv` enthält die folgenden Spalten: Text und Typ.
```
aws comprehend create-entity-recognizer \
--recognizer-name example-entity-recognizer
--data-access-role-arn arn:aws:iam::111122223333:role/service-role/AmazonComprehendServiceRole-example-role \
--input-data-config "EntityTypes=[{Type=DEVICE}],Documents={S3Uri=s3://amzn-s3-demo-bucket/trainingdata/raw_text.csv},EntityList={S3Uri=s3://amzn-s3-demo-bucket/trainingdata/entity_list.csv}"
--language-code en
```
Ausgabe:
```
{
"EntityRecognizerArn": "arn:aws:comprehend:us-west-2:111122223333:example-entity-recognizer/entityrecognizer1"
}
```
Weitere Informationen finden Sie unter [Benutzerdefinierte Entitätserkennung](https://docs.aws.amazon.com/comprehend/latest/dg/custom-entity-recognition.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [CreateEntityRecognizer](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/create-entity-recognizer.html)in der *AWS CLI Befehlsreferenz*.
### `create-flywheel`
Das folgende Codebeispiel zeigt die Verwendung`create-flywheel`.
**AWS CLI**
**So erstellen Sie ein Schwungrad**
Im folgenden Beispiel für `create-flywheel` wird ein Schwungrad erstellt, um das fortlaufende Training eines Modells zur Dokumentenklassifizierung oder zur Erkennung von Entitäten zu koordinieren. Das Schwungrad in diesem Beispiel wurde erstellt, um ein vorhandenes trainiertes Modell zu verwalten, das durch das Tag `--active-model-arn` spezifiziert ist. Wenn das Schwungrad erstellt wird, wird am Tag `--input-data-lake` ein Data Lake erstellt.
```
aws comprehend create-flywheel \
--flywheel-name example-flywheel \
--active-model-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-model/version/1 \
--data-access-role-arn arn:aws:iam::111122223333:role/service-role/AmazonComprehendServiceRole-example-role \
--data-lake-s3-uri "s3://amzn-s3-demo-bucket"
```
Ausgabe:
```
{
"FlywheelArn": "arn:aws:comprehend:us-west-2:111122223333:flywheel/example-flywheel"
}
```
Weitere Informationen finden Sie unter [Schwungrad-Übersicht](https://docs.aws.amazon.com/comprehend/latest/dg/flywheels-about.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [CreateFlywheel](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/create-flywheel.html)in der *AWS CLI Befehlsreferenz*.
### `delete-document-classifier`
Das folgende Codebeispiel zeigt die Verwendung`delete-document-classifier`.
**AWS CLI**
**So löschen Sie einen benutzerdefinierten Dokumentenklassifikator**
Im folgenden Beispiel für `delete-document-classifier` wird ein benutzerdefiniertes Dokumentenklassifikatormodell gelöscht.
```
aws comprehend delete-document-classifier \
--document-classifier-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier-1
```
Mit diesem Befehl wird keine Ausgabe zurückgegeben.
Weitere Informationen finden Sie unter [Verwalten von Amazon-Comprehend-Endpunkten](https://docs.aws.amazon.com/comprehend/latest/dg/manage-endpoints.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [DeleteDocumentClassifier](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/delete-document-classifier.html)in der *AWS CLI Befehlsreferenz*.
### `delete-endpoint`
Das folgende Codebeispiel zeigt die Verwendung`delete-endpoint`.
**AWS CLI**
**So löschen Sie einen Endpunkt für ein benutzerdefiniertes Modell**
Im folgenden Beispiel für `delete-endpoint` wird ein modellspezifischer Endpunkt gelöscht. Alle Endpunkte müssen gelöscht werden, damit das Modell gelöscht werden kann.
```
aws comprehend delete-endpoint \
--endpoint-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier-endpoint/example-classifier-endpoint-1
```
Mit diesem Befehl wird keine Ausgabe zurückgegeben.
Weitere Informationen finden Sie unter [Verwalten von Amazon-Comprehend-Endpunkten](https://docs.aws.amazon.com/comprehend/latest/dg/manage-endpoints.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [DeleteEndpoint](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/delete-endpoint.html)in der *AWS CLI Befehlsreferenz*.
### `delete-entity-recognizer`
Das folgende Codebeispiel zeigt die Verwendung`delete-entity-recognizer`.
**AWS CLI**
**So löschen Sie ein benutzerdefiniertes Entitätserkennungsmodell**
Im folgenden Beispiel für `delete-entity-recognizer` wird ein benutzerdefiniertes Entitätserkennungsmodell gelöscht.
```
aws comprehend delete-entity-recognizer \
--entity-recognizer-arn arn:aws:comprehend:us-west-2:111122223333:entity-recognizer/example-entity-recognizer-1
```
Mit diesem Befehl wird keine Ausgabe zurückgegeben.
Weitere Informationen finden Sie unter [Verwalten von Amazon-Comprehend-Endpunkten](https://docs.aws.amazon.com/comprehend/latest/dg/manage-endpoints.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [DeleteEntityRecognizer](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/delete-entity-recognizer.html)in der *AWS CLI Befehlsreferenz*.
### `delete-flywheel`
Das folgende Codebeispiel zeigt die Verwendung`delete-flywheel`.
**AWS CLI**
**So löschen Sie ein Schwungrad**
Im folgenden Beispiel für `delete-flywheel` wird ein Schwungrad gelöscht. Der Data Lake oder das Modell, der bzw. das dem Schwungrad zugeordnet ist, wird nicht gelöscht.
```
aws comprehend delete-flywheel \
--flywheel-arn arn:aws:comprehend:us-west-2:111122223333:flywheel/example-flywheel-1
```
Mit diesem Befehl wird keine Ausgabe zurückgegeben.
Weitere Informationen finden Sie unter [Schwungrad-Übersicht](https://docs.aws.amazon.com/comprehend/latest/dg/flywheels-about.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [DeleteFlywheel](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/delete-flywheel.html)in der *AWS CLI Befehlsreferenz*.
### `delete-resource-policy`
Das folgende Codebeispiel zeigt die Verwendung`delete-resource-policy`.
**AWS CLI**
**So löschen Sie eine ressourcenbasierte Richtlinie**
Im folgenden Beispiel für `delete-resource-policy` wird eine ressourcenbasierte Richtlinie von einer Amazon-Comprehend-Ressource gelöscht.
```
aws comprehend delete-resource-policy \
--resource-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier-1/version/1
```
Mit diesem Befehl wird keine Ausgabe zurückgegeben.
Weitere Informationen finden Sie unter [Kopieren von benutzerdefinierten Modellen zwischen AWS Konten](https://docs.aws.amazon.com/comprehend/latest/dg/custom-copy.html) im *Amazon Comprehend Developer Guide*.
+ Einzelheiten zur API finden Sie unter [DeleteResourcePolicy AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/delete-resource-policy.html)*Befehlsreferenz*.
### `describe-dataset`
Das folgende Codebeispiel zeigt die Verwendung`describe-dataset`.
**AWS CLI**
**So beschreiben Sie einen Schwungrad-Datensatz**
Im folgenden Beispiel für `describe-dataset` werden die Eigenschaften eines Schwungrad-Datensatzes abgerufen.
```
aws comprehend describe-dataset \
--dataset-arn arn:aws:comprehend:us-west-2:111122223333:flywheel/flywheel-entity/dataset/example-dataset
```
Ausgabe:
```
{
"DatasetProperties": {
"DatasetArn": "arn:aws:comprehend:us-west-2:111122223333:flywheel/flywheel-entity/dataset/example-dataset",
"DatasetName": "example-dataset",
"DatasetType": "TRAIN",
"DatasetS3Uri": "s3://amzn-s3-demo-bucket/flywheel-entity/schemaVersion=1/12345678A123456Z/datasets/example-dataset/20230616T203710Z/",
"Status": "CREATING",
"CreationTime": "2023-06-16T20:37:10.400000+00:00"
}
}
```
Weitere Informationen finden Sie unter [Schwungrad-Übersicht](https://docs.aws.amazon.com/comprehend/latest/dg/flywheels-about.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [DescribeDataset](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-dataset.html)in der *AWS CLI Befehlsreferenz*.
### `describe-document-classification-job`
Das folgende Codebeispiel zeigt die Verwendung`describe-document-classification-job`.
**AWS CLI**
**So beschreiben Sie einen Auftrag zur Dokumentenklassifizierung**
Im folgenden Beispiel für `describe-document-classification-job` werden die Eigenschaften eines asynchronen Dokumentenklassifizierungsauftrags abgerufen.
```
aws comprehend describe-document-classification-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Ausgabe:
```
{
"DocumentClassificationJobProperties": {
"JobId": "123456abcdeb0e11022f22a11EXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:document-classification-job/123456abcdeb0e11022f22a11EXAMPLE",
"JobName": "exampleclassificationjob",
"JobStatus": "COMPLETED",
"SubmitTime": "2023-06-14T17:09:51.788000+00:00",
"EndTime": "2023-06-14T17:15:58.582000+00:00",
"DocumentClassifierArn": "arn:aws:comprehend:us-west-2:111122223333:document-classifier/mymodel/version/1",
"InputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-bucket/jobdata/",
"InputFormat": "ONE_DOC_PER_LINE"
},
"OutputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-destination-bucket/testfolder/111122223333-CLN-123456abcdeb0e11022f22a11EXAMPLE/output/output.tar.gz"
},
"DataAccessRoleArn": "arn:aws:iam::111122223333:role/service-role/AmazonComprehendServiceRole-servicerole"
}
}
```
Weitere Informationen finden Sie unter [Benutzerdefinierte Klassifizierung](https://docs.aws.amazon.com/comprehend/latest/dg/how-document-classification.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [DescribeDocumentClassificationJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-document-classification-job.html)in der *AWS CLI Befehlsreferenz*.
### `describe-document-classifier`
Das folgende Codebeispiel zeigt die Verwendung`describe-document-classifier`.
**AWS CLI**
**So beschreiben Sie einen Dokumentenklassifikator**
Im folgenden Beispiel für `describe-document-classifier` werden die Eigenschaften eines benutzerdefinierten Dokumentenklassifikatormodells abgerufen.
```
aws comprehend describe-document-classifier \
--document-classifier-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier-1
```
Ausgabe:
```
{
"DocumentClassifierProperties": {
"DocumentClassifierArn": "arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier-1",
"LanguageCode": "en",
"Status": "TRAINED",
"SubmitTime": "2023-06-13T19:04:15.735000+00:00",
"EndTime": "2023-06-13T19:42:31.752000+00:00",
"TrainingStartTime": "2023-06-13T19:08:20.114000+00:00",
"TrainingEndTime": "2023-06-13T19:41:35.080000+00:00",
"InputDataConfig": {
"DataFormat": "COMPREHEND_CSV",
"S3Uri": "s3://amzn-s3-demo-bucket/trainingdata"
},
"OutputDataConfig": {},
"ClassifierMetadata": {
"NumberOfLabels": 3,
"NumberOfTrainedDocuments": 5016,
"NumberOfTestDocuments": 557,
"EvaluationMetrics": {
"Accuracy": 0.9856,
"Precision": 0.9919,
"Recall": 0.9459,
"F1Score": 0.9673,
"MicroPrecision": 0.9856,
"MicroRecall": 0.9856,
"MicroF1Score": 0.9856,
"HammingLoss": 0.0144
}
},
"DataAccessRoleArn": "arn:aws:iam::111122223333:role/service-role/AmazonComprehendServiceRole-example-role",
"Mode": "MULTI_CLASS"
}
}
```
Weitere Informationen finden Sie unter [Erstellen und Verwalten von benutzerdefinierten Modellen](https://docs.aws.amazon.com/comprehend/latest/dg/manage-models.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [DescribeDocumentClassifier](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-document-classifier.html)in der *AWS CLI Befehlsreferenz*.
### `describe-dominant-language-detection-job`
Das folgende Codebeispiel zeigt die Verwendung`describe-dominant-language-detection-job`.
**AWS CLI**
**So beschreiben Sie einen Auftrag zur Erkennung der dominanten Sprache.**
Im folgenden Beispiel für `describe-dominant-language-detection-job` werden die Eigenschaften eines asynchronen Auftrags zur Erkennung der dominanten Sprache abgerufen.
```
aws comprehend describe-dominant-language-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Ausgabe:
```
{
"DominantLanguageDetectionJobProperties": {
"JobId": "123456abcdeb0e11022f22a11EXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:dominant-language-detection-job/123456abcdeb0e11022f22a11EXAMPLE",
"JobName": "languageanalysis1",
"JobStatus": "IN_PROGRESS",
"SubmitTime": "2023-06-09T18:10:38.037000+00:00",
"InputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-bucket",
"InputFormat": "ONE_DOC_PER_LINE"
},
"OutputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-destination-bucket/testfolder/111122223333-LANGUAGE-123456abcdeb0e11022f22a11EXAMPLE/output/output.tar.gz"
},
"DataAccessRoleArn": "arn:aws:iam::111122223333:role/service-role/AmazonComprehendServiceRole-example-role"
}
}
```
Weitere Informationen finden Sie unter [Asynchrone Analyse für Amazon-Comprehend-Erkenntnisse](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [DescribeDominantLanguageDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-dominant-language-detection-job.html)in der *AWS CLI Befehlsreferenz*.
### `describe-endpoint`
Das folgende Codebeispiel zeigt die Verwendung`describe-endpoint`.
**AWS CLI**
**So beschreiben Sie einen bestimmten Endpunkt**
Im folgenden Beispiel für `describe-endpoint` werden die Eigenschaften eines modellspezifischen Endpunkts abgerufen.
```
aws comprehend describe-endpoint \
--endpoint-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier-endpoint/example-classifier-endpoint
```
Ausgabe:
```
{
"EndpointProperties": {
"EndpointArn": "arn:aws:comprehend:us-west-2:111122223333:document-classifier-endpoint/example-classifier-endpoint,
"Status": "IN_SERVICE",
"ModelArn": "arn:aws:comprehend:us-west-2:111122223333:document-classifier/exampleclassifier1",
"DesiredModelArn": "arn:aws:comprehend:us-west-2:111122223333:document-classifier/exampleclassifier1",
"DesiredInferenceUnits": 1,
"CurrentInferenceUnits": 1,
"CreationTime": "2023-06-13T20:32:54.526000+00:00",
"LastModifiedTime": "2023-06-13T20:32:54.526000+00:00"
}
}
```
Weitere Informationen finden Sie unter [Verwalten von Amazon-Comprehend-Endpunkten](https://docs.aws.amazon.com/comprehend/latest/dg/manage-endpoints.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [DescribeEndpoint](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-endpoint.html)in der *AWS CLI Befehlsreferenz*.
### `describe-entities-detection-job`
Das folgende Codebeispiel zeigt die Verwendung`describe-entities-detection-job`.
**AWS CLI**
**So beschreiben Sie einen Auftrag zur Erkennung von Entitäten**
Im folgenden Beispiel für `describe-entities-detection-job` werden die Eigenschaften eines asynchronen Auftrags zur Entitätenerkennung abgerufen.
```
aws comprehend describe-entities-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Ausgabe:
```
{
"EntitiesDetectionJobProperties": {
"JobId": "123456abcdeb0e11022f22a11EXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:entities-detection-job/123456abcdeb0e11022f22a11EXAMPLE",
"JobName": "example-entity-detector",
"JobStatus": "COMPLETED",
"SubmitTime": "2023-06-08T21:30:15.323000+00:00",
"EndTime": "2023-06-08T21:40:23.509000+00:00",
"InputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-bucket/AsyncBatchJobs/",
"InputFormat": "ONE_DOC_PER_LINE"
},
"OutputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-bucket/thefolder/111122223333-NER-123456abcdeb0e11022f22a11EXAMPLE/output/output.tar.gz"
},
"LanguageCode": "en",
"DataAccessRoleArn": "arn:aws:iam::12345678012:role/service-role/AmazonComprehendServiceRole-example-role"
}
}
```
Weitere Informationen finden Sie unter [Asynchrone Analyse für Amazon-Comprehend-Erkenntnisse](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [DescribeEntitiesDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-entities-detection-job.html)in der *AWS CLI Befehlsreferenz*.
### `describe-entity-recognizer`
Das folgende Codebeispiel zeigt die Verwendung`describe-entity-recognizer`.
**AWS CLI**
**So beschreiben Sie eine Entitätserkennung**
Im folgenden Beispiel für `describe-entity-recognizer` werden die Eigenschaften eines benutzerdefinierten Entitätserkennungsmodells abgerufen.
```
aws comprehend describe-entity-recognizer \
entity-recognizer-arn arn:aws:comprehend:us-west-2:111122223333:entity-recognizer/business-recongizer-1/version/1
```
Ausgabe:
```
{
"EntityRecognizerProperties": {
"EntityRecognizerArn": "arn:aws:comprehend:us-west-2:111122223333:entity-recognizer/business-recongizer-1/version/1",
"LanguageCode": "en",
"Status": "TRAINED",
"SubmitTime": "2023-06-14T20:44:59.631000+00:00",
"EndTime": "2023-06-14T20:59:19.532000+00:00",
"TrainingStartTime": "2023-06-14T20:48:52.811000+00:00",
"TrainingEndTime": "2023-06-14T20:58:11.473000+00:00",
"InputDataConfig": {
"DataFormat": "COMPREHEND_CSV",
"EntityTypes": [
{
"Type": "BUSINESS"
}
],
"Documents": {
"S3Uri": "s3://amzn-s3-demo-bucket/trainingdata/dataset/",
"InputFormat": "ONE_DOC_PER_LINE"
},
"EntityList": {
"S3Uri": "s3://amzn-s3-demo-bucket/trainingdata/entity.csv"
}
},
"RecognizerMetadata": {
"NumberOfTrainedDocuments": 1814,
"NumberOfTestDocuments": 486,
"EvaluationMetrics": {
"Precision": 100.0,
"Recall": 100.0,
"F1Score": 100.0
},
"EntityTypes": [
{
"Type": "BUSINESS",
"EvaluationMetrics": {
"Precision": 100.0,
"Recall": 100.0,
"F1Score": 100.0
},
"NumberOfTrainMentions": 1520
}
]
},
"DataAccessRoleArn": "arn:aws:iam::111122223333:role/service-role/AmazonComprehendServiceRole-example-role",
"VersionName": "1"
}
}
```
Weitere Informationen finden Sie unter [Benutzerdefinierte Entitätserkennung](https://docs.aws.amazon.com/comprehend/latest/dg/custom-entity-recognition.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [DescribeEntityRecognizer](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-entity-recognizer.html)in der *AWS CLI Befehlsreferenz*.
### `describe-events-detection-job`
Das folgende Codebeispiel zeigt die Verwendung`describe-events-detection-job`.
**AWS CLI**
**So beschreiben Sie einen Auftrag zur Erkennung von Ereignissen.**
Im folgenden Beispiel für `describe-events-detection-job` werden die Eigenschaften eines asynchronen Auftrags zur Ereigniserkennung abgerufen.
```
aws comprehend describe-events-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Ausgabe:
```
{
"EventsDetectionJobProperties": {
"JobId": "123456abcdeb0e11022f22a11EXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:events-detection-job/123456abcdeb0e11022f22a11EXAMPLE",
"JobName": "events_job_1",
"JobStatus": "IN_PROGRESS",
"SubmitTime": "2023-06-12T18:45:56.054000+00:00",
"InputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-bucket/EventsData",
"InputFormat": "ONE_DOC_PER_LINE"
},
"OutputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-destination-bucket/testfolder/111122223333-EVENTS-123456abcdeb0e11022f22a11EXAMPLE/output/"
},
"LanguageCode": "en",
"DataAccessRoleArn": "arn:aws:iam::111122223333:role/service-role/AmazonComprehendServiceRole-example-role",
"TargetEventTypes": [
"BANKRUPTCY",
"EMPLOYMENT",
"CORPORATE_ACQUISITION",
"CORPORATE_MERGER",
"INVESTMENT_GENERAL"
]
}
}
```
Weitere Informationen finden Sie unter [Asynchrone Analyse für Amazon-Comprehend-Erkenntnisse](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [DescribeEventsDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-events-detection-job.html)in der *AWS CLI Befehlsreferenz*.
### `describe-flywheel-iteration`
Das folgende Codebeispiel zeigt die Verwendung`describe-flywheel-iteration`.
**AWS CLI**
**So beschreiben Sie eine Schwungrad-Iteration**
Im folgenden Beispiel für `describe-flywheel-iteration` werden die Eigenschaften einer Schwungrad-Iteration abgerufen.
```
aws comprehend describe-flywheel-iteration \
--flywheel-arn arn:aws:comprehend:us-west-2:111122223333:flywheel/example-flywheel \
--flywheel-iteration-id 20232222AEXAMPLE
```
Ausgabe:
```
{
"FlywheelIterationProperties": {
"FlywheelArn": "arn:aws:comprehend:us-west-2:111122223333:flywheel/flywheel-entity",
"FlywheelIterationId": "20232222AEXAMPLE",
"CreationTime": "2023-06-16T21:10:26.385000+00:00",
"EndTime": "2023-06-16T23:33:16.827000+00:00",
"Status": "COMPLETED",
"Message": "FULL_ITERATION: Flywheel iteration performed all functions successfully.",
"EvaluatedModelArn": "arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier/version/1",
"EvaluatedModelMetrics": {
"AverageF1Score": 0.7742663922375772,
"AveragePrecision": 0.8287636394041166,
"AverageRecall": 0.7427084833645399,
"AverageAccuracy": 0.8795394154118689
},
"TrainedModelArn": "arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier/version/Comprehend-Generated-v1-bb52d585",
"TrainedModelMetrics": {
"AverageF1Score": 0.9767700253081214,
"AveragePrecision": 0.9767700253081214,
"AverageRecall": 0.9767700253081214,
"AverageAccuracy": 0.9858281665190434
},
"EvaluationManifestS3Prefix": "s3://amzn-s3-demo-destination-bucket/flywheel-entity/schemaVersion=1/20230616T200543Z/evaluation/20230616T211026Z/"
}
}
```
Weitere Informationen finden Sie unter [Schwungrad-Übersicht](https://docs.aws.amazon.com/comprehend/latest/dg/flywheels-about.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [DescribeFlywheelIteration](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-flywheel-iteration.html)in der *AWS CLI Befehlsreferenz*.
### `describe-flywheel`
Das folgende Codebeispiel zeigt die Verwendung`describe-flywheel`.
**AWS CLI**
**So beschreiben Sie ein Schwungrad**
Im folgenden Beispiel für `describe-flywheel` werden die Eigenschaften eines Schwungrads abgerufen. In diesem Beispiel ist das dem Schwungrad zugeordnete Modell ein benutzerdefiniertes Klassifizierungsmodell, das darauf trainiert ist, Dokumente entweder als Spam, Nicht-Spam oder „betrügerisch“ zu klassifizieren.
```
aws comprehend describe-flywheel \
--flywheel-arn arn:aws:comprehend:us-west-2:111122223333:flywheel/example-flywheel
```
Ausgabe:
```
{
"FlywheelProperties": {
"FlywheelArn": "arn:aws:comprehend:us-west-2:111122223333:flywheel/example-flywheel",
"ActiveModelArn": "arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-model/version/1",
"DataAccessRoleArn": "arn:aws:iam::111122223333:role/service-role/AmazonComprehendServiceRole-example-role",
"TaskConfig": {
"LanguageCode": "en",
"DocumentClassificationConfig": {
"Mode": "MULTI_CLASS",
"Labels": [
"ham",
"spam"
]
}
},
"DataLakeS3Uri": "s3://amzn-s3-demo-bucket/example-flywheel/schemaVersion=1/20230616T200543Z/",
"DataSecurityConfig": {},
"Status": "ACTIVE",
"ModelType": "DOCUMENT_CLASSIFIER",
"CreationTime": "2023-06-16T20:05:43.242000+00:00",
"LastModifiedTime": "2023-06-16T20:21:43.567000+00:00"
}
}
```
Weitere Informationen finden Sie unter [Schwungrad-Übersicht](https://docs.aws.amazon.com/comprehend/latest/dg/flywheels-about.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [DescribeFlywheel](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-flywheel.html)in der *AWS CLI Befehlsreferenz*.
### `describe-key-phrases-detection-job`
Das folgende Codebeispiel zeigt die Verwendung`describe-key-phrases-detection-job`.
**AWS CLI**
**So beschreiben Sie Auftrag zur Erkennung von Schlüsselphrasen**
Im folgenden Beispiel für `describe-key-phrases-detection-job` werden die Eigenschaften eines asynchronen Auftrags zur Erkennung von Schlüsselphrasen abgerufen.
```
aws comprehend describe-key-phrases-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Ausgabe:
```
{
"KeyPhrasesDetectionJobProperties": {
"JobId": "69aa080c00fc68934a6a98f10EXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:key-phrases-detection-job/69aa080c00fc68934a6a98f10EXAMPLE",
"JobName": "example-key-phrases-detection-job",
"JobStatus": "COMPLETED",
"SubmitTime": 1686606439.177,
"EndTime": 1686606806.157,
"InputDataConfig": {
"S3Uri": "s3://dereksbucket1001/EventsData/",
"InputFormat": "ONE_DOC_PER_LINE"
},
"OutputDataConfig": {
"S3Uri": "s3://dereksbucket1002/testfolder/111122223333-KP-69aa080c00fc68934a6a98f10EXAMPLE/output/output.tar.gz"
},
"LanguageCode": "en",
"DataAccessRoleArn": "arn:aws:iam::111122223333:role/service-role/AmazonComprehendServiceRole-testrole"
}
}
```
Weitere Informationen finden Sie unter [Asynchrone Analyse für Amazon-Comprehend-Erkenntnisse](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [DescribeKeyPhrasesDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-key-phrases-detection-job.html)in der *AWS CLI Befehlsreferenz*.
### `describe-pii-entities-detection-job`
Das folgende Codebeispiel zeigt die Verwendung`describe-pii-entities-detection-job`.
**AWS CLI**
**So beschreiben Sie einen Auftrag zur Erkennung von PII-Entitäten**
Im folgenden Beispiel für `describe-pii-entities-detection-job` werden die Eigenschaften eines asynchronen Auftrags zur Erkennung von PII-Entitäten abgerufen.
```
aws comprehend describe-pii-entities-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Ausgabe:
```
{
"PiiEntitiesDetectionJobProperties": {
"JobId": "123456abcdeb0e11022f22a11EXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:pii-entities-detection-job/123456abcdeb0e11022f22a11EXAMPLE",
"JobName": "example-pii-entities-job",
"JobStatus": "IN_PROGRESS",
"SubmitTime": "2023-06-08T21:30:15.323000+00:00",
"EndTime": "2023-06-08T21:40:23.509000+00:00",
"InputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-bucket/AsyncBatchJobs/",
"InputFormat": "ONE_DOC_PER_LINE"
},
"OutputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-bucket/thefolder/111122223333-NER-123456abcdeb0e11022f22a11EXAMPLE/output/output.tar.gz"
},
"LanguageCode": "en",
"DataAccessRoleArn": "arn:aws:iam::12345678012:role/service-role/AmazonComprehendServiceRole-example-role"
}
}
```
Weitere Informationen finden Sie unter [Asynchrone Analyse für Amazon-Comprehend-Erkenntnisse](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [DescribePiiEntitiesDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-pii-entities-detection-job.html)in der *AWS CLI Befehlsreferenz*.
### `describe-resource-policy`
Das folgende Codebeispiel zeigt die Verwendung`describe-resource-policy`.
**AWS CLI**
**So beschreiben Sie eine Ressourcenrichtlinie, die an ein Modell angehängt ist**
Im folgenden Beispiel für `describe-resource-policy` werden die Eigenschaften einer ressourcenbasierten Richtlinie abgerufen, die an ein Modell angehängt ist.
```
aws comprehend describe-resource-policy \
--resource-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier/version/1
```
Ausgabe:
```
{
"ResourcePolicy": "{\"Version\":\"2012-10-17\",\"Statement\":[{\"Effect\":\"Allow\",\"Principal\":{\"AWS\":\"arn:aws:iam::444455556666:root\"},\"Action\":\"comprehend:ImportModel\",\"Resource\":\"*\"}]}",
"CreationTime": "2023-06-19T18:44:26.028000+00:00",
"LastModifiedTime": "2023-06-19T18:53:02.002000+00:00",
"PolicyRevisionId": "baa675d069d07afaa2aa3106ae280f61"
}
```
Weitere Informationen finden Sie unter [Kopieren von benutzerdefinierten Modellen zwischen AWS Konten](https://docs.aws.amazon.com/comprehend/latest/dg/custom-copy.html) im *Amazon Comprehend Developer Guide*.
+ Einzelheiten zur API finden Sie unter [DescribeResourcePolicy AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-resource-policy.html)*Befehlsreferenz*.
### `describe-sentiment-detection-job`
Das folgende Codebeispiel zeigt die Verwendung`describe-sentiment-detection-job`.
**AWS CLI**
**So beschreiben Sie einen Auftrag zur Erkennung von Stimmungen**
Im folgenden Beispiel für `describe-sentiment-detection-job` werden die Eigenschaften eines asynchronen Auftrags zur Stimmungserkennung abgerufen.
```
aws comprehend describe-sentiment-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Ausgabe:
```
{
"SentimentDetectionJobProperties": {
"JobId": "123456abcdeb0e11022f22a11EXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:sentiment-detection-job/123456abcdeb0e11022f22a11EXAMPLE",
"JobName": "movie_review_analysis",
"JobStatus": "IN_PROGRESS",
"SubmitTime": "2023-06-09T23:16:15.956000+00:00",
"InputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-bucket/MovieData",
"InputFormat": "ONE_DOC_PER_LINE"
},
"OutputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-destination-bucket/testfolder/111122223333-TS-123456abcdeb0e11022f22a11EXAMPLE/output/output.tar.gz"
},
"LanguageCode": "en",
"DataAccessRoleArn": "arn:aws:iam::111122223333:role/service-role/AmazonComprehendServiceRole-servicerole"
}
}
```
Weitere Informationen finden Sie unter [Asynchrone Analyse für Amazon-Comprehend-Erkenntnisse](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [DescribeSentimentDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-sentiment-detection-job.html)in der *AWS CLI Befehlsreferenz*.
### `describe-targeted-sentiment-detection-job`
Das folgende Codebeispiel zeigt die Verwendung`describe-targeted-sentiment-detection-job`.
**AWS CLI**
**So beschreiben Sie einen Auftrag zur Erkennung von zielgerichteten Stimmungen**
Im folgenden Beispiel für `describe-targeted-sentiment-detection-job` werden die Eigenschaften eines asynchronen Auftrags zur Erkennung zielgerichteter Stimmungen abgerufen.
```
aws comprehend describe-targeted-sentiment-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Ausgabe:
```
{
"TargetedSentimentDetectionJobProperties": {
"JobId": "123456abcdeb0e11022f22a11EXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:targeted-sentiment-detection-job/123456abcdeb0e11022f22a11EXAMPLE",
"JobName": "movie_review_analysis",
"JobStatus": "IN_PROGRESS",
"SubmitTime": "2023-06-09T23:16:15.956000+00:00",
"InputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-bucket/MovieData",
"InputFormat": "ONE_DOC_PER_LINE"
},
"OutputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-destination-bucket/testfolder/111122223333-TS-123456abcdeb0e11022f22a11EXAMPLE/output/output.tar.gz"
},
"LanguageCode": "en",
"DataAccessRoleArn": "arn:aws:iam::111122223333:role/service-role/AmazonComprehendServiceRole-servicerole"
}
}
```
Weitere Informationen finden Sie unter [Asynchrone Analyse für Amazon-Comprehend-Erkenntnisse](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [DescribeTargetedSentimentDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-targeted-sentiment-detection-job.html)in der *AWS CLI Befehlsreferenz*.
### `describe-topics-detection-job`
Das folgende Codebeispiel zeigt die Verwendung`describe-topics-detection-job`.
**AWS CLI**
**So beschreiben Sie einen Auftrag zur Themenerkennung**
Im folgenden Beispiel für `describe-topics-detection-job` werden die Eigenschaften eines asynchronen Auftrags zur Themenerkennung abgerufen.
```
aws comprehend describe-topics-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Ausgabe:
```
{
"TopicsDetectionJobProperties": {
"JobId": "123456abcdeb0e11022f22a11EXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:topics-detection-job/123456abcdeb0e11022f22a11EXAMPLE",
"JobName": "example_topics_detection",
"JobStatus": "IN_PROGRESS",
"SubmitTime": "2023-06-09T18:44:43.414000+00:00",
"InputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-bucket",
"InputFormat": "ONE_DOC_PER_LINE"
},
"OutputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-destination-bucket/testfolder/111122223333-TOPICS-123456abcdeb0e11022f22a11EXAMPLE/output/output.tar.gz"
},
"NumberOfTopics": 10,
"DataAccessRoleArn": "arn:aws:iam::111122223333:role/service-role/AmazonComprehendServiceRole-examplerole"
}
}
```
Weitere Informationen finden Sie unter [Asynchrone Analyse für Amazon-Comprehend-Erkenntnisse](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [DescribeTopicsDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-topics-detection-job.html)in der *AWS CLI Befehlsreferenz*.
### `detect-dominant-language`
Das folgende Codebeispiel zeigt die Verwendung`detect-dominant-language`.
**AWS CLI**
**So erkennen Sie die dominante Sprache eines Eingabetexts**
Im folgenden Beispiel für `detect-dominant-language` wird der Eingabetext analysiert und die dominante Sprache identifiziert. Der Konfidenzwert des vortrainierten Modells wird ebenfalls ausgegeben.
```
aws comprehend detect-dominant-language \
--text "It is a beautiful day in Seattle."
```
Ausgabe:
```
{
"Languages": [
{
"LanguageCode": "en",
"Score": 0.9877256155014038
}
]
}
```
Weitere Informationen finden Sie unter [Dominante Sprache](https://docs.aws.amazon.com/comprehend/latest/dg/how-languages.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [DetectDominantLanguage](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/detect-dominant-language.html)in der *AWS CLI Befehlsreferenz*.
### `detect-entities`
Das folgende Codebeispiel zeigt die Verwendung`detect-entities`.
**AWS CLI**
**So erkennen Sie benannte Entitäten im Eingabetext**
Im folgenden Beispiel für `detect-entities` wird der Eingabetext analysiert und die benannten Entitäten werden zurückgegeben. Der Konfidenzwert des vortrainierten Modells wird ebenfalls für jede Prognose ausgegeben.
```
aws comprehend detect-entities \
--language-code en \
--text "Hello Zhang Wei, I am John. Your AnyCompany Financial Services, LLC credit card \
account 1111-XXXX-1111-XXXX has a minimum payment of $24.53 that is due by July 31st. Based on your autopay settings, \
we will withdraw your payment on the due date from your bank account number XXXXXX1111 with the routing number XXXXX0000. \
Customer feedback for Sunshine Spa, 123 Main St, Anywhere. Send comments to Alice at AnySpa@example.com."
```
Ausgabe:
```
{
"Entities": [
{
"Score": 0.9994556307792664,
"Type": "PERSON",
"Text": "Zhang Wei",
"BeginOffset": 6,
"EndOffset": 15
},
{
"Score": 0.9981022477149963,
"Type": "PERSON",
"Text": "John",
"BeginOffset": 22,
"EndOffset": 26
},
{
"Score": 0.9986887574195862,
"Type": "ORGANIZATION",
"Text": "AnyCompany Financial Services, LLC",
"BeginOffset": 33,
"EndOffset": 67
},
{
"Score": 0.9959119558334351,
"Type": "OTHER",
"Text": "1111-XXXX-1111-XXXX",
"BeginOffset": 88,
"EndOffset": 107
},
{
"Score": 0.9708039164543152,
"Type": "QUANTITY",
"Text": ".53",
"BeginOffset": 133,
"EndOffset": 136
},
{
"Score": 0.9987268447875977,
"Type": "DATE",
"Text": "July 31st",
"BeginOffset": 152,
"EndOffset": 161
},
{
"Score": 0.9858865737915039,
"Type": "OTHER",
"Text": "XXXXXX1111",
"BeginOffset": 271,
"EndOffset": 281
},
{
"Score": 0.9700471758842468,
"Type": "OTHER",
"Text": "XXXXX0000",
"BeginOffset": 306,
"EndOffset": 315
},
{
"Score": 0.9591118693351746,
"Type": "ORGANIZATION",
"Text": "Sunshine Spa",
"BeginOffset": 340,
"EndOffset": 352
},
{
"Score": 0.9797496795654297,
"Type": "LOCATION",
"Text": "123 Main St",
"BeginOffset": 354,
"EndOffset": 365
},
{
"Score": 0.994929313659668,
"Type": "PERSON",
"Text": "Alice",
"BeginOffset": 394,
"EndOffset": 399
},
{
"Score": 0.9949769377708435,
"Type": "OTHER",
"Text": "AnySpa@example.com",
"BeginOffset": 403,
"EndOffset": 418
}
]
}
```
Weitere Informationen finden Sie unter [Entitäten](https://docs.aws.amazon.com/comprehend/latest/dg/how-entities.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [DetectEntities](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/detect-entities.html)in der *AWS CLI Befehlsreferenz*.
### `detect-key-phrases`
Das folgende Codebeispiel zeigt die Verwendung`detect-key-phrases`.
**AWS CLI**
**So erkennen Sie Schlüsselphrasen im Eingabetext**
Im folgenden Beispiel für `detect-key-phrases` wird der Eingabetext analysiert und die wichtigsten Nominalphrasen werden zurückgegeben. Der Konfidenzwert des vortrainierten Modells wird ebenfalls für jede Prognose ausgegeben.
```
aws comprehend detect-key-phrases \
--language-code en \
--text "Hello Zhang Wei, I am John. Your AnyCompany Financial Services, LLC credit card \
account 1111-XXXX-1111-XXXX has a minimum payment of $24.53 that is due by July 31st. Based on your autopay settings, \
we will withdraw your payment on the due date from your bank account number XXXXXX1111 with the routing number XXXXX0000. \
Customer feedback for Sunshine Spa, 123 Main St, Anywhere. Send comments to Alice at AnySpa@example.com."
```
Ausgabe:
```
{
"KeyPhrases": [
{
"Score": 0.8996376395225525,
"Text": "Zhang Wei",
"BeginOffset": 6,
"EndOffset": 15
},
{
"Score": 0.9992469549179077,
"Text": "John",
"BeginOffset": 22,
"EndOffset": 26
},
{
"Score": 0.988385021686554,
"Text": "Your AnyCompany Financial Services",
"BeginOffset": 28,
"EndOffset": 62
},
{
"Score": 0.8740853071212769,
"Text": "LLC credit card account 1111-XXXX-1111-XXXX",
"BeginOffset": 64,
"EndOffset": 107
},
{
"Score": 0.9999437928199768,
"Text": "a minimum payment",
"BeginOffset": 112,
"EndOffset": 129
},
{
"Score": 0.9998900890350342,
"Text": ".53",
"BeginOffset": 133,
"EndOffset": 136
},
{
"Score": 0.9979453086853027,
"Text": "July 31st",
"BeginOffset": 152,
"EndOffset": 161
},
{
"Score": 0.9983011484146118,
"Text": "your autopay settings",
"BeginOffset": 172,
"EndOffset": 193
},
{
"Score": 0.9996572136878967,
"Text": "your payment",
"BeginOffset": 211,
"EndOffset": 223
},
{
"Score": 0.9995037317276001,
"Text": "the due date",
"BeginOffset": 227,
"EndOffset": 239
},
{
"Score": 0.9702621698379517,
"Text": "your bank account number XXXXXX1111",
"BeginOffset": 245,
"EndOffset": 280
},
{
"Score": 0.9179925918579102,
"Text": "the routing number XXXXX0000.Customer feedback",
"BeginOffset": 286,
"EndOffset": 332
},
{
"Score": 0.9978160858154297,
"Text": "Sunshine Spa",
"BeginOffset": 337,
"EndOffset": 349
},
{
"Score": 0.9706913232803345,
"Text": "123 Main St",
"BeginOffset": 351,
"EndOffset": 362
},
{
"Score": 0.9941995143890381,
"Text": "comments",
"BeginOffset": 379,
"EndOffset": 387
},
{
"Score": 0.9759287238121033,
"Text": "Alice",
"BeginOffset": 391,
"EndOffset": 396
},
{
"Score": 0.8376792669296265,
"Text": "AnySpa@example.com",
"BeginOffset": 400,
"EndOffset": 415
}
]
}
```
Weitere Informationen finden Sie unter [Schlüsselphrasen](https://docs.aws.amazon.com/comprehend/latest/dg/how-key-phrases.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [DetectKeyPhrases](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/detect-key-phrases.html)in der *AWS CLI Befehlsreferenz*.
### `detect-pii-entities`
Das folgende Codebeispiel zeigt die Verwendung`detect-pii-entities`.
**AWS CLI**
**So erkennen Sie PII-Entitäten im Eingabetext**
Im folgenden Beispiel für `detect-pii-entities` wird der Eingabetext analysiert und es werden Entitäten identifiziert, die persönlich identifizierbare Informationen (PII) enthalten. Der Konfidenzwert des vortrainierten Modells wird ebenfalls für jede Prognose ausgegeben.
```
aws comprehend detect-pii-entities \
--language-code en \
--text "Hello Zhang Wei, I am John. Your AnyCompany Financial Services, LLC credit card \
account 1111-XXXX-1111-XXXX has a minimum payment of $24.53 that is due by July 31st. Based on your autopay settings, \
we will withdraw your payment on the due date from your bank account number XXXXXX1111 with the routing number XXXXX0000. \
Customer feedback for Sunshine Spa, 123 Main St, Anywhere. Send comments to Alice at AnySpa@example.com."
```
Ausgabe:
```
{
"Entities": [
{
"Score": 0.9998322129249573,
"Type": "NAME",
"BeginOffset": 6,
"EndOffset": 15
},
{
"Score": 0.9998878240585327,
"Type": "NAME",
"BeginOffset": 22,
"EndOffset": 26
},
{
"Score": 0.9994089603424072,
"Type": "CREDIT_DEBIT_NUMBER",
"BeginOffset": 88,
"EndOffset": 107
},
{
"Score": 0.9999760985374451,
"Type": "DATE_TIME",
"BeginOffset": 152,
"EndOffset": 161
},
{
"Score": 0.9999449253082275,
"Type": "BANK_ACCOUNT_NUMBER",
"BeginOffset": 271,
"EndOffset": 281
},
{
"Score": 0.9999847412109375,
"Type": "BANK_ROUTING",
"BeginOffset": 306,
"EndOffset": 315
},
{
"Score": 0.999925434589386,
"Type": "ADDRESS",
"BeginOffset": 354,
"EndOffset": 365
},
{
"Score": 0.9989161491394043,
"Type": "NAME",
"BeginOffset": 394,
"EndOffset": 399
},
{
"Score": 0.9994171857833862,
"Type": "EMAIL",
"BeginOffset": 403,
"EndOffset": 418
}
]
}
```
Weitere Informationen Sie unter [Persönlich identifizierbare Informationen (PII)](https://docs.aws.amazon.com/comprehend/latest/dg/pii.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [DetectPiiEntities](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/detect-pii-entities.html)in der *AWS CLI Befehlsreferenz*.
### `detect-sentiment`
Das folgende Codebeispiel zeigt die Verwendung`detect-sentiment`.
**AWS CLI**
**So erkennen Sie die Stimmung eines Eingabetextes**
Im folgenden Beispiel für `detect-sentiment` wird der Eingabetext analysiert und eine Inferenz der vorherrschenden Stimmung (`POSITIVE`, `NEUTRAL`, `MIXED` oder `NEGATIVE`) wird zurückgegeben.
```
aws comprehend detect-sentiment \
--language-code en \
--text "It is a beautiful day in Seattle"
```
Ausgabe:
```
{
"Sentiment": "POSITIVE",
"SentimentScore": {
"Positive": 0.9976957440376282,
"Negative": 9.653854067437351e-05,
"Neutral": 0.002169104292988777,
"Mixed": 3.857641786453314e-05
}
}
```
Weitere Informationen finden Sie unter [Stimmung](https://docs.aws.amazon.com/comprehend/latest/dg/how-sentiment.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [DetectSentiment](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/detect-sentiment.html)in der *AWS CLI Befehlsreferenz*.
### `detect-syntax`
Das folgende Codebeispiel zeigt die Verwendung`detect-syntax`.
**AWS CLI**
**So erkennen Sie die Wortarten in einem Eingabetext**
Im folgenden Beispiel für `detect-syntax` wird die Syntax des Eingabetextes analysiert und die verschiedenen Wortarten werden zurückgegeben. Der Konfidenzwert des vortrainierten Modells wird ebenfalls für jede Prognose ausgegeben.
```
aws comprehend detect-syntax \
--language-code en \
--text "It is a beautiful day in Seattle."
```
Ausgabe:
```
{
"SyntaxTokens": [
{
"TokenId": 1,
"Text": "It",
"BeginOffset": 0,
"EndOffset": 2,
"PartOfSpeech": {
"Tag": "PRON",
"Score": 0.9999740719795227
}
},
{
"TokenId": 2,
"Text": "is",
"BeginOffset": 3,
"EndOffset": 5,
"PartOfSpeech": {
"Tag": "VERB",
"Score": 0.999901294708252
}
},
{
"TokenId": 3,
"Text": "a",
"BeginOffset": 6,
"EndOffset": 7,
"PartOfSpeech": {
"Tag": "DET",
"Score": 0.9999938607215881
}
},
{
"TokenId": 4,
"Text": "beautiful",
"BeginOffset": 8,
"EndOffset": 17,
"PartOfSpeech": {
"Tag": "ADJ",
"Score": 0.9987351894378662
}
},
{
"TokenId": 5,
"Text": "day",
"BeginOffset": 18,
"EndOffset": 21,
"PartOfSpeech": {
"Tag": "NOUN",
"Score": 0.9999796748161316
}
},
{
"TokenId": 6,
"Text": "in",
"BeginOffset": 22,
"EndOffset": 24,
"PartOfSpeech": {
"Tag": "ADP",
"Score": 0.9998047947883606
}
},
{
"TokenId": 7,
"Text": "Seattle",
"BeginOffset": 25,
"EndOffset": 32,
"PartOfSpeech": {
"Tag": "PROPN",
"Score": 0.9940530061721802
}
}
]
}
```
Weitere Informationen finden Sie unter [Syntaxanalyse](https://docs.aws.amazon.com/comprehend/latest/dg/how-syntax.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [DetectSyntax](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/detect-syntax.html)in der *AWS CLI Befehlsreferenz*.
### `detect-targeted-sentiment`
Das folgende Codebeispiel zeigt die Verwendung`detect-targeted-sentiment`.
**AWS CLI**
**So erkennen Sie die zielgerichtete Stimmung benannter Entitäten in einem Eingabetext**
Im folgenden Beispiel für `detect-targeted-sentiment` wird der Eingabetext analysiert und die benannten Entitäten sowie die zielgerichtete Stimmung, die jeder Entität zugeordnet ist, werden zurückgegeben. Der Konfidenzwert des vortrainierten Modells wird ebenfalls für jede Prognose ausgegeben.
```
aws comprehend detect-targeted-sentiment \
--language-code en \
--text "I do not enjoy January because it is too cold but August is the perfect temperature"
```
Ausgabe:
```
{
"Entities": [
{
"DescriptiveMentionIndex": [
0
],
"Mentions": [
{
"Score": 0.9999979734420776,
"GroupScore": 1.0,
"Text": "I",
"Type": "PERSON",
"MentionSentiment": {
"Sentiment": "NEUTRAL",
"SentimentScore": {
"Positive": 0.0,
"Negative": 0.0,
"Neutral": 1.0,
"Mixed": 0.0
}
},
"BeginOffset": 0,
"EndOffset": 1
}
]
},
{
"DescriptiveMentionIndex": [
0
],
"Mentions": [
{
"Score": 0.9638869762420654,
"GroupScore": 1.0,
"Text": "January",
"Type": "DATE",
"MentionSentiment": {
"Sentiment": "NEGATIVE",
"SentimentScore": {
"Positive": 0.0031610000878572464,
"Negative": 0.9967250227928162,
"Neutral": 0.00011100000119768083,
"Mixed": 1.9999999949504854e-06
}
},
"BeginOffset": 15,
"EndOffset": 22
}
]
},
{
"DescriptiveMentionIndex": [
0
],
"Mentions": [
{
{
"Score": 0.9664419889450073,
"GroupScore": 1.0,
"Text": "August",
"Type": "DATE",
"MentionSentiment": {
"Sentiment": "POSITIVE",
"SentimentScore": {
"Positive": 0.9999549984931946,
"Negative": 3.999999989900971e-06,
"Neutral": 4.099999932805076e-05,
"Mixed": 0.0
}
},
"BeginOffset": 50,
"EndOffset": 56
}
]
},
{
"DescriptiveMentionIndex": [
0
],
"Mentions": [
{
"Score": 0.9803199768066406,
"GroupScore": 1.0,
"Text": "temperature",
"Type": "ATTRIBUTE",
"MentionSentiment": {
"Sentiment": "POSITIVE",
"SentimentScore": {
"Positive": 1.0,
"Negative": 0.0,
"Neutral": 0.0,
"Mixed": 0.0
}
},
"BeginOffset": 77,
"EndOffset": 88
}
]
}
]
}
```
Weitere Informationen finden Sie unter [Zielgerichtete Stimmung](https://docs.aws.amazon.com/comprehend/latest/dg/how-targeted-sentiment.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [DetectTargetedSentiment](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/detect-targeted-sentiment.html)in der *AWS CLI Befehlsreferenz*.
### `import-model`
Das folgende Codebeispiel zeigt die Verwendung`import-model`.
**AWS CLI**
**So importieren Sie ein Modell**
Im folgenden `import-model` Beispiel wird ein Modell aus einem anderen AWS Konto importiert. Das Dokumentenklassifizierungsmodell im Konto `444455556666` verfügt über eine ressourcenbasierte Richtlinie, die es dem Konto `111122223333` ermöglicht, das Modell zu importieren.
```
aws comprehend import-model \
--source-model-arn arn:aws:comprehend:us-west-2:444455556666:document-classifier/example-classifier
```
Ausgabe:
```
{
"ModelArn": "arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier"
}
```
Weitere Informationen finden Sie unter [Kopieren von benutzerdefinierten Modellen zwischen AWS Konten](https://docs.aws.amazon.com/comprehend/latest/dg/custom-copy.html) im *Amazon Comprehend Developer Guide*.
+ Einzelheiten zur API finden Sie unter [ImportModel AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/import-model.html)*Befehlsreferenz*.
### `list-datasets`
Das folgende Codebeispiel zeigt die Verwendung`list-datasets`.
**AWS CLI**
**So listen Sie alle Schwungrad-Datensätze auf**
Im folgenden Beispiel für `list-datasets` werden alle Datensätze aufgelistet, die einem Schwungrad zugeordnet sind.
```
aws comprehend list-datasets \
--flywheel-arn arn:aws:comprehend:us-west-2:111122223333:flywheel/flywheel-entity
```
Ausgabe:
```
{
"DatasetPropertiesList": [
{
"DatasetArn": "arn:aws:comprehend:us-west-2:111122223333:flywheel/flywheel-entity/dataset/example-dataset-1",
"DatasetName": "example-dataset-1",
"DatasetType": "TRAIN",
"DatasetS3Uri": "s3://amzn-s3-demo-bucket/flywheel-entity/schemaVersion=1/20230616T200543Z/datasets/example-dataset-1/20230616T203710Z/",
"Status": "CREATING",
"CreationTime": "2023-06-16T20:37:10.400000+00:00"
},
{
"DatasetArn": "arn:aws:comprehend:us-west-2:111122223333:flywheel/flywheel-entity/dataset/example-dataset-2",
"DatasetName": "example-dataset-2",
"DatasetType": "TRAIN",
"DatasetS3Uri": "s3://amzn-s3-demo-bucket/flywheel-entity/schemaVersion=1/20230616T200543Z/datasets/example-dataset-2/20230616T200607Z/",
"Description": "TRAIN Dataset created by Flywheel creation.",
"Status": "COMPLETED",
"NumberOfDocuments": 5572,
"CreationTime": "2023-06-16T20:06:07.722000+00:00"
}
]
}
```
Weitere Informationen finden Sie unter [Schwungrad-Übersicht](https://docs.aws.amazon.com/comprehend/latest/dg/flywheels-about.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [ListDatasets](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-datasets.html)in der *AWS CLI Befehlsreferenz*.
### `list-document-classification-jobs`
Das folgende Codebeispiel zeigt die Verwendung`list-document-classification-jobs`.
**AWS CLI**
**So listen Sie alle Aufträge zur Dokumentenklassifizierung auf**
Im folgenden Beispiel für `list-document-classification-jobs` werden alle Aufträge zur Dokumentenklassifizierung aufgelistet.
```
aws comprehend list-document-classification-jobs
```
Ausgabe:
```
{
"DocumentClassificationJobPropertiesList": [
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:1234567890101:document-classification-job/123456abcdeb0e11022f22a11EXAMPLE",
"JobName": "exampleclassificationjob",
"JobStatus": "COMPLETED",
"SubmitTime": "2023-06-14T17:09:51.788000+00:00",
"EndTime": "2023-06-14T17:15:58.582000+00:00",
"DocumentClassifierArn": "arn:aws:comprehend:us-west-2:1234567890101:document-classifier/mymodel/version/12",
"InputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-bucket/jobdata/",
"InputFormat": "ONE_DOC_PER_LINE"
},
"OutputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-destination-bucket/thefolder/1234567890101-CLN-e758dd56b824aa717ceab551f11749fb/output/output.tar.gz"
},
"DataAccessRoleArn": "arn:aws:iam::1234567890101:role/service-role/AmazonComprehendServiceRole-example-role"
},
{
"JobId": "123456abcdeb0e11022f22a1EXAMPLE2",
"JobArn": "arn:aws:comprehend:us-west-2:1234567890101:document-classification-job/123456abcdeb0e11022f22a1EXAMPLE2",
"JobName": "exampleclassificationjob2",
"JobStatus": "COMPLETED",
"SubmitTime": "2023-06-14T17:22:39.829000+00:00",
"EndTime": "2023-06-14T17:28:46.107000+00:00",
"DocumentClassifierArn": "arn:aws:comprehend:us-west-2:1234567890101:document-classifier/mymodel/version/12",
"InputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-bucket/jobdata/",
"InputFormat": "ONE_DOC_PER_LINE"
},
"OutputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-destination-bucket/thefolder/1234567890101-CLN-123456abcdeb0e11022f22a1EXAMPLE2/output/output.tar.gz"
},
"DataAccessRoleArn": "arn:aws:iam::1234567890101:role/service-role/AmazonComprehendServiceRole-example-role"
}
]
}
```
Weitere Informationen finden Sie unter [Benutzerdefinierte Klassifizierung](https://docs.aws.amazon.com/comprehend/latest/dg/how-document-classification.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [ListDocumentClassificationJobs](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-document-classification-jobs.html)in der *AWS CLI Befehlsreferenz*.
### `list-document-classifier-summaries`
Das folgende Codebeispiel zeigt die Verwendung`list-document-classifier-summaries`.
**AWS CLI**
**So listen Sie die Zusammenfassungen aller erstellten Dokumentenklassifizierungen auf**
Im folgenden Beispiel für `list-document-classifier-summaries` werden alle Zusammenfassungen der erstellten Dokumentenklassifizierungen aufgelistet.
```
aws comprehend list-document-classifier-summaries
```
Ausgabe:
```
{
"DocumentClassifierSummariesList": [
{
"DocumentClassifierName": "example-classifier-1",
"NumberOfVersions": 1,
"LatestVersionCreatedAt": "2023-06-13T22:07:59.825000+00:00",
"LatestVersionName": "1",
"LatestVersionStatus": "TRAINED"
},
{
"DocumentClassifierName": "example-classifier-2",
"NumberOfVersions": 2,
"LatestVersionCreatedAt": "2023-06-13T21:54:59.589000+00:00",
"LatestVersionName": "2",
"LatestVersionStatus": "TRAINED"
}
]
}
```
Weitere Informationen finden Sie unter [Erstellen und Verwalten von benutzerdefinierten Modellen](https://docs.aws.amazon.com/comprehend/latest/dg/manage-models.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [ListDocumentClassifierSummaries](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-document-classifier-summaries.html)in der *AWS CLI Befehlsreferenz*.
### `list-document-classifiers`
Das folgende Codebeispiel zeigt die Verwendung`list-document-classifiers`.
**AWS CLI**
**So listen Sie alle Dokumentenklassifikatoren auf**
Im folgenden Beispiel für `list-document-classifiers` werden alle trainierten und im Training befindlichen Dokumentenklassifikatorenmodelle aufgelistet.
```
aws comprehend list-document-classifiers
```
Ausgabe:
```
{
"DocumentClassifierPropertiesList": [
{
"DocumentClassifierArn": "arn:aws:comprehend:us-west-2:111122223333:document-classifier/exampleclassifier1",
"LanguageCode": "en",
"Status": "TRAINED",
"SubmitTime": "2023-06-13T19:04:15.735000+00:00",
"EndTime": "2023-06-13T19:42:31.752000+00:00",
"TrainingStartTime": "2023-06-13T19:08:20.114000+00:00",
"TrainingEndTime": "2023-06-13T19:41:35.080000+00:00",
"InputDataConfig": {
"DataFormat": "COMPREHEND_CSV",
"S3Uri": "s3://amzn-s3-demo-bucket/trainingdata"
},
"OutputDataConfig": {},
"ClassifierMetadata": {
"NumberOfLabels": 3,
"NumberOfTrainedDocuments": 5016,
"NumberOfTestDocuments": 557,
"EvaluationMetrics": {
"Accuracy": 0.9856,
"Precision": 0.9919,
"Recall": 0.9459,
"F1Score": 0.9673,
"MicroPrecision": 0.9856,
"MicroRecall": 0.9856,
"MicroF1Score": 0.9856,
"HammingLoss": 0.0144
}
},
"DataAccessRoleArn": "arn:aws:iam::111122223333:role/service-role/AmazonComprehendServiceRole-testorle",
"Mode": "MULTI_CLASS"
},
{
"DocumentClassifierArn": "arn:aws:comprehend:us-west-2:111122223333:document-classifier/exampleclassifier2",
"LanguageCode": "en",
"Status": "TRAINING",
"SubmitTime": "2023-06-13T21:20:28.690000+00:00",
"InputDataConfig": {
"DataFormat": "COMPREHEND_CSV",
"S3Uri": "s3://amzn-s3-demo-bucket/trainingdata"
},
"OutputDataConfig": {},
"DataAccessRoleArn": "arn:aws:iam::111122223333:role/service-role/AmazonComprehendServiceRole-testorle",
"Mode": "MULTI_CLASS"
}
]
}
```
Weitere Informationen finden Sie unter [Erstellen und Verwalten von benutzerdefinierten Modellen](https://docs.aws.amazon.com/comprehend/latest/dg/manage-models.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [ListDocumentClassifiers](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-document-classifiers.html)in der *AWS CLI Befehlsreferenz*.
### `list-dominant-language-detection-jobs`
Das folgende Codebeispiel zeigt die Verwendung`list-dominant-language-detection-jobs`.
**AWS CLI**
**So listen Sie alle Aufträge zur Erkennung der dominanten Sprache auf**
Im folgenden Beispiel für `list-dominant-language-detection-jobs` werden alle laufenden und abgeschlossenen asynchronen Aufträge zur Erkennung der dominanten Sprache aufgelistet.
```
aws comprehend list-dominant-language-detection-jobs
```
Ausgabe:
```
{
"DominantLanguageDetectionJobPropertiesList": [
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:dominant-language-detection-job/123456abcdeb0e11022f22a11EXAMPLE",
"JobName": "languageanalysis1",
"JobStatus": "COMPLETED",
"SubmitTime": "2023-06-09T18:10:38.037000+00:00",
"EndTime": "2023-06-09T18:18:45.498000+00:00",
"InputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-bucket",
"InputFormat": "ONE_DOC_PER_LINE"
},
"OutputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-destination-bucket/testfolder/111122223333-LANGUAGE-123456abcdeb0e11022f22a11EXAMPLE/output/output.tar.gz"
},
"DataAccessRoleArn": "arn:aws:iam::111122223333:role/service-role/AmazonComprehendServiceRole-example-role"
},
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:dominant-language-detection-job/123456abcdeb0e11022f22a11EXAMPLE",
"JobName": "languageanalysis2",
"JobStatus": "STOPPED",
"SubmitTime": "2023-06-09T18:16:33.690000+00:00",
"EndTime": "2023-06-09T18:24:40.608000+00:00",
"InputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-bucket",
"InputFormat": "ONE_DOC_PER_LINE"
},
"OutputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-destination-bucket/testfolder/111122223333-LANGUAGE-123456abcdeb0e11022f22a11EXAMPLE/output/output.tar.gz"
},
"DataAccessRoleArn": "arn:aws:iam::111122223333:role/service-role/AmazonComprehendServiceRole-example-role"
}
]
}
```
Weitere Informationen finden Sie unter [Asynchrone Analyse für Amazon-Comprehend-Erkenntnisse](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [ListDominantLanguageDetectionJobs](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-dominant-language-detection-jobs.html)in der *AWS CLI Befehlsreferenz*.
### `list-endpoints`
Das folgende Codebeispiel zeigt die Verwendung`list-endpoints`.
**AWS CLI**
**So listen Sie alle Endpunkte auf**
Im folgenden Beispiel für `list-endpoints` werden alle aktiven modellspezifischen Endpunkte aufgelistet.
```
aws comprehend list-endpoints
```
Ausgabe:
```
{
"EndpointPropertiesList": [
{
"EndpointArn": "arn:aws:comprehend:us-west-2:111122223333:document-classifier-endpoint/ExampleClassifierEndpoint",
"Status": "IN_SERVICE",
"ModelArn": "arn:aws:comprehend:us-west-2:111122223333:document-classifier/exampleclassifier1",
"DesiredModelArn": "arn:aws:comprehend:us-west-2:111122223333:document-classifier/exampleclassifier1",
"DesiredInferenceUnits": 1,
"CurrentInferenceUnits": 1,
"CreationTime": "2023-06-13T20:32:54.526000+00:00",
"LastModifiedTime": "2023-06-13T20:32:54.526000+00:00"
},
{
"EndpointArn": "arn:aws:comprehend:us-west-2:111122223333:document-classifier-endpoint/ExampleClassifierEndpoint2",
"Status": "IN_SERVICE",
"ModelArn": "arn:aws:comprehend:us-west-2:111122223333:document-classifier/exampleclassifier2",
"DesiredModelArn": "arn:aws:comprehend:us-west-2:111122223333:document-classifier/exampleclassifier2",
"DesiredInferenceUnits": 1,
"CurrentInferenceUnits": 1,
"CreationTime": "2023-06-13T20:32:54.526000+00:00",
"LastModifiedTime": "2023-06-13T20:32:54.526000+00:00"
}
]
}
```
Weitere Informationen finden Sie unter [Verwalten von Amazon-Comprehend-Endpunkten](https://docs.aws.amazon.com/comprehend/latest/dg/manage-endpoints.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [ListEndpoints](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-endpoints.html)in der *AWS CLI Befehlsreferenz*.
### `list-entities-detection-jobs`
Das folgende Codebeispiel zeigt die Verwendung`list-entities-detection-jobs`.
**AWS CLI**
**So listen Sie alle Aufträge zur Erkennung von Entitäten auf**
Im folgenden Beispiel für `list-entities-detection-jobs` werden alle asynchronen Aufträge zur Entitätserkennung aufgelistet.
```
aws comprehend list-entities-detection-jobs
```
Ausgabe:
```
{
"EntitiesDetectionJobPropertiesList": [
{
"JobId": "468af39c28ab45b83eb0c4ab9EXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:entities-detection-job/468af39c28ab45b83eb0c4ab9EXAMPLE",
"JobName": "example-entities-detection",
"JobStatus": "COMPLETED",
"SubmitTime": "2023-06-08T20:57:46.476000+00:00",
"EndTime": "2023-06-08T21:05:53.718000+00:00",
"InputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-bucket/AsyncBatchJobs/",
"InputFormat": "ONE_DOC_PER_LINE"
},
"OutputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-destination-bucket/thefolder/111122223333-NER-468af39c28ab45b83eb0c4ab9EXAMPLE/output/output.tar.gz"
},
"LanguageCode": "en",
"DataAccessRoleArn": "arn:aws:iam::111122223333:role/service-role/AmazonComprehendServiceRole-example-role"
},
{
"JobId": "809691caeaab0e71406f80a28EXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:entities-detection-job/809691caeaab0e71406f80a28EXAMPLE",
"JobName": "example-entities-detection-2",
"JobStatus": "COMPLETED",
"SubmitTime": "2023-06-08T21:30:15.323000+00:00",
"EndTime": "2023-06-08T21:40:23.509000+00:00",
"InputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-bucket/AsyncBatchJobs/",
"InputFormat": "ONE_DOC_PER_LINE"
},
"OutputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-destination-bucket/thefolder/111122223333-NER-809691caeaab0e71406f80a28EXAMPLE/output/output.tar.gz"
},
"LanguageCode": "en",
"DataAccessRoleArn": "arn:aws:iam::111122223333:role/service-role/AmazonComprehendServiceRole-example-role"
},
{
"JobId": "e00597c36b448b91d70dea165EXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:entities-detection-job/e00597c36b448b91d70dea165EXAMPLE",
"JobName": "example-entities-detection-3",
"JobStatus": "STOPPED",
"SubmitTime": "2023-06-08T22:19:28.528000+00:00",
"EndTime": "2023-06-08T22:27:33.991000+00:00",
"InputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-bucket/AsyncBatchJobs/",
"InputFormat": "ONE_DOC_PER_LINE"
},
"OutputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-destination-bucket/thefolder/111122223333-NER-e00597c36b448b91d70dea165EXAMPLE/output/output.tar.gz"
},
"LanguageCode": "en",
"DataAccessRoleArn": "arn:aws:iam::111122223333:role/service-role/AmazonComprehendServiceRole-example-role"
}
]
}
```
Weitere Informationen finden Sie unter [Entitäten](https://docs.aws.amazon.com/comprehend/latest/dg/how-entities.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [ListEntitiesDetectionJobs](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-entities-detection-jobs.html)in der *AWS CLI Befehlsreferenz*.
### `list-entity-recognizer-summaries`
Das folgende Codebeispiel zeigt die Verwendung`list-entity-recognizer-summaries`.
**AWS CLI**
**So listen Sie die Zusammenfassungen für alle erstellten Entitätserkennungen auf**
Im folgenden Beispiel für `list-entity-recognizer-summaries` werden alle Zusammenfassungen für Entitätserkennungen aufgelistet.
```
aws comprehend list-entity-recognizer-summaries
```
Ausgabe:
```
{
"EntityRecognizerSummariesList": [
{
"RecognizerName": "entity-recognizer-3",
"NumberOfVersions": 2,
"LatestVersionCreatedAt": "2023-06-15T23:15:07.621000+00:00",
"LatestVersionName": "2",
"LatestVersionStatus": "STOP_REQUESTED"
},
{
"RecognizerName": "entity-recognizer-2",
"NumberOfVersions": 1,
"LatestVersionCreatedAt": "2023-06-14T22:55:27.805000+00:00",
"LatestVersionName": "2"
"LatestVersionStatus": "TRAINED"
},
{
"RecognizerName": "entity-recognizer-1",
"NumberOfVersions": 1,
"LatestVersionCreatedAt": "2023-06-14T20:44:59.631000+00:00",
"LatestVersionName": "1",
"LatestVersionStatus": "TRAINED"
}
]
}
```
Weitere Informationen finden Sie unter [Benutzerdefinierte Entitätserkennung](https://docs.aws.amazon.com/comprehend/latest/dg/custom-entity-recognition.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [ListEntityRecognizerSummaries](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-entity-recognizer-summaries.html)in der *AWS CLI Befehlsreferenz*.
### `list-entity-recognizers`
Das folgende Codebeispiel zeigt die Verwendung`list-entity-recognizers`.
**AWS CLI**
**So listen Sie alle benutzerdefinierten Entitätserkennungen auf**
Im folgenden Beispiel für `list-entity-recognizers` werden alle erstellten benutzerdefinierten Entitätserkennungen aufgelistet.
```
aws comprehend list-entity-recognizers
```
Ausgabe:
```
{
"EntityRecognizerPropertiesList": [
{
"EntityRecognizerArn": "arn:aws:comprehend:us-west-2:111122223333:entity-recognizer/EntityRecognizer/version/1",
"LanguageCode": "en",
"Status": "TRAINED",
"SubmitTime": "2023-06-14T20:44:59.631000+00:00",
"EndTime": "2023-06-14T20:59:19.532000+00:00",
"TrainingStartTime": "2023-06-14T20:48:52.811000+00:00",
"TrainingEndTime": "2023-06-14T20:58:11.473000+00:00",
"InputDataConfig": {
"DataFormat": "COMPREHEND_CSV",
"EntityTypes": [
{
"Type": "BUSINESS"
}
],
"Documents": {
"S3Uri": "s3://amzn-s3-demo-bucket/trainingdata/dataset/",
"InputFormat": "ONE_DOC_PER_LINE"
},
"EntityList": {
"S3Uri": "s3://amzn-s3-demo-bucket/trainingdata/entity.csv"
}
},
"RecognizerMetadata": {
"NumberOfTrainedDocuments": 1814,
"NumberOfTestDocuments": 486,
"EvaluationMetrics": {
"Precision": 100.0,
"Recall": 100.0,
"F1Score": 100.0
},
"EntityTypes": [
{
"Type": "BUSINESS",
"EvaluationMetrics": {
"Precision": 100.0,
"Recall": 100.0,
"F1Score": 100.0
},
"NumberOfTrainMentions": 1520
}
]
},
"DataAccessRoleArn": "arn:aws:iam::111122223333:role/service-role/AmazonComprehendServiceRole-servicerole",
"VersionName": "1"
},
{
"EntityRecognizerArn": "arn:aws:comprehend:us-west-2:111122223333:entity-recognizer/entityrecognizer3",
"LanguageCode": "en",
"Status": "TRAINED",
"SubmitTime": "2023-06-14T22:57:51.056000+00:00",
"EndTime": "2023-06-14T23:14:13.894000+00:00",
"TrainingStartTime": "2023-06-14T23:01:33.984000+00:00",
"TrainingEndTime": "2023-06-14T23:13:02.984000+00:00",
"InputDataConfig": {
"DataFormat": "COMPREHEND_CSV",
"EntityTypes": [
{
"Type": "DEVICE"
}
],
"Documents": {
"S3Uri": "s3://amzn-s3-demo-bucket/trainingdata/raw_txt.csv",
"InputFormat": "ONE_DOC_PER_LINE"
},
"EntityList": {
"S3Uri": "s3://amzn-s3-demo-bucket/trainingdata/entity_list.csv"
}
},
"RecognizerMetadata": {
"NumberOfTrainedDocuments": 4616,
"NumberOfTestDocuments": 3489,
"EvaluationMetrics": {
"Precision": 98.54227405247813,
"Recall": 100.0,
"F1Score": 99.26578560939794
},
"EntityTypes": [
{
"Type": "DEVICE",
"EvaluationMetrics": {
"Precision": 98.54227405247813,
"Recall": 100.0,
"F1Score": 99.26578560939794
},
"NumberOfTrainMentions": 2764
}
]
},
"DataAccessRoleArn": "arn:aws:iam::111122223333:role/service-role/AmazonComprehendServiceRole-servicerole"
}
]
}
```
Weitere Informationen finden Sie unter [Benutzerdefinierte Entitätserkennung](https://docs.aws.amazon.com/comprehend/latest/dg/custom-entity-recognition.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [ListEntityRecognizers](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-entity-recognizers.html)in der *AWS CLI Befehlsreferenz*.
### `list-events-detection-jobs`
Das folgende Codebeispiel zeigt die Verwendung`list-events-detection-jobs`.
**AWS CLI**
**So listen Sie alle Aufträge zur Erkennung von Ereignissen auf**
Im folgenden Beispiel für `list-events-detection-jobs` werden alle asynchronen Aufträge zur Ereigniserkennung aufgelistet.
```
aws comprehend list-events-detection-jobs
```
Ausgabe:
```
{
"EventsDetectionJobPropertiesList": [
{
"JobId": "aa9593f9203e84f3ef032ce18EXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:1111222233333:events-detection-job/aa9593f9203e84f3ef032ce18EXAMPLE",
"JobName": "events_job_1",
"JobStatus": "COMPLETED",
"SubmitTime": "2023-06-12T19:14:57.751000+00:00",
"EndTime": "2023-06-12T19:21:04.962000+00:00",
"InputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-source-bucket/EventsData/",
"InputFormat": "ONE_DOC_PER_LINE"
},
"OutputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-destination-bucket/testfolder/1111222233333-EVENTS-aa9593f9203e84f3ef032ce18EXAMPLE/output/"
},
"LanguageCode": "en",
"DataAccessRoleArn": "arn:aws:iam::1111222233333:role/service-role/AmazonComprehendServiceRole-example-role",
"TargetEventTypes": [
"BANKRUPTCY",
"EMPLOYMENT",
"CORPORATE_ACQUISITION",
"CORPORATE_MERGER",
"INVESTMENT_GENERAL"
]
},
{
"JobId": "4a990a2f7e82adfca6e171135EXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:1111222233333:events-detection-job/4a990a2f7e82adfca6e171135EXAMPLE",
"JobName": "events_job_2",
"JobStatus": "COMPLETED",
"SubmitTime": "2023-06-12T19:55:43.702000+00:00",
"EndTime": "2023-06-12T20:03:49.893000+00:00",
"InputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-source-bucket/EventsData/",
"InputFormat": "ONE_DOC_PER_LINE"
},
"OutputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-destination-bucket/testfolder/1111222233333-EVENTS-4a990a2f7e82adfca6e171135EXAMPLE/output/"
},
"LanguageCode": "en",
"DataAccessRoleArn": "arn:aws:iam::1111222233333:role/service-role/AmazonComprehendServiceRole-example-role",
"TargetEventTypes": [
"BANKRUPTCY",
"EMPLOYMENT",
"CORPORATE_ACQUISITION",
"CORPORATE_MERGER",
"INVESTMENT_GENERAL"
]
}
]
}
```
Weitere Informationen finden Sie unter [Asynchrone Analyse für Amazon-Comprehend-Erkenntnisse](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [ListEventsDetectionJobs](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-events-detection-jobs.html)in der *AWS CLI Befehlsreferenz*.
### `list-flywheel-iteration-history`
Das folgende Codebeispiel zeigt die Verwendung`list-flywheel-iteration-history`.
**AWS CLI**
**So listen Sie den gesamten Verlauf der Schwungraditerationen auf**
Im folgenden Beispiel für `list-flywheel-iteration-history` werden alle Iterationen eines Schwungrades aufgelistet.
```
aws comprehend list-flywheel-iteration-history
--flywheel-arn arn:aws:comprehend:us-west-2:111122223333:flywheel/example-flywheel
```
Ausgabe:
```
{
"FlywheelIterationPropertiesList": [
{
"FlywheelArn": "arn:aws:comprehend:us-west-2:111122223333:flywheel/example-flywheel",
"FlywheelIterationId": "20230619TEXAMPLE",
"CreationTime": "2023-06-19T04:00:32.594000+00:00",
"EndTime": "2023-06-19T04:00:49.248000+00:00",
"Status": "COMPLETED",
"Message": "FULL_ITERATION: Flywheel iteration performed all functions successfully.",
"EvaluatedModelArn": "arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier/version/1",
"EvaluatedModelMetrics": {
"AverageF1Score": 0.7742663922375772,
"AverageF1Score": 0.9876464664646313,
"AveragePrecision": 0.9800000253081214,
"AverageRecall": 0.9445600253081214,
"AverageAccuracy": 0.9997281665190434
},
"EvaluationManifestS3Prefix": "s3://amzn-s3-demo-bucket/example-flywheel/schemaVersion=1/20230619TEXAMPLE/evaluation/20230619TEXAMPLE/"
},
{
"FlywheelArn": "arn:aws:comprehend:us-west-2:111122223333:flywheel/example-flywheel-2",
"FlywheelIterationId": "20230616TEXAMPLE",
"CreationTime": "2023-06-16T21:10:26.385000+00:00",
"EndTime": "2023-06-16T23:33:16.827000+00:00",
"Status": "COMPLETED",
"Message": "FULL_ITERATION: Flywheel iteration performed all functions successfully.",
"EvaluatedModelArn": "arn:aws:comprehend:us-west-2:111122223333:document-classifier/spamvshamclassify/version/1",
"EvaluatedModelMetrics": {
"AverageF1Score": 0.7742663922375772,
"AverageF1Score": 0.9767700253081214,
"AveragePrecision": 0.9767700253081214,
"AverageRecall": 0.9767700253081214,
"AverageAccuracy": 0.9858281665190434
},
"EvaluationManifestS3Prefix": "s3://amzn-s3-demo-bucket/example-flywheel-2/schemaVersion=1/20230616TEXAMPLE/evaluation/20230616TEXAMPLE/"
}
]
}
```
Weitere Informationen finden Sie unter [Schwungrad-Übersicht](https://docs.aws.amazon.com/comprehend/latest/dg/flywheels-about.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [ListFlywheelIterationHistory](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-flywheel-iteration-history.html)in der *AWS CLI Befehlsreferenz*.
### `list-flywheels`
Das folgende Codebeispiel zeigt die Verwendung`list-flywheels`.
**AWS CLI**
**So listen Sie alle Schwungräder auf**
Im folgenden Beispiel für `list-flywheels` werden alle erstellten Schwungräder aufgelistet.
```
aws comprehend list-flywheels
```
Ausgabe:
```
{
"FlywheelSummaryList": [
{
"FlywheelArn": "arn:aws:comprehend:us-west-2:111122223333:flywheel/example-flywheel-1",
"ActiveModelArn": "arn:aws:comprehend:us-west-2:111122223333:document-classifier/exampleclassifier/version/1",
"DataLakeS3Uri": "s3://amzn-s3-demo-bucket/example-flywheel-1/schemaVersion=1/20230616T200543Z/",
"Status": "ACTIVE",
"ModelType": "DOCUMENT_CLASSIFIER",
"CreationTime": "2023-06-16T20:05:43.242000+00:00",
"LastModifiedTime": "2023-06-19T04:00:43.027000+00:00",
"LatestFlywheelIteration": "20230619T040032Z"
},
{
"FlywheelArn": "arn:aws:comprehend:us-west-2:111122223333:flywheel/example-flywheel-2",
"ActiveModelArn": "arn:aws:comprehend:us-west-2:111122223333:document-classifier/exampleclassifier2/version/1",
"DataLakeS3Uri": "s3://amzn-s3-demo-bucket/example-flywheel-2/schemaVersion=1/20220616T200543Z/",
"Status": "ACTIVE",
"ModelType": "DOCUMENT_CLASSIFIER",
"CreationTime": "2022-06-16T20:05:43.242000+00:00",
"LastModifiedTime": "2022-06-19T04:00:43.027000+00:00",
"LatestFlywheelIteration": "20220619T040032Z"
}
]
}
```
Weitere Informationen finden Sie unter [Schwungrad-Übersicht](https://docs.aws.amazon.com/comprehend/latest/dg/flywheels-about.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [ListFlywheels](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-flywheels.html)in der *AWS CLI Befehlsreferenz*.
### `list-key-phrases-detection-jobs`
Das folgende Codebeispiel zeigt die Verwendung`list-key-phrases-detection-jobs`.
**AWS CLI**
**So listen Sie alle Aufträge zur Erkennung von Schlüsselphrasen auf**
Im folgenden Beispiel für `list-key-phrases-detection-jobs` werden alle laufenden und abgeschlossenen asynchronen Aufträge zur Erkennung von Schlüsselphrasen aufgelistet.
```
aws comprehend list-key-phrases-detection-jobs
```
Ausgabe:
```
{
"KeyPhrasesDetectionJobPropertiesList": [
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:key-phrases-detection-job/123456abcdeb0e11022f22a11EXAMPLE",
"JobName": "keyphrasesanalysis1",
"JobStatus": "COMPLETED",
"SubmitTime": "2023-06-08T22:31:43.767000+00:00",
"EndTime": "2023-06-08T22:39:52.565000+00:00",
"InputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-source-bucket/AsyncBatchJobs/",
"InputFormat": "ONE_DOC_PER_LINE"
},
"OutputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-destination-bucket/testfolder/111122223333-KP-123456abcdeb0e11022f22a11EXAMPLE/output/output.tar.gz"
},
"LanguageCode": "en",
"DataAccessRoleArn": "arn:aws:iam::111122223333:role/service-role/AmazonComprehendServiceRole-example-role"
},
{
"JobId": "123456abcdeb0e11022f22a33EXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:key-phrases-detection-job/123456abcdeb0e11022f22a33EXAMPLE",
"JobName": "keyphrasesanalysis2",
"JobStatus": "STOPPED",
"SubmitTime": "2023-06-08T22:57:52.154000+00:00",
"EndTime": "2023-06-08T23:05:48.385000+00:00",
"InputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-bucket/AsyncBatchJobs/",
"InputFormat": "ONE_DOC_PER_LINE"
},
"OutputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-destination-bucket/testfolder/111122223333-KP-123456abcdeb0e11022f22a33EXAMPLE/output/output.tar.gz"
},
"LanguageCode": "en",
"DataAccessRoleArn": "arn:aws:iam::111122223333:role/service-role/AmazonComprehendServiceRole-example-role"
},
{
"JobId": "123456abcdeb0e11022f22a44EXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:key-phrases-detection-job/123456abcdeb0e11022f22a44EXAMPLE",
"JobName": "keyphrasesanalysis3",
"JobStatus": "FAILED",
"Message": "NO_READ_ACCESS_TO_INPUT: The provided data access role does not have proper access to the input data.",
"SubmitTime": "2023-06-09T16:47:04.029000+00:00",
"EndTime": "2023-06-09T16:47:18.413000+00:00",
"InputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-bucket",
"InputFormat": "ONE_DOC_PER_LINE"
},
"OutputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-destination-bucket/testfolder/111122223333-KP-123456abcdeb0e11022f22a44EXAMPLE/output/output.tar.gz"
},
"LanguageCode": "en",
"DataAccessRoleArn": "arn:aws:iam::111122223333:role/service-role/AmazonComprehendServiceRole-example-role"
}
]
}
```
Weitere Informationen finden Sie unter [Asynchrone Analyse für Amazon-Comprehend-Erkenntnisse](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [ListKeyPhrasesDetectionJobs](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-key-phrases-detection-jobs.html)in der *AWS CLI Befehlsreferenz*.
### `list-pii-entities-detection-jobs`
Das folgende Codebeispiel zeigt die Verwendung`list-pii-entities-detection-jobs`.
**AWS CLI**
**So listen Sie alle Aufträge zur Erkennung von PII-Entitäten auf**
Im folgenden Beispiel für `list-pii-entities-detection-jobs` werden alle laufenden und abgeschlossenen asynchronen Aufträge zur PII-Erkennung aufgelistet.
```
aws comprehend list-pii-entities-detection-jobs
```
Ausgabe:
```
{
"PiiEntitiesDetectionJobPropertiesList": [
{
"JobId": "6f9db0c42d0c810e814670ee4EXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:pii-entities-detection-job/6f9db0c42d0c810e814670ee4EXAMPLE",
"JobName": "example-pii-detection-job",
"JobStatus": "COMPLETED",
"SubmitTime": "2023-06-09T21:02:46.241000+00:00",
"EndTime": "2023-06-09T21:12:52.602000+00:00",
"InputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-bucket/AsyncBatchJobs/",
"InputFormat": "ONE_DOC_PER_LINE"
},
"OutputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-source-bucket/111122223333-PII-6f9db0c42d0c810e814670ee4EXAMPLE/output/"
},
"LanguageCode": "en",
"DataAccessRoleArn": "arn:aws:iam::111122223333:role/service-role/AmazonComprehendServiceRole-example-role",
"Mode": "ONLY_OFFSETS"
},
{
"JobId": "d927562638cfa739331a99b3cEXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:pii-entities-detection-job/d927562638cfa739331a99b3cEXAMPLE",
"JobName": "example-pii-detection-job-2",
"JobStatus": "COMPLETED",
"SubmitTime": "2023-06-09T21:20:58.211000+00:00",
"EndTime": "2023-06-09T21:31:06.027000+00:00",
"InputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-bucket/AsyncBatchJobs/",
"InputFormat": "ONE_DOC_PER_LINE"
},
"OutputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-destination-bucket/thefolder/111122223333-PII-d927562638cfa739331a99b3cEXAMPLE/output/"
},
"LanguageCode": "en",
"DataAccessRoleArn": "arn:aws:iam::111122223333:role/service-role/AmazonComprehendServiceRole-example-role",
"Mode": "ONLY_OFFSETS"
}
]
}
```
Weitere Informationen finden Sie unter [Asynchrone Analyse für Amazon-Comprehend-Erkenntnisse](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [ListPiiEntitiesDetectionJobs](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-pii-entities-detection-jobs.html)in der *AWS CLI Befehlsreferenz*.
### `list-sentiment-detection-jobs`
Das folgende Codebeispiel zeigt die Verwendung`list-sentiment-detection-jobs`.
**AWS CLI**
**So listen Sie alle Aufträge zur Erkennung von Stimmungen auf**
Im folgenden Beispiel für `list-sentiment-detection-jobs` werden alle laufenden und abgeschlossenen asynchronen Aufträge zur Stimmungserkennung aufgelistet.
```
aws comprehend list-sentiment-detection-jobs
```
Ausgabe:
```
{
"SentimentDetectionJobPropertiesList": [
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:sentiment-detection-job/123456abcdeb0e11022f22a11EXAMPLE",
"JobName": "example-sentiment-detection-job",
"JobStatus": "IN_PROGRESS",
"SubmitTime": "2023-06-09T22:42:20.545000+00:00",
"EndTime": "2023-06-09T22:52:27.416000+00:00",
"InputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-bucket/MovieData",
"InputFormat": "ONE_DOC_PER_LINE"
},
"OutputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-destination-bucket/testfolder/111122223333-TS-123456abcdeb0e11022f22a11EXAMPLE/output/output.tar.gz"
},
"LanguageCode": "en",
"DataAccessRoleArn": "arn:aws:iam::111122223333:role/service-role/AmazonComprehendServiceRole-example-role"
},
{
"JobId": "123456abcdeb0e11022f22a1EXAMPLE2",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:sentiment-detection-job/123456abcdeb0e11022f22a1EXAMPLE2",
"JobName": "example-sentiment-detection-job-2",
"JobStatus": "COMPLETED",
"SubmitTime": "2023-06-09T23:16:15.956000+00:00",
"EndTime": "2023-06-09T23:26:00.168000+00:00",
"InputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-bucket/MovieData2",
"InputFormat": "ONE_DOC_PER_LINE"
},
"OutputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-destination-bucket/testfolder/111122223333-TS-123456abcdeb0e11022f22a1EXAMPLE2/output/output.tar.gz"
},
"LanguageCode": "en",
"DataAccessRoleArn": "arn:aws:iam::111122223333:role/service-role/AmazonComprehendServiceRole-example-role"
}
]
}
```
Weitere Informationen finden Sie unter [Asynchrone Analyse für Amazon-Comprehend-Erkenntnisse](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [ListSentimentDetectionJobs](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-sentiment-detection-jobs.html)in der *AWS CLI Befehlsreferenz*.
### `list-tags-for-resource`
Das folgende Codebeispiel zeigt die Verwendung`list-tags-for-resource`.
**AWS CLI**
**So listen Sie Tags für Ressourcen auf**
Im folgenden Beispiel für `list-tags-for-resource` werden die Tags für eine Amazon-Comprehend-Ressource aufgeführt.
```
aws comprehend list-tags-for-resource \
--resource-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier/version/1
```
Ausgabe:
```
{
"ResourceArn": "arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier/version/1",
"Tags": [
{
"Key": "Department",
"Value": "Finance"
},
{
"Key": "location",
"Value": "Seattle"
}
]
}
```
Weitere Informationen finden Sie unter [Taggen Ihrer Ressourcen](https://docs.aws.amazon.com/comprehend/latest/dg/tagging.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [ListTagsForResource](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-tags-for-resource.html)in der *AWS CLI Befehlsreferenz*.
### `list-targeted-sentiment-detection-jobs`
Das folgende Codebeispiel zeigt die Verwendung`list-targeted-sentiment-detection-jobs`.
**AWS CLI**
**So listen Sie alle Aufträge zur Erkennung von zielgerichteten Stimmungen auf**
Im folgenden Beispiel für `list-targeted-sentiment-detection-jobs` werden alle laufenden und abgeschlossenen asynchronen Aufträge zur Erkennung von zielgerichteten Stimmungen aufgelistet.
```
aws comprehend list-targeted-sentiment-detection-jobs
```
Ausgabe:
```
{
"TargetedSentimentDetectionJobPropertiesList": [
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:targeted-sentiment-detection-job/123456abcdeb0e11022f22a11EXAMPLE",
"JobName": "example-targeted-sentiment-detection-job",
"JobStatus": "COMPLETED",
"SubmitTime": "2023-06-09T22:42:20.545000+00:00",
"EndTime": "2023-06-09T22:52:27.416000+00:00",
"InputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-bucket/MovieData",
"InputFormat": "ONE_DOC_PER_LINE"
},
"OutputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-destination-bucket/testfolder/111122223333-TS-123456abcdeb0e11022f22a11EXAMPLE/output/output.tar.gz"
},
"LanguageCode": "en",
"DataAccessRoleArn": "arn:aws:iam::111122223333:role/service-role/AmazonComprehendServiceRole-IOrole"
},
{
"JobId": "123456abcdeb0e11022f22a1EXAMPLE2",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:targeted-sentiment-detection-job/123456abcdeb0e11022f22a1EXAMPLE2",
"JobName": "example-targeted-sentiment-detection-job-2",
"JobStatus": "COMPLETED",
"SubmitTime": "2023-06-09T23:16:15.956000+00:00",
"EndTime": "2023-06-09T23:26:00.168000+00:00",
"InputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-bucket/MovieData2",
"InputFormat": "ONE_DOC_PER_LINE"
},
"OutputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-destination-bucket/testfolder/111122223333-TS-123456abcdeb0e11022f22a1EXAMPLE2/output/output.tar.gz"
},
"LanguageCode": "en",
"DataAccessRoleArn": "arn:aws:iam::111122223333:role/service-role/AmazonComprehendServiceRole-example-role"
}
]
}
```
Weitere Informationen finden Sie unter [Asynchrone Analyse für Amazon-Comprehend-Erkenntnisse](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [ListTargetedSentimentDetectionJobs](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-targeted-sentiment-detection-jobs.html)in der *AWS CLI Befehlsreferenz*.
### `list-topics-detection-jobs`
Das folgende Codebeispiel zeigt die Verwendung`list-topics-detection-jobs`.
**AWS CLI**
**So listen Sie alle Aufträge zur Themenerkennung auf**
Im folgenden Beispiel für `list-topics-detection-jobs` werden alle laufenden und abgeschlossenen asynchronen Aufträge zur Themenerkennung aufgelistet.
```
aws comprehend list-topics-detection-jobs
```
Ausgabe:
```
{
"TopicsDetectionJobPropertiesList": [
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:topics-detection-job/123456abcdeb0e11022f22a11EXAMPLE",
"JobName" "topic-analysis-1"
"JobStatus": "IN_PROGRESS",
"SubmitTime": "2023-06-09T18:40:35.384000+00:00",
"EndTime": "2023-06-09T18:46:41.936000+00:00",
"InputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-bucket",
"InputFormat": "ONE_DOC_PER_LINE"
},
"OutputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-destination-bucket/thefolder/111122223333-TOPICS-123456abcdeb0e11022f22a11EXAMPLE/output/output.tar.gz"
},
"NumberOfTopics": 10,
"DataAccessRoleArn": "arn:aws:iam::111122223333:role/service-role/AmazonComprehendServiceRole-example-role"
},
{
"JobId": "123456abcdeb0e11022f22a1EXAMPLE2",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:topics-detection-job/123456abcdeb0e11022f22a1EXAMPLE2",
"JobName": "topic-analysis-2",
"JobStatus": "COMPLETED",
"SubmitTime": "2023-06-09T18:44:43.414000+00:00",
"EndTime": "2023-06-09T18:50:50.872000+00:00",
"InputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-bucket",
"InputFormat": "ONE_DOC_PER_LINE"
},
"OutputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-destination-bucket/thefolder/111122223333-TOPICS-123456abcdeb0e11022f22a1EXAMPLE2/output/output.tar.gz"
},
"NumberOfTopics": 10,
"DataAccessRoleArn": "arn:aws:iam::111122223333:role/service-role/AmazonComprehendServiceRole-example-role"
},
{
"JobId": "123456abcdeb0e11022f22a1EXAMPLE3",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:topics-detection-job/123456abcdeb0e11022f22a1EXAMPLE3",
"JobName": "topic-analysis-2",
"JobStatus": "IN_PROGRESS",
"SubmitTime": "2023-06-09T18:50:56.737000+00:00",
"InputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-bucket",
"InputFormat": "ONE_DOC_PER_LINE"
},
"OutputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-destination-bucket/thefolder/111122223333-TOPICS-123456abcdeb0e11022f22a1EXAMPLE3/output/output.tar.gz"
},
"NumberOfTopics": 10,
"DataAccessRoleArn": "arn:aws:iam::111122223333:role/service-role/AmazonComprehendServiceRole-example-role"
}
]
}
```
Weitere Informationen finden Sie unter [Asynchrone Analyse für Amazon-Comprehend-Erkenntnisse](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [ListTopicsDetectionJobs](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-topics-detection-jobs.html)in der *AWS CLI Befehlsreferenz*.
### `put-resource-policy`
Das folgende Codebeispiel zeigt die Verwendung`put-resource-policy`.
**AWS CLI**
**So hängen Sie eine ressourcenbasierte Richtlinie an**
Im folgenden `put-resource-policy` Beispiel wird eine ressourcenbasierte Richtlinie an ein Modell angehängt, sodass diese von einem anderen Konto importiert werden kann. AWS Die Richtlinie ist an das Modell im Konto `111122223333` angehängt und ermöglicht dem Konto `444455556666`, das Modell zu importieren.
```
aws comprehend put-resource-policy \
--resource-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier/version/1 \
--resource-policy '{"Version":"2012-10-17", "Statement":[{"Effect":"Allow","Action":"comprehend:ImportModel","Resource":"*","Principal":{"AWS":["arn:aws:iam::444455556666:root"]}}]}'
```
Ausgabe:
```
{
"PolicyRevisionId": "aaa111d069d07afaa2aa3106aEXAMPLE"
}
```
Weitere Informationen finden Sie unter [Kopieren von benutzerdefinierten Modellen zwischen AWS Konten](https://docs.aws.amazon.com/comprehend/latest/dg/custom-copy.html) im *Amazon Comprehend Developer Guide*.
+ Einzelheiten zur API finden Sie unter [PutResourcePolicy AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/put-resource-policy.html)*Befehlsreferenz*.
### `start-document-classification-job`
Das folgende Codebeispiel zeigt die Verwendung`start-document-classification-job`.
**AWS CLI**
**So starten Sie einen Auftrag zur Dokumentenklassifizierung**
Im folgenden Beispiel für `start-document-classification-job` wird ein Auftrag zur Dokumentenklassifizierung mit einem benutzerdefinierten Modell für alle Dateien an der durch das Tag `--input-data-config` angegebenen Adresse gestartet. In diesem Beispiel enthält der S3-Eingabe-Bucket `SampleSMStext1.txt`, `SampleSMStext2.txt` und `SampleSMStext3.txt`. Das Modell wurde zuvor anhand von Dokumentenklassifizierungen von Spam- und Nicht-Spam-SMS-Nachrichten bzw. „betrügerischen“ SMS-Nachrichten trainiert. Wenn der Auftrag abgeschlossen ist, wird `output.tar.gz` an der durch das `--output-data-config` Tag angegebenen Stelle platziert. `output.tar.gz` enthält die Datei `predictions.jsonl`, in der die Klassifikation der einzelnen Dokumente aufgeführt ist. Die JSON-Ausgabe wird in einer Zeile pro Datei gedruckt, ist aber hier zur besseren Lesbarkeit formatiert.
```
aws comprehend start-document-classification-job \
--job-name exampleclassificationjob \
--input-data-config "S3Uri=s3://amzn-s3-demo-bucket-INPUT/jobdata/" \
--output-data-config "S3Uri=s3://amzn-s3-demo-destination-bucket/testfolder/" \
--data-access-role-arn arn:aws:iam::111122223333:role/service-role/AmazonComprehendServiceRole-example-role \
--document-classifier-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier/mymodel/version/12
```
Inhalt von `SampleSMStext1.txt`:
```
"CONGRATULATIONS! TXT 2155550100 to win $5000"
```
Inhalt von `SampleSMStext2.txt`:
```
"Hi, when do you want me to pick you up from practice?"
```
Inhalt von `SampleSMStext3.txt`:
```
"Plz send bank account # to 2155550100 to claim prize!!"
```
Ausgabe:
```
{
"JobId": "e758dd56b824aa717ceab551fEXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:document-classification-job/e758dd56b824aa717ceab551fEXAMPLE",
"JobStatus": "SUBMITTED"
}
```
Inhalt von `predictions.jsonl`:
```
{"File": "SampleSMSText1.txt", "Line": "0", "Classes": [{"Name": "spam", "Score": 0.9999}, {"Name": "ham", "Score": 0.0001}]}
{"File": "SampleSMStext2.txt", "Line": "0", "Classes": [{"Name": "ham", "Score": 0.9994}, {"Name": "spam", "Score": 0.0006}]}
{"File": "SampleSMSText3.txt", "Line": "0", "Classes": [{"Name": "spam", "Score": 0.9999}, {"Name": "ham", "Score": 0.0001}]}
```
Weitere Informationen finden Sie unter [Benutzerdefinierte Klassifizierung](https://docs.aws.amazon.com/comprehend/latest/dg/how-document-classification.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [StartDocumentClassificationJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/start-document-classification-job.html)in der *AWS CLI Befehlsreferenz*.
### `start-dominant-language-detection-job`
Das folgende Codebeispiel zeigt die Verwendung`start-dominant-language-detection-job`.
**AWS CLI**
**So starten Sie einen asynchronen Spracherkennungsauftrag**
Im folgenden Beispiel für `start-dominant-language-detection-job` wird ein asynchroner Spracherkennungsauftrag für alle Dateien gestartet, die sich an der durch das Tag `--input-data-config` angegebenen Adresse befinden. In diesem Beispiel enthält der S3-Bucket `Sampletext1.txt`. Wenn der Auftrag abgeschlossen ist, wird der Ordner `output` an dem durch das Tag `--output-data-config` angegebenen Ort platziert. Der Ordner enthält die Datei `output.txt`, die die dominante Sprache der einzelnen Textdateien sowie den Konfidenzwert des vortrainierten Modells für jede Prognose beinhaltet.
```
aws comprehend start-dominant-language-detection-job \
--job-name example_language_analysis_job \
--language-code en \
--input-data-config "S3Uri=s3://amzn-s3-demo-bucket/" \
--output-data-config "S3Uri=s3://amzn-s3-demo-destination-bucket/testfolder/" \
--data-access-role-arn arn:aws:iam::111122223333:role/service-role/AmazonComprehendServiceRole-example-role \
--language-code en
```
Inhalt von Sampletext1.txt:
```
"Physics is the natural science that involves the study of matter and its motion and behavior through space and time, along with related concepts such as energy and force."
```
Ausgabe:
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:dominant-language-detection-job/123456abcdeb0e11022f22a11EXAMPLE",
"JobStatus": "SUBMITTED"
}
```
Inhalt von `output.txt`:
```
{"File": "Sampletext1.txt", "Languages": [{"LanguageCode": "en", "Score": 0.9913753867149353}], "Line": 0}
```
Weitere Informationen finden Sie unter [Asynchrone Analyse für Amazon-Comprehend-Erkenntnisse](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [StartDominantLanguageDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/start-dominant-language-detection-job.html)in der *AWS CLI Befehlsreferenz*.
### `start-entities-detection-job`
Das folgende Codebeispiel zeigt die Verwendung`start-entities-detection-job`.
**AWS CLI**
**Beispiel 1: So starten Sie einen Standardauftrag zur Erkennung von Entitäten mit dem vortrainierten Modell**
Im folgenden Beispiel für `start-entities-detection-job` wird ein asynchroner Auftrag zur Entitätenerkennung für alle Dateien gestartet, die sich an der durch das Tag `--input-data-config` angegebenen Adresse befinden. In diesem Beispiel enthält der S3-Bucket `Sampletext1.txt`, `Sampletext2.txt` und `Sampletext3.txt`. Wenn der Auftrag abgeschlossen ist, wird der Ordner `output` an dem durch das Tag `--output-data-config` angegebenen Ort platziert. Der Ordner enthält die Datei `output.txt`, die alle benannten Entitäten, die in jeder Textdatei erkannt wurden, sowie den Konfidenzwert des vortrainierten Modells für jede Prognose aufführt. Die JSON-Ausgabe wird in einer Zeile pro Eingabedatei gedruckt, ist aber hier zur Lesbarkeit formatiert.
```
aws comprehend start-entities-detection-job \
--job-name entitiestest \
--language-code en \
--input-data-config "S3Uri=s3://amzn-s3-demo-bucket/" \
--output-data-config "S3Uri=s3://amzn-s3-demo-destination-bucket/testfolder/" \
--data-access-role-arn arn:aws:iam::111122223333:role/service-role/AmazonComprehendServiceRole-example-role \
--language-code en
```
Inhalt von `Sampletext1.txt`:
```
"Hello Zhang Wei, I am John. Your AnyCompany Financial Services, LLC credit card account 1111-XXXX-1111-XXXX has a minimum payment of $24.53 that is due by July 31st."
```
Inhalt von `Sampletext2.txt`:
```
"Dear Max, based on your autopay settings for your account example1.org account, we will withdraw your payment on the due date from your bank account number XXXXXX1111 with the routing number XXXXX0000. "
```
Inhalt von `Sampletext3.txt`:
```
"Jane, please submit any customer feedback from this weekend to AnySpa, 123 Main St, Anywhere and send comments to Alice at AnySpa@example.com."
```
Ausgabe:
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:entities-detection-job/123456abcdeb0e11022f22a11EXAMPLE",
"JobStatus": "SUBMITTED"
}
```
Inhalt von `output.txt` mit Zeileneinzügen zur besseren Lesbarkeit:
```
{
"Entities": [
{
"BeginOffset": 6,
"EndOffset": 15,
"Score": 0.9994006636420306,
"Text": "Zhang Wei",
"Type": "PERSON"
},
{
"BeginOffset": 22,
"EndOffset": 26,
"Score": 0.9976647915128143,
"Text": "John",
"Type": "PERSON"
},
{
"BeginOffset": 33,
"EndOffset": 67,
"Score": 0.9984608700836206,
"Text": "AnyCompany Financial Services, LLC",
"Type": "ORGANIZATION"
},
{
"BeginOffset": 88,
"EndOffset": 107,
"Score": 0.9868521019555556,
"Text": "1111-XXXX-1111-XXXX",
"Type": "OTHER"
},
{
"BeginOffset": 133,
"EndOffset": 139,
"Score": 0.998242565709204,
"Text": "$24.53",
"Type": "QUANTITY"
},
{
"BeginOffset": 155,
"EndOffset": 164,
"Score": 0.9993039263159287,
"Text": "July 31st",
"Type": "DATE"
}
],
"File": "SampleText1.txt",
"Line": 0
}
{
"Entities": [
{
"BeginOffset": 5,
"EndOffset": 8,
"Score": 0.9866232147545232,
"Text": "Max",
"Type": "PERSON"
},
{
"BeginOffset": 156,
"EndOffset": 166,
"Score": 0.9797723450933329,
"Text": "XXXXXX1111",
"Type": "OTHER"
},
{
"BeginOffset": 191,
"EndOffset": 200,
"Score": 0.9247838572396843,
"Text": "XXXXX0000",
"Type": "OTHER"
}
],
"File": "SampleText2.txt",
"Line": 0
}
{
"Entities": [
{
"Score": 0.9990532994270325,
"Type": "PERSON",
"Text": "Jane",
"BeginOffset": 0,
"EndOffset": 4
},
{
"Score": 0.9519651532173157,
"Type": "DATE",
"Text": "this weekend",
"BeginOffset": 47,
"EndOffset": 59
},
{
"Score": 0.5566426515579224,
"Type": "ORGANIZATION",
"Text": "AnySpa",
"BeginOffset": 63,
"EndOffset": 69
},
{
"Score": 0.8059805631637573,
"Type": "LOCATION",
"Text": "123 Main St, Anywhere",
"BeginOffset": 71,
"EndOffset": 92
},
{
"Score": 0.998830258846283,
"Type": "PERSON",
"Text": "Alice",
"BeginOffset": 114,
"EndOffset": 119
},
{
"Score": 0.997818112373352,
"Type": "OTHER",
"Text": "AnySpa@example.com",
"BeginOffset": 123,
"EndOffset": 138
}
],
"File": "SampleText3.txt",
"Line": 0
}
```
Weitere Informationen finden Sie unter [Asynchrone Analyse für Amazon-Comprehend-Erkenntnisse](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) im *Entwicklerhandbuch für Amazon Comprehend*.
**Beispiel 2: So starten Sie einen benutzerdefinierten Auftrag zur Erkennung von Entitäten**
Im folgenden Beispiel für `start-entities-detection-job` wird ein asynchroner Auftrag zur Erkennung benutzerdefinierter Entitäten für alle Dateien gestartet, die sich an der durch das Tag `--input-data-config` angegebenen Adresse befinden. In diesem Beispiel enthält der S3-Bucket `SampleFeedback1.txt`, `SampleFeedback2.txt` und `SampleFeedback3.txt`. Das Entitätserkennungsmodell wurde anhand von Feedback des Kundensupports trainiert, um Gerätenamen zu erkennen. Wenn der Auftrag abgeschlossen ist, wird der Ordner `output` an dem durch das Tag `--output-data-config` angegebenen Ort platziert. Der Ordner enthält die Datei `output.txt`, die alle benannten Entitäten, die in jeder Textdatei erkannt wurden, sowie den Konfidenzwert des vortrainierten Modells für jede Prognose aufführt. Die JSON-Ausgabe wird in einer Zeile pro Datei gedruckt, ist aber hier zur besseren Lesbarkeit formatiert.
```
aws comprehend start-entities-detection-job \
--job-name customentitiestest \
--entity-recognizer-arn "arn:aws:comprehend:us-west-2:111122223333:entity-recognizer/entityrecognizer" \
--language-code en \
--input-data-config "S3Uri=s3://amzn-s3-demo-bucket/jobdata/" \
--output-data-config "S3Uri=s3://amzn-s3-demo-destination-bucket/testfolder/" \
--data-access-role-arn "arn:aws:iam::111122223333:role/service-role/AmazonComprehendServiceRole-IOrole"
```
Inhalt von `SampleFeedback1.txt`:
```
"I've been on the AnyPhone app have had issues for 24 hours when trying to pay bill. Cannot make payment. Sigh. | Oh man! Lets get that app up and running. DM me, and we can get to work!"
```
Inhalt von `SampleFeedback2.txt`:
```
"Hi, I have a discrepancy with my new bill. Could we get it sorted out? A rep added stuff I didn't sign up for when I did my AnyPhone 10 upgrade. | We can absolutely get this sorted!"
```
Inhalt von `SampleFeedback3.txt`:
```
"Is the by 1 get 1 free AnySmartPhone promo still going on? | Hi Christian! It ended yesterday, send us a DM if you have any questions and we can take a look at your options!"
```
Ausgabe:
```
{
"JobId": "019ea9edac758806850fa8a79ff83021",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:entities-detection-job/019ea9edac758806850fa8a79ff83021",
"JobStatus": "SUBMITTED"
}
```
Inhalt von `output.txt` mit Zeileneinzügen zur besseren Lesbarkeit:
```
{
"Entities": [
{
"BeginOffset": 17,
"EndOffset": 25,
"Score": 0.9999728210205924,
"Text": "AnyPhone",
"Type": "DEVICE"
}
],
"File": "SampleFeedback1.txt",
"Line": 0
}
{
"Entities": [
{
"BeginOffset": 123,
"EndOffset": 133,
"Score": 0.9999892116761524,
"Text": "AnyPhone 10",
"Type": "DEVICE"
}
],
"File": "SampleFeedback2.txt",
"Line": 0
}
{
"Entities": [
{
"BeginOffset": 23,
"EndOffset": 35,
"Score": 0.9999971389852362,
"Text": "AnySmartPhone",
"Type": "DEVICE"
}
],
"File": "SampleFeedback3.txt",
"Line": 0
}
```
Weitere Informationen finden Sie unter [Benutzerdefinierte Entitätserkennung](https://docs.aws.amazon.com/comprehend/latest/dg/custom-entity-recognition.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [StartEntitiesDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/start-entities-detection-job.html)in der *AWS CLI Befehlsreferenz*.
### `start-events-detection-job`
Das folgende Codebeispiel zeigt die Verwendung`start-events-detection-job`.
**AWS CLI**
**So starten Sie einen asynchronen Ereigniserkennungsauftrag**
Im folgenden Beispiel für `start-events-detection-job` wird ein asynchroner Auftrag zur Ereigniserkennung für alle Dateien gestartet, die sich an der durch das Tag `--input-data-config` angegebenen Adresse befinden. Zu den möglichen Zielereignistypen gehören `BANKRUPCTY`, `EMPLOYMENT`, `CORPORATE_ACQUISITION`, `INVESTMENT_GENERAL`, `CORPORATE_MERGER`, `IPO`, `RIGHTS_ISSUE`, `SECONDARY_OFFERING`, `SHELF_OFFERING`, `TENDER_OFFERING` und `STOCK_SPLIT`. In diesem Beispiel enthält der S3-Bucket `SampleText1.txt`, `SampleText2.txt` und `SampleText3.txt`. Wenn der Auftrag abgeschlossen ist, wird der Ordner `output` an dem durch das Tag `--output-data-config` angegebenen Ort platziert. Der Ordner enthält `SampleText1.txt.out`, `SampleText2.txt.out` und `SampleText3.txt.out`. Die JSON-Ausgabe wird in einer Zeile pro Datei gedruckt, ist aber hier zur besseren Lesbarkeit formatiert.
```
aws comprehend start-events-detection-job \
--job-name events-detection-1 \
--input-data-config "S3Uri=s3://amzn-s3-demo-bucket/EventsData" \
--output-data-config "S3Uri=s3://amzn-s3-demo-destination-bucket/testfolder/" \
--data-access-role-arn arn:aws:iam::111122223333:role/service-role/AmazonComprehendServiceRole-servicerole \
--language-code en \
--target-event-types "BANKRUPTCY" "EMPLOYMENT" "CORPORATE_ACQUISITION" "CORPORATE_MERGER" "INVESTMENT_GENERAL"
```
Inhalt von `SampleText1.txt`:
```
"Company AnyCompany grew by increasing sales and through acquisitions. After purchasing competing firms in 2020, AnyBusiness, a part of the AnyBusinessGroup, gave Jane Does firm a going rate of one cent a gallon or forty-two cents a barrel."
```
Inhalt von `SampleText2.txt`:
```
"In 2021, AnyCompany officially purchased AnyBusiness for 100 billion dollars, surprising and exciting the shareholders."
```
Inhalt von `SampleText3.txt`:
```
"In 2022, AnyCompany stock crashed 50. Eventually later that year they filed for bankruptcy."
```
Ausgabe:
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:events-detection-job/123456abcdeb0e11022f22a11EXAMPLE",
"JobStatus": "SUBMITTED"
}
```
Inhalt von `SampleText1.txt.out` mit Zeileneinzügen zur besseren Lesbarkeit:
```
{
"Entities": [
{
"Mentions": [
{
"BeginOffset": 8,
"EndOffset": 18,
"Score": 0.99977,
"Text": "AnyCompany",
"Type": "ORGANIZATION",
"GroupScore": 1
},
{
"BeginOffset": 112,
"EndOffset": 123,
"Score": 0.999747,
"Text": "AnyBusiness",
"Type": "ORGANIZATION",
"GroupScore": 0.979826
},
{
"BeginOffset": 171,
"EndOffset": 175,
"Score": 0.999615,
"Text": "firm",
"Type": "ORGANIZATION",
"GroupScore": 0.871647
}
]
},
{
"Mentions": [
{
"BeginOffset": 97,
"EndOffset": 102,
"Score": 0.987687,
"Text": "firms",
"Type": "ORGANIZATION",
"GroupScore": 1
}
]
},
{
"Mentions": [
{
"BeginOffset": 103,
"EndOffset": 110,
"Score": 0.999458,
"Text": "in 2020",
"Type": "DATE",
"GroupScore": 1
}
]
},
{
"Mentions": [
{
"BeginOffset": 160,
"EndOffset": 168,
"Score": 0.999649,
"Text": "John Doe",
"Type": "PERSON",
"GroupScore": 1
}
]
}
],
"Events": [
{
"Type": "CORPORATE_ACQUISITION",
"Arguments": [
{
"EntityIndex": 0,
"Role": "INVESTOR",
"Score": 0.99977
}
],
"Triggers": [
{
"BeginOffset": 56,
"EndOffset": 68,
"Score": 0.999967,
"Text": "acquisitions",
"Type": "CORPORATE_ACQUISITION",
"GroupScore": 1
}
]
},
{
"Type": "CORPORATE_ACQUISITION",
"Arguments": [
{
"EntityIndex": 1,
"Role": "INVESTEE",
"Score": 0.987687
},
{
"EntityIndex": 2,
"Role": "DATE",
"Score": 0.999458
},
{
"EntityIndex": 3,
"Role": "INVESTOR",
"Score": 0.999649
}
],
"Triggers": [
{
"BeginOffset": 76,
"EndOffset": 86,
"Score": 0.999973,
"Text": "purchasing",
"Type": "CORPORATE_ACQUISITION",
"GroupScore": 1
}
]
}
],
"File": "SampleText1.txt",
"Line": 0
}
```
Inhalt von `SampleText2.txt.out`:
```
{
"Entities": [
{
"Mentions": [
{
"BeginOffset": 0,
"EndOffset": 7,
"Score": 0.999473,
"Text": "In 2021",
"Type": "DATE",
"GroupScore": 1
}
]
},
{
"Mentions": [
{
"BeginOffset": 9,
"EndOffset": 19,
"Score": 0.999636,
"Text": "AnyCompany",
"Type": "ORGANIZATION",
"GroupScore": 1
}
]
},
{
"Mentions": [
{
"BeginOffset": 45,
"EndOffset": 56,
"Score": 0.999712,
"Text": "AnyBusiness",
"Type": "ORGANIZATION",
"GroupScore": 1
}
]
},
{
"Mentions": [
{
"BeginOffset": 61,
"EndOffset": 80,
"Score": 0.998886,
"Text": "100 billion dollars",
"Type": "MONETARY_VALUE",
"GroupScore": 1
}
]
}
],
"Events": [
{
"Type": "CORPORATE_ACQUISITION",
"Arguments": [
{
"EntityIndex": 3,
"Role": "AMOUNT",
"Score": 0.998886
},
{
"EntityIndex": 2,
"Role": "INVESTEE",
"Score": 0.999712
},
{
"EntityIndex": 0,
"Role": "DATE",
"Score": 0.999473
},
{
"EntityIndex": 1,
"Role": "INVESTOR",
"Score": 0.999636
}
],
"Triggers": [
{
"BeginOffset": 31,
"EndOffset": 40,
"Score": 0.99995,
"Text": "purchased",
"Type": "CORPORATE_ACQUISITION",
"GroupScore": 1
}
]
}
],
"File": "SampleText2.txt",
"Line": 0
}
```
Inhalt von `SampleText3.txt.out`:
```
{
"Entities": [
{
"Mentions": [
{
"BeginOffset": 9,
"EndOffset": 19,
"Score": 0.999774,
"Text": "AnyCompany",
"Type": "ORGANIZATION",
"GroupScore": 1
},
{
"BeginOffset": 66,
"EndOffset": 70,
"Score": 0.995717,
"Text": "they",
"Type": "ORGANIZATION",
"GroupScore": 0.997626
}
]
},
{
"Mentions": [
{
"BeginOffset": 50,
"EndOffset": 65,
"Score": 0.999656,
"Text": "later that year",
"Type": "DATE",
"GroupScore": 1
}
]
}
],
"Events": [
{
"Type": "BANKRUPTCY",
"Arguments": [
{
"EntityIndex": 1,
"Role": "DATE",
"Score": 0.999656
},
{
"EntityIndex": 0,
"Role": "FILER",
"Score": 0.995717
}
],
"Triggers": [
{
"BeginOffset": 81,
"EndOffset": 91,
"Score": 0.999936,
"Text": "bankruptcy",
"Type": "BANKRUPTCY",
"GroupScore": 1
}
]
}
],
"File": "SampleText3.txt",
"Line": 0
}
```
Weitere Informationen finden Sie unter [Asynchrone Analyse für Amazon-Comprehend-Erkenntnisse](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [StartEventsDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/start-events-detection-job.html)in der *AWS CLI Befehlsreferenz*.
### `start-flywheel-iteration`
Das folgende Codebeispiel zeigt die Verwendung`start-flywheel-iteration`.
**AWS CLI**
**So starten Sie eine Schwungrad-Iteration**
Im folgenden Beispiel für `start-flywheel-iteration` wird eine Schwungrad-Iteration gestartet. Bei dieser Operation werden alle neuen Datensätze im Schwungrad verwendet, um eine neue Modellversion zu trainieren.
```
aws comprehend start-flywheel-iteration \
--flywheel-arn arn:aws:comprehend:us-west-2:111122223333:flywheel/example-flywheel
```
Ausgabe:
```
{
"FlywheelArn": "arn:aws:comprehend:us-west-2:111122223333:flywheel/example-flywheel",
"FlywheelIterationId": "12345123TEXAMPLE"
}
```
Weitere Informationen finden Sie unter [Schwungrad-Übersicht](https://docs.aws.amazon.com/comprehend/latest/dg/flywheels-about.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [StartFlywheelIteration](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/start-flywheel-iteration.html)in der *AWS CLI Befehlsreferenz*.
### `start-key-phrases-detection-job`
Das folgende Codebeispiel zeigt die Verwendung`start-key-phrases-detection-job`.
**AWS CLI**
**So starten Sie einen Auftrag zur Erkennung von Schlüsselphrasen**
Im folgenden Beispiel für `start-key-phrases-detection-job` wird ein asynchroner Auftrag zur Erkennung von Schlüsselphrasen für alle Dateien gestartet, die sich an der durch das Tag `--input-data-config` angegebenen Adresse befinden. In diesem Beispiel enthält der S3-Bucket `Sampletext1.txt`, `Sampletext2.txt` und `Sampletext3.txt`. Wenn der Auftrag abgeschlossen ist, wird der Ordner `output` an dem durch das Tag `--output-data-config` angegebenen Ort platziert. Der Ordner enthält die Datei `output.txt`, die alle Schlüsselphrasen, die in jeder Textdatei erkannt wurden, sowie den Konfidenzwert des vortrainierten Modells für jede Prognose beinhaltet. Die JSON-Ausgabe wird in einer Zeile pro Datei gedruckt, ist aber hier zur besseren Lesbarkeit formatiert.
```
aws comprehend start-key-phrases-detection-job \
--job-name keyphrasesanalysistest1 \
--language-code en \
--input-data-config "S3Uri=s3://amzn-s3-demo-bucket/" \
--output-data-config "S3Uri=s3://amzn-s3-demo-destination-bucket/testfolder/" \
--data-access-role-arn "arn:aws:iam::111122223333:role/service-role/AmazonComprehendServiceRole-example-role" \
--language-code en
```
Inhalt von `Sampletext1.txt`:
```
"Hello Zhang Wei, I am John. Your AnyCompany Financial Services, LLC credit card account 1111-XXXX-1111-XXXX has a minimum payment of $24.53 that is due by July 31st."
```
Inhalt von `Sampletext2.txt`:
```
"Dear Max, based on your autopay settings for your account Internet.org account, we will withdraw your payment on the due date from your bank account number XXXXXX1111 with the routing number XXXXX0000. "
```
Inhalt von `Sampletext3.txt`:
```
"Jane, please submit any customer feedback from this weekend to Sunshine Spa, 123 Main St, Anywhere and send comments to Alice at AnySpa@example.com."
```
Ausgabe:
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:key-phrases-detection-job/123456abcdeb0e11022f22a11EXAMPLE",
"JobStatus": "SUBMITTED"
}
```
Inhalt von `output.txt` mit Zeileneinzügen zur besseren Lesbarkeit:
```
{
"File": "SampleText1.txt",
"KeyPhrases": [
{
"BeginOffset": 6,
"EndOffset": 15,
"Score": 0.9748965572679326,
"Text": "Zhang Wei"
},
{
"BeginOffset": 22,
"EndOffset": 26,
"Score": 0.9997344722354619,
"Text": "John"
},
{
"BeginOffset": 28,
"EndOffset": 62,
"Score": 0.9843791074032948,
"Text": "Your AnyCompany Financial Services"
},
{
"BeginOffset": 64,
"EndOffset": 107,
"Score": 0.8976122401721824,
"Text": "LLC credit card account 1111-XXXX-1111-XXXX"
},
{
"BeginOffset": 112,
"EndOffset": 129,
"Score": 0.9999612982629748,
"Text": "a minimum payment"
},
{
"BeginOffset": 133,
"EndOffset": 139,
"Score": 0.99975728947036,
"Text": "$24.53"
},
{
"BeginOffset": 155,
"EndOffset": 164,
"Score": 0.9940866241449973,
"Text": "July 31st"
}
],
"Line": 0
}
{
"File": "SampleText2.txt",
"KeyPhrases": [
{
"BeginOffset": 0,
"EndOffset": 8,
"Score": 0.9974021100118472,
"Text": "Dear Max"
},
{
"BeginOffset": 19,
"EndOffset": 40,
"Score": 0.9961120519515884,
"Text": "your autopay settings"
},
{
"BeginOffset": 45,
"EndOffset": 78,
"Score": 0.9980620070116009,
"Text": "your account Internet.org account"
},
{
"BeginOffset": 97,
"EndOffset": 109,
"Score": 0.999919660140754,
"Text": "your payment"
},
{
"BeginOffset": 113,
"EndOffset": 125,
"Score": 0.9998370719754205,
"Text": "the due date"
},
{
"BeginOffset": 131,
"EndOffset": 166,
"Score": 0.9955068678502509,
"Text": "your bank account number XXXXXX1111"
},
{
"BeginOffset": 172,
"EndOffset": 200,
"Score": 0.8653433315829526,
"Text": "the routing number XXXXX0000"
}
],
"Line": 0
}
{
"File": "SampleText3.txt",
"KeyPhrases": [
{
"BeginOffset": 0,
"EndOffset": 4,
"Score": 0.9142947833681668,
"Text": "Jane"
},
{
"BeginOffset": 20,
"EndOffset": 41,
"Score": 0.9984325676596763,
"Text": "any customer feedback"
},
{
"BeginOffset": 47,
"EndOffset": 59,
"Score": 0.9998782448150636,
"Text": "this weekend"
},
{
"BeginOffset": 63,
"EndOffset": 75,
"Score": 0.99866741830757,
"Text": "Sunshine Spa"
},
{
"BeginOffset": 77,
"EndOffset": 88,
"Score": 0.9695803485466054,
"Text": "123 Main St"
},
{
"BeginOffset": 108,
"EndOffset": 116,
"Score": 0.9997065928550928,
"Text": "comments"
},
{
"BeginOffset": 120,
"EndOffset": 125,
"Score": 0.9993466833825161,
"Text": "Alice"
},
{
"BeginOffset": 129,
"EndOffset": 144,
"Score": 0.9654563612885667,
"Text": "AnySpa@example.com"
}
],
"Line": 0
}
```
Weitere Informationen finden Sie unter [Asynchrone Analyse für Amazon-Comprehend-Erkenntnisse](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [StartKeyPhrasesDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/start-key-phrases-detection-job.html)in der *AWS CLI Befehlsreferenz*.
### `start-pii-entities-detection-job`
Das folgende Codebeispiel zeigt die Verwendung`start-pii-entities-detection-job`.
**AWS CLI**
**So starten Sie einen asynchronen PII-Erkennungsauftrag**
Im folgenden Beispiel für `start-pii-entities-detection-job` wird ein asynchroner Auftrag zur Erkennung persönlich identifizierbarer Informationen (PII) für alle Dateien gestartet, die sich an der durch das Tag `--input-data-config` angegebenen Adresse befinden. In diesem Beispiel enthält der S3-Bucket `Sampletext1.txt`, `Sampletext2.txt` und `Sampletext3.txt`. Wenn der Auftrag abgeschlossen ist, wird der Ordner `output` an dem durch das Tag `--output-data-config` angegebenen Ort platziert. Der Ordner enthält die Dateien `SampleText1.txt.out`, `SampleText2.txt.out` und `SampleText3.txt.out`, in denen die benannten Entitäten jeder Textdatei aufgeführt sind. Die JSON-Ausgabe wird in einer Zeile pro Datei gedruckt, ist aber hier zur besseren Lesbarkeit formatiert.
```
aws comprehend start-pii-entities-detection-job \
--job-name entities_test \
--language-code en \
--input-data-config "S3Uri=s3://amzn-s3-demo-bucket/" \
--output-data-config "S3Uri=s3://amzn-s3-demo-destination-bucket/testfolder/" \
--data-access-role-arn arn:aws:iam::111122223333:role/service-role/AmazonComprehendServiceRole-example-role \
--language-code en \
--mode ONLY_OFFSETS
```
Inhalt von `Sampletext1.txt`:
```
"Hello Zhang Wei, I am John. Your AnyCompany Financial Services, LLC credit card account 1111-XXXX-1111-XXXX has a minimum payment of $24.53 that is due by July 31st."
```
Inhalt von `Sampletext2.txt`:
```
"Dear Max, based on your autopay settings for your account Internet.org account, we will withdraw your payment on the due date from your bank account number XXXXXX1111 with the routing number XXXXX0000. "
```
Inhalt von `Sampletext3.txt`:
```
"Jane, please submit any customer feedback from this weekend to Sunshine Spa, 123 Main St, Anywhere and send comments to Alice at AnySpa@example.com."
```
Ausgabe:
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:pii-entities-detection-job/123456abcdeb0e11022f22a11EXAMPLE",
"JobStatus": "SUBMITTED"
}
```
Inhalt von `SampleText1.txt.out` mit Zeileneinzügen zur besseren Lesbarkeit:
```
{
"Entities": [
{
"BeginOffset": 6,
"EndOffset": 15,
"Type": "NAME",
"Score": 0.9998490510222595
},
{
"BeginOffset": 22,
"EndOffset": 26,
"Type": "NAME",
"Score": 0.9998937958019426
},
{
"BeginOffset": 88,
"EndOffset": 107,
"Type": "CREDIT_DEBIT_NUMBER",
"Score": 0.9554297245278491
},
{
"BeginOffset": 155,
"EndOffset": 164,
"Type": "DATE_TIME",
"Score": 0.9999720462925257
}
],
"File": "SampleText1.txt",
"Line": 0
}
```
Inhalt von `SampleText2.txt.out` mit Zeileneinzügen zur besseren Lesbarkeit:
```
{
"Entities": [
{
"BeginOffset": 5,
"EndOffset": 8,
"Type": "NAME",
"Score": 0.9994390774924007
},
{
"BeginOffset": 58,
"EndOffset": 70,
"Type": "URL",
"Score": 0.9999958276922101
},
{
"BeginOffset": 156,
"EndOffset": 166,
"Type": "BANK_ACCOUNT_NUMBER",
"Score": 0.9999721058045592
},
{
"BeginOffset": 191,
"EndOffset": 200,
"Type": "BANK_ROUTING",
"Score": 0.9998968945989909
}
],
"File": "SampleText2.txt",
"Line": 0
}
```
Inhalt von `SampleText3.txt.out` mit Zeileneinzügen zur besseren Lesbarkeit:
```
{
"Entities": [
{
"BeginOffset": 0,
"EndOffset": 4,
"Type": "NAME",
"Score": 0.999949934606805
},
{
"BeginOffset": 77,
"EndOffset": 88,
"Type": "ADDRESS",
"Score": 0.9999035300466904
},
{
"BeginOffset": 120,
"EndOffset": 125,
"Type": "NAME",
"Score": 0.9998203838716296
},
{
"BeginOffset": 129,
"EndOffset": 144,
"Type": "EMAIL",
"Score": 0.9998313473105228
}
],
"File": "SampleText3.txt",
"Line": 0
}
```
Weitere Informationen finden Sie unter [Asynchrone Analyse für Amazon-Comprehend-Erkenntnisse](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [StartPiiEntitiesDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/start-pii-entities-detection-job.html)in der *AWS CLI Befehlsreferenz*.
### `start-sentiment-detection-job`
Das folgende Codebeispiel zeigt die Verwendung`start-sentiment-detection-job`.
**AWS CLI**
**So starten Sie einen asynchronen Stimmungsanalyseauftrag**
Im folgenden Beispiel für `start-sentiment-detection-job` wird ein asynchroner Erkennungsauftrag zur Stimmungsanalyse für alle Dateien gestartet, die sich an der durch das Tag `--input-data-config` angegebenen Adresse befinden. In diesem Beispiel enthält der S3-Bucket-Ordner `SampleMovieReview1.txt`, `SampleMovieReview2.txt` und `SampleMovieReview3.txt`. Wenn der Auftrag abgeschlossen ist, wird der Ordner `output` an dem durch das Tag `--output-data-config` angegebenen Ort platziert. Der Ordner enthält die Datei `output.txt`, die die vorherrschenden Stimmungen für jede Textdatei sowie den Konfidenzwert des vortrainierten Modells für jede Prognose beinhaltet. Die JSON-Ausgabe wird in einer Zeile pro Datei gedruckt, ist aber hier zur besseren Lesbarkeit formatiert.
```
aws comprehend start-sentiment-detection-job \
--job-name example-sentiment-detection-job \
--language-code en \
--input-data-config "S3Uri=s3://amzn-s3-demo-bucket/MovieData" \
--output-data-config "S3Uri=s3://amzn-s3-demo-destination-bucket/testfolder/" \
--data-access-role-arn arn:aws:iam::111122223333:role/service-role/AmazonComprehendServiceRole-example-role
```
Inhalt von `SampleMovieReview1.txt`:
```
"The film, AnyMovie2, is fairly predictable and just okay."
```
Inhalt von `SampleMovieReview2.txt`:
```
"AnyMovie2 is the essential sci-fi film that I grew up watching when I was a kid. I highly recommend this movie."
```
Inhalt von `SampleMovieReview3.txt`:
```
"Don't get fooled by the 'awards' for AnyMovie2. All parts of the film were poorly stolen from other modern directors."
```
Ausgabe:
```
{
"JobId": "0b5001e25f62ebb40631a9a1a7fde7b3",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:sentiment-detection-job/0b5001e25f62ebb40631a9a1a7fde7b3",
"JobStatus": "SUBMITTED"
}
```
Inhalt von `output.txt` mit Zeileneinzügen zur besseren Lesbarkeit:
```
{
"File": "SampleMovieReview1.txt",
"Line": 0,
"Sentiment": "MIXED",
"SentimentScore": {
"Mixed": 0.6591159105300903,
"Negative": 0.26492202281951904,
"Neutral": 0.035430654883384705,
"Positive": 0.04053137078881264
}
}
{
"File": "SampleMovieReview2.txt",
"Line": 0,
"Sentiment": "POSITIVE",
"SentimentScore": {
"Mixed": 0.000008718466233403888,
"Negative": 0.00006134175055194646,
"Neutral": 0.0002941041602753103,
"Positive": 0.9996358156204224
}
}
{
"File": "SampleMovieReview3.txt",
"Line": 0,
"Sentiment": "NEGATIVE",
"SentimentScore": {
"Mixed": 0.004146667663007975,
"Negative": 0.9645107984542847,
"Neutral": 0.016559595242142677,
"Positive": 0.014782938174903393
}
}
}
```
Weitere Informationen finden Sie unter [Asynchrone Analyse für Amazon-Comprehend-Erkenntnisse](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [StartSentimentDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/start-sentiment-detection-job.html)in der *AWS CLI Befehlsreferenz*.
### `start-targeted-sentiment-detection-job`
Das folgende Codebeispiel zeigt die Verwendung`start-targeted-sentiment-detection-job`.
**AWS CLI**
**So starten Sie einen asynchronen Auftrag zur Analyse der zielgerichteten Stimmung**
Im folgenden Beispiel für `start-targeted-sentiment-detection-job` wird ein asynchroner Erkennungsauftrag zur Analyse der zielgerichteten Stimmung für alle Dateien gestartet, die sich an der durch das Tag `--input-data-config` angegebenen Adresse befinden. In diesem Beispiel enthält der S3-Bucket-Ordner `SampleMovieReview1.txt`, `SampleMovieReview2.txt` und `SampleMovieReview3.txt`. Wenn der Auftrag abgeschlossen ist, wird `output.tar.gz` an den durch das Tag `--output-data-config` angegebenen Ort platziert. `output.tar.gz`enthält die Dateien `SampleMovieReview1.txt.out`, `SampleMovieReview2.txt.out` und `SampleMovieReview3.txt.out`, die jeweils alle benannten Entitäten und die zugehörigen Stimmungen für eine einzelne Eingabetextdatei umfassen.
```
aws comprehend start-targeted-sentiment-detection-job \
--job-name targeted_movie_review_analysis1 \
--language-code en \
--input-data-config "S3Uri=s3://amzn-s3-demo-bucket/MovieData" \
--output-data-config "S3Uri=s3://amzn-s3-demo-destination-bucket/testfolder/" \
--data-access-role-arn arn:aws:iam::111122223333:role/service-role/AmazonComprehendServiceRole-example-role
```
Inhalt von `SampleMovieReview1.txt`:
```
"The film, AnyMovie, is fairly predictable and just okay."
```
Inhalt von `SampleMovieReview2.txt`:
```
"AnyMovie is the essential sci-fi film that I grew up watching when I was a kid. I highly recommend this movie."
```
Inhalt von `SampleMovieReview3.txt`:
```
"Don't get fooled by the 'awards' for AnyMovie. All parts of the film were poorly stolen from other modern directors."
```
Ausgabe:
```
{
"JobId": "0b5001e25f62ebb40631a9a1a7fde7b3",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:targeted-sentiment-detection-job/0b5001e25f62ebb40631a9a1a7fde7b3",
"JobStatus": "SUBMITTED"
}
```
Inhalt von `SampleMovieReview1.txt.out` mit Zeileneinzügen zur besseren Lesbarkeit:
```
{
"Entities": [
{
"DescriptiveMentionIndex": [
0
],
"Mentions": [
{
"BeginOffset": 4,
"EndOffset": 8,
"Score": 0.994972,
"GroupScore": 1,
"Text": "film",
"Type": "MOVIE",
"MentionSentiment": {
"Sentiment": "NEUTRAL",
"SentimentScore": {
"Mixed": 0,
"Negative": 0,
"Neutral": 1,
"Positive": 0
}
}
}
]
},
{
"DescriptiveMentionIndex": [
0
],
"Mentions": [
{
"BeginOffset": 10,
"EndOffset": 18,
"Score": 0.631368,
"GroupScore": 1,
"Text": "AnyMovie",
"Type": "ORGANIZATION",
"MentionSentiment": {
"Sentiment": "POSITIVE",
"SentimentScore": {
"Mixed": 0.001729,
"Negative": 0.000001,
"Neutral": 0.000318,
"Positive": 0.997952
}
}
}
]
}
],
"File": "SampleMovieReview1.txt",
"Line": 0
}
```
Inhalt von `SampleMovieReview2.txt.out` mit Einzügen zur besseren Lesbarkeit:
```
{
"Entities": [
{
"DescriptiveMentionIndex": [
0
],
"Mentions": [
{
"BeginOffset": 0,
"EndOffset": 8,
"Score": 0.854024,
"GroupScore": 1,
"Text": "AnyMovie",
"Type": "MOVIE",
"MentionSentiment": {
"Sentiment": "POSITIVE",
"SentimentScore": {
"Mixed": 0,
"Negative": 0,
"Neutral": 0.000007,
"Positive": 0.999993
}
}
},
{
"BeginOffset": 104,
"EndOffset": 109,
"Score": 0.999129,
"GroupScore": 0.502937,
"Text": "movie",
"Type": "MOVIE",
"MentionSentiment": {
"Sentiment": "POSITIVE",
"SentimentScore": {
"Mixed": 0,
"Negative": 0,
"Neutral": 0,
"Positive": 1
}
}
},
{
"BeginOffset": 33,
"EndOffset": 37,
"Score": 0.999823,
"GroupScore": 0.999252,
"Text": "film",
"Type": "MOVIE",
"MentionSentiment": {
"Sentiment": "POSITIVE",
"SentimentScore": {
"Mixed": 0,
"Negative": 0,
"Neutral": 0.000001,
"Positive": 0.999999
}
}
}
]
},
{
"DescriptiveMentionIndex": [
0,
1,
2
],
"Mentions": [
{
"BeginOffset": 43,
"EndOffset": 44,
"Score": 0.999997,
"GroupScore": 1,
"Text": "I",
"Type": "PERSON",
"MentionSentiment": {
"Sentiment": "NEUTRAL",
"SentimentScore": {
"Mixed": 0,
"Negative": 0,
"Neutral": 1,
"Positive": 0
}
}
},
{
"BeginOffset": 80,
"EndOffset": 81,
"Score": 0.999996,
"GroupScore": 0.52523,
"Text": "I",
"Type": "PERSON",
"MentionSentiment": {
"Sentiment": "NEUTRAL",
"SentimentScore": {
"Mixed": 0,
"Negative": 0,
"Neutral": 1,
"Positive": 0
}
}
},
{
"BeginOffset": 67,
"EndOffset": 68,
"Score": 0.999994,
"GroupScore": 0.999499,
"Text": "I",
"Type": "PERSON",
"MentionSentiment": {
"Sentiment": "NEUTRAL",
"SentimentScore": {
"Mixed": 0,
"Negative": 0,
"Neutral": 1,
"Positive": 0
}
}
}
]
},
{
"DescriptiveMentionIndex": [
0
],
"Mentions": [
{
"BeginOffset": 75,
"EndOffset": 78,
"Score": 0.999978,
"GroupScore": 1,
"Text": "kid",
"Type": "PERSON",
"MentionSentiment": {
"Sentiment": "NEUTRAL",
"SentimentScore": {
"Mixed": 0,
"Negative": 0,
"Neutral": 1,
"Positive": 0
}
}
}
]
}
],
"File": "SampleMovieReview2.txt",
"Line": 0
}
```
Inhalt von `SampleMovieReview3.txt.out` mit Zeileneinzügen zur besseren Lesbarkeit:
```
{
"Entities": [
{
"DescriptiveMentionIndex": [
1
],
"Mentions": [
{
"BeginOffset": 64,
"EndOffset": 68,
"Score": 0.992953,
"GroupScore": 0.999814,
"Text": "film",
"Type": "MOVIE",
"MentionSentiment": {
"Sentiment": "NEUTRAL",
"SentimentScore": {
"Mixed": 0.000004,
"Negative": 0.010425,
"Neutral": 0.989543,
"Positive": 0.000027
}
}
},
{
"BeginOffset": 37,
"EndOffset": 45,
"Score": 0.999782,
"GroupScore": 1,
"Text": "AnyMovie",
"Type": "ORGANIZATION",
"MentionSentiment": {
"Sentiment": "POSITIVE",
"SentimentScore": {
"Mixed": 0.000095,
"Negative": 0.039847,
"Neutral": 0.000673,
"Positive": 0.959384
}
}
}
]
},
{
"DescriptiveMentionIndex": [
0
],
"Mentions": [
{
"BeginOffset": 47,
"EndOffset": 50,
"Score": 0.999991,
"GroupScore": 1,
"Text": "All",
"Type": "QUANTITY",
"MentionSentiment": {
"Sentiment": "NEUTRAL",
"SentimentScore": {
"Mixed": 0.000001,
"Negative": 0.000001,
"Neutral": 0.999998,
"Positive": 0
}
}
}
]
},
{
"DescriptiveMentionIndex": [
0
],
"Mentions": [
{
"BeginOffset": 106,
"EndOffset": 115,
"Score": 0.542083,
"GroupScore": 1,
"Text": "directors",
"Type": "PERSON",
"MentionSentiment": {
"Sentiment": "NEUTRAL",
"SentimentScore": {
"Mixed": 0,
"Negative": 0,
"Neutral": 1,
"Positive": 0
}
}
}
]
}
],
"File": "SampleMovieReview3.txt",
"Line": 0
}
```
Weitere Informationen finden Sie unter [Asynchrone Analyse für Amazon-Comprehend-Erkenntnisse](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [StartTargetedSentimentDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/start-targeted-sentiment-detection-job.html)in der *AWS CLI Befehlsreferenz*.
### `start-topics-detection-job`
Das folgende Codebeispiel zeigt die Verwendung`start-topics-detection-job`.
**AWS CLI**
**So starten Sie einen Analyseauftrag zur Themenerkennung**
Im folgenden Beispiel für `start-topics-detection-job` wird ein asynchroner Auftrag zur Themenerkennung für alle Dateien gestartet, die sich an der durch das Tag `--input-data-config` angegebenen Adresse befinden. Wenn der Auftrag abgeschlossen ist, wird der Ordner `output` an dem durch das Tag `--ouput-data-config` angegebenen Ort platziert. `output` enthält die Dateien topic-terms.csv und doc-topics.csv. Die erste Ausgabedatei, topic-terms.csv, ist eine Liste von Themen in der Sammlung. Für jedes Thema enthält die Liste standardmäßig die wichtigsten Begriffe, sortiert nach Themen, entsprechend ihrer Gewichtung. In der zweiten Datei `doc-topics.csv` werden die Dokumente aufgeführt, die einem Thema zugeordnet sind, sowie der Anteil des Dokuments, der sich mit dem Thema befasst.
```
aws comprehend start-topics-detection-job \
--job-name example_topics_detection_job \
--language-code en \
--input-data-config "S3Uri=s3://amzn-s3-demo-bucket/" \
--output-data-config "S3Uri=s3://amzn-s3-demo-destination-bucket/testfolder/" \
--data-access-role-arn arn:aws:iam::111122223333:role/service-role/AmazonComprehendServiceRole-example-role \
--language-code en
```
Ausgabe:
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:key-phrases-detection-job/123456abcdeb0e11022f22a11EXAMPLE",
"JobStatus": "SUBMITTED"
}
```
Weitere Informationen finden Sie unter [Themenmodellierung](https://docs.aws.amazon.com/comprehend/latest/dg/topic-modeling.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [StartTopicsDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/start-topics-detection-job.html)in der *AWS CLI Befehlsreferenz*.
### `stop-dominant-language-detection-job`
Das folgende Codebeispiel zeigt die Verwendung`stop-dominant-language-detection-job`.
**AWS CLI**
**So starten Sie einen asynchronen Auftrag zur Erkennung der dominanten Sprache**
Im folgenden Beispiel für `stop-dominant-language-detection-job` wird ein laufender asynchroner Auftrag zur Erkennung der dominanten Sprache angehalten. Wenn der aktuelle Auftragsstatus `IN_PROGRESS` lautet, wird der Auftrag zur Beendigung markiert und in den Status `STOP_REQUESTED` versetzt. Wenn der Auftrag abgeschlossen ist, bevor er angehalten werden kann, wird er in den Status `COMPLETED` versetzt.
```
aws comprehend stop-dominant-language-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Ausgabe:
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE,
"JobStatus": "STOP_REQUESTED"
}
```
Weitere Informationen finden Sie unter [Asynchrone Analyse für Amazon-Comprehend-Erkenntnisse](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [StopDominantLanguageDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/stop-dominant-language-detection-job.html)in der *AWS CLI Befehlsreferenz*.
### `stop-entities-detection-job`
Das folgende Codebeispiel zeigt die Verwendung`stop-entities-detection-job`.
**AWS CLI**
**So starten Sie einen asynchronen Auftrag zur Erkennung von Entitäten**
Im folgenden Beispiel für `stop-entities-detection-job` wird ein laufender asynchroner Auftrag zur Entitätserkennung angehalten. Wenn der aktuelle Auftragsstatus `IN_PROGRESS` lautet, wird der Auftrag zur Beendigung markiert und in den Status `STOP_REQUESTED` versetzt. Wenn der Auftrag abgeschlossen ist, bevor er angehalten werden kann, wird er in den Status `COMPLETED` versetzt.
```
aws comprehend stop-entities-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Ausgabe:
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE,
"JobStatus": "STOP_REQUESTED"
}
```
Weitere Informationen finden Sie unter [Asynchrone Analyse für Amazon-Comprehend-Erkenntnisse](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [StopEntitiesDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/stop-entities-detection-job.html)in der *AWS CLI Befehlsreferenz*.
### `stop-events-detection-job`
Das folgende Codebeispiel zeigt die Verwendung`stop-events-detection-job`.
**AWS CLI**
**So halten Sie einen asynchronen Ereigniserkennungsauftrag an**
Im folgenden Beispiel für `stop-events-detection-job` wird ein laufender asynchroner Auftrag zur Ereigniserkennung angehalten. Wenn der aktuelle Auftragsstatus `IN_PROGRESS` lautet, wird der Auftrag zur Beendigung markiert und in den Status `STOP_REQUESTED` versetzt. Wenn der Auftrag abgeschlossen ist, bevor er angehalten werden kann, wird er in den Status `COMPLETED` versetzt.
```
aws comprehend stop-events-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Ausgabe:
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE,
"JobStatus": "STOP_REQUESTED"
}
```
Weitere Informationen finden Sie unter [Asynchrone Analyse für Amazon-Comprehend-Erkenntnisse](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [StopEventsDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/stop-events-detection-job.html)in der *AWS CLI Befehlsreferenz*.
### `stop-key-phrases-detection-job`
Das folgende Codebeispiel zeigt die Verwendung`stop-key-phrases-detection-job`.
**AWS CLI**
**So halten Sie einen asynchronen Auftrag zur Erkennung von Schlüsselphrasen an**
Im folgenden Beispiel für `stop-key-phrases-detection-job` wird ein laufender asynchroner Auftrag zur Erkennung von Schlüsselphrasen angehalten. Wenn der aktuelle Auftragsstatus `IN_PROGRESS` lautet, wird der Auftrag zur Beendigung markiert und in den Status `STOP_REQUESTED` versetzt. Wenn der Auftrag abgeschlossen ist, bevor er angehalten werden kann, wird er in den Status `COMPLETED` versetzt.
```
aws comprehend stop-key-phrases-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Ausgabe:
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE,
"JobStatus": "STOP_REQUESTED"
}
```
Weitere Informationen finden Sie unter [Asynchrone Analyse für Amazon-Comprehend-Erkenntnisse](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [StopKeyPhrasesDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/stop-key-phrases-detection-job.html)in der *AWS CLI Befehlsreferenz*.
### `stop-pii-entities-detection-job`
Das folgende Codebeispiel zeigt die Verwendung`stop-pii-entities-detection-job`.
**AWS CLI**
**So starten Sie einen asynchronen Auftrag zur Erkennung von PII-Entitäten**
Im folgenden Beispiel für `stop-pii-entities-detection-job` wird ein laufender asynchroner Auftrag zur Erkennung von PII-Entitäten angehalten. Wenn der aktuelle Auftragsstatus `IN_PROGRESS` lautet, wird der Auftrag zur Beendigung markiert und in den Status `STOP_REQUESTED` versetzt. Wenn der Auftrag abgeschlossen ist, bevor er angehalten werden kann, wird er in den Status `COMPLETED` versetzt.
```
aws comprehend stop-pii-entities-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Ausgabe:
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE,
"JobStatus": "STOP_REQUESTED"
}
```
Weitere Informationen finden Sie unter [Asynchrone Analyse für Amazon-Comprehend-Erkenntnisse](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [StopPiiEntitiesDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/stop-pii-entities-detection-job.html)in der *AWS CLI Befehlsreferenz*.
### `stop-sentiment-detection-job`
Das folgende Codebeispiel zeigt die Verwendung`stop-sentiment-detection-job`.
**AWS CLI**
**So halten Sie einen asynchronen Auftrag zur Erkennung von Stimmungen an**
Im folgenden Beispiel für `stop-sentiment-detection-job` wird ein laufender asynchroner Auftrag zur Stimmungserkennung angehalten. Wenn der aktuelle Auftragsstatus `IN_PROGRESS` lautet, wird der Auftrag zur Beendigung markiert und in den Status `STOP_REQUESTED` versetzt. Wenn der Auftrag abgeschlossen ist, bevor er angehalten werden kann, wird er in den Status `COMPLETED` versetzt.
```
aws comprehend stop-sentiment-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Ausgabe:
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE,
"JobStatus": "STOP_REQUESTED"
}
```
Weitere Informationen finden Sie unter [Asynchrone Analyse für Amazon-Comprehend-Erkenntnisse](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [StopSentimentDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/stop-sentiment-detection-job.html)in der *AWS CLI Befehlsreferenz*.
### `stop-targeted-sentiment-detection-job`
Das folgende Codebeispiel zeigt die Verwendung`stop-targeted-sentiment-detection-job`.
**AWS CLI**
**So halten Sie einen asynchronen Auftrag zur Erkennung von zielgerichteten Stimmungen an**
Im folgenden Beispiel für `stop-targeted-sentiment-detection-job` wird ein laufender asynchroner Auftrag zur Erkennung von zielgerichteten Stimmungen angehalten. Wenn der aktuelle Auftragsstatus `IN_PROGRESS` lautet, wird der Auftrag zur Beendigung markiert und in den Status `STOP_REQUESTED` versetzt. Wenn der Auftrag abgeschlossen ist, bevor er angehalten werden kann, wird er in den Status `COMPLETED` versetzt.
```
aws comprehend stop-targeted-sentiment-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Ausgabe:
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE,
"JobStatus": "STOP_REQUESTED"
}
```
Weitere Informationen finden Sie unter [Asynchrone Analyse für Amazon-Comprehend-Erkenntnisse](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [StopTargetedSentimentDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/stop-targeted-sentiment-detection-job.html)in der *AWS CLI Befehlsreferenz*.
### `stop-training-document-classifier`
Das folgende Codebeispiel zeigt die Verwendung`stop-training-document-classifier`.
**AWS CLI**
**So halten Sie das Training eines Dokumentenklassifizierungsmodells an**
Im folgenden Beispiel für `stop-training-document-classifier` wird das laufende Training eines Dokumentenklassifizierungsmodells angehalten.
```
aws comprehend stop-training-document-classifier
--document-classifier-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier
```
Mit diesem Befehl wird keine Ausgabe zurückgegeben.
Weitere Informationen finden Sie unter [Erstellen und Verwalten von benutzerdefinierten Modellen](https://docs.aws.amazon.com/comprehend/latest/dg/manage-models.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [StopTrainingDocumentClassifier](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/stop-training-document-classifier.html)in der *AWS CLI Befehlsreferenz*.
### `stop-training-entity-recognizer`
Das folgende Codebeispiel zeigt die Verwendung`stop-training-entity-recognizer`.
**AWS CLI**
**So halten Sie das Training eines Entitätserkennungsmodells an**
Im folgenden Beispiel für `stop-training-entity-recognizer` wird das laufende Training eines Entitätserkennungsmodells angehalten.
```
aws comprehend stop-training-entity-recognizer
--entity-recognizer-arn "arn:aws:comprehend:us-west-2:111122223333:entity-recognizer/examplerecognizer1"
```
Mit diesem Befehl wird keine Ausgabe zurückgegeben.
Weitere Informationen finden Sie unter [Erstellen und Verwalten von benutzerdefinierten Modellen](https://docs.aws.amazon.com/comprehend/latest/dg/manage-models.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [StopTrainingEntityRecognizer](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/stop-training-entity-recognizer.html)in der *AWS CLI Befehlsreferenz*.
### `tag-resource`
Das folgende Codebeispiel zeigt die Verwendung`tag-resource`.
**AWS CLI**
**Beispiel 1: So taggen Sie eine Ressource**
Im folgenden Beispiel für `tag-resource` wird einer Amazon-Comprehend-Ressource ein einzelnes Tag hinzugefügt.
```
aws comprehend tag-resource \
--resource-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier/version/1 \
--tags Key=Location,Value=Seattle
```
Dieser Befehl hat keine Ausgabe.
Weitere Informationen finden Sie unter [Taggen Ihrer Ressourcen](https://docs.aws.amazon.com/comprehend/latest/dg/tagging.html) im *Entwicklerhandbuch für Amazon Comprehend*.
**Beispiel 2: So fügen Sie einer Ressource mehrere Tags hinzu**
Im folgenden Beispiel für `tag-resource` werden einer Amazon-Comprehend-Ressource mehrere Tags hinzugefügt.
```
aws comprehend tag-resource \
--resource-arn "arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier/version/1" \
--tags Key=location,Value=Seattle Key=Department,Value=Finance
```
Dieser Befehl hat keine Ausgabe.
Weitere Informationen finden Sie unter [Taggen Ihrer Ressourcen](https://docs.aws.amazon.com/comprehend/latest/dg/tagging.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [TagResource](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/tag-resource.html)in der *AWS CLI Befehlsreferenz*.
### `untag-resource`
Das folgende Codebeispiel zeigt die Verwendung`untag-resource`.
**AWS CLI**
**Beispiel 1: So entfernen Sie ein einzelnes Tag aus einer Ressource**
Im folgenden Beispiel für `untag-resource` wird ein einzelnes Tag aus einer Amazon-Comprehend-Ressource entfernt.
```
aws comprehend untag-resource \
--resource-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier/version/1
--tag-keys Location
```
Mit diesem Befehl wird keine Ausgabe zurückgegeben.
Weitere Informationen finden Sie unter [Taggen Ihrer Ressourcen](https://docs.aws.amazon.com/comprehend/latest/dg/tagging.html) im *Entwicklerhandbuch für Amazon Comprehend*.
**Beispiel 2: So entfernen Sie mehrere Tags aus einer Ressource**
Im folgenden Beispiel für `untag-resource` werden mehrere Tags aus einer Amazon-Comprehend-Ressource entfernt.
```
aws comprehend untag-resource \
--resource-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier/version/1
--tag-keys Location Department
```
Mit diesem Befehl wird keine Ausgabe zurückgegeben.
Weitere Informationen finden Sie unter [Taggen Ihrer Ressourcen](https://docs.aws.amazon.com/comprehend/latest/dg/tagging.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [UntagResource](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/untag-resource.html)in der *AWS CLI Befehlsreferenz*.
### `update-endpoint`
Das folgende Codebeispiel zeigt die Verwendung`update-endpoint`.
**AWS CLI**
**Beispiel 1: So aktualisieren Sie die Inferenzeinheiten eines Endpunkts**
Im folgenden Beispiel für `update-endpoint` werden Informationen über einen Endpunkt aktualisiert. In diesem Beispiel wird die Anzahl der Inferenzeinheiten erhöht.
```
aws comprehend update-endpoint \
--endpoint-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier-endpoint/example-classifier-endpoint
--desired-inference-units 2
```
Mit diesem Befehl wird keine Ausgabe zurückgegeben.
Weitere Informationen finden Sie unter [Verwalten von Amazon-Comprehend-Endpunkten](https://docs.aws.amazon.com/comprehend/latest/dg/manage-endpoints.html) im *Entwicklerhandbuch für Amazon Comprehend*.
**Beispiel 2: So aktualisieren Sie das aktive Modell eines Endpunkts**
Im folgenden Beispiel für `update-endpoint` werden Informationen über einen Endpunkt aktualisiert. In diesem Beispiel wird das aktive Modell geändert.
```
aws comprehend update-endpoint \
--endpoint-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier-endpoint/example-classifier-endpoint
--active-model-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier-new
```
Mit diesem Befehl wird keine Ausgabe zurückgegeben.
Weitere Informationen finden Sie unter [Verwalten von Amazon-Comprehend-Endpunkten](https://docs.aws.amazon.com/comprehend/latest/dg/manage-endpoints.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [UpdateEndpoint](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/update-endpoint.html)in der *AWS CLI Befehlsreferenz*.
### `update-flywheel`
Das folgende Codebeispiel zeigt die Verwendung`update-flywheel`.
**AWS CLI**
**So aktualisieren Sie eine Schwungradkonfiguration**
Im folgenden Beispiel für `update-flywheel` wird eine Schwungradkonfiguration aktualisiert. In diesem Beispiel wird das aktive Modell für das Schwungrad aktualisiert.
```
aws comprehend update-flywheel \
--flywheel-arn arn:aws:comprehend:us-west-2:111122223333:flywheel/example-flywheel-1 \
--active-model-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier/version/new-example-classifier-model
```
Ausgabe:
```
{
"FlywheelProperties": {
"FlywheelArn": "arn:aws:comprehend:us-west-2:111122223333:flywheel/flywheel-entity",
"ActiveModelArn": "arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier/version/new-example-classifier-model",
"DataAccessRoleArn": "arn:aws:iam::111122223333:role/service-role/AmazonComprehendServiceRole-example-role",
"TaskConfig": {
"LanguageCode": "en",
"DocumentClassificationConfig": {
"Mode": "MULTI_CLASS"
}
},
"DataLakeS3Uri": "s3://amzn-s3-demo-bucket/flywheel-entity/schemaVersion=1/20230616T200543Z/",
"DataSecurityConfig": {},
"Status": "ACTIVE",
"ModelType": "DOCUMENT_CLASSIFIER",
"CreationTime": "2023-06-16T20:05:43.242000+00:00",
"LastModifiedTime": "2023-06-19T04:00:43.027000+00:00",
"LatestFlywheelIteration": "20230619T040032Z"
}
}
```
Weitere Informationen finden Sie unter [Schwungrad-Übersicht](https://docs.aws.amazon.com/comprehend/latest/dg/flywheels-about.html) im *Entwicklerhandbuch für Amazon Comprehend*.
+ Einzelheiten zur API finden Sie [UpdateFlywheel](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/update-flywheel.html)in der *AWS CLI Befehlsreferenz*.