Benutzerdefinierte Klassifizierung - Amazon Comprehend

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.

Benutzerdefinierte Klassifizierung

Verwenden Sie die benutzerdefinierte Klassifizierung, um Ihre Dokumente in von Ihnen definierte Kategorien (Klassen) zu organisieren. Die benutzerdefinierte Klassifizierung ist ein zweistufiger Prozess. Zunächst trainieren Sie ein benutzerdefiniertes Klassifizierungsmodell (auch Klassifikator genannt), um die Klassen zu erkennen, die für Sie von Interesse sind. Anschließend verwenden Sie Ihr Modell, um eine beliebige Anzahl von Dokumentensätzen zu klassifizieren.

Sie können beispielsweise den Inhalt von Supportanfragen kategorisieren, sodass Sie die Anfrage an das richtige Support-Team weiterleiten können. Oder Sie können E-Mails, die Sie von Kunden erhalten haben, kategorisieren, um je nach Art der Kundenanfrage Hinweise zu geben. Sie können Amazon Comprehend mit Amazon Transcribe kombinieren, um Sprache in Text umzuwandeln und dann die Anfragen zu klassifizieren, die von Support-Telefonanrufen kommen.

Sie können die benutzerdefinierte Klassifizierung für ein einzelnes Dokument synchron (in Echtzeit) ausführen oder einen asynchronen Job starten, um eine Reihe von Dokumenten zu klassifizieren. Sie können mehrere benutzerdefinierte Klassifikatoren in Ihrem Konto haben, die jeweils mit unterschiedlichen Daten trainiert wurden. Die benutzerdefinierte Klassifizierung unterstützt eine Vielzahl von Eingabedokumenttypen, z. B. KlartextPDF, Word und Bilder.

Wenn Sie einen Klassifizierungsauftrag einreichen, wählen Sie das zu verwendende Klassifizierungsmodell auf der Grundlage der Art der zu analysierenden Dokumente aus. Um beispielsweise Klartextdokumente zu analysieren, erzielen Sie die genauesten Ergebnisse, wenn Sie ein Modell verwenden, das Sie mit Klartextdokumenten trainiert haben. Um halbstrukturierte Dokumente (wie WordPDF, Bilder, Amazon Textract Textract-Ausgaben oder gescannte Dateien) zu analysieren, erzielen Sie die genauesten Ergebnisse, wenn Sie ein Modell verwenden, das Sie mit systemeigenen Dokumenten trainiert haben.