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. # Schritt 4: Vorbereiten der Amazon Comprehend für die Datenvisualisierung Um die Ergebnisse der Stimmungs- und Entitätsanalyse-Jobs für die Erstellung von Datenvisualisierungen vorzubereiten, verwenden Sie und. AWS Glue Amazon Athena In diesem Schritt extrahieren Sie die Amazon Comprehend Comprehend-Ergebnisdateien. Anschließend erstellen Sie einen AWS Glue *Crawler*, der Ihre Daten untersucht und sie automatisch in Tabellen im katalogisiert. AWS Glue Data Catalog Danach greifen Sie mit Amazon Athena einem serverlosen und interaktiven Abfragedienst auf diese Tabellen zu und transformieren sie. Wenn Sie diesen Schritt abgeschlossen haben, sind Ihre Amazon Comprehend Comprehend-Ergebnisse sauber und bereit für die Visualisierung. Bei einem Job zur Erkennung von PII-Entitäten ist die Ausgabedatei Klartext und kein komprimiertes Archiv. Der Name der Ausgabedatei ist derselbe wie der Name der Eingabedatei, wird jedoch am `.out` Ende angehängt. Sie müssen die Ausgabedatei nicht extrahieren. Überspringen Sie, um [die Daten in eine AWS Glue Data Catalog zu laden](#tutorial-reviews-tables-crawler). **Topics** + [Voraussetzungen](#tutorial-reviews-tables-prereqs) + [Laden Sie die Ausgabe herunter](#tutorial-reviews-tables-download) + [Extrahieren Sie die Ausgabedateien](#tutorial-reviews-tables-extract) + [Laden Sie die extrahierten Dateien hoch](#tutorial-reviews-tables-upload) + [Laden Sie die Daten in eine AWS Glue Data Catalog](#tutorial-reviews-tables-crawler) + [Bereiten Sie die Daten für die Analyse vor](#tutorial-reviews-tables-prep) ## Voraussetzungen Bevor Sie beginnen, führen Sie [Schritt 3: Ausführen von Analyseaufträgen für Dokumente in Amazon S3](tutorial-reviews-analysis.md) durch. ## Laden Sie die Ausgabe herunter Amazon Comprehend verwendet die Gzip-Komprimierung, um Ausgabedateien zu komprimieren und als Tar-Archiv zu speichern. Der einfachste Weg, die Ausgabedateien zu extrahieren, besteht darin, die `output.tar.gz` Archive lokal herunterzuladen. In diesem Schritt laden Sie die Ausgabearchive für Stimmung und Entitäten herunter. ### Laden Sie die Ausgabedateien herunter (Konsole) Um die Ausgabedateien für jeden Job zu finden, kehren Sie in der Amazon Comprehend-Konsole zum Analysejob zurück. Der Analysejob stellt den S3-Speicherort für die Ausgabe bereit, von dem Sie die Ausgabedatei herunterladen können. **Um die Ausgabedateien herunterzuladen (Konsole)** 1. Kehren Sie in der [Amazon Comprehend Comprehend-Konsole](https://console.aws.amazon.com/comprehend/) im Navigationsbereich zu **Analysis-Jobs** zurück. 1. Wählen Sie Ihren Job zur Stimmungsanalyse. `reviews-sentiment-analysis` 1. Wählen Sie unter **Ausgabe** den Link aus, der neben **Speicherort der Ausgabedaten** angezeigt wird. Dadurch werden Sie zum `output.tar.gz` Archiv in Ihrem S3-Bucket weitergeleitet. 1. Wählen Sie auf der Registerkarte „**Übersicht**“ die Option **Herunterladen** aus. 1. Benennen Sie das Archiv auf Ihrem Computer in um`sentiment-output.tar.gz`. Da alle Ausgabedateien denselben Namen haben, können Sie auf diese Weise den Überblick über die Stimmungs- und Entitätsdateien behalten. 1. Wiederholen Sie die Schritte 1—4, um die Ausgabe Ihres `reviews-entities-analysis` Jobs zu finden und herunterzuladen. Benennen Sie das Archiv auf Ihrem Computer um in`entities-output.tar.gz`. ### Laden Sie die Ausgabedateien herunter (AWS CLI) Um die Ausgabedateien für jeden Job zu finden, verwenden Sie den Job `JobId` Aus der Analyse, um den S3-Speicherort der Ausgabe zu ermitteln. Verwenden Sie dann den `cp` Befehl, um die Ausgabedatei auf Ihren Computer herunterzuladen. **Um die Ausgabedateien herunterzuladen (AWS CLI)** 1. Führen Sie den folgenden Befehl aus, um Details zu Ihrem Stimmungsanalyse-Job aufzulisten. Ersetzen Sie es `sentiment-job-id` durch das Sentiment`JobId`, das Sie gespeichert haben. ``` aws comprehend describe-sentiment-detection-job --job-id sentiment-job-id ``` Wenn Sie den Überblick über Ihre verloren haben`JobId`, können Sie den folgenden Befehl ausführen, um alle Ihre Stimmungsjobs aufzulisten und nach Ihrem Job nach Namen zu filtern. ``` aws comprehend list-sentiment-detection-jobs --filter JobName="reviews-sentiment-analysis" ``` 1. Suchen Sie im `OutputDataConfig` Objekt nach dem `S3Uri` Wert. Der `S3Uri` Wert sollte dem folgenden Format ähneln:`s3://amzn-s3-demo-bucket/.../output/output.tar.gz`. Kopieren Sie diesen Wert in einen Texteditor. 1. Führen Sie den folgenden Befehl aus, um das Sentiment-Ausgabearchiv in Ihr lokales Verzeichnis herunterzuladen. Ersetzen Sie den S3-Bucket-Pfad durch den Pfad, den `S3Uri` Sie im vorherigen Schritt kopiert haben. `path/`Ersetzen Sie ihn durch den Ordnerpfad zu Ihrem lokalen Verzeichnis. Der Name `sentiment-output.tar.gz` ersetzt den ursprünglichen Archivnamen, sodass Sie den Überblick über die Stimmungs- und Entitätsdateien behalten können. ``` aws s3 cp s3://amzn-s3-demo-bucket/.../output/output.tar.gz path/sentiment-output.tar.gz ``` 1. Führen Sie den folgenden Befehl aus, um Details zu Ihrem Entitätsanalysejob aufzulisten. ``` aws comprehend describe-entities-detection-job --job-id entities-job-id ``` Wenn Sie Ihren Job nicht kennen`JobId`, führen Sie den folgenden Befehl aus, um alle Ihre Entitäts-Jobs aufzulisten und nach Ihrem Job nach Namen zu filtern. ``` aws comprehend list-entities-detection-jobs --filter JobName="reviews-entities-analysis" ``` 1. Kopieren Sie den `S3Uri` Wert aus dem `OutputDataConfig` Objekt in der Stellenbeschreibung Ihrer Entitäten. 1. Führen Sie den folgenden Befehl aus, um das Ausgabearchiv der Entitäten in Ihr lokales Verzeichnis herunterzuladen. Ersetzen Sie den S3-Bucket-Pfad durch den Pfad, den `S3Uri` Sie im vorherigen Schritt kopiert haben. `path/`Ersetzen Sie ihn durch den Ordnerpfad zu Ihrem lokalen Verzeichnis. Der Name `entities-output.tar.gz` ersetzt den ursprünglichen Archivnamen. ``` aws s3 cp s3://amzn-s3-demo-bucket/.../output/output.tar.gz path/entities-output.tar.gz ``` ## Extrahieren Sie die Ausgabedateien Bevor Sie auf die Ergebnisse von Amazon Comprehend zugreifen können, müssen Sie die Stimmungs- und Entitätsarchive entpacken. Sie können entweder Ihr lokales Dateisystem oder ein Terminal verwenden, um die Archive zu entpacken. ### Extrahieren Sie die Ausgabedateien (GUI-Dateisystem) Wenn Sie macOS verwenden, doppelklicken Sie in Ihrem GUI-Dateisystem auf das Archiv, um die Ausgabedatei aus dem Archiv zu extrahieren. Wenn Sie Windows verwenden, können Sie ein Drittanbieter-Tool wie 7-Zip verwenden, um die Ausgabedateien in Ihr GUI-Dateisystem zu extrahieren. In Windows müssen Sie zwei Schritte ausführen, um auf die Ausgabedatei im Archiv zuzugreifen. Dekomprimieren Sie zuerst das Archiv und extrahieren Sie dann das Archiv. Benennen Sie die Stimmungsdatei in `sentiment-output` und die Entitätsdatei `entities-output` um, um zwischen den Ausgabedateien zu unterscheiden. ### Extrahieren Sie die Ausgabedateien (Terminal) Wenn Sie Linux oder macOS verwenden, können Sie Ihr Standardterminal verwenden. Wenn Sie Windows verwenden, müssen Sie Zugriff auf eine Umgebung im UNIX-Stil wie Cygwin haben, um Tar-Befehle ausführen zu können. Um die Stimmungsausgabedatei aus dem Stimmungsarchiv zu extrahieren, führen Sie den folgenden Befehl in Ihrem lokalen Terminal aus. ``` tar -xvf sentiment-output.tar.gz --transform 's,^,sentiment-,' ``` Beachten Sie, dass der `--transform` Parameter der Ausgabedatei innerhalb des Archivs das Präfix `sentiment-` hinzufügt und die Datei umbenennt als. `sentiment-output` Auf diese Weise können Sie zwischen den Sentiment- und Entity-Ausgabedateien unterscheiden und ein Überschreiben verhindern. Um die Ausgabedatei der Entitäten aus dem Entitätsarchiv zu extrahieren, führen Sie den folgenden Befehl in Ihrem lokalen Terminal aus. ``` tar -xvf entities-output.tar.gz --transform 's,^,entities-,' ``` Der `--transform` Parameter fügt dem Namen der Ausgabedatei das Präfix `entities-` hinzu. **Tipp** Um Speicherkosten in Amazon S3 zu sparen, können Sie die Dateien vor dem Hochladen erneut mit Gzip komprimieren. Es ist wichtig, die Originalarchive zu dekomprimieren und zu entpacken, da Daten aus einem Tar-Archiv nicht automatisch gelesen werden AWS Glue können. AWS Glue Kann jedoch aus Dateien im Gzip-Format lesen. ## Laden Sie die extrahierten Dateien hoch Laden Sie die Dateien nach dem Extrahieren in Ihren Bucket hoch. Sie müssen die Sentiment- und Entity-Ausgabedateien in separaten Ordnern speichern, damit die Daten AWS Glue korrekt gelesen werden können. Erstellen Sie in Ihrem Bucket einen Ordner für die extrahierten Stimmungsergebnisse und einen zweiten Ordner für die extrahierten Entitätsergebnisse. Sie können Ordner entweder mit der Amazon S3 S3-Konsole oder der erstellen AWS CLI. ### Laden Sie die extrahierten Dateien auf Amazon S3 (Konsole) hoch Erstellen Sie in Ihrem S3-Bucket einen Ordner für die extrahierte Stimmungsergebnisdatei und einen Ordner für die Ergebnisdatei der Entitäten. Laden Sie dann die extrahierten Ergebnisdateien in die entsprechenden Ordner hoch. **Um die extrahierten Dateien auf Amazon S3 (Konsole) hochzuladen** 1. Öffnen Sie die Amazon S3 S3-Konsole unter [https://console.aws.amazon.com/s3/](https://console.aws.amazon.com/s3/). 1. Wählen Sie unter **Buckets** Ihren Bucket aus und klicken Sie dann auf **Ordner erstellen**. 1. Geben Sie den neuen Ordnernamen ein `sentiment-results` und wählen Sie **Speichern**. Dieser Ordner wird die extrahierte Stimmungsausgabedatei enthalten. 1. Wählen Sie auf der Registerkarte „**Übersicht**“ Ihres Buckets aus der Liste der Bucket-Inhalte den neuen Ordner `sentiment-results` aus. Klicken Sie auf **Upload**. 1. Wählen Sie **Dateien hinzufügen**, wählen Sie die `sentiment-output` Datei von Ihrem lokalen Computer aus und klicken Sie dann auf **Weiter**. 1. Behalten Sie die Optionen für **„Benutzer verwalten**“, „**Zugriff für andere AWS-Konto**“ und **„Öffentliche Berechtigungen verwalten**“ als Standardwerte bei. Wählen Sie **Weiter** aus. 1. Wählen Sie als **Speicherklasse** die Option **Standard** aus. Behalten Sie die Optionen für **Verschlüsselung**, **Metadaten** und **Tag** als Standardwerte bei. Wählen Sie **Weiter** aus. 1. Überprüfen Sie die Upload-Optionen und wählen Sie dann **Upload**. 1. Wiederholen Sie die Schritte 1—8, um einen Ordner mit dem Namen zu erstellen`entities-results`, und laden Sie die `entities-output` Datei in diesen Ordner hoch. ### Laden Sie die extrahierten Dateien auf Amazon S3 hoch (AWS CLI) Sie können einen Ordner in Ihrem S3-Bucket erstellen, während Sie eine Datei mit dem `cp` Befehl hochladen. **Um die extrahierten Dateien auf Amazon S3 hochzuladen (AWS CLI)** 1. Erstellen Sie einen Stimmungsordner und laden Sie Ihre Stimmungsdatei in diesen hoch, indem Sie den folgenden Befehl ausführen. `path/`Ersetzen Sie ihn durch den lokalen Pfad zu Ihrer extrahierten Stimmungsausgabedatei. ``` aws s3 cp path/sentiment-output s3://amzn-s3-demo-bucket/sentiment-results/ ``` 1. Erstellen Sie einen Entitätsausgabeordner und laden Sie Ihre Entitätsdatei in diesen Ordner hoch, indem Sie den folgenden Befehl ausführen. `path/`Ersetzen Sie ihn durch den lokalen Pfad zu Ihrer extrahierten Entitäten-Ausgabedatei. ``` aws s3 cp path/entities-output s3://amzn-s3-demo-bucket/entities-results/ ``` ## Laden Sie die Daten in eine AWS Glue Data Catalog Um die Ergebnisse in eine Datenbank zu übertragen, können Sie einen AWS Glue *Crawler* verwenden. Ein AWS Glue *Crawler* scannt Dateien und erkennt das Schema der Daten. Anschließend ordnet er die Daten in Tabellen in einer AWS Glue Data Catalog (einer serverlosen Datenbank) an. Sie können einen Crawler mit der AWS Glue Konsole oder dem erstellen. AWS CLI ### Laden Sie die Daten in eine AWS Glue Data Catalog (Konsole) Erstellen Sie einen AWS Glue Crawler, der Ihre `entities-results` Ordner `sentiment-results` und Ordner separat scannt. Eine neue IAM-Rolle für AWS Glue gibt dem Crawler die Erlaubnis, auf Ihren S3-Bucket zuzugreifen. Sie erstellen diese IAM-Rolle beim Einrichten des Crawlers. **Um die Daten in eine AWS Glue Data Catalog (Konsole) zu laden** 1. Stellen Sie sicher, dass Sie sich in einer Region befinden, die unterstützt AWS Glue. Wenn Sie sich in einer anderen Region befinden, wählen Sie in der Navigationsleiste in der **Regionsauswahl eine unterstützte Region** aus. Eine Liste der Regionen, die unterstützt werden AWS Glue, finden Sie in der [Regionentabelle](https://aws.amazon.com/about-aws/global-infrastructure/regional-product-services/) im *Global Infrastructure Guide*. 1. Öffnen Sie die AWS Glue Konsole unter [https://console.aws.amazon.com/glue/](https://console.aws.amazon.com/glue/). 1. Wählen Sie im Navigationsbereich **Crawlers und dann Crawler** **hinzufügen** aus. 1. **Geben Sie als **Crawler-Name Folgendes** ein `comprehend-analysis-crawler` und wählen Sie dann Weiter aus.** 1. **Wählen Sie als **Crawler-Quelltyp** die Option **Datenspeicher** und dann Weiter aus.** 1. Gehen **Sie unter Datenspeicher hinzufügen** wie folgt vor: 1. Wählen Sie in **Choose a data store (Datenspeicher auswählen)** die Option **S3** aus. 1. Lassen Sie das Feld **Verbindung** leer. 1. Wählen Sie unter **Daten durchsuchen** die Option Spezifizierter **Pfad in meinem Konto** aus. 1. Geben Sie **unter Pfad einschließen** den vollständigen S3-Pfad des Stimmungsausgabeordners ein:. `s3://amzn-s3-demo-bucket/sentiment-results` 1. Wählen Sie **Weiter** aus. 1. Wählen **Sie für Anderen Datenspeicher hinzufügen** die Option **Ja** und dann **Weiter** aus. Wiederholen Sie Schritt 6, geben Sie jedoch den vollständigen S3-Pfad des Entitäten-Ausgabeordners ein:`s3://amzn-s3-demo-bucket/entities-results`. 1. Wählen **Sie für Anderen Datenspeicher hinzufügen** die Option **Nein** und dann **Weiter** aus. 1. Gehen **Sie unter Wählen Sie eine IAM-Rolle** wie folgt vor: 1. Wählen Sie **Create an IAM-Rolle** aus. 1. **Geben Sie für die **IAM-Rolle** den Text ein `glue-access-role` und wählen Sie dann Weiter aus.** 1. **Wählen Sie unter **Einen Zeitplan für diesen Crawler erstellen** die Option Bei **Bedarf ausführen und dann** Weiter aus.** 1. Gehen Sie wie folgt vor, um **die Ausgabe des Crawlers zu konfigurieren**: 1. Wählen Sie für **Datenbank** die Option **Datenbank hinzufügen** aus. 1. Für **Database name (Datenbankname)** geben Sie `comprehend-results` ein. In dieser Datenbank werden Ihre Amazon Comprehend Comprehend-Ausgabetabellen gespeichert. 1. **Behalten Sie die Standardeinstellungen der anderen Optionen bei und wählen Sie Weiter.** 1. Überprüfen Sie die Crawler-Informationen und wählen Sie dann **Fertig stellen.** 1. Wählen Sie in der Glue-Konsole unter **Crawlers** die Option `comprehend-analysis-crawler` **Crawler ausführen** aus. Es kann einige Minuten dauern, bis der Crawler fertig ist. ### Laden Sie die Daten in ein AWS Glue Data Catalog ()AWS CLI Erstellen Sie eine IAM-Rolle für AWS Glue den Zugriff auf Ihren S3-Bucket. Erstellen Sie dann eine Datenbank in der AWS Glue Data Catalog. Erstellen Sie abschließend einen Crawler und führen Sie ihn aus, der Ihre Daten in Tabellen in der Datenbank lädt. **Um die Daten in ein AWS Glue Data Catalog ()AWS CLI zu laden** 1. Gehen Sie wie folgt vor AWS Glue, um eine IAM-Rolle für zu erstellen: 1. Speichern Sie die folgende Vertrauensrichtlinie als JSON-Dokument, das `glue-trust-policy.json` auf Ihrem Computer aufgerufen wird. ------ #### [ JSON ] **** ``` { "Version":"2012-10-17", "Statement": [ { "Effect": "Allow", "Principal": { "Service": "glue.amazonaws.com" }, "Action": "sts:AssumeRole" } ] } ``` ------ 1. Führen Sie den folgenden Befehl aus, um eine IAM-Rolle zu erstellen. `path/`Ersetzen Sie es durch den Pfad Ihres lokalen Computers zum JSON-Dokument. ``` aws iam create-role --role-name glue-access-role --assume-role-policy-document file://path/glue-trust-policy.json ``` 1. Wenn die Amazon-Ressourcennummer (ARN) für die neue Rolle AWS CLI aufgeführt ist, kopieren Sie sie und speichern Sie sie in einem Texteditor. 1. Speichern Sie die folgende IAM-Richtlinie als JSON-Dokument, das `glue-access-policy.json` auf Ihrem Computer aufgerufen wird. Die Richtlinie gewährt die AWS Glue Erlaubnis, Ihre Ergebnisordner zu crawlen. ------ #### [ JSON ] **** ``` { "Version":"2012-10-17", "Statement": [ { "Effect": "Allow", "Action": [ "s3:GetObject", "s3:PutObject" ], "Resource": [ "arn:aws:s3:::amzn-s3-demo-bucket/sentiment-results*", "arn:aws:s3:::amzn-s3-demo-bucket/entities-results*" ] } ] } ``` ------ 1. Führen Sie den folgenden Befehl aus, um die IAM-Richtlinie zu erstellen. `path/`Ersetzen Sie es durch den Pfad Ihres lokalen Computers zum JSON-Dokument. ``` aws iam create-policy --policy-name glue-access-policy --policy-document file://path/glue-access-policy.json ``` 1. Wenn der den ARN der Zugriffsrichtlinie AWS CLI auflistet, kopieren Sie ihn und speichern Sie ihn in einem Texteditor. 1. Fügen Sie die neue Richtlinie der IAM-Rolle hinzu, indem Sie den folgenden Befehl ausführen. `policy-arn`Ersetzen Sie es durch den ARN für die IAM-Richtlinie, den Sie im vorherigen Schritt kopiert haben. ``` aws iam attach-role-policy --policy-arn policy-arn --role-name glue-access-role ``` 1. Fügen Sie die AWS verwaltete Richtlinie Ihrer IAM-Rolle `AWSGlueServiceRole` hinzu, indem Sie den folgenden Befehl ausführen. ``` aws iam attach-role-policy --policy-arn arn:aws:iam::aws:policy/service-role/AWSGlueServiceRole --role-name glue-access-role ``` 1. Erstellen Sie eine AWS Glue Datenbank, indem Sie den folgenden Befehl ausführen. ``` aws glue create-database --database-input Name="comprehend-results" ``` 1. Erstellen Sie einen neuen AWS Glue Crawler, indem Sie den folgenden Befehl ausführen. `glue-iam-role-arn`Ersetzen Sie es durch den ARN Ihrer AWS Glue IAM-Rolle. ``` aws glue create-crawler --name comprehend-analysis-crawler --role glue-iam-role-arn --targets S3Targets=[ {Path="s3://amzn-s3-demo-bucket/sentiment-results"}, {Path="s3://amzn-s3-demo-bucket/entities-results"}] --database-name comprehend-results ``` 1. Starten Sie den Crawler, indem Sie den folgenden Befehl ausführen. ``` aws glue start-crawler --name comprehend-analysis-crawler ``` Es kann einige Minuten dauern, bis der Crawler fertig ist. ## Bereiten Sie die Daten für die Analyse vor Jetzt haben Sie eine Datenbank, die mit den Amazon Comprehend Comprehend-Ergebnissen gefüllt ist. Die Ergebnisse sind jedoch verschachtelt. Um sie zu entflechten, führen Sie einige SQL-Anweisungen aus. Amazon Athena Amazon Athena ist ein interaktiver Abfrageservice, der es einfach macht, Daten in Amazon S3 mithilfe von Standard-SQL zu analysieren. Athena ist serverlos, sodass keine Infrastruktur verwaltet werden muss, und es gibt ein pay-per-query Preismodell. In diesem Schritt erstellen Sie neue Tabellen mit bereinigten Daten, die Sie zur Analyse und Visualisierung verwenden können. Sie verwenden die Athena-Konsole, um die Daten vorzubereiten. **Um die Daten vorzubereiten** 1. Öffnen Sie die Athena-Konsole unter [https://console.aws.amazon.com/athena/](https://console.aws.amazon.com/athena/home). 1. Wählen Sie im Abfrage-Editor **Einstellungen** und anschließend **Verwalten** aus. 1. Geben Sie für **Speicherort der Abfrageergebnisse** den Wert ein`s3://amzn-s3-demo-bucket/query-results/`. Dadurch wird ein neuer Ordner mit dem Namen `query-results` in Ihrem Bucket erstellt, in dem die Ausgabe der von Ihnen Amazon Athena ausgeführten Abfragen gespeichert wird. Wählen Sie **Speichern**. 1. Wählen Sie im Abfrage-Editor **Editor** aus. 1. Wählen Sie für **Datenbank** die AWS Glue Datenbank aus`comprehend-results`, die Sie erstellt haben. 1. Im Abschnitt **Tabellen** sollten Sie zwei Tabellen mit dem Namen `sentiment_results` und haben`entities_results`. Zeigen Sie eine Vorschau der Tabellen an, um sicherzustellen, dass der Crawler die Daten geladen hat. Wählen Sie in den Optionen jeder Tabelle (die drei Punkte neben dem Tabellennamen) die Option **Tabellenvorschau** aus. Eine kurze Abfrage wird automatisch ausgeführt. Überprüfen Sie im **Ergebnisbereich**, ob die Tabellen Daten enthalten. **Tipp** Wenn die Tabellen keine Daten enthalten, versuchen Sie, die Ordner in Ihrem S3-Bucket zu überprüfen. Stellen Sie sicher, dass es einen Ordner für Entitätsergebnisse und einen Ordner für Stimmungsergebnisse gibt. Versuchen Sie dann, einen neuen AWS Glue Crawler auszuführen. 1. **Um die `sentiment_results` Tabelle zu entwirren, geben Sie die folgende Abfrage in den **Abfrage-Editor** ein und wählen Sie Ausführen aus.** ``` CREATE TABLE sentiment_results_final AS SELECT file, line, sentiment, sentimentscore.mixed AS mixed, sentimentscore.negative AS negative, sentimentscore.neutral AS neutral, sentimentscore.positive AS positive FROM sentiment_results ``` 1. **Um die Verschachtelung der Entitätstabelle zu entfernen, geben Sie die folgende Abfrage in den **Abfrage-Editor ein und wählen** Sie Ausführen aus.** ``` CREATE TABLE entities_results_1 AS SELECT file, line, nested FROM entities_results CROSS JOIN UNNEST(entities) as t(nested) ``` 1. **Um die Verschachtelung der Entitätstabelle zu beenden, geben Sie die folgende Abfrage in den **Abfrage-Editor ein und wählen Sie Abfrage ausführen** aus.** ``` CREATE TABLE entities_results_final AS SELECT file, line, nested.beginoffset AS beginoffset, nested.endoffset AS endoffset, nested.score AS score, nested.text AS entity, nested.type AS category FROM entities_results_1 ``` **Ihre `sentiment_results_final` Tabelle sollte wie folgt aussehen, mit den Spalten **Datei**, **Zeile**, **Stimmung**, **gemischt**, **negativ**, **neutral und positiv**.** Die Tabelle sollte einen Wert pro Zelle haben. Die **Stimmungsspalte** beschreibt die wahrscheinlichste allgemeine Stimmung einer bestimmten Bewertung. Die **gemischten**, **negativen**, **neutralen** und **positiven** Spalten geben Werte für jeden Stimmungstyp an. ![\[Screenshot der Stimmungsausgabetabelle in Athena.\]](http://docs.aws.amazon.com/de_de/comprehend/latest/dg/images/tutorial-reviews-sentiment-table.png) ****Ihre `entities_results_final` Tabelle sollte wie folgt aussehen, mit Spalten mit den Namen **file**, **line**, **beginoffset, **endoffset****, **score, entity und category**.**** Die Tabelle sollte einen Wert pro Zelle haben. Die **Bewertungsspalte** gibt das Vertrauen von Amazon Comprehend in die erkannte **Entität** an. Die **Kategorie** gibt an, welche Art von Entität Comprehend erkannt wurde. ![\[Konsolenanzeige der Ausgabetabelle für Entitäten in Athena.\]](http://docs.aws.amazon.com/de_de/comprehend/latest/dg/images/tutorial-reviews-entities-table.png) Nachdem Sie die Amazon Comprehend Comprehend-Ergebnisse in Tabellen geladen haben, können Sie die Daten visualisieren und aussagekräftige Erkenntnisse daraus gewinnen.