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 verwendet Natural Language Processing (NLP), um Erkenntnisse über den Inhalt von Dokumenten zu gewinnen. Durch die Erkennung von Einheiten, Schlüsselphrasen, Sprache, Gefühlen und anderen gängigen Elementen eines Dokuments verschafft Amazon Comprehend Einblicke in den Inhalt von Dokumenten. Verwenden Sie Amazon Comprehend, um neue Produkte zu erstellen, die auf dem Verständnis der Struktur von Dokumenten basieren. Mit Amazon Comprehend können Sie beispielsweise Feeds in sozialen Netzwerken nach Erwähnungen von Produkten durchsuchen oder eine gesamte Dokumentenablage nach Schlüsselbegriffen durchsuchen.
Sie können über die Amazon Comprehend-Konsole oder Amazon Comprehend auf die Funktionen zur Dokumentenanalyse von Amazon Comprehend zugreifen. APIs Sie können Echtzeitanalysen für kleine Workloads ausführen oder asynchrone Analyseaufträge für große Dokumentensätze starten. Sie können die von Amazon Comprehend bereitgestellten vortrainierten Modelle verwenden oder Ihre eigenen benutzerdefinierten Modelle für die Klassifizierung und Entitätenerkennung trainieren.
Amazon Comprehend kann Ihre Inhalte speichern, um die Qualität seiner vortrainierten Modelle kontinuierlich zu verbessern. Weitere Informationen finden Sie in den häufig gestellten Fragen zu Amazon Comprehend
Alle Funktionen von Amazon Comprehend akzeptieren UTF-8-Textdokumente als Eingabe. Darüber hinaus akzeptieren die benutzerdefinierte Klassifizierung und die benutzerdefinierte Entitätserkennung Bilddateien, PDF-Dateien und Word-Dateien als Eingabe.
Amazon Comprehend kann je nach Funktion Dokumente in einer Vielzahl von Sprachen untersuchen und analysieren. Weitere Informationen finden Sie unter In Amazon Comprehend unterstützte Sprachen. Die Vorherrschende Sprache Fähigkeit von Amazon Comprehend kann Dokumente untersuchen und die dominante Sprache für eine weitaus größere Auswahl von Sprachen bestimmen.
Themen
Einblicke von Amazon Comprehend
Amazon Comprehend verwendet ein vorab trainiertes Modell, um ein Dokument oder eine Reihe von Dokumenten zu untersuchen und zu analysieren, um Erkenntnisse darüber zu gewinnen. Dieses Modell wird kontinuierlich anhand eines großen Textkörpers trainiert, sodass Sie keine Trainingsdaten angeben müssen.
Amazon Comprehend analysiert die folgenden Arten von Erkenntnissen:
-
Entitäten — Verweise auf die Namen von Personen, Orten, Objekten und Orten, die in einem Dokument enthalten sind.
-
Schlüsselausdrücke — Ausdrücke, die in einem Dokument vorkommen. Beispielsweise könnte ein Dokument über ein Basketballspiel die Namen der Mannschaften, den Namen des Austragungsorts und das Endergebnis enthalten.
-
Persönlich identifizierbare Informationen (PII) — Personenbezogene Daten, mit denen eine Person identifiziert werden kann, z. B. eine Adresse, Bankkontonummer oder Telefonnummer.
-
Sprache — Die vorherrschende Sprache eines Dokuments.
-
Stimmung — Die vorherrschende Stimmung in einem Dokument, die positiv, neutral, negativ oder gemischt sein kann.
-
Zielgerichtete Stimmung — Die Stimmungen, die bestimmten Entitäten in einem Dokument zugeordnet sind. Die Stimmung für jedes Vorkommen einer Entität kann positiv, negativ, neutral oder gemischt sein.
-
Syntax — Die Wortarten für jedes Wort im Dokument.
Weitere Informationen finden Sie unter Insights.
Amazon Comprehend Benutzerdefiniert
Sie können Amazon Comprehend an Ihre spezifischen Anforderungen anpassen, ohne über die erforderlichen Kenntnisse verfügen zu müssen, um auf maschinellem Lernen basierende NLP-Lösungen zu entwickeln. Mithilfe von automatischem maschinellem Lernen (AutoML) erstellt Amazon Comprehend Custom in Ihrem Namen maßgeschneiderte NLP-Modelle unter Verwendung von Daten, die Sie bereits haben.
Benutzerdefinierte Klassifizierung — Erstellen Sie benutzerdefinierte Klassifizierungsmodelle (Klassifikatoren), um Ihre Dokumente in Ihren eigenen Kategorien zu organisieren.
Benutzerdefinierte Entitätserkennung — Erstellen Sie benutzerdefinierte Entitätserkennungsmodelle (Recognizer), die Text auf Ihre spezifischen Begriffe und auf Substantiven basierenden Ausdrücke analysieren können.
Weitere Informationen finden Sie unter Amazon Comprehend Benutzerdefiniert.
Schwungräder
Verwenden Sie Schwungräder, um das Training und die Verwaltung benutzerdefinierter Modellversionen im Laufe der Zeit zu vereinfachen. Ein Schwungrad hilft bei der Orchestrierung der Aufgaben, die mit dem Training und der Evaluierung neuer Versionen eines Modells verbunden sind. Schwungräder unterstützen benutzerdefinierte Klartext-Modelle zur benutzerdefinierten Klassifizierung und Erkennung benutzerdefinierter Entitäten. Weitere Informationen finden Sie unter Schwungräder.
Clustering von Dokumenten (Themenmodellierung)
Sie können Amazon Comprehend auch verwenden, um einen Korpus von Dokumenten zu untersuchen und sie nach ähnlichen Schlüsselwörtern zu organisieren. Das Clustering von Dokumenten (Themenmodellierung) ist nützlich, um einen großen Korpus von Dokumenten in Themen oder Cluster zu organisieren, die sich je nach Worthäufigkeit ähneln. Weitere Informationen finden Sie unter Themenmodellierung.
Beispiele
Die folgenden Beispiele zeigen, wie Sie die Amazon Comprehend Comprehend-Operationen in Ihren Anwendungen verwenden können.
Beispiel 1: Finden Sie Dokumente zu einem Thema
Finden Sie Dokumente zu einem bestimmten Thema mithilfe von Amazon Comprehend Topic Modeling. Scannen Sie eine Reihe von Dokumenten, um die besprochenen Themen zu ermitteln und die Dokumente zu den einzelnen Themen zu finden. Sie können die Anzahl der Themen angeben, die Amazon Comprehend aus dem Dokumentensatz zurückgeben soll.
Beispiel 2: Finden Sie heraus, wie Kunden über Ihre Produkte denken
Wenn Ihr Unternehmen einen Katalog veröffentlicht, lassen Sie sich von Amazon Comprehend darüber informieren, was Kunden von Ihren Produkten halten. Senden Sie jeden Kundenkommentar an den DetectSentiment Betrieb, damit Sie erfahren, ob Kunden ein Produkt positiv, negativ, neutral oder gemischt bewerten.
Beispiel 3: Finden Sie heraus, worauf es Ihren Kunden ankommt
Verwenden Sie die Themenmodellierung von Amazon Comprehend, um die Themen zu ermitteln, über die Ihre Kunden in Ihren Foren und Message Boards sprechen, und verwenden Sie dann die Entitätserkennung, um die Personen, Orte und Dinge zu ermitteln, die sie mit dem Thema in Verbindung bringen. Verwenden Sie die Stimmungsanalyse, um zu ermitteln, wie Ihre Kunden zu einem Thema stehen.
Vorteile
Zu den Vorteilen der Verwendung von Amazon Comprehend gehören:
-
Integrieren Sie leistungsstarke Verarbeitung natürlicher Sprache in Ihre Apps — Amazon Comprehend macht die Implementierung von Textanalysefunktionen in Ihren Anwendungen überflüssig, indem es leistungsstarke und genaue Verarbeitung natürlicher Sprache über eine einfache API verfügbar macht. Sie benötigen keine Fachkenntnisse in der Textanalyse, um die Erkenntnisse von Amazon Comprehend zu nutzen.
-
Deep-Learning-basierte Verarbeitung natürlicher Sprache — Amazon Comprehend verwendet Deep-Learning-Technologie, um Text genau zu analysieren. Unsere Modelle werden ständig mit neuen Daten aus verschiedenen Bereichen trainiert, um die Genauigkeit zu verbessern.
-
Skalierbare Verarbeitung natürlicher Sprache — Mit Amazon Comprehend können Sie Millionen von Dokumenten analysieren, um die darin enthaltenen Erkenntnisse zu ermitteln.
-
In andere AWS Dienste integriert — Amazon Comprehend ist so konzipiert, dass es nahtlos mit anderen AWS Diensten wie Amazon S3 AWS KMS, und zusammenarbeitet. AWS Lambda Speichern Sie Ihre Dokumente in Amazon S3 oder analysieren Sie Echtzeitdaten mit Firehose. Die Support für AWS Identity and Access Management (IAM) macht es einfach, den Zugriff auf Amazon Comprehend Comprehend-Operationen sicher zu kontrollieren. Mit IAM können Sie Benutzer und Gruppen erstellen und verwalten, um Ihren Entwicklern und Endbenutzern den entsprechenden Zugriff zu gewähren.
-
Verschlüsselung von Ausgabeergebnissen und Volumendaten — Amazon S3 ermöglicht es Ihnen bereits, Ihre Eingabedokumente zu verschlüsseln, und Amazon Comprehend erweitert dies noch weiter. Mithilfe Ihres eigenen KMS-Schlüssels können Sie die Ausgabeergebnisse Ihres Jobs und die Daten auf dem Speichervolume verschlüsseln, das an die Recheninstanz angehängt ist, die den Analyseauftrag verarbeitet. Das Ergebnis ist eine deutlich verbesserte Sicherheit.
-
Niedrige Kosten — Mit Amazon Comprehend fallen keine Mindestgebühren oder Vorauszahlungen an. Sie zahlen für die Dokumente, die Sie analysieren, und für benutzerdefinierte Modelle, die Sie trainieren.
Amazon Comprehend — Preisgestaltung
Mit Amazon Comprehend zahlen Sie nur für die Ressourcen, die Sie nutzen. Wenn Sie ein neuer AWS
Kunde sind, können Sie kostenlos mit Amazon Comprehend beginnen. Weitere Informationen finden Sie unter AWS Kostenloses Nutzungskontingent
Für die Ausführung von Echtzeit- oder asynchronen Analysejobs fällt eine Nutzungsgebühr an. Sie zahlen für das Training benutzerdefinierter Modelle und Sie zahlen für die Verwaltung benutzerdefinierter Modelle. Bei Echtzeitanfragen mit benutzerdefinierten Modellen zahlen Sie für den Endpunkt ab dem Zeitpunkt, an dem Sie Ihren Endpunkt starten, bis Sie den Endpunkt löschen. Für die Verwendung von Schwungrädern fallen keine zusätzlichen Gebühren an. Wenn Sie jedoch eine Schwungrad-Iteration ausführen, fallen für Sie die Standardgebühren für das Training einer neuen Modellversion und das Speichern der Modelldaten an.
Die Tarife und weitere detaillierte Informationen finden Sie unter Amazon Comprehend Pricing
Verwenden Sie Amazon Comprehend zum ersten Mal?
Wenn Sie Amazon Comprehend zum ersten Mal verwenden, empfehlen wir Ihnen, die folgenden Abschnitte der Reihe nach zu lesen:
-
Funktionsweise— In diesem Abschnitt werden die Konzepte von Amazon Comprehend vorgestellt.
-
Einrichtung— In diesem Abschnitt erstellen Sie ein Konto und richten das ein. AWS CLI
-
Erste Schritte mit Amazon Comprehend— In diesem Abschnitt führen Sie einen Amazon Comprehend Comprehend-Analysejob aus.
-
Tutorial: Analysieren von Erkenntnissen aus Kundenrezensionen mit Amazon Comprehend— In diesem Abschnitt führen Sie Stimmungs- und Entitätsanalysen durch und visualisieren die Ergebnisse.
-
Amazon Comprehend API-Referenz — Referenzdokumentation für Amazon Comprehend Comprehend-Operationen.
AWS bietet die folgenden Ressourcen, um mehr über den Amazon Comprehend Service zu erfahren:
-
Der AWS Machine Learning Learning-Blog
enthält nützliche Artikel über Amazon Comprehend. -
Amazon Comprehend Resources
bietet nützliche Videos und Tutorials zu Amazon Comprehend.
