# Ejemplos de Amazon Comprehend que utilizan la AWS CLI
En los siguientes ejemplos de código se muestra cómo realizar acciones e implementar escenarios comunes usando AWS Command Line Interface con Amazon Comprehend.
Las *acciones* son extractos de código de programas más grandes y deben ejecutarse en contexto. Mientras las acciones muestran cómo llamar a las distintas funciones de servicio, es posible ver las acciones en contexto en los escenarios relacionados.
En cada ejemplo se incluye un enlace al código de origen completo, con instrucciones de configuración y ejecución del código en el contexto.
**Topics**
+ [Acciones](#actions)
## Acciones
### `batch-detect-dominant-language`
En el siguiente ejemplo de código, se muestra cómo utilizar `batch-detect-dominant-language`.
**AWS CLI**
**Detección del idioma dominante de varios textos de entrada**
El siguiente ejemplo de `batch-detect-dominant-language` analiza varios textos de entrada y devuelve el idioma dominante de cada uno. La puntuación de confianza de los modelos previamente entrenados también se muestra para cada predicción.
```
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."
```
Salida:
```
{
"ResultList": [
{
"Index": 0,
"Languages": [
{
"LanguageCode": "en",
"Score": 0.9986501932144165
}
]
}
],
"ErrorList": []
}
```
Para obtener más información, consulte [Idioma dominante](https://docs.aws.amazon.com/comprehend/latest/dg/how-languages.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [BatchDetectDominantLanguage](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/batch-detect-dominant-language.html) en la *Referencia de comandos de la AWS CLI*.
### `batch-detect-entities`
En el siguiente ejemplo de código, se muestra cómo utilizar `batch-detect-entities`.
**AWS CLI**
**Detección de entidades a partir de varios textos de entrada**
El siguiente ejemplo de `batch-detect-entities` analiza varios textos de entrada y devuelve las entidades nombradas de cada uno. La puntuación de confianza del modelo previamente entrenado también se muestra para cada predicción.
```
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."
```
Salida:
```
{
"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": []
}
```
Para obtener más información, consulte [Entidades](https://docs.aws.amazon.com/comprehend/latest/dg/how-entities.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [BatchDetectEntities](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/batch-detect-entities.html) en la *Referencia de comandos de la AWS CLI*.
### `batch-detect-key-phrases`
En el siguiente ejemplo de código, se muestra cómo utilizar `batch-detect-key-phrases`.
**AWS CLI**
**Detección de frases clave de varias entradas de texto**
El siguiente ejemplo de `batch-detect-key-phrases` analiza varios textos introducidos y devuelve los sintagmas nominales clave de cada uno de ellos. La puntuación de confianza del modelo previamente entrenado también se muestra para cada predicción.
```
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."
```
Salida:
```
{
"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": []
}
```
Para obtener más información, consulte [Frases clave](https://docs.aws.amazon.com/comprehend/latest/dg/how-key-phrases.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [BatchDetectKeyPhrases](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/batch-detect-key-phrases.html) en la *Referencia de comandos de AWS CLI*.
### `batch-detect-sentiment`
En el siguiente ejemplo de código, se muestra cómo utilizar `batch-detect-sentiment`.
**AWS CLI**
**Para detectar la opinión predominante de varios textos de entrada**
El siguiente ejemplo de `batch-detect-sentiment` analiza varios textos de entrada y devuelve la opinión predominante (`POSITIVE`, `NEUTRAL`, `MIXED` o `NEGATIVE`, en cada caso).
```
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
```
Salida:
```
{
"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": []
}
```
Para obtener más información, consulte [Sentiment](https://docs.aws.amazon.com/comprehend/latest/dg/how-sentiment.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [BatchDetectSentiment](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/batch-detect-sentiment.html) en la *Referencia de comandos de la AWS CLI*.
### `batch-detect-syntax`
En el siguiente ejemplo de código, se muestra cómo utilizar `batch-detect-syntax`.
**AWS CLI**
**Inspección de la sintaxis y las partes de la oración de las palabras en textos de varias entradas**
El siguiente ejemplo de `batch-detect-syntax` analiza la sintaxis de varios textos de entrada y devuelve las distintas partes de la oración. La puntuación de confianza del modelo previamente entrenado también se muestra para cada predicción.
```
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
```
Salida:
```
{
"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": []
}
```
Para obtener más información, consulte los [Análisis de sintaxis](https://docs.aws.amazon.com/comprehend/latest/dg/how-syntax.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [BatchDetectSyntax](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/batch-detect-syntax.html) en la *Referencia de comandos de la AWS CLI*.
### `batch-detect-targeted-sentiment`
En el siguiente ejemplo de código, se muestra cómo utilizar `batch-detect-targeted-sentiment`.
**AWS CLI**
**Para detectar la opinión y cada entidad nombrada para varios textos de entrada**
El siguiente ejemplo de `batch-detect-targeted-sentiment` analiza varios textos de entrada y devuelve las entidades nombradas junto con la opinión predominante asociada a cada entidad. La puntuación de confianza del modelo previamente entrenado también se muestra para cada predicción.
```
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."
```
Salida:
```
{
"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": []
}
```
Para obtener más información, consulte [Targeted Sentiment](https://docs.aws.amazon.com/comprehend/latest/dg/how-targeted-sentiment.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [BatchDetectTargetedSentiment](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/batch-detect-targeted-sentiment.html) en la *Referencia de comandos de la AWS CLI*.
### `classify-document`
En el siguiente ejemplo de código, se muestra cómo utilizar `classify-document`.
**AWS CLI**
**Clasificación del documento con un punto de conexión específico del modelo**
En el siguiente ejemplo de `classify-document`, se clasifica un documento con un punto de conexión de un modelo personalizado. El modelo de este ejemplo se ha entrenado para un conjunto de datos que contiene mensajes SMS etiquetados como spam o no spam (denominados falsos).
```
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"
```
Salida:
```
{
"Classes": [
{
"Name": "spam",
"Score": 0.9998599290847778
},
{
"Name": "ham",
"Score": 0.00014001205272506922
}
]
}
```
Para obtener más información, consulte [Clasificación personalizada](https://docs.aws.amazon.com/comprehend/latest/dg/how-document-classification.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [ClassifyDocument](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/classify-document.html) en la *Referencia de comandos de la AWS CLI*.
### `contains-pii-entities`
En el siguiente ejemplo de código, se muestra cómo utilizar `contains-pii-entities`.
**AWS CLI**
**Análisis del texto introducido con el fin de detectar la presencia de información de identificación personal**
En el siguiente ejemplo de `contains-pii-entities`, se analiza el texto introducido para detectar la presencia de información de identificación personal (PII) y se devuelven las etiquetas de los tipos de entidades de PII identificados, como el nombre, la dirección, el número de cuenta bancaria o el número de teléfono.
```
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."
```
Salida:
```
{
"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
}
}
```
Para obtener más información acerca de la lista de tipos de entidad de PII admitidos, consulte [Información de identificación personal (PII)](https://docs.aws.amazon.com/comprehend/latest/dg/pii.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para ver los detalles de la API, consulte [ContainsPiiEntities](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/contains-pii-entities.html) en la *Referencia de comandos de la AWS CLI*.
### `create-dataset`
En el siguiente ejemplo de código, se muestra cómo utilizar `create-dataset`.
**AWS CLI**
**Creación de un conjunto de datos de volante de inercia**
En el siguiente ejemplo de `create-dataset`, se crea un conjunto de datos para un volante de inercia. Este conjunto de datos se utilizará como datos de entrenamiento adicionales, conforme a las especificaciones de la etiqueta `--dataset-type`.
```
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
```
Contenido de `file://inputConfig.json`:
```
{
"DataFormat": "COMPREHEND_CSV",
"DocumentClassifierInputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-bucket/training-data.csv"
}
}
```
Salida:
```
{
"DatasetArn": "arn:aws:comprehend:us-west-2:111122223333:flywheel/flywheel-entity/dataset/example-dataset"
}
```
Para obtener más información, consulte [Flywheel Overview](https://docs.aws.amazon.com/comprehend/latest/dg/flywheels-about.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [CreateDataset](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/create-dataset.html) en la *Referencia de comandos de la AWS CLI*.
### `create-document-classifier`
En el siguiente ejemplo de código, se muestra cómo utilizar `create-document-classifier`.
**AWS CLI**
**Para crear un clasificador de documentos para clasificar los documentos**
El siguiente ejemplo de `create-document-classifier` inicia el proceso de entrenamiento de un modelo de clasificador de documentos. El archivo de datos de entrenamiento, `training.csv`, se encuentra en la etiqueta `--input-data-config`. `training.csv` es un documento de dos columnas donde las etiquetas o clasificaciones se proporcionan en la primera columna y los documentos en la segunda columna.
```
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
```
Salida:
```
{
"DocumentClassifierArn": "arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier"
}
```
Para obtener más información, consulte [Clasificación personalizada](https://docs.aws.amazon.com/comprehend/latest/dg/how-document-classification.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener información sobre la API, consulte [CreateDocumentClassifier](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/create-document-classifier.html) en la *Referencia de comandos de la AWS CLI*.
### `create-endpoint`
En el siguiente ejemplo de código, se muestra cómo utilizar `create-endpoint`.
**AWS CLI**
**Creación de un punto de conexión para un modelo personalizado**
En el siguiente ejemplo de `create-endpoint`, se crea un punto de conexión de inferencia sincrónica para un modelo personalizado entrenado previamente.
```
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
```
Salida:
```
{
"EndpointArn": "arn:aws:comprehend:us-west-2:111122223333:document-classifier-endpoint/example-classifier-endpoint-1"
}
```
Para obtener más información, consulte [Administración de puntos de conexión de Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/manage-endpoints.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [CreateEndpoint](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/create-endpoint.html) en la *Referencia de comandos de la AWS CLI*.
### `create-entity-recognizer`
En el siguiente ejemplo de código, se muestra cómo utilizar `create-entity-recognizer`.
**AWS CLI**
**Creación de un reconocedor de entidades personalizado**
El siguiente ejemplo de `create-entity-recognizer`, inicia el proceso de entrenamiento de un modelo de reconocedor de entidades personalizado. En este ejemplo, se utiliza un archivo CSV que contiene documentos de entrenamiento, `raw_text.csv`, y una lista de entidades CSV, `entity_list.csv`, para entrenar el modelo. `entity-list.csv` contiene las columnas siguientes: texto y tipo.
```
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
```
Salida:
```
{
"EntityRecognizerArn": "arn:aws:comprehend:us-west-2:111122223333:example-entity-recognizer/entityrecognizer1"
}
```
Para obtener más información, consulte [Custom entity recognition](https://docs.aws.amazon.com/comprehend/latest/dg/custom-entity-recognition.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [CreateEntityRecognizer](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/create-entity-recognizer.html) en la *Referencia de comandos de la AWS CLI*.
### `create-flywheel`
En el siguiente ejemplo de código, se muestra cómo utilizar `create-flywheel`.
**AWS CLI**
**Creación de un volante de inercia**
El siguiente ejemplo de `create-flywheel` crea un volante de inercia para orquestar el entrenamiento continuo de un modelo de clasificación de documentos o de reconocimiento de entidades. El volante de inercia de este ejemplo se ha creado para administrar un modelo entrenado existente especificado por la etiqueta `--active-model-arn`. Cuando se crea el volante de inercia, se crea asimismo un lago de datos en la etiqueta `--input-data-lake`.
```
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"
```
Salida:
```
{
"FlywheelArn": "arn:aws:comprehend:us-west-2:111122223333:flywheel/example-flywheel"
}
```
Para obtener más información, consulte [Flywheel Overview](https://docs.aws.amazon.com/comprehend/latest/dg/flywheels-about.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [CreateFlywheel](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/create-flywheel.html) en la *Referencia de comandos de la AWS CLI*.
### `delete-document-classifier`
En el siguiente ejemplo de código, se muestra cómo utilizar `delete-document-classifier`.
**AWS CLI**
**Para eliminar un clasificador de documentos personalizado**
En el siguiente ejemplo de `delete-document-classifier`, se elimina un modelo de clasificador de documentos personalizado.
```
aws comprehend delete-document-classifier \
--document-classifier-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier-1
```
Este comando no genera ninguna salida.
Para obtener más información, consulte [Administración de puntos de conexión de Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/manage-endpoints.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener información sobre la API, consulte [DeleteDocumentClassifier](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/delete-document-classifier.html) en la *Referencia de comandos de la AWS CLI*.
### `delete-endpoint`
En el siguiente ejemplo de código, se muestra cómo utilizar `delete-endpoint`.
**AWS CLI**
**Para eliminar un punto de enlace de un modelo personalizado**
En el siguiente ejemplo de `delete-endpoint`, se elimina un punto de enlace específico del modelo. Para poder eliminar el modelo, se deben borrar todos los puntos de enlace.
```
aws comprehend delete-endpoint \
--endpoint-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier-endpoint/example-classifier-endpoint-1
```
Este comando no genera ninguna salida.
Para obtener más información, consulte [Administración de puntos de conexión de Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/manage-endpoints.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [DeleteEndpoint](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/delete-endpoint.html) en la *Referencia de comandos de la AWS CLI*.
### `delete-entity-recognizer`
En el siguiente ejemplo de código, se muestra cómo utilizar `delete-entity-recognizer`.
**AWS CLI**
**Eliminación de un modelo de reconocedor de entidades personalizado**
En el siguiente ejemplo de `delete-entity-recognizer`, se elimina un modelo de reconocedor de entidades personalizado.
```
aws comprehend delete-entity-recognizer \
--entity-recognizer-arn arn:aws:comprehend:us-west-2:111122223333:entity-recognizer/example-entity-recognizer-1
```
Este comando no genera ninguna salida.
Para obtener más información, consulte [Administración de puntos de conexión de Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/manage-endpoints.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [DeleteEntityRecognizer](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/delete-entity-recognizer.html) en la *Referencia de comandos de la AWS CLI*.
### `delete-flywheel`
En el siguiente ejemplo de código, se muestra cómo utilizar `delete-flywheel`.
**AWS CLI**
**Cómo eliminar un volante de inercia**
En el siguiente ejemplo de `delete-flywheel` se elimina un volante de inercia. No se elimina ni el lago de datos ni el modelo asociado al volante de inercia.
```
aws comprehend delete-flywheel \
--flywheel-arn arn:aws:comprehend:us-west-2:111122223333:flywheel/example-flywheel-1
```
Este comando no genera ninguna salida.
Para obtener más información, consulte [Flywheel overview](https://docs.aws.amazon.com/comprehend/latest/dg/flywheels-about.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [DeleteFlywheel](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/delete-flywheel.html) en la *Referencia de comandos de la AWS CLI*.
### `delete-resource-policy`
En el siguiente ejemplo de código, se muestra cómo utilizar `delete-resource-policy`.
**AWS CLI**
**Cómo eliminar una política basada en recursos**
El siguiente ejemplo de `delete-resource-policy` elimina una política basada en recursos de un recurso de Amazon Comprehend.
```
aws comprehend delete-resource-policy \
--resource-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier-1/version/1
```
Este comando no genera ninguna salida.
Para obtener más información, consulte [Copying custom models between AWS accounts](https://docs.aws.amazon.com/comprehend/latest/dg/custom-copy.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [DeleteResourcePolicy](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/delete-resource-policy.html) en la *Referencia de comandos de la AWS CLI*.
### `describe-dataset`
En el siguiente ejemplo de código, se muestra cómo utilizar `describe-dataset`.
**AWS CLI**
**Descripción de un conjunto de datos de volante de inercia**
En el siguiente ejemplo de `describe-dataset`, se obtienen las propiedades de un conjunto de datos de volante de inercia.
```
aws comprehend describe-dataset \
--dataset-arn arn:aws:comprehend:us-west-2:111122223333:flywheel/flywheel-entity/dataset/example-dataset
```
Salida:
```
{
"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"
}
}
```
Para obtener más información, consulte [Flywheel Overview](https://docs.aws.amazon.com/comprehend/latest/dg/flywheels-about.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [DescribeDataset](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-dataset.html) en la *Referencia de comandos de la AWS CLI*.
### `describe-document-classification-job`
En el siguiente ejemplo de código, se muestra cómo utilizar `describe-document-classification-job`.
**AWS CLI**
**Para describir un trabajo de clasificación de documentos**
En el siguiente ejemplo de `describe-document-classification-job`, se obtienen las propiedades de un trabajo de clasificación de documentos asíncrono.
```
aws comprehend describe-document-classification-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Salida:
```
{
"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"
}
}
```
Para obtener más información, consulte [Clasificación personalizada](https://docs.aws.amazon.com/comprehend/latest/dg/how-document-classification.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener información sobre la API, consulte [DescribeDocumentClassificationJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-document-classification-job.html) en la *Referencia de comandos de la AWS CLI*.
### `describe-document-classifier`
En el siguiente ejemplo de código, se muestra cómo utilizar `describe-document-classifier`.
**AWS CLI**
**Para describir un clasificador de documentos**
En el siguiente ejemplo de `describe-document-classifier`, se obtienen las propiedades de un modelo de clasificador de documentos personalizado.
```
aws comprehend describe-document-classifier \
--document-classifier-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier-1
```
Salida:
```
{
"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"
}
}
```
Para obtener más información, consulte [Creación y administración de modelos personalizados](https://docs.aws.amazon.com/comprehend/latest/dg/manage-models.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener información sobre la API, consulte [DescribeDocumentClassifier](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-document-classifier.html) en la *Referencia de comandos de la AWS CLI*.
### `describe-dominant-language-detection-job`
En el siguiente ejemplo de código, se muestra cómo utilizar `describe-dominant-language-detection-job`.
**AWS CLI**
**Descripción de un trabajo de detección del idioma dominante.**
En el siguiente ejemplo de `describe-dominant-language-detection-job`, se obtienen las propiedades de un trabajo de detección de idioma dominante.
```
aws comprehend describe-dominant-language-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Salida:
```
{
"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"
}
}
```
Para obtener más información, consulte [Análisis asincrónico para información de Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [DescribeDominantLanguageDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-dominant-language-detection-job.html) en la *Referencia de comandos de la AWS CLI*.
### `describe-endpoint`
En el siguiente ejemplo de código, se muestra cómo utilizar `describe-endpoint`.
**AWS CLI**
**Descripción de un punto de conexión específico**
En el siguiente ejemplo de `describe-endpoint`, se obtienen las propiedades de un punto de conexión específico del modelo.
```
aws comprehend describe-endpoint \
--endpoint-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier-endpoint/example-classifier-endpoint
```
Salida:
```
{
"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"
}
}
```
Para obtener más información, consulte [Administración de puntos de conexión de Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/manage-endpoints.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener información sobre la API, consulte [DescribeEndpoint](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-endpoint.html) en la *Referencia de comandos de la AWS CLI*.
### `describe-entities-detection-job`
En el siguiente ejemplo de código, se muestra cómo utilizar `describe-entities-detection-job`.
**AWS CLI**
**Descripción de un trabajo de detección de entidades**
En el siguiente ejemplo de `describe-entities-detection-job`, se obtienen las propiedades de un trabajo de detección de entidades asíncrono.
```
aws comprehend describe-entities-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Salida:
```
{
"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"
}
}
```
Para obtener más información, consulte [Análisis asincrónico para información de Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [DescribeEntitiesDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-entities-detection-job.html) en la *Referencia de comandos de la AWS CLI*.
### `describe-entity-recognizer`
En el siguiente ejemplo de código, se muestra cómo utilizar `describe-entity-recognizer`.
**AWS CLI**
**Descripción de un reconocedor de entidades**
En el siguiente ejemplo de `describe-entity-recognizer`, se obtienen las propiedades de un modelo de reconocedor de entidades personalizado.
```
aws comprehend describe-entity-recognizer \
entity-recognizer-arn arn:aws:comprehend:us-west-2:111122223333:entity-recognizer/business-recongizer-1/version/1
```
Salida:
```
{
"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"
}
}
```
Para obtener más información, consulte [Custom entity recognition](https://docs.aws.amazon.com/comprehend/latest/dg/custom-entity-recognition.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [DescribeEntityRecognizer](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-entity-recognizer.html) en la *Referencia de comandos de la AWS CLI*.
### `describe-events-detection-job`
En el siguiente ejemplo de código, se muestra cómo utilizar `describe-events-detection-job`.
**AWS CLI**
**Descripción de un trabajo de detección de eventos.**
En el siguiente ejemplo de `describe-events-detection-job`, se obtienen las propiedades de un trabajo de detección de eventos asíncrono.
```
aws comprehend describe-events-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Salida:
```
{
"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"
]
}
}
```
Para obtener más información, consulte [Análisis asincrónico para información de Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [DescribeEventsDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-events-detection-job.html) en la *Referencia de comandos de la AWS CLI*.
### `describe-flywheel-iteration`
En el siguiente ejemplo de código, se muestra cómo utilizar `describe-flywheel-iteration`.
**AWS CLI**
**Descripción de una iteración del volante de inercia**
En el siguiente ejemplo de `describe-flywheel-iteration`, se obtienen las propiedades de una iteración de volante de inercia.
```
aws comprehend describe-flywheel-iteration \
--flywheel-arn arn:aws:comprehend:us-west-2:111122223333:flywheel/example-flywheel \
--flywheel-iteration-id 20232222AEXAMPLE
```
Salida:
```
{
"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/"
}
}
```
Para obtener más información, consulte [Flywheel overview](https://docs.aws.amazon.com/comprehend/latest/dg/flywheels-about.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [DescribeFlywheelIteration](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-flywheel-iteration.html) en la *Referencia de comandos de la AWS CLI*.
### `describe-flywheel`
En el siguiente ejemplo de código, se muestra cómo utilizar `describe-flywheel`.
**AWS CLI**
**Descripción de un volante de inercia**
En el siguiente ejemplo de `describe-flywheel`, se obtienen las propiedades de un volante de inercia. En este ejemplo, el modelo asociado al volante de inercia es un modelo de clasificador personalizado que está entrenado para clasificar los documentos como spam o no spam, o bien como falsos.
```
aws comprehend describe-flywheel \
--flywheel-arn arn:aws:comprehend:us-west-2:111122223333:flywheel/example-flywheel
```
Salida:
```
{
"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"
}
}
```
Para obtener más información, consulte [Flywheel Overview](https://docs.aws.amazon.com/comprehend/latest/dg/flywheels-about.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [DescribeFlywheel](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-flywheel.html) en la *Referencia de comandos de la AWS CLI*.
### `describe-key-phrases-detection-job`
En el siguiente ejemplo de código, se muestra cómo utilizar `describe-key-phrases-detection-job`.
**AWS CLI**
**Descripción de un trabajo de detección de frases clave**
En el siguiente ejemplo de `describe-key-phrases-detection-job`, se obtienen las propiedades de un trabajo de detección de frases clave asíncronas.
```
aws comprehend describe-key-phrases-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Salida:
```
{
"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"
}
}
```
Para obtener más información, consulte [Análisis asincrónico para información de Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [DescribeKeyPhrasesDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-key-phrases-detection-job.html) en la *Referencia de comandos de la AWS CLI*.
### `describe-pii-entities-detection-job`
En el siguiente ejemplo de código, se muestra cómo utilizar `describe-pii-entities-detection-job`.
**AWS CLI**
**Descripción de un trabajo de detección de entidades de PII**
En el siguiente ejemplo de `describe-pii-entities-detection-job`, se obtienen las propiedades de un trabajo de detección de entidades de PII asíncrono.
```
aws comprehend describe-pii-entities-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Salida:
```
{
"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"
}
}
```
Para obtener más información, consulte [Análisis asincrónico para información de Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [DescribePiiEntitiesDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-pii-entities-detection-job.html) en la *Referencia de comandos de la AWS CLI*.
### `describe-resource-policy`
En el siguiente ejemplo de código, se muestra cómo utilizar `describe-resource-policy`.
**AWS CLI**
**Descripción de una política de recursos adjunta a un modelo**
En el siguiente ejemplo de `describe-resource-policy`, se obtienen las propiedades de una política basada en recursos asociada a un modelo.
```
aws comprehend describe-resource-policy \
--resource-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier/version/1
```
Salida:
```
{
"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"
}
```
Para obtener más información, consulte [Copying custom models between AWS accounts](https://docs.aws.amazon.com/comprehend/latest/dg/custom-copy.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [DescribeResourcePolicy](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-resource-policy.html) en la *Referencia de comandos de la AWS CLI*.
### `describe-sentiment-detection-job`
En el siguiente ejemplo de código, se muestra cómo utilizar `describe-sentiment-detection-job`.
**AWS CLI**
**Descripción de un trabajo de detección de opiniones**
En el siguiente ejemplo de `describe-sentiment-detection-job`, se obtienen las propiedades de un trabajo de detección de opiniones asíncrono.
```
aws comprehend describe-sentiment-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Salida:
```
{
"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"
}
}
```
Para obtener más información, consulte [Análisis asincrónico para información de Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [DescribeSentimentDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-sentiment-detection-job.html) en la *Referencia de comandos de la AWS CLI*.
### `describe-targeted-sentiment-detection-job`
En el siguiente ejemplo de código, se muestra cómo utilizar `describe-targeted-sentiment-detection-job`.
**AWS CLI**
**Descripción de un trabajo de detección de opiniones dirigido**
En el siguiente ejemplo de `describe-targeted-sentiment-detection-job`, se obtienen las propiedades de un trabajo de detección de opiniones específicas asíncrono.
```
aws comprehend describe-targeted-sentiment-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Salida:
```
{
"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"
}
}
```
Para obtener más información, consulte [Análisis asincrónico para información de Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [DescribeTargetedSentimentDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-targeted-sentiment-detection-job.html) en la *Referencia de comandos de la AWS CLI*.
### `describe-topics-detection-job`
En el siguiente ejemplo de código, se muestra cómo utilizar `describe-topics-detection-job`.
**AWS CLI**
**Para describir un trabajo de detección de temas**
En el siguiente ejemplo de `describe-topics-detection-job`, se obtienen las propiedades de un trabajo de detección de temas asíncrono.
```
aws comprehend describe-topics-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Salida:
```
{
"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"
}
}
```
Para obtener más información, consulte [Análisis asincrónico para información de Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener información sobre la API, consulte [DescribeTopicsDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-topics-detection-job.html) en la *Referencia de comandos de la AWS CLI*.
### `detect-dominant-language`
En el siguiente ejemplo de código, se muestra cómo utilizar `detect-dominant-language`.
**AWS CLI**
**Para detectar el idioma dominante del texto de entrada**
El siguiente `detect-dominant-language` analiza el texto de entrada e identifica el idioma dominante. También se muestra la puntuación de confianza del modelo previamente entrenado.
```
aws comprehend detect-dominant-language \
--text "It is a beautiful day in Seattle."
```
Salida:
```
{
"Languages": [
{
"LanguageCode": "en",
"Score": 0.9877256155014038
}
]
}
```
Para obtener más información, consulte [Idioma dominante](https://docs.aws.amazon.com/comprehend/latest/dg/how-languages.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener información sobre la API, consulte [DetectDominantLanguage](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/detect-dominant-language.html) en la *Referencia de comandos de AWS CLI*.
### `detect-entities`
En el siguiente ejemplo de código, se muestra cómo utilizar `detect-entities`.
**AWS CLI**
**Detección de entidades con nombre en el texto de entrada**
El siguiente ejemplo de `detect-entities` analiza el texto de entrada y devuelve las entidades nombradas. La puntuación de confianza del modelo previamente entrenado también se muestra para cada predicción.
```
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."
```
Salida:
```
{
"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
}
]
}
```
Para obtener más información, consulte [Entidades](https://docs.aws.amazon.com/comprehend/latest/dg/how-entities.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener información sobre la API, consulte [DetectEntities](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/detect-entities.html) en la *Referencia de comandos de la AWS CLI*.
### `detect-key-phrases`
En el siguiente ejemplo de código, se muestra cómo utilizar `detect-key-phrases`.
**AWS CLI**
**Para detectar frases clave en el texto de entrada**
El siguiente ejemplo de `detect-key-phrases` analiza el texto de entrada e identifica las frases nominales clave. La puntuación de confianza del modelo previamente entrenado también se muestra para cada predicción.
```
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."
```
Salida:
```
{
"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
}
]
}
```
Para obtener más información, consulte [Frases clave](https://docs.aws.amazon.com/comprehend/latest/dg/how-key-phrases.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener información sobre la API, consulte [DetectKeyPhrases](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/detect-key-phrases.html) en la *Referencia de comandos de la AWS CLI*.
### `detect-pii-entities`
En el siguiente ejemplo de código, se muestra cómo utilizar `detect-pii-entities`.
**AWS CLI**
**Para detectar entidades pii con nombre en el texto de entrada**
En el siguiente ejemplo de `detect-pii-entities` se analiza el texto de entrada e identifica las entidades que contienen información de identificación personal (PII, por sus siglas en inglés). La puntuación de confianza del modelo previamente entrenado también se muestra para cada predicción.
```
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."
```
Salida:
```
{
"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
}
]
}
```
Para obtener más información acerca de la lista de tipos de entidad de PII admitidos, consulte [Información de identificación personal (PII)](https://docs.aws.amazon.com/comprehend/latest/dg/pii.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener información sobre la API, consulte [DetectPiiEntities](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/detect-pii-entities.html) en la *Referencia de comandos de la AWS CLI*.
### `detect-sentiment`
En el siguiente ejemplo de código, se muestra cómo utilizar `detect-sentiment`.
**AWS CLI**
**Para detectar la opinión de un texto de entrada**
El siguiente ejemplo de `detect-sentiment` analiza el texto de entrada y devuelve una inferencia de la opinión predominante (`POSITIVE`, `NEUTRAL`, `MIXED` o `NEGATIVE`).
```
aws comprehend detect-sentiment \
--language-code en \
--text "It is a beautiful day in Seattle"
```
Salida:
```
{
"Sentiment": "POSITIVE",
"SentimentScore": {
"Positive": 0.9976957440376282,
"Negative": 9.653854067437351e-05,
"Neutral": 0.002169104292988777,
"Mixed": 3.857641786453314e-05
}
}
```
Para obtener más información, consulte [Opinión](https://docs.aws.amazon.com/comprehend/latest/dg/how-sentiment.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener información sobre la API, consulte [DetectSentiment](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/detect-sentiment.html) en la *Referencia de comandos de la AWS CLI*.
### `detect-syntax`
En el siguiente ejemplo de código, se muestra cómo utilizar `detect-syntax`.
**AWS CLI**
**Para detectar las partes del discurso en un texto de entrada**
El siguiente ejemplo de `detect-syntax` analiza la sintaxis del texto de entrada y devuelve las distintas partes de la oración. La puntuación de confianza del modelo previamente entrenado también se muestra para cada predicción.
```
aws comprehend detect-syntax \
--language-code en \
--text "It is a beautiful day in Seattle."
```
Salida:
```
{
"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
}
}
]
}
```
Para obtener más información, consulte los [Análisis de sintaxis](https://docs.aws.amazon.com/comprehend/latest/dg/how-syntax.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener información sobre la API, consulte [DetectSyntax](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/detect-syntax.html) en la *Referencia de comandos de la AWS CLI*.
### `detect-targeted-sentiment`
En el siguiente ejemplo de código, se muestra cómo utilizar `detect-targeted-sentiment`.
**AWS CLI**
**Para detectar la opinión específica de las entidades con nombre en un texto de entrada**
En el siguiente ejemplo de `detect-targeted-sentiment`, se analiza el texto de entrada y se devuelven las entidades con nombre, además del sentimiento específico asociado a cada entidad. La puntuación de confianza de los modelos previamente entrenados también se muestra para cada predicción.
```
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"
```
Salida:
```
{
"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
}
]
}
]
}
```
Para obtener más información, consulte [Targeted Sentiment](https://docs.aws.amazon.com/comprehend/latest/dg/how-targeted-sentiment.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [DetectTargetedSentiment](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/detect-targeted-sentiment.html) en la *Referencia de comandos de la AWS CLI*.
### `import-model`
En el siguiente ejemplo de código, se muestra cómo utilizar `import-model`.
**AWS CLI**
**Importación de un modelo**
En el siguiente ejemplo de `import-model`, se importa un modelo de una cuenta de AWS diferente. El modelo de clasificador de documentos de la cuenta de `444455556666` tiene una política basada en recursos que permite a la cuenta `111122223333` importar el modelo.
```
aws comprehend import-model \
--source-model-arn arn:aws:comprehend:us-west-2:444455556666:document-classifier/example-classifier
```
Salida:
```
{
"ModelArn": "arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier"
}
```
Para obtener más información, consulte [Copying custom models between AWS accounts](https://docs.aws.amazon.com/comprehend/latest/dg/custom-copy.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [ImportModel](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/import-model.html) en la *Referencia de comandos de la AWS CLI*.
### `list-datasets`
En el siguiente ejemplo de código, se muestra cómo utilizar `list-datasets`.
**AWS CLI**
**Para enumerar todos los conjuntos de datos del volante de inercia**
En el siguiente ejemplo de `list-datasets`, se enumeran todos los conjuntos de datos asociados a un volante de inercia.
```
aws comprehend list-datasets \
--flywheel-arn arn:aws:comprehend:us-west-2:111122223333:flywheel/flywheel-entity
```
Salida:
```
{
"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"
}
]
}
```
Para obtener más información, consulte [Flywheel Overview](https://docs.aws.amazon.com/comprehend/latest/dg/flywheels-about.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [ListDatasets](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-datasets.html) en la *Referencia de comandos de la AWS CLI*.
### `list-document-classification-jobs`
En el siguiente ejemplo de código, se muestra cómo utilizar `list-document-classification-jobs`.
**AWS CLI**
**Para enumerar todos los trabajos de clasificación de documentos**
El siguiente ejemplo de `list-document-classification-jobs` enumera todos los trabajos de clasificación de documentos.
```
aws comprehend list-document-classification-jobs
```
Salida:
```
{
"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"
}
]
}
```
Para obtener más información, consulte [Clasificación personalizada](https://docs.aws.amazon.com/comprehend/latest/dg/how-document-classification.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [ListDocumentClassificationJobs](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-document-classification-jobs.html) en la *Referencia del comando de la AWS CLI*.
### `list-document-classifier-summaries`
En el siguiente ejemplo de código, se muestra cómo utilizar `list-document-classifier-summaries`.
**AWS CLI**
**Para enumerar los resúmenes de todos los clasificadores de documentos creados**
En el siguiente ejemplo de `list-document-classifier-summaries`, se enumeran todos los resúmenes de clasificación de documentos creados.
```
aws comprehend list-document-classifier-summaries
```
Salida:
```
{
"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"
}
]
}
```
Para obtener más información, consulte [Creación y administración de modelos personalizados](https://docs.aws.amazon.com/comprehend/latest/dg/manage-models.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [ListDocumentClassifierSummaries](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-document-classifier-summaries.html) en la *Referencia de comandos de la AWS CLI*.
### `list-document-classifiers`
En el siguiente ejemplo de código, se muestra cómo utilizar `list-document-classifiers`.
**AWS CLI**
**Para enumerar todos los clasificadores de documentos**
El siguiente ejemplo de `list-document-classifiers` enumera todos los modelos de clasificadores de documentos entrenados y en proceso de entrenamiento.
```
aws comprehend list-document-classifiers
```
Salida:
```
{
"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"
}
]
}
```
Para obtener más información, consulte [Creación y administración de modelos personalizados](https://docs.aws.amazon.com/comprehend/latest/dg/manage-models.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener información sobre la API, consulte [ListDocumentClassifiers](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-document-classifiers.html) en la *Referencia de comandos de la AWS CLI*.
### `list-dominant-language-detection-jobs`
En el siguiente ejemplo de código, se muestra cómo utilizar `list-dominant-language-detection-jobs`.
**AWS CLI**
**Para enumerar todos los trabajos de detección de idioma dominante**
En el siguiente ejemplo de `list-dominant-language-detection-jobs`, se enumeran todos los trabajos de detección de idioma dominante asíncronos en curso y finalizados.
```
aws comprehend list-dominant-language-detection-jobs
```
Salida:
```
{
"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"
}
]
}
```
Para obtener más información, consulte [Análisis asincrónico para información de Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [ListDominantLanguageDetectionJobs](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-dominant-language-detection-jobs.html) en la *Referencia de comandos de la AWS CLI*.
### `list-endpoints`
En el siguiente ejemplo de código, se muestra cómo utilizar `list-endpoints`.
**AWS CLI**
**Para enumerar todos los puntos de conexión**
En el siguiente ejemplo de `list-endpoints`, se enumeran todos los puntos de conexión específicos del modelo activos.
```
aws comprehend list-endpoints
```
Salida:
```
{
"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"
}
]
}
```
Para obtener más información, consulte [Administración de puntos de conexión de Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/manage-endpoints.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [ListEndpoints](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-endpoints.html) en la *Referencia de comandos de la AWS CLI*.
### `list-entities-detection-jobs`
En el siguiente ejemplo de código, se muestra cómo utilizar `list-entities-detection-jobs`.
**AWS CLI**
**Para enumerar todos los trabajos de detección de entidades**
En el siguiente ejemplo de `list-entities-detection-jobs`, se enumeran todos los trabajos de detección de entidades asíncronas.
```
aws comprehend list-entities-detection-jobs
```
Salida:
```
{
"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"
}
]
}
```
Para obtener más información, consulte [Entidades](https://docs.aws.amazon.com/comprehend/latest/dg/how-entities.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [ListEntitiesDetectionJobs](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-entities-detection-jobs.html) en la *Referencia de comandos de la AWS CLI*.
### `list-entity-recognizer-summaries`
En el siguiente ejemplo de código, se muestra cómo utilizar `list-entity-recognizer-summaries`.
**AWS CLI**
**Para enumerar resúmenes de todos los reconocedores de entidades creados**
En el siguiente ejemplo de `list-entity-recognizer-summaries`, se enumeran todos los resúmenes de los reconocedores de entidades.
```
aws comprehend list-entity-recognizer-summaries
```
Salida:
```
{
"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"
}
]
}
```
Para obtener más información, consulte [Custom entity recognition](https://docs.aws.amazon.com/comprehend/latest/dg/custom-entity-recognition.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [ListEntityRecognizerSummaries](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-entity-recognizer-summaries.html) en la *Referencia de comandos de la AWS CLI*.
### `list-entity-recognizers`
En el siguiente ejemplo de código, se muestra cómo utilizar `list-entity-recognizers`.
**AWS CLI**
**Para enumerar todos los reconocedores de entidades personalizados**
En el siguiente ejemplo de `list-entity-recognizers`, se enumeran todos los reconocedores de entidades personalizados creados.
```
aws comprehend list-entity-recognizers
```
Salida:
```
{
"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"
}
]
}
```
Para obtener más información, consulte [Custom entity recognition](https://docs.aws.amazon.com/comprehend/latest/dg/custom-entity-recognition.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [ListEntityRecognizers](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-entity-recognizers.html) en la *Referencia de comandos de la AWS CLI*.
### `list-events-detection-jobs`
En el siguiente ejemplo de código, se muestra cómo utilizar `list-events-detection-jobs`.
**AWS CLI**
**Para enumerar todos los trabajos de detección de eventos**
En el siguiente ejemplo de `list-events-detection-jobs`, se enumeran todos los trabajos de detección de eventos asíncronos.
```
aws comprehend list-events-detection-jobs
```
Salida:
```
{
"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"
]
}
]
}
```
Para obtener más información, consulte [Análisis asincrónico para información de Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [ListEventsDetectionJobs](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-events-detection-jobs.html) en la *Referencia de comandos de la AWS CLI*.
### `list-flywheel-iteration-history`
En el siguiente ejemplo de código, se muestra cómo utilizar `list-flywheel-iteration-history`.
**AWS CLI**
**Para enumerar todo el historial de iteraciones del volante de inercia**
En el siguiente ejemplo de `list-flywheel-iteration-history`, se enumeran todas las iteraciones de un volante de inercia.
```
aws comprehend list-flywheel-iteration-history
--flywheel-arn arn:aws:comprehend:us-west-2:111122223333:flywheel/example-flywheel
```
Salida:
```
{
"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/"
}
]
}
```
Para obtener más información, consulte [Flywheel overview](https://docs.aws.amazon.com/comprehend/latest/dg/flywheels-about.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [ListFlywheelIterationHistory](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-flywheel-iteration-history.html) en la *Referencia de comandos de la AWS CLI*.
### `list-flywheels`
En el siguiente ejemplo de código, se muestra cómo utilizar `list-flywheels`.
**AWS CLI**
**Para enumerar todos los volantes de inercia**
En el siguiente ejemplo de `list-flywheels`, se enumeran todos los volantes de inercia creados.
```
aws comprehend list-flywheels
```
Salida:
```
{
"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"
}
]
}
```
Para obtener más información, consulte [Flywheel overview](https://docs.aws.amazon.com/comprehend/latest/dg/flywheels-about.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [ListFlywheels](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-flywheels.html) en la *Referencia de comandos de la AWS CLI*.
### `list-key-phrases-detection-jobs`
En el siguiente ejemplo de código, se muestra cómo utilizar `list-key-phrases-detection-jobs`.
**AWS CLI**
**Para enumerar todos los trabajos de detección de frases clave**
El siguiente ejemplo de `list-key-phrases-detection-jobs`, se enumeran todos los trabajos de detección de frases clave asíncronos en curso y finalizados.
```
aws comprehend list-key-phrases-detection-jobs
```
Salida:
```
{
"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"
}
]
}
```
Para obtener más información, consulte [Análisis asincrónico para información de Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [ListKeyPhrasesDetectionJobs](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-key-phrases-detection-jobs.html) en la *Referencia de comandos de la AWS CLI*.
### `list-pii-entities-detection-jobs`
En el siguiente ejemplo de código, se muestra cómo utilizar `list-pii-entities-detection-jobs`.
**AWS CLI**
**Para enumerar todos los trabajos de detección de entidades de PII**
En el siguiente ejemplo de `list-pii-entities-detection-jobs`, se enumeran todos los trabajos de detección de PII asíncronos en curso y finalizados.
```
aws comprehend list-pii-entities-detection-jobs
```
Salida:
```
{
"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"
}
]
}
```
Para obtener más información, consulte [Análisis asincrónico para información de Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [ListPiiEntitiesDetectionJobs](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-pii-entities-detection-jobs.html) en la *Referencia de comandos de la AWS CLI*.
### `list-sentiment-detection-jobs`
En el siguiente ejemplo de código, se muestra cómo utilizar `list-sentiment-detection-jobs`.
**AWS CLI**
**Para enumerar todos los trabajos de detección de opiniones**
En el siguiente ejemplo de `list-sentiment-detection-jobs`, se enumeran todos los trabajos de detección de opiniones asíncronos en curso y finalizados.
```
aws comprehend list-sentiment-detection-jobs
```
Salida:
```
{
"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"
}
]
}
```
Para obtener más información, consulte [Análisis asincrónico para información de Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [ListSentimentDetectionJobs](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-sentiment-detection-jobs.html) en la *Referencia de comandos de la AWS CLI*.
### `list-tags-for-resource`
En el siguiente ejemplo de código, se muestra cómo utilizar `list-tags-for-resource`.
**AWS CLI**
**Para enumerar las etiquetas de un recurso**
En el siguiente ejemplo de `list-tags-for-resource`, se enumeran las etiquetas de un recurso de Amazon Comprehend.
```
aws comprehend list-tags-for-resource \
--resource-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier/version/1
```
Salida:
```
{
"ResourceArn": "arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier/version/1",
"Tags": [
{
"Key": "Department",
"Value": "Finance"
},
{
"Key": "location",
"Value": "Seattle"
}
]
}
```
Para obtener más información, consulte [Tagging your resources](https://docs.aws.amazon.com/comprehend/latest/dg/tagging.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para ver los detalles de la API, consulte [ListTagsForResource](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-tags-for-resource.html) en la *Referencia de comandos de la AWS CLI*.
### `list-targeted-sentiment-detection-jobs`
En el siguiente ejemplo de código, se muestra cómo utilizar `list-targeted-sentiment-detection-jobs`.
**AWS CLI**
**Para enumerar todos los trabajos de detección de opiniones específicas**
En el siguiente ejemplo de `list-targeted-sentiment-detection-jobs`, se enumeran todos los trabajos de detección de opiniones específicas asíncronos en curso y finalizados.
```
aws comprehend list-targeted-sentiment-detection-jobs
```
Salida:
```
{
"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"
}
]
}
```
Para obtener más información, consulte [Análisis asincrónico para información de Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [ListTargetedSentimentDetectionJobs](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-targeted-sentiment-detection-jobs.html) en la *Referencia de comandos de la AWS CLI*.
### `list-topics-detection-jobs`
En el siguiente ejemplo de código, se muestra cómo utilizar `list-topics-detection-jobs`.
**AWS CLI**
**Para enumerar todos los trabajos de detección de temas**
El siguiente ejemplo de `list-topics-detection-jobs`, se enumeran todos los trabajos de detección de temas asíncronos en curso y finalizados.
```
aws comprehend list-topics-detection-jobs
```
Salida:
```
{
"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"
}
]
}
```
Para obtener más información, consulte [Análisis asincrónico para información de Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener información sobre la API, consulte [ListTopicsDetectionJobs](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-topics-detection-jobs.html) en la *Referencia de comandos de la AWS CLI*.
### `put-resource-policy`
En el siguiente ejemplo de código, se muestra cómo utilizar `put-resource-policy`.
**AWS CLI**
**Para asociar una política basada en recursos**
En el siguiente ejemplo de `put-resource-policy`, se asocia una política basada en recursos a un modelo para que otra cuenta de AWS pueda importarla. La política está asociada al modelo de la cuenta `111122223333` y permite a la cuenta `444455556666` importar el modelo.
```
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"]}}]}'
```
Salida:
```
{
"PolicyRevisionId": "aaa111d069d07afaa2aa3106aEXAMPLE"
}
```
Para obtener más información, consulte [Copying custom models between AWS accounts](https://docs.aws.amazon.com/comprehend/latest/dg/custom-copy.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [PutResourcePolicy](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/put-resource-policy.html) en la *Referencia de comandos de la AWS CLI*.
### `start-document-classification-job`
En el siguiente ejemplo de código, se muestra cómo utilizar `start-document-classification-job`.
**AWS CLI**
**Para empezar un trabajo de clasificación de documentos**
El siguiente ejemplo de `start-document-classification-job` inicia un trabajo de clasificación de documentos con un modelo personalizado en todos los archivos de la dirección especificada en la etiqueta `--input-data-config`. En este ejemplo, el bucket de S3 de entrada contiene `SampleSMStext1.txt`, `SampleSMStext2.txt` y `SampleSMStext3.txt`. El modelo se entrenó previamente para clasificar los mensajes SMS spam y no spam (denominados “falsos”). Cuando se completa el trabajo, `output.tar.gz` se coloca en la ubicación especificada por la etiqueta `--output-data-config`. `output.tar.gz` contiene `predictions.jsonl`, que enumera la clasificación de cada documento. La salida Json se imprime en una sola línea por archivo, pero se formatea aquí para que sea legible.
```
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
```
Contenido de `SampleSMStext1.txt`:
```
"CONGRATULATIONS! TXT 2155550100 to win $5000"
```
Contenido de `SampleSMStext2.txt`:
```
"Hi, when do you want me to pick you up from practice?"
```
Contenido de `SampleSMStext3.txt`:
```
"Plz send bank account # to 2155550100 to claim prize!!"
```
Salida:
```
{
"JobId": "e758dd56b824aa717ceab551fEXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:document-classification-job/e758dd56b824aa717ceab551fEXAMPLE",
"JobStatus": "SUBMITTED"
}
```
Contenido de `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}]}
```
Para obtener más información, consulte [Clasificación personalizada](https://docs.aws.amazon.com/comprehend/latest/dg/how-document-classification.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener información sobre la API, consulte [StartDocumentClassificationJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/start-document-classification-job.html) en la *Referencia de comandos de la AWS CLI*.
### `start-dominant-language-detection-job`
En el siguiente ejemplo de código, se muestra cómo utilizar `start-dominant-language-detection-job`.
**AWS CLI**
**Inicio de un trabajo de detección de idioma asíncrono**
En el siguiente ejemplo de `start-dominant-language-detection-job`, se inicia un trabajo de detección de idiomas asíncrono para todos los archivos ubicados en la dirección especificada por la etiqueta `--input-data-config`. En este ejemplo, el bucket de S3 contiene `Sampletext1.txt`. Una vez completado el trabajo, la carpeta, `output`, se coloca en la ubicación que especifique la etiqueta `--output-data-config`. La carpeta contiene `output.txt`, que contiene a su vez el idioma dominante de cada uno de los archivos de texto, así como la puntuación de confianza del modelo previamente entrenado para cada predicción.
```
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
```
Contenido de 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."
```
Salida:
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:dominant-language-detection-job/123456abcdeb0e11022f22a11EXAMPLE",
"JobStatus": "SUBMITTED"
}
```
Contenido de `output.txt`:
```
{"File": "Sampletext1.txt", "Languages": [{"LanguageCode": "en", "Score": 0.9913753867149353}], "Line": 0}
```
Para obtener más información, consulte [Análisis asincrónico para información de Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [StartDominantLanguageDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/start-dominant-language-detection-job.html) en la *Referencia de comandos de la AWS CLI*.
### `start-entities-detection-job`
En el siguiente ejemplo de código, se muestra cómo utilizar `start-entities-detection-job`.
**AWS CLI**
**Ejemplo 1: iniciar un trabajo de detección de entidades estándar utilizando el modelo previamente entrenado**
En el siguiente ejemplo de `start-entities-detection-job`, se inicia un trabajo de detección de entidades asíncrono para todos los archivos ubicados en la dirección especificada por la etiqueta `--input-data-config`. En este ejemplo, el bucket de S3 contiene `Sampletext1.txt`, `Sampletext2.txt` y `Sampletext3.txt`. Una vez completado el trabajo, la carpeta, `output`, se coloca en la ubicación que especifique la etiqueta `--output-data-config`. La carpeta contiene `output.txt`, que contiene a su vez una lista de todas las entidades con nombre detectadas en cada archivo de texto, así como la puntuación de confianza del modelo previamente entrenado para cada predicción. La salida Json se imprime en una sola línea por archivo de entrada, pero se formatea aquí para que sea legible.
```
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
```
Contenido de `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."
```
Contenido de `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. "
```
Contenido de `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."
```
Salida:
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:entities-detection-job/123456abcdeb0e11022f22a11EXAMPLE",
"JobStatus": "SUBMITTED"
}
```
El contenido de `output.txt` muestra las líneas con sangría para facilitar la lectura:
```
{
"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
}
```
Para obtener más información, consulte [Análisis asincrónico para información de Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) en la *Guía para desarrolladores de Amazon Comprehend*.
**Ejemplo 2: cómo iniciar un trabajo de detección de entidades personalizado**
En el siguiente ejemplo de `start-entities-detection-job`, se inicia un trabajo de detección de entidades personalizadas asíncrono para todos los archivos ubicados en la dirección especificada por la etiqueta `--input-data-config`. En este ejemplo, el bucket de S3 de entrada contiene `SampleFeedback1.txt`, `SampleFeedback2.txt` y `SampleFeedback3.txt`. El modelo de reconocimiento de entidades se entrenó a partir de los comentarios del servicio de atención al cliente para que reconociera los nombres de los dispositivos. Una vez completado el trabajo, la carpeta, `output`, se coloca en la ubicación que especifique la etiqueta `--output-data-config`. La carpeta contiene `output.txt`, que contiene a su vez una lista de todas las entidades con nombre detectadas en cada archivo de texto, así como la puntuación de confianza del modelo previamente entrenado para cada predicción. La salida Json se imprime en una sola línea por archivo, pero se formatea aquí para que sea legible.
```
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"
```
Contenido de `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!"
```
Contenido de `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!"
```
Contenido de `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!"
```
Salida:
```
{
"JobId": "019ea9edac758806850fa8a79ff83021",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:entities-detection-job/019ea9edac758806850fa8a79ff83021",
"JobStatus": "SUBMITTED"
}
```
El contenido de `output.txt` muestra las líneas con sangría para facilitar la lectura:
```
{
"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
}
```
Para obtener más información, consulte [Custom entity recognition](https://docs.aws.amazon.com/comprehend/latest/dg/custom-entity-recognition.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [StartEntitiesDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/start-entities-detection-job.html) en la *Referencia de comandos de la AWS CLI*.
### `start-events-detection-job`
En el siguiente ejemplo de código, se muestra cómo utilizar `start-events-detection-job`.
**AWS CLI**
**Inicio de un trabajo de detección de eventos asíncronos**
El siguiente ejemplo de `start-events-detection-job` inicia un trabajo de detección de eventos asíncrono para todos los archivos ubicados en la dirección especificada por la etiqueta `--input-data-config`. Los posibles tipos de eventos de destino incluyen `BANKRUPCTY`, `EMPLOYMENT`, `CORPORATE_ACQUISITION`, `INVESTMENT_GENERAL`, `CORPORATE_MERGER`, `IPO`, `RIGHTS_ISSUE`, `SECONDARY_OFFERING`, `SHELF_OFFERING`, `TENDER_OFFERING` y `STOCK_SPLIT`. En este ejemplo, el bucket de S3 contiene `SampleText1.txt`, `SampleText2.txt` y `SampleText3.txt`. Una vez completado el trabajo, la carpeta, `output`, se coloca en la ubicación que especifique la etiqueta `--output-data-config`. La carpeta contiene `SampleText1.txt.out`, `SampleText2.txt.out` y `SampleText3.txt.out`. La salida JSON se imprime en una sola línea por archivo, pero se formatea aquí para que sea legible.
```
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"
```
Contenido de `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."
```
Contenido de `SampleText2.txt`:
```
"In 2021, AnyCompany officially purchased AnyBusiness for 100 billion dollars, surprising and exciting the shareholders."
```
Contenido de `SampleText3.txt`:
```
"In 2022, AnyCompany stock crashed 50. Eventually later that year they filed for bankruptcy."
```
Salida:
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:events-detection-job/123456abcdeb0e11022f22a11EXAMPLE",
"JobStatus": "SUBMITTED"
}
```
El contenido de `SampleText1.txt.out` muestra las líneas con sangría para facilitar la lectura:
```
{
"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
}
```
Contenido de `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
}
```
Contenido de `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
}
```
Para obtener más información, consulte [Análisis asincrónico para información de Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [StartEventsDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/start-events-detection-job.html) en la *Referencia de comandos de la AWS CLI*.
### `start-flywheel-iteration`
En el siguiente ejemplo de código, se muestra cómo utilizar `start-flywheel-iteration`.
**AWS CLI**
**Inicio de una iteración con volante de inercia**
En el siguiente ejemplo de `start-flywheel-iteration`, se inicia una iteración de un volante de inercia. Esta operación utiliza cualquier conjunto de datos nuevo del volante de inercia para entrenar una nueva versión del modelo.
```
aws comprehend start-flywheel-iteration \
--flywheel-arn arn:aws:comprehend:us-west-2:111122223333:flywheel/example-flywheel
```
Salida:
```
{
"FlywheelArn": "arn:aws:comprehend:us-west-2:111122223333:flywheel/example-flywheel",
"FlywheelIterationId": "12345123TEXAMPLE"
}
```
Para obtener más información, consulte [Flywheel overview](https://docs.aws.amazon.com/comprehend/latest/dg/flywheels-about.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [StartFlywheelIteration](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/start-flywheel-iteration.html) en la *Referencia de comandos de la AWS CLI*.
### `start-key-phrases-detection-job`
En el siguiente ejemplo de código, se muestra cómo utilizar `start-key-phrases-detection-job`.
**AWS CLI**
**Detención de un trabajo de detección de frases clave**
En el siguiente ejemplo de `start-key-phrases-detection-job`, se inicia un trabajo de detección de frases clave asíncrono para todos los archivos ubicados en la dirección especificada por la etiqueta `--input-data-config`. En este ejemplo, el bucket de S3 contiene `Sampletext1.txt`, `Sampletext2.txt` y `Sampletext3.txt`. Una vez completado el trabajo, la carpeta, `output`, se coloca en la ubicación que especifique la etiqueta `--output-data-config`. La carpeta contiene el archivo `output.txt`, que contiene a su vez una lista de todas las frases clave detectadas en cada archivo de texto, así como la puntuación de confianza del modelo previamente entrenado para cada predicción. La salida Json se imprime en una sola línea por archivo, pero se formatea aquí para que sea legible.
```
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
```
Contenido de `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."
```
Contenido de `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. "
```
Contenido de `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."
```
Salida:
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:key-phrases-detection-job/123456abcdeb0e11022f22a11EXAMPLE",
"JobStatus": "SUBMITTED"
}
```
El contenido de `output.txt` muestra las líneas con sangría para facilitar la lectura:
```
{
"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
}
```
Para obtener más información, consulte [Análisis asincrónico para información de Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [StartKeyPhrasesDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/start-key-phrases-detection-job.html) en la *Referencia de comandos de la AWS CLI*.
### `start-pii-entities-detection-job`
En el siguiente ejemplo de código, se muestra cómo utilizar `start-pii-entities-detection-job`.
**AWS CLI**
**Inicio de un trabajo de detección de PII asíncrono**
En el siguiente ejemplo de `start-pii-entities-detection-job`, se inicia un trabajo de detección de entidades de información de identificación personal (PII) asíncrono para todos los archivos ubicados en la dirección especificada por la etiqueta `--input-data-config`. En este ejemplo, el bucket de S3 contiene `Sampletext1.txt`, `Sampletext2.txt` y `Sampletext3.txt`. Una vez completado el trabajo, la carpeta, `output`, se coloca en la ubicación que especifique la etiqueta `--output-data-config`. La carpeta contiene `SampleText1.txt.out`, `SampleText2.txt.out` y `SampleText3.txt.out`, en donde se enumeran las entidades con nombre dentro de cada archivo de texto. La salida Json se imprime en una sola línea por archivo, pero se formatea aquí para que sea legible.
```
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
```
Contenido de `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."
```
Contenido de `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. "
```
Contenido de `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."
```
Salida:
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:pii-entities-detection-job/123456abcdeb0e11022f22a11EXAMPLE",
"JobStatus": "SUBMITTED"
}
```
El contenido de `SampleText1.txt.out` muestra las líneas con sangría para facilitar la lectura:
```
{
"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
}
```
El contenido de `SampleText2.txt.out` muestra las líneas con sangría para facilitar la lectura:
```
{
"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
}
```
El contenido de `SampleText3.txt.out` muestra las líneas con sangría para facilitar la lectura:
```
{
"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
}
```
Para obtener más información, consulte [Análisis asincrónico para información de Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [StartPiiEntitiesDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/start-pii-entities-detection-job.html) en la *Referencia de comandos de la AWS CLI*.
### `start-sentiment-detection-job`
En el siguiente ejemplo de código, se muestra cómo utilizar `start-sentiment-detection-job`.
**AWS CLI**
**Inicio de un trabajo de análisis de opiniones asíncrono**
En el siguiente ejemplo de `start-sentiment-detection-job`, se inicia un trabajo de detección de análisis de opiniones asíncrono para todos los archivos ubicados en la dirección especificada por la etiqueta `--input-data-config`. En este ejemplo, la carpeta del bucket de S3 contiene `SampleMovieReview1.txt`, `SampleMovieReview2.txt` y `SampleMovieReview3.txt`. Una vez completado el trabajo, la carpeta, `output`, se coloca en la ubicación que especifique la etiqueta `--output-data-config`. La carpeta contiene el archivo, `output.txt`, que contiene a su vez las opiniones predominantes para cada archivo de texto, así como la puntuación de confianza del modelo previamente entrenado para cada predicción. La salida Json se imprime en una sola línea por archivo, pero se formatea aquí para que sea legible.
```
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
```
Contenido de `SampleMovieReview1.txt`:
```
"The film, AnyMovie2, is fairly predictable and just okay."
```
Contenido de `SampleMovieReview2.txt`:
```
"AnyMovie2 is the essential sci-fi film that I grew up watching when I was a kid. I highly recommend this movie."
```
Contenido de `SampleMovieReview3.txt`:
```
"Don't get fooled by the 'awards' for AnyMovie2. All parts of the film were poorly stolen from other modern directors."
```
Salida:
```
{
"JobId": "0b5001e25f62ebb40631a9a1a7fde7b3",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:sentiment-detection-job/0b5001e25f62ebb40631a9a1a7fde7b3",
"JobStatus": "SUBMITTED"
}
```
El contenido de `output.txt` muestra las líneas con sangría para facilitar la lectura:
```
{
"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
}
}
}
```
Para obtener más información, consulte [Análisis asincrónico para información de Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [StartSentimentDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/start-sentiment-detection-job.html) en la *Referencia de comandos de la AWS CLI*.
### `start-targeted-sentiment-detection-job`
En el siguiente ejemplo de código, se muestra cómo utilizar `start-targeted-sentiment-detection-job`.
**AWS CLI**
**Inicio de un trabajo de análisis de opiniones específicas asíncrono**
En el siguiente ejemplo de `start-targeted-sentiment-detection-job`, se inicia un trabajo de detección de análisis de opiniones específicas asíncrono para todos los archivos ubicados en la dirección especificada por la etiqueta `--input-data-config`. En este ejemplo, la carpeta del bucket de S3 contiene `SampleMovieReview1.txt`, `SampleMovieReview2.txt` y `SampleMovieReview3.txt`. Cuando se completa el trabajo, `output.tar.gz` se coloca en la ubicación que especifique la etiqueta `--output-data-config`. `output.tar.gz`contiene los archivos `SampleMovieReview1.txt.out`, `SampleMovieReview2.txt.out` y `SampleMovieReview3.txt.out`, cada uno de los cuales contiene todas las entidades con nombre y las opiniones asociadas para un único archivo de texto de entrada.
```
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
```
Contenido de `SampleMovieReview1.txt`:
```
"The film, AnyMovie, is fairly predictable and just okay."
```
Contenido de `SampleMovieReview2.txt`:
```
"AnyMovie is the essential sci-fi film that I grew up watching when I was a kid. I highly recommend this movie."
```
Contenido de `SampleMovieReview3.txt`:
```
"Don't get fooled by the 'awards' for AnyMovie. All parts of the film were poorly stolen from other modern directors."
```
Salida:
```
{
"JobId": "0b5001e25f62ebb40631a9a1a7fde7b3",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:targeted-sentiment-detection-job/0b5001e25f62ebb40631a9a1a7fde7b3",
"JobStatus": "SUBMITTED"
}
```
El contenido de `SampleMovieReview1.txt.out` muestra las líneas con sangría para facilitar la lectura:
```
{
"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
}
```
El contenido de `SampleMovieReview2.txt.out` muestra las líneas con sangría para facilitar la lectura:
```
{
"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
}
```
El contenido de `SampleMovieReview3.txt.out` muestra las líneas con sangría para facilitar la lectura:
```
{
"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
}
```
Para obtener más información, consulte [Análisis asincrónico para información de Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [StartTargetedSentimentDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/start-targeted-sentiment-detection-job.html) en la *Referencia de comandos de la AWS CLI*.
### `start-topics-detection-job`
En el siguiente ejemplo de código, se muestra cómo utilizar `start-topics-detection-job`.
**AWS CLI**
**Para iniciar un trabajo de análisis de detección de temas**
El siguiente ejemplo de `start-topics-detection-job` inicia un trabajo de detección de temas asíncrono para todos los archivos ubicados en la dirección especificada por la etiqueta `--input-data-config`. Una vez finalizado el trabajo, la carpeta, `output`, se coloca en la ubicación especificada por la etiqueta `--ouput-data-config`. `output` contiene topic-terms.csv y doc-topics.csv. El primer archivo de salida, topic-terms.csv, es una lista de temas del conjunto. Para cada tema, la lista incluye, de forma predeterminada, los principales términos por tema según su importancia. El segundo archivo, `doc-topics.csv`, enumera los documentos relacionados con un tema y la proporción del documento que trata sobre el tema.
```
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
```
Salida:
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:key-phrases-detection-job/123456abcdeb0e11022f22a11EXAMPLE",
"JobStatus": "SUBMITTED"
}
```
Para obtener más información, consulte [Modelado de temas](https://docs.aws.amazon.com/comprehend/latest/dg/topic-modeling.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener información sobre la API, consulte [StartTopicsDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/start-topics-detection-job.html) en la *Referencia de comandos de la AWS CLI*.
### `stop-dominant-language-detection-job`
En el siguiente ejemplo de código, se muestra cómo utilizar `stop-dominant-language-detection-job`.
**AWS CLI**
**Detención de un trabajo de detección de idioma dominante asíncrono**
En el siguiente ejemplo de `stop-dominant-language-detection-job`, se detiene un trabajo de detección de idioma dominante asíncrono en curso. Si el estado actual del trabajo es `IN_PROGRESS`, el trabajo se marca para su finalización y se coloca en el estado `STOP_REQUESTED`. Si el trabajo se completa antes de poder detenerlo, se coloca en el estado `COMPLETED`.
```
aws comprehend stop-dominant-language-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Salida:
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE,
"JobStatus": "STOP_REQUESTED"
}
```
Para obtener más información, consulte [Análisis asincrónico para información de Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [StopDominantLanguageDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/stop-dominant-language-detection-job.html) en la *Referencia de comandos de la AWS CLI*.
### `stop-entities-detection-job`
En el siguiente ejemplo de código, se muestra cómo utilizar `stop-entities-detection-job`.
**AWS CLI**
**Detención de un trabajo de detección de eventos asíncrono**
En el siguiente ejemplo de `stop-entities-detection-job`, se detiene un trabajo de detección de entidades asíncrono en curso. Si el estado actual del trabajo es `IN_PROGRESS`, el trabajo se marca para su finalización y se coloca en el estado `STOP_REQUESTED`. Si el trabajo se completa antes de poder detenerlo, se coloca en el estado `COMPLETED`.
```
aws comprehend stop-entities-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Salida:
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE,
"JobStatus": "STOP_REQUESTED"
}
```
Para obtener más información, consulte [Análisis asincrónico para información de Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [StopEntitiesDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/stop-entities-detection-job.html) en la *Referencia de comandos de la AWS CLI*.
### `stop-events-detection-job`
En el siguiente ejemplo de código, se muestra cómo utilizar `stop-events-detection-job`.
**AWS CLI**
**Detención de un trabajo de detección de eventos asíncrono**
En el siguiente ejemplo de `stop-events-detection-job`, se detiene un trabajo de detección de eventos asíncrono en curso. Si el estado actual del trabajo es `IN_PROGRESS`, el trabajo se marca para su finalización y se coloca en el estado `STOP_REQUESTED`. Si el trabajo se completa antes de poder detenerlo, se coloca en el estado `COMPLETED`.
```
aws comprehend stop-events-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Salida:
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE,
"JobStatus": "STOP_REQUESTED"
}
```
Para obtener más información, consulte [Análisis asincrónico para información de Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [StopEventsDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/stop-events-detection-job.html) en la *Referencia de comandos de la AWS CLI*.
### `stop-key-phrases-detection-job`
En el siguiente ejemplo de código, se muestra cómo utilizar `stop-key-phrases-detection-job`.
**AWS CLI**
**Detención de un trabajo de detección de frases clave asíncrono**
En el siguiente ejemplo de `stop-key-phrases-detection-job`, se detiene un trabajo de detección de frases clave asíncrono en curso. Si el estado actual del trabajo es `IN_PROGRESS`, el trabajo se marca para su finalización y se coloca en el estado `STOP_REQUESTED`. Si el trabajo se completa antes de poder detenerlo, se coloca en el estado `COMPLETED`.
```
aws comprehend stop-key-phrases-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Salida:
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE,
"JobStatus": "STOP_REQUESTED"
}
```
Para obtener más información, consulte [Análisis asincrónico para información de Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [StopKeyPhrasesDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/stop-key-phrases-detection-job.html) en la *Referencia de comandos de la AWS CLI*.
### `stop-pii-entities-detection-job`
En el siguiente ejemplo de código, se muestra cómo utilizar `stop-pii-entities-detection-job`.
**AWS CLI**
**Detención de un trabajo de detección de entidades de PII asíncrono**
En el siguiente ejemplo de `stop-pii-entities-detection-job`, se detiene un trabajo de detección de entidades de PII asíncrono en curso. Si el estado actual del trabajo es `IN_PROGRESS`, el trabajo se marca para su finalización y se coloca en el estado `STOP_REQUESTED`. Si el trabajo se completa antes de poder detenerlo, se coloca en el estado `COMPLETED`.
```
aws comprehend stop-pii-entities-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Salida:
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE,
"JobStatus": "STOP_REQUESTED"
}
```
Para obtener más información, consulte [Análisis asincrónico para información de Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [StopPiiEntitiesDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/stop-pii-entities-detection-job.html) en la *Referencia de comandos de la AWS CLI*.
### `stop-sentiment-detection-job`
En el siguiente ejemplo de código, se muestra cómo utilizar `stop-sentiment-detection-job`.
**AWS CLI**
**Detención de un trabajo de detección de opiniones asíncrono**
En el siguiente ejemplo de `stop-sentiment-detection-job`, se detiene un trabajo de detección de opiniones asíncrono en curso. Si el estado actual del trabajo es `IN_PROGRESS`, el trabajo se marca para su finalización y se coloca en el estado `STOP_REQUESTED`. Si el trabajo se completa antes de poder detenerlo, se coloca en el estado `COMPLETED`.
```
aws comprehend stop-sentiment-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Salida:
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE,
"JobStatus": "STOP_REQUESTED"
}
```
Para obtener más información, consulte [Análisis asincrónico para información de Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [StopSentimentDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/stop-sentiment-detection-job.html) en la *Referencia de comandos de la AWS CLI*.
### `stop-targeted-sentiment-detection-job`
En el siguiente ejemplo de código, se muestra cómo utilizar `stop-targeted-sentiment-detection-job`.
**AWS CLI**
**Detención de un trabajo de detección de opiniones específicas asíncrono**
En el siguiente ejemplo de `stop-targeted-sentiment-detection-job`, se detiene un trabajo de detección de opiniones específicas asíncrono en curso. Si el estado actual del trabajo es `IN_PROGRESS`, el trabajo se marca para su finalización y se coloca en el estado `STOP_REQUESTED`. Si el trabajo se completa antes de poder detenerlo, se coloca en el estado `COMPLETED`.
```
aws comprehend stop-targeted-sentiment-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Salida:
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE,
"JobStatus": "STOP_REQUESTED"
}
```
Para obtener más información, consulte [Análisis asincrónico para información de Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [StopTargetedSentimentDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/stop-targeted-sentiment-detection-job.html) en la *Referencia de comandos de la AWS CLI*.
### `stop-training-document-classifier`
En el siguiente ejemplo de código, se muestra cómo utilizar `stop-training-document-classifier`.
**AWS CLI**
**Detención del entrenamiento de un modelo clasificador de documentos**
En el siguiente ejemplo de `stop-training-document-classifier`, se detiene el entrenamiento de un modelo clasificador de documentos en curso.
```
aws comprehend stop-training-document-classifier
--document-classifier-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier
```
Este comando no genera ninguna salida.
Para obtener más información, consulte [Creación y administración de modelos personalizados](https://docs.aws.amazon.com/comprehend/latest/dg/manage-models.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [StopTrainingDocumentClassifier](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/stop-training-document-classifier.html) en la *Referencia de comandos de la AWS CLI*.
### `stop-training-entity-recognizer`
En el siguiente ejemplo de código, se muestra cómo utilizar `stop-training-entity-recognizer`.
**AWS CLI**
**Detención del entrenamiento de un modelo de reconocimiento de entidades**
En el siguiente ejemplo de `stop-training-entity-recognizer`, se detiene el entrenamiento de un modelo de reconocimiento de entidades en curso.
```
aws comprehend stop-training-entity-recognizer
--entity-recognizer-arn "arn:aws:comprehend:us-west-2:111122223333:entity-recognizer/examplerecognizer1"
```
Este comando no genera ninguna salida.
Para obtener más información, consulte [Creación y administración de modelos personalizados](https://docs.aws.amazon.com/comprehend/latest/dg/manage-models.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [StopTrainingEntityRecognizer](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/stop-training-entity-recognizer.html) en la *Referencia de comandos de la AWS CLI*.
### `tag-resource`
En el siguiente ejemplo de código, se muestra cómo utilizar `tag-resource`.
**AWS CLI**
**Ejemplo 1: etiquetar un recurso**
En el siguiente ejemplo de `tag-resource`, se añade una sola etiqueta a un recurso de Amazon Comprehend.
```
aws comprehend tag-resource \
--resource-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier/version/1 \
--tags Key=Location,Value=Seattle
```
El comando no genera ningún resultado.
Para obtener más información, consulte [Tagging your resources](https://docs.aws.amazon.com/comprehend/latest/dg/tagging.html) en la *Guía para desarrolladores de Amazon Comprehend*.
**Ejemplo 2: añadir varias etiquetas a un recurso**
En el siguiente ejemplo de `tag-resource`, se añaden varias etiquetas a un recurso de Amazon Comprehend.
```
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
```
El comando no genera ningún resultado.
Para obtener más información, consulte [Tagging your resources](https://docs.aws.amazon.com/comprehend/latest/dg/tagging.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para ver los detalles de la API, consulte [TagResource](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/tag-resource.html) en la *Referencia de comandos de la AWS CLI*.
### `untag-resource`
En el siguiente ejemplo de código, se muestra cómo utilizar `untag-resource`.
**AWS CLI**
**Ejemplo 1: cómo eliminar una sola etiqueta de un recurso**
En el siguiente ejemplo de `untag-resource`, se elimina una sola etiqueta de un recurso de Amazon Comprehend.
```
aws comprehend untag-resource \
--resource-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier/version/1
--tag-keys Location
```
Este comando no genera ninguna salida.
Para obtener más información, consulte [Tagging your resources](https://docs.aws.amazon.com/comprehend/latest/dg/tagging.html) en la *Guía para desarrolladores de Amazon Comprehend*.
**Ejemplo 2: eliminar varias etiquetas de un recurso**
En el siguiente ejemplo de `untag-resource`, se eliminan varias etiquetas de un recurso de Amazon Comprehend.
```
aws comprehend untag-resource \
--resource-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier/version/1
--tag-keys Location Department
```
Este comando no genera ninguna salida.
Para obtener más información, consulte [Tagging your resources](https://docs.aws.amazon.com/comprehend/latest/dg/tagging.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para ver los detalles de la API, consulte [UntagResource](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/untag-resource.html) en la *Referencia de comandos de la AWS CLI*.
### `update-endpoint`
En el siguiente ejemplo de código, se muestra cómo utilizar `update-endpoint`.
**AWS CLI**
**Ejemplo 1: cómo actualizar las unidades de inferencia de un punto de conexión**
En el siguiente ejemplo de `update-endpoint`, se actualiza la información sobre un punto de conexión. En este ejemplo, se aumenta el número de unidades de inferencia.
```
aws comprehend update-endpoint \
--endpoint-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier-endpoint/example-classifier-endpoint
--desired-inference-units 2
```
Este comando no genera ninguna salida.
Para obtener más información, consulte [Administración de puntos de conexión de Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/manage-endpoints.html) en la *Guía para desarrolladores de Amazon Comprehend*.
**Ejemplo 2: cómo actualizar un modelo activo de un punto de conexión**
En el siguiente ejemplo de `update-endpoint`, se actualiza la información sobre un punto de conexión. En este ejemplo, se cambia el modelo activo.
```
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
```
Este comando no genera ninguna salida.
Para obtener más información, consulte [Administración de puntos de conexión de Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/manage-endpoints.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [UpdateEndpoint](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/update-endpoint.html) en la *Referencia de comandos de la AWS CLI*.
### `update-flywheel`
En el siguiente ejemplo de código, se muestra cómo utilizar `update-flywheel`.
**AWS CLI**
**Actualización de una configuración de volante de inercia**
En el siguiente ejemplo de `update-flywheel`, se actualiza una configuración de volante de inercia. En este ejemplo, se actualiza el modelo activo del volante de inercia.
```
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
```
Salida:
```
{
"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"
}
}
```
Para obtener más información, consulte [Flywheel overview](https://docs.aws.amazon.com/comprehend/latest/dg/flywheels-about.html) en la *Guía para desarrolladores de Amazon Comprehend*.
+ Para obtener detalles sobre la API, consulte [UpdateFlywheel](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/update-flywheel.html) en la *Referencia de comandos de la AWS CLI*.