Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
Ejecute un trabajo por lotes asíncrono para localizar la PII en una colección de documentos. Para ejecutar el trabajo, cargue los documentos en Amazon S3 y envíe una StartPiiEntitiesDetectionJobsolicitud.
Temas
Antes de comenzar
Antes de comenzar, asegúrese de que dispone de:
-
Buckets de entrada y salida: identifique los buckets de Amazon S3 que desea utilizar para los archivos de entrada y salida. Los buckets deben estar situados en la misma región que la API a la cual está llamando.
-
Rol de servicio de IAM: debe tener un rol de servicio de IAM con permiso para acceder a sus buckets de entrada y salida. Para obtener más información, consulte Se requieren permisos basados en roles para las operaciones asíncronas.
Parámetros de entrada
En la solicitud, incluya los siguientes parámetros obligatorios:
-
InputDataConfig— Proporcione una InputDataConfigdefinición para su solicitud, que incluya las propiedades de entrada del trabajo. Para el parámetroS3Uri, especifique la ubicación de Amazon S3 de los documentos de entrada. -
OutputDataConfig— Proporcione una OutputDataConfigdefinición para su solicitud, que incluya las propiedades de salida del trabajo. Para el parámetroS3Uri, especifique la ubicación de Amazon S3 en la que Amazon Comprehend escribe los resultados de su análisis. -
DataAccessRoleArn— Proporcione el nombre de recurso de Amazon (ARN) de un AWS Identity and Access Management rol. Este rol debe conceder a Amazon Comprehend acceso de lectura a sus datos de entrada y acceso de escritura a su ubicación de salida en Amazon S3. Para obtener más información, consulte Se requieren permisos basados en roles para las operaciones asíncronas. -
Mode: establezca este parámetro enONLY_OFFSETS. Con esta configuración, la salida proporciona los desplazamientos de caracteres que ubican cada entidad de PII en el texto de entrada. La salida también incluye las puntuaciones de confianza y los tipos de entidades de PII. -
LanguageCode— Defina este parámetro enenoes. Amazon Comprehend admite la detección de PII en texto en inglés o español.
Métodos de trabajo asíncrono
StartPiiEntitiesDetectionJob devuelve un identificador de trabajo para que pueda supervisar el progreso del trabajo y recuperar su estado cuando se complete.
Para supervisar el progreso de un trabajo de análisis, proporcione el identificador del trabajo a la DescribePiiEntitiesDetectionJoboperación. La respuesta de DescribePiiEntitiesDetectionJob contiene el campo JobStatus con el estado actual del trabajo. Un trabajo exitoso pasa por los siguientes estados:
ENVIADO -> EN CURSO -> COMPLETADO.
Cuando un trabajo de análisis haya finalizado (JobStatus se haya COMPLETADO, FALLADO o DETENIDO), utilice DescribePiiEntitiesDetectionJob para obtener la ubicación de los resultados. Si el estado del trabajo es COMPLETED, la respuesta incluirá un campo OutputDataConfig que contiene un campo con la ubicación de Amazon S3 del archivo de salida.
Para obtener información adicional sobre los pasos a seguir para el análisis asíncrono de Amazon Comprehend, consulte Procesamiento por lotes asincrónico.
Formato de archivo de salida
El archivo de salida tiene el mismo nombre que el del archivo de entrada, con un anexo .out al final. Contiene los resultados del análisis.
A continuación se muestra un ejemplo de un archivo de salida de un trabajo de análisis que ha detectado entidades de PII en los documentos. El formato de entrada es de un documento por línea.
{
"Entities": [
{
"Type": "NAME",
"BeginOffset": 40,
"EndOffset": 69,
"Score": 0.999995
},
{
"Type": "ADDRESS",
"BeginOffset": 247,
"EndOffset": 253,
"Score": 0.998828
},
{
"Type": "BANK_ACCOUNT_NUMBER",
"BeginOffset": 406,
"EndOffset": 411,
"Score": 0.693283
}
],
"File": "doc.txt",
"Line": 0
},
{
"Entities": [
{
"Type": "SSN",
"BeginOffset": 1114,
"EndOffset": 1124,
"Score": 0.999999
},
{
"Type": "EMAIL",
"BeginOffset": 3742,
"EndOffset": 3775,
"Score": 0.999993
},
{
"Type": "PIN",
"BeginOffset": 4098,
"EndOffset": 4102,
"Score": 0.999995
}
],
"File": "doc.txt",
"Line": 1
}A continuación, se muestra un ejemplo del resultado de un análisis en el que el formato de la entrada es un documento por archivo.
{
"Entities": [
{
"Type": "NAME",
"BeginOffset": 40,
"EndOffset": 69,
"Score": 0.999995
},
{
"Type": "ADDRESS",
"BeginOffset": 247,
"EndOffset": 253,
"Score": 0.998828
},
{
"Type": "BANK_ROUTING",
"BeginOffset": 279,
"EndOffset": 289,
"Score": 0.999999
}
],
"File": "doc.txt"
} Análisis asíncrono mediante el AWS Command Line Interface
En el siguiente ejemplo, se utiliza la operación StartPiiEntitiesDetectionJob con la AWS CLI.
El ejemplo está formateado para Unix, Linux y macOS. Para Windows, sustituya la barra diagonal invertida (\) utilizada como carácter de continuación de Unix al final de cada línea por el signo de intercalación (^).
aws comprehend start-pii-entities-detection-job \ --regionregion\ --job-namejob name\ --cli-input-json file://path to JSON input file
Para el parámetro de cli-input-json, debe proporcionar la ruta de un archivo JSON que contiene los datos de solicitud, como se muestra en el siguiente ejemplo.
{ "InputDataConfig": { "S3Uri": "s3://input bucket/input path", "InputFormat": "ONE_DOC_PER_LINE" }, "OutputDataConfig": { "S3Uri": "s3://output bucket/output path" }, "DataAccessRoleArn": "arn:aws:iam::account ID:role/data access role" "LanguageCode": "en", "Mode": "ONLY_OFFSETS" }
Si la solicitud para iniciar el trabajo de detección de eventos se realizó correctamente, recibirá una respuesta similar a la siguiente:
{
"JobId": "5d2fbe6e...e2c"
"JobArn": "arn:aws:comprehend:us-west-2:123456789012:pii-entities-detection-job/5d2fbe6e...e2c"
"JobStatus": "SUBMITTED",
} Puede utilizar la DescribeEventsDetectionJoboperación para obtener el estado de un trabajo existente. Si la solicitud para iniciar el trabajo de detección de eventos se realizó correctamente, recibirá una respuesta similar a la siguiente:
aws comprehend describe-pii-entities-detection-job \ --regionregion\ --job-idjob ID
Cuando el trabajo se complete correctamente, recibirá una respuesta similar a la siguiente:
{
"PiiEntitiesDetectionJobProperties": {
"JobId": "5d2fbe6e...e2c"
"JobArn": "arn:aws:comprehend:us-west-2:123456789012:pii-entities-detection-job/5d2fbe6e...e2c"
"JobName": "piiCLItest3",
"JobStatus": "COMPLETED",
"SubmitTime": "2022-05-05T14:54:06.169000-07:00",
"EndTime": "2022-05-05T15:00:17.007000-07:00",
"InputDataConfig": {
(identical to the input data that you provided with the request)
}
} 