Clasificación personalizada - Amazon Comprehend

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.

Clasificación personalizada

Utilice la clasificación personalizada para organizar los documentos en las categorías (clases) que usted defina. La clasificación personalizada es un proceso de dos pasos. En primer lugar, se entrena un modelo de clasificación personalizado (también denominado “clasificador”) para que reconozca las clases que le interesan. A continuación, utilice el modelo para clasificar cualquier número de conjuntos de documentos.

Por ejemplo, puede clasificar el contenido de las solicitudes de soporte para poder enviarlas al equipo de soporte adecuado. O bien, puede clasificar los correos electrónicos recibidos de los clientes para proporcionar orientación en función del tipo de solicitud del cliente. Puede combinar Amazon Comprehend con Amazon Transcribe para convertir la voz en texto y, a continuación, clasificar las solicitudes procedentes de las llamadas telefónicas de asistencia.

Puede ejecutar una clasificación personalizada en un único documento de forma sincrónica (en tiempo real) o iniciar un trabajo asíncrono para clasificar un conjunto de documentos. Puede tener varios clasificadores personalizados en su cuenta, cada uno entrenado con datos diferentes. La clasificación personalizada admite diversos tipos de documentos de entrada, como texto sin formatoPDF, Word e imágenes.

Al enviar un trabajo de clasificación, se elige el modelo de clasificador que se va a utilizar en función del tipo de documentos que se deben analizar. Por ejemplo, para analizar documentos de texto sin formato, obtendrá los resultados más precisos utilizando un modelo que haya entrenado con documentos de texto sin formato. Para analizar documentos semiestructurados (como WordPDF, imágenes, archivos de salida de Amazon Textract o archivos escaneados), los resultados más precisos se obtienen con un modelo que se ha entrenado con documentos nativos.