Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
# Exemples d'Amazon Comprehend utilisant AWS CLI
Les exemples de code suivants vous montrent comment effectuer des actions et implémenter des scénarios courants à l' AWS Command Line Interface aide d'Amazon Comprehend.
Les *actions* sont des extraits de code de programmes plus larges et doivent être exécutées dans leur contexte. Alors que les actions vous indiquent comment appeler des fonctions de service individuelles, vous pouvez les voir en contexte dans leurs scénarios associés.
Chaque exemple inclut un lien vers le code source complet, où vous trouverez des instructions sur la configuration et l’exécution du code en contexte.
**Topics**
+ [Actions](#actions)
## Actions
### `batch-detect-dominant-language`
L'exemple de code suivant montre comment utiliser`batch-detect-dominant-language`.
**AWS CLI**
**Pour détecter la langue dominante de plusieurs textes d’entrée**
L’exemple `batch-detect-dominant-language` suivant analyse plusieurs textes d’entrée et renvoie la langue dominante de chacun d’entre eux. Le score de confiance du modèle pré-entraîné est également généré pour chaque prédiction.
```
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."
```
Sortie :
```
{
"ResultList": [
{
"Index": 0,
"Languages": [
{
"LanguageCode": "en",
"Score": 0.9986501932144165
}
]
}
],
"ErrorList": []
}
```
Pour plus d’informations, consultez [Langue dominante](https://docs.aws.amazon.com/comprehend/latest/dg/how-languages.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, reportez-vous [BatchDetectDominantLanguage](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/batch-detect-dominant-language.html)à la section *Référence des AWS CLI commandes*.
### `batch-detect-entities`
L'exemple de code suivant montre comment utiliser`batch-detect-entities`.
**AWS CLI**
**Pour détecter des entités à partir de plusieurs textes d’entrée**
L’exemple `batch-detect-entities` suivant analyse plusieurs textes d’entrée et renvoie les entités nommées de chacun d’entre eux. Le score de confiance du modèle pré-entraîné est également généré pour chaque prédiction.
```
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."
```
Sortie :
```
{
"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": []
}
```
Pour plus d’informations, consultez [Entités](https://docs.aws.amazon.com/comprehend/latest/dg/how-entities.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, reportez-vous [BatchDetectEntities](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/batch-detect-entities.html)à la section *Référence des AWS CLI commandes*.
### `batch-detect-key-phrases`
L'exemple de code suivant montre comment utiliser`batch-detect-key-phrases`.
**AWS CLI**
**Pour détecter les expressions clés de plusieurs entrées de texte**
L’exemple `batch-detect-key-phrases` suivant analyse plusieurs textes d’entrée et renvoie les phrases nominales clés de chacun d’entre eux. Le score de confiance du modèle pré-entraîné pour chaque prédiction est également généré.
```
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."
```
Sortie :
```
{
"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": []
}
```
Pour plus d’informations, consultez [Phrases clés](https://docs.aws.amazon.com/comprehend/latest/dg/how-key-phrases.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, reportez-vous [BatchDetectKeyPhrases](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/batch-detect-key-phrases.html)à la section *Référence des AWS CLI commandes*.
### `batch-detect-sentiment`
L'exemple de code suivant montre comment utiliser`batch-detect-sentiment`.
**AWS CLI**
**Pour détecter le sentiment dominant lors de plusieurs textes d’entrée**
L’exemple `batch-detect-sentiment` suivant analyse plusieurs textes d’entrée et renvoie le sentiment dominant (`POSITIVE`, `NEUTRAL`, `MIXED` ou `NEGATIVE`, de chacun d’eux).
```
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
```
Sortie :
```
{
"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": []
}
```
Pour plus d’informations, consultez [Sentiment](https://docs.aws.amazon.com/comprehend/latest/dg/how-sentiment.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, reportez-vous [BatchDetectSentiment](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/batch-detect-sentiment.html)à la section *Référence des AWS CLI commandes*.
### `batch-detect-syntax`
L'exemple de code suivant montre comment utiliser`batch-detect-syntax`.
**AWS CLI**
**Pour inspecter la syntaxe et les parties du discours des mots dans plusieurs textes d’entrée**
L’exemple `batch-detect-syntax` suivant analyse la syntaxe de plusieurs textes d’entrée et renvoie les différentes parties du discours. Le score de confiance du modèle pré-entraîné est également généré pour chaque prédiction.
```
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
```
Sortie :
```
{
"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": []
}
```
Pour plus d’informations, consultez [Analyse de la syntaxe](https://docs.aws.amazon.com/comprehend/latest/dg/how-syntax.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, reportez-vous [BatchDetectSyntax](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/batch-detect-syntax.html)à la section *Référence des AWS CLI commandes*.
### `batch-detect-targeted-sentiment`
L'exemple de code suivant montre comment utiliser`batch-detect-targeted-sentiment`.
**AWS CLI**
**Pour détecter le sentiment et chaque entité nommée pour plusieurs textes d’entrée**
L’exemple `batch-detect-targeted-sentiment` suivant analyse plusieurs textes d’entrée et renvoie les entités nommées ainsi que le sentiment dominant associé à chaque entité. Le score de confiance du modèle pré-entraîné est également généré pour chaque prédiction.
```
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."
```
Sortie :
```
{
"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": []
}
```
Pour plus d’informations, consultez [Sentiment ciblé](https://docs.aws.amazon.com/comprehend/latest/dg/how-targeted-sentiment.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, reportez-vous [BatchDetectTargetedSentiment](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/batch-detect-targeted-sentiment.html)à la section *Référence des AWS CLI commandes*.
### `classify-document`
L'exemple de code suivant montre comment utiliser`classify-document`.
**AWS CLI**
**Pour classer un document avec un point de terminaison spécifique au modèle**
L’exemple `classify-document` suivant classe un document avec le point de terminaison d’un modèle personnalisé. Dans cet exemple, le modèle a été entraîné sur un jeu de données contenant des messages SMS étiquetés comme spam ou non, ou « ham ».
```
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"
```
Sortie :
```
{
"Classes": [
{
"Name": "spam",
"Score": 0.9998599290847778
},
{
"Name": "ham",
"Score": 0.00014001205272506922
}
]
}
```
Pour plus d’informations, consultez [Classification personnalisée](https://docs.aws.amazon.com/comprehend/latest/dg/how-document-classification.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, reportez-vous [ClassifyDocument](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/classify-document.html)à la section *Référence des AWS CLI commandes*.
### `contains-pii-entities`
L'exemple de code suivant montre comment utiliser`contains-pii-entities`.
**AWS CLI**
**Pour analyser le texte d’entrée afin de détecter la présence d’informations PII**
L’exemple `contains-pii-entities` suivant analyse le texte d’entrée pour détecter la présence de données d’identification personnelle (PII) et renvoie les étiquettes des types d’entités PII identifiés tels que le nom, l’adresse, le numéro de compte bancaire ou le numéro de téléphone.
```
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."
```
Sortie :
```
{
"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
}
}
```
Pour plus d’informations, consultez [Informations personnelles identifiables (PII)](https://docs.aws.amazon.com/comprehend/latest/dg/pii.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, reportez-vous [ContainsPiiEntities](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/contains-pii-entities.html)à la section *Référence des AWS CLI commandes*.
### `create-dataset`
L'exemple de code suivant montre comment utiliser`create-dataset`.
**AWS CLI**
**Pour créer un jeu de données pour un volant d’inertie**
L’exemple `create-dataset` suivant crée un jeu de données pour un volant d’inertie. Ce jeu de données sera utilisé comme données d’entraînement supplémentaires, comme indiqué par la balise `--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
```
Contenu de `file://inputConfig.json` :
```
{
"DataFormat": "COMPREHEND_CSV",
"DocumentClassifierInputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-bucket/training-data.csv"
}
}
```
Sortie :
```
{
"DatasetArn": "arn:aws:comprehend:us-west-2:111122223333:flywheel/flywheel-entity/dataset/example-dataset"
}
```
Pour plus d’informations, consultez [Présentation du volant d’inertie](https://docs.aws.amazon.com/comprehend/latest/dg/flywheels-about.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, reportez-vous [CreateDataset](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/create-dataset.html)à la section *Référence des AWS CLI commandes*.
### `create-document-classifier`
L'exemple de code suivant montre comment utiliser`create-document-classifier`.
**AWS CLI**
**Pour créer un classificateur de documents afin de classer les documents**
L’exemple `create-document-classifier` suivant commence le processus d’entraînement pour un modèle de classificateur de documents. Le fichier de données d’entraînement, `training.csv`, se trouve sur la balise `--input-data-config`. Le fichier `training.csv` est un document à deux colonnes où les étiquettes ou les classifications sont fournies dans la première colonne et les documents sont fournis dans la deuxième colonne.
```
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
```
Sortie :
```
{
"DocumentClassifierArn": "arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier"
}
```
Pour plus d’informations, consultez [Classification personnalisée](https://docs.aws.amazon.com/comprehend/latest/dg/how-document-classification.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, reportez-vous [CreateDocumentClassifier](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/create-document-classifier.html)à la section *Référence des AWS CLI commandes*.
### `create-endpoint`
L'exemple de code suivant montre comment utiliser`create-endpoint`.
**AWS CLI**
**Pour créer un point de terminaison pour un modèle personnalisé**
L’exemple `create-endpoint` suivant crée un point de terminaison pour l’inférence synchrone pour un modèle personnalisé préalablement entraîné.
```
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
```
Sortie :
```
{
"EndpointArn": "arn:aws:comprehend:us-west-2:111122223333:document-classifier-endpoint/example-classifier-endpoint-1"
}
```
Pour plus d’informations, consultez [Gestion des points de terminaison Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/manage-endpoints.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, reportez-vous [CreateEndpoint](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/create-endpoint.html)à la section *Référence des AWS CLI commandes*.
### `create-entity-recognizer`
L'exemple de code suivant montre comment utiliser`create-entity-recognizer`.
**AWS CLI**
**Pour créer un module de reconnaissance d’entités personnalisé**
L’exemple `create-entity-recognizer` suivant lance le processus d’entraînement pour un modèle de reconnaissance d’entités personnalisé. Cet exemple utilise un fichier CSV contenant des documents d’entraînement, `raw_text.csv`, et une liste d’entités CSV, `entity_list.csv`, pour entraîner le modèle. Le fichier `entity-list.csv` contient les colonnes suivantes : texte et type.
```
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
```
Sortie :
```
{
"EntityRecognizerArn": "arn:aws:comprehend:us-west-2:111122223333:example-entity-recognizer/entityrecognizer1"
}
```
Pour plus d’informations, consultez [Reconnaissance des entités personnalisées](https://docs.aws.amazon.com/comprehend/latest/dg/custom-entity-recognition.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, reportez-vous [CreateEntityRecognizer](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/create-entity-recognizer.html)à la section *Référence des AWS CLI commandes*.
### `create-flywheel`
L'exemple de code suivant montre comment utiliser`create-flywheel`.
**AWS CLI**
**Pour créer un volant d’inertie**
L’exemple `create-flywheel` suivant crée un volant pour orchestrer l’entraînement continu d’un modèle de classification de documents ou de reconnaissance d’entités. Dans cet exemple, le volant est créé pour gérer un modèle entraîné existant spécifié par la balise `--active-model-arn`. Lorsque le volant est créé, un lac de données est créé au niveau de la balise `--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"
```
Sortie :
```
{
"FlywheelArn": "arn:aws:comprehend:us-west-2:111122223333:flywheel/example-flywheel"
}
```
Pour plus d’informations, consultez [Présentation du volant d’inertie](https://docs.aws.amazon.com/comprehend/latest/dg/flywheels-about.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, reportez-vous [CreateFlywheel](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/create-flywheel.html)à la section *Référence des AWS CLI commandes*.
### `delete-document-classifier`
L'exemple de code suivant montre comment utiliser`delete-document-classifier`.
**AWS CLI**
**Pour supprimer un classificateur de documents personnalisé**
L’exemple `delete-document-classifier` suivant supprime un modèle de classificateur de documents personnalisé.
```
aws comprehend delete-document-classifier \
--document-classifier-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier-1
```
Cette commande ne produit aucune sortie.
Pour plus d’informations, consultez [Gestion des points de terminaison Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/manage-endpoints.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, reportez-vous [DeleteDocumentClassifier](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/delete-document-classifier.html)à la section *Référence des AWS CLI commandes*.
### `delete-endpoint`
L'exemple de code suivant montre comment utiliser`delete-endpoint`.
**AWS CLI**
**Pour supprimer un point de terminaison pour un modèle personnalisé**
L’exemple `delete-endpoint` suivant supprime un point de terminaison spécifique au modèle. Tous les points de terminaison doivent être supprimés pour que le modèle soit supprimé.
```
aws comprehend delete-endpoint \
--endpoint-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier-endpoint/example-classifier-endpoint-1
```
Cette commande ne produit aucune sortie.
Pour plus d’informations, consultez [Gestion des points de terminaison Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/manage-endpoints.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, reportez-vous [DeleteEndpoint](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/delete-endpoint.html)à la section *Référence des AWS CLI commandes*.
### `delete-entity-recognizer`
L'exemple de code suivant montre comment utiliser`delete-entity-recognizer`.
**AWS CLI**
**Pour supprimer un modèle de reconnaissance d’entités personnalisé**
L’exemple `delete-entity-recognizer` suivant supprime un modèle de reconnaissance d’entités personnalisé.
```
aws comprehend delete-entity-recognizer \
--entity-recognizer-arn arn:aws:comprehend:us-west-2:111122223333:entity-recognizer/example-entity-recognizer-1
```
Cette commande ne produit aucune sortie.
Pour plus d’informations, consultez [Gestion des points de terminaison Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/manage-endpoints.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, reportez-vous [DeleteEntityRecognizer](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/delete-entity-recognizer.html)à la section *Référence des AWS CLI commandes*.
### `delete-flywheel`
L'exemple de code suivant montre comment utiliser`delete-flywheel`.
**AWS CLI**
**Pour supprimer un volant d’inertie**
L’exemple `delete-flywheel` suivant supprime un volant. Le lac de données ou le modèle associé au volant n’est pas supprimé.
```
aws comprehend delete-flywheel \
--flywheel-arn arn:aws:comprehend:us-west-2:111122223333:flywheel/example-flywheel-1
```
Cette commande ne produit aucune sortie.
Pour plus d’informations, consultez [Présentation du volant d’inertie](https://docs.aws.amazon.com/comprehend/latest/dg/flywheels-about.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, reportez-vous [DeleteFlywheel](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/delete-flywheel.html)à la section *Référence des AWS CLI commandes*.
### `delete-resource-policy`
L'exemple de code suivant montre comment utiliser`delete-resource-policy`.
**AWS CLI**
**Pour supprimer une politique basée sur les ressources**
L’exemple `delete-resource-policy` suivant supprime une politique basée sur les ressources d’une ressource Amazon Comprehend.
```
aws comprehend delete-resource-policy \
--resource-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier-1/version/1
```
Cette commande ne produit aucune sortie.
Pour plus d'informations, consultez [Copier des modèles personnalisés entre AWS comptes](https://docs.aws.amazon.com/comprehend/latest/dg/custom-copy.html) dans le manuel *Amazon Comprehend Developer Guide*.
+ Pour plus de détails sur l'API, reportez-vous [DeleteResourcePolicy](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/delete-resource-policy.html)à la section *Référence des AWS CLI commandes*.
### `describe-dataset`
L'exemple de code suivant montre comment utiliser`describe-dataset`.
**AWS CLI**
**Pour décrire un jeu de données d’un volant**
L’exemple `describe-dataset` suivant obtient les propriétés du jeu de données d’un volant.
```
aws comprehend describe-dataset \
--dataset-arn arn:aws:comprehend:us-west-2:111122223333:flywheel/flywheel-entity/dataset/example-dataset
```
Sortie :
```
{
"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"
}
}
```
Pour plus d’informations, consultez [Présentation du volant d’inertie](https://docs.aws.amazon.com/comprehend/latest/dg/flywheels-about.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, reportez-vous [DescribeDataset](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-dataset.html)à la section *Référence des AWS CLI commandes*.
### `describe-document-classification-job`
L'exemple de code suivant montre comment utiliser`describe-document-classification-job`.
**AWS CLI**
**Pour décrire une tâche de classification de documents**
L’exemple `describe-document-classification-job` suivant permet d’obtenir les propriétés d’une tâche de classification de documents asynchrone.
```
aws comprehend describe-document-classification-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Sortie :
```
{
"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"
}
}
```
Pour plus d’informations, consultez [Classification personnalisée](https://docs.aws.amazon.com/comprehend/latest/dg/how-document-classification.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, reportez-vous [DescribeDocumentClassificationJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-document-classification-job.html)à la section *Référence des AWS CLI commandes*.
### `describe-document-classifier`
L'exemple de code suivant montre comment utiliser`describe-document-classifier`.
**AWS CLI**
**Pour décrire un classificateur de documents**
L’exemple `describe-document-classifier` suivant obtient les propriétés d’un modèle de classificateur de documents personnalisé.
```
aws comprehend describe-document-classifier \
--document-classifier-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier-1
```
Sortie :
```
{
"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"
}
}
```
Pour plus d’informations, consultez [Création et gestion de modèles personnalisés](https://docs.aws.amazon.com/comprehend/latest/dg/manage-models.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, reportez-vous [DescribeDocumentClassifier](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-document-classifier.html)à la section *Référence des AWS CLI commandes*.
### `describe-dominant-language-detection-job`
L'exemple de code suivant montre comment utiliser`describe-dominant-language-detection-job`.
**AWS CLI**
**Pour décrire une tâche de détection de la langue dominante**
L’exemple `describe-dominant-language-detection-job` suivant obtient les propriétés d’une tâche asynchrone de détection de la langue dominante.
```
aws comprehend describe-dominant-language-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Sortie :
```
{
"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"
}
}
```
Pour plus d’informations, consultez [Analyse asynchrone des informations Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, reportez-vous [DescribeDominantLanguageDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-dominant-language-detection-job.html)à la section *Référence des AWS CLI commandes*.
### `describe-endpoint`
L'exemple de code suivant montre comment utiliser`describe-endpoint`.
**AWS CLI**
**Pour décrire un point de terminaison spécifique**
L’exemple `describe-endpoint` suivant obtient les propriétés d’un point de terminaison spécifique au modèle.
```
aws comprehend describe-endpoint \
--endpoint-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier-endpoint/example-classifier-endpoint
```
Sortie :
```
{
"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"
}
}
```
Pour plus d’informations, consultez [Gestion des points de terminaison Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/manage-endpoints.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, reportez-vous [DescribeEndpoint](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-endpoint.html)à la section *Référence des AWS CLI commandes*.
### `describe-entities-detection-job`
L'exemple de code suivant montre comment utiliser`describe-entities-detection-job`.
**AWS CLI**
**Pour décrire une tâche de détection d’entités**
L’exemple `describe-entities-detection-job` suivant obtient les propriétés d’une tâche asynchrone de détection d’entités.
```
aws comprehend describe-entities-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Sortie :
```
{
"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"
}
}
```
Pour plus d’informations, consultez [Analyse asynchrone des informations Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, reportez-vous [DescribeEntitiesDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-entities-detection-job.html)à la section *Référence des AWS CLI commandes*.
### `describe-entity-recognizer`
L'exemple de code suivant montre comment utiliser`describe-entity-recognizer`.
**AWS CLI**
**Pour décrire un module de reconnaissance d’entités**
L’exemple `describe-entity-recognizer` suivant obtient les propriétés d’un modèle de reconnaissance d’entités personnalisé.
```
aws comprehend describe-entity-recognizer \
entity-recognizer-arn arn:aws:comprehend:us-west-2:111122223333:entity-recognizer/business-recongizer-1/version/1
```
Sortie :
```
{
"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"
}
}
```
Pour plus d’informations, consultez [Reconnaissance des entités personnalisées](https://docs.aws.amazon.com/comprehend/latest/dg/custom-entity-recognition.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, reportez-vous [DescribeEntityRecognizer](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-entity-recognizer.html)à la section *Référence des AWS CLI commandes*.
### `describe-events-detection-job`
L'exemple de code suivant montre comment utiliser`describe-events-detection-job`.
**AWS CLI**
**Pour décrire une tâche de détection d’événements**
L’exemple `describe-events-detection-job` suivant obtient les propriétés d’une tâche asynchrone de détection d’événements.
```
aws comprehend describe-events-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Sortie :
```
{
"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"
]
}
}
```
Pour plus d’informations, consultez [Analyse asynchrone des informations Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, reportez-vous [DescribeEventsDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-events-detection-job.html)à la section *Référence des AWS CLI commandes*.
### `describe-flywheel-iteration`
L'exemple de code suivant montre comment utiliser`describe-flywheel-iteration`.
**AWS CLI**
**Pour décrire l’itération d’un volant**
L’exemple `describe-flywheel-iteration` suivant permet d’obtenir les propriétés d’itération d’un volant.
```
aws comprehend describe-flywheel-iteration \
--flywheel-arn arn:aws:comprehend:us-west-2:111122223333:flywheel/example-flywheel \
--flywheel-iteration-id 20232222AEXAMPLE
```
Sortie :
```
{
"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/"
}
}
```
Pour plus d’informations, consultez [Présentation du volant d’inertie](https://docs.aws.amazon.com/comprehend/latest/dg/flywheels-about.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, reportez-vous [DescribeFlywheelIteration](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-flywheel-iteration.html)à la section *Référence des AWS CLI commandes*.
### `describe-flywheel`
L'exemple de code suivant montre comment utiliser`describe-flywheel`.
**AWS CLI**
**Pour décrire un volant d’inertie**
L’exemple `describe-flywheel` suivant obtient les propriétés d’un volant. Dans cet exemple, le modèle associé au volant est un modèle de classificateur personnalisé entraîné pour classer les documents en tant que spam ou non-spam, ou en tant que « ham ».
```
aws comprehend describe-flywheel \
--flywheel-arn arn:aws:comprehend:us-west-2:111122223333:flywheel/example-flywheel
```
Sortie :
```
{
"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"
}
}
```
Pour plus d’informations, consultez [Présentation du volant d’inertie](https://docs.aws.amazon.com/comprehend/latest/dg/flywheels-about.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, reportez-vous [DescribeFlywheel](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-flywheel.html)à la section *Référence des AWS CLI commandes*.
### `describe-key-phrases-detection-job`
L'exemple de code suivant montre comment utiliser`describe-key-phrases-detection-job`.
**AWS CLI**
**Pour décrire une tâche de détection d’expressions clés**
L’exemple `describe-key-phrases-detection-job` suivant obtient les propriétés d’une tâche asynchrone de détection d’expressions clés.
```
aws comprehend describe-key-phrases-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Sortie :
```
{
"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"
}
}
```
Pour plus d’informations, consultez [Analyse asynchrone des informations Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, reportez-vous [DescribeKeyPhrasesDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-key-phrases-detection-job.html)à la section *Référence des AWS CLI commandes*.
### `describe-pii-entities-detection-job`
L'exemple de code suivant montre comment utiliser`describe-pii-entities-detection-job`.
**AWS CLI**
**Pour décrire une tâche de détection d’entités PII**
L’exemple `describe-pii-entities-detection-job` suivant obtient les propriétés d’une tâche asynchrone de détection d’entités PII.
```
aws comprehend describe-pii-entities-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Sortie :
```
{
"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"
}
}
```
Pour plus d’informations, consultez [Analyse asynchrone des informations Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, reportez-vous [DescribePiiEntitiesDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-pii-entities-detection-job.html)à la section *Référence des AWS CLI commandes*.
### `describe-resource-policy`
L'exemple de code suivant montre comment utiliser`describe-resource-policy`.
**AWS CLI**
**Pour décrire une politique de ressources attachée à un modèle**
L’exemple `describe-resource-policy` suivant obtient les propriétés d’une politique basée sur les ressources attachée à un modèle.
```
aws comprehend describe-resource-policy \
--resource-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier/version/1
```
Sortie :
```
{
"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"
}
```
Pour plus d'informations, consultez [Copier des modèles personnalisés entre AWS comptes](https://docs.aws.amazon.com/comprehend/latest/dg/custom-copy.html) dans le manuel *Amazon Comprehend Developer Guide*.
+ Pour plus de détails sur l'API, reportez-vous [DescribeResourcePolicy](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-resource-policy.html)à la section *Référence des AWS CLI commandes*.
### `describe-sentiment-detection-job`
L'exemple de code suivant montre comment utiliser`describe-sentiment-detection-job`.
**AWS CLI**
**Pour décrire une tâche de détection de sentiments**
L’exemple `describe-sentiment-detection-job` suivant obtient les propriétés d’une tâche asynchrone de détection de sentiments.
```
aws comprehend describe-sentiment-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Sortie :
```
{
"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"
}
}
```
Pour plus d’informations, consultez [Analyse asynchrone des informations Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, reportez-vous [DescribeSentimentDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-sentiment-detection-job.html)à la section *Référence des AWS CLI commandes*.
### `describe-targeted-sentiment-detection-job`
L'exemple de code suivant montre comment utiliser`describe-targeted-sentiment-detection-job`.
**AWS CLI**
**Pour décrire une tâche de détection ciblée de sentiments**
L’exemple `describe-targeted-sentiment-detection-job` suivant obtient les propriétés d’une tâche asynchrone de détection ciblée de sentiments.
```
aws comprehend describe-targeted-sentiment-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Sortie :
```
{
"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"
}
}
```
Pour plus d’informations, consultez [Analyse asynchrone des informations Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, reportez-vous [DescribeTargetedSentimentDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-targeted-sentiment-detection-job.html)à la section *Référence des AWS CLI commandes*.
### `describe-topics-detection-job`
L'exemple de code suivant montre comment utiliser`describe-topics-detection-job`.
**AWS CLI**
**Pour décrire une tâche de détection de rubriques**
L’exemple `describe-topics-detection-job` suivant obtient les propriétés d’une tâche asynchrone de détection de rubriques.
```
aws comprehend describe-topics-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Sortie :
```
{
"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"
}
}
```
Pour plus d’informations, consultez [Analyse asynchrone des informations Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, reportez-vous [DescribeTopicsDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-topics-detection-job.html)à la section *Référence des AWS CLI commandes*.
### `detect-dominant-language`
L'exemple de code suivant montre comment utiliser`detect-dominant-language`.
**AWS CLI**
**Pour détecter la langue dominante du texte d’entrée**
`detect-dominant-language` ci-dessous analyse le texte d’entrée et identifie la langue dominante. Le score de confiance du modèle pré-entraîné est également affiché.
```
aws comprehend detect-dominant-language \
--text "It is a beautiful day in Seattle."
```
Sortie :
```
{
"Languages": [
{
"LanguageCode": "en",
"Score": 0.9877256155014038
}
]
}
```
Pour plus d’informations, consultez [Langue dominante](https://docs.aws.amazon.com/comprehend/latest/dg/how-languages.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, reportez-vous [DetectDominantLanguage](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/detect-dominant-language.html)à la section *Référence des AWS CLI commandes*.
### `detect-entities`
L'exemple de code suivant montre comment utiliser`detect-entities`.
**AWS CLI**
**Pour détecter les entités nommées dans le texte d’entrée**
L’exemple `detect-entities` suivant analyse le texte d’entrée et renvoie les entités nommées. Le score de confiance du modèle pré-entraîné est également généré pour chaque prédiction.
```
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."
```
Sortie :
```
{
"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
}
]
}
```
Pour plus d’informations, consultez [Entités](https://docs.aws.amazon.com/comprehend/latest/dg/how-entities.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, reportez-vous [DetectEntities](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/detect-entities.html)à la section *Référence des AWS CLI commandes*.
### `detect-key-phrases`
L'exemple de code suivant montre comment utiliser`detect-key-phrases`.
**AWS CLI**
**Pour détecter les expressions clés dans le texte d’entrée**
L’exemple `detect-key-phrases` suivant analyse le texte d’entrée et identifie les expressions nominales clés. Le score de confiance du modèle pré-entraîné est également généré pour chaque prédiction.
```
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."
```
Sortie :
```
{
"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
}
]
}
```
Pour plus d’informations, consultez [Phrases clés](https://docs.aws.amazon.com/comprehend/latest/dg/how-key-phrases.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, reportez-vous [DetectKeyPhrases](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/detect-key-phrases.html)à la section *Référence des AWS CLI commandes*.
### `detect-pii-entities`
L'exemple de code suivant montre comment utiliser`detect-pii-entities`.
**AWS CLI**
**Pour détecter les entités PII dans le texte d’entrée**
L’exemple `detect-pii-entities` suivant analyse le texte d’entrée et identifie les entités qui contiennent des données d’identification personnelle (PII). Le score de confiance du modèle pré-entraîné est également généré pour chaque prédiction.
```
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."
```
Sortie :
```
{
"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
}
]
}
```
Pour plus d’informations, consultez [Informations personnelles identifiables (PII)](https://docs.aws.amazon.com/comprehend/latest/dg/pii.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, reportez-vous [DetectPiiEntities](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/detect-pii-entities.html)à la section *Référence des AWS CLI commandes*.
### `detect-sentiment`
L'exemple de code suivant montre comment utiliser`detect-sentiment`.
**AWS CLI**
**Pour détecter le sentiment d’un texte d’entrée**
L’exemple `detect-sentiment` suivant analyse le texte d’entrée et renvoie une inférence du sentiment dominant (`POSITIVE`, `NEUTRAL`, `MIXED` ou `NEGATIVE`).
```
aws comprehend detect-sentiment \
--language-code en \
--text "It is a beautiful day in Seattle"
```
Sortie :
```
{
"Sentiment": "POSITIVE",
"SentimentScore": {
"Positive": 0.9976957440376282,
"Negative": 9.653854067437351e-05,
"Neutral": 0.002169104292988777,
"Mixed": 3.857641786453314e-05
}
}
```
Pour plus d’informations, consultez [Sentiment](https://docs.aws.amazon.com/comprehend/latest/dg/how-sentiment.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, reportez-vous [DetectSentiment](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/detect-sentiment.html)à la section *Référence des AWS CLI commandes*.
### `detect-syntax`
L'exemple de code suivant montre comment utiliser`detect-syntax`.
**AWS CLI**
**Pour détecter les parties du discours dans un texte d’entrée**
L’exemple `detect-syntax` suivant analyse la syntaxe du texte d’entrée et renvoie les différentes parties du discours. Le score de confiance du modèle pré-entraîné est également généré pour chaque prédiction.
```
aws comprehend detect-syntax \
--language-code en \
--text "It is a beautiful day in Seattle."
```
Sortie :
```
{
"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
}
}
]
}
```
Pour plus d’informations, consultez [Analyse de la syntaxe](https://docs.aws.amazon.com/comprehend/latest/dg/how-syntax.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, reportez-vous [DetectSyntax](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/detect-syntax.html)à la section *Référence des AWS CLI commandes*.
### `detect-targeted-sentiment`
L'exemple de code suivant montre comment utiliser`detect-targeted-sentiment`.
**AWS CLI**
**Pour détecter le sentiment ciblé des entités nommées dans un texte d’entrée**
L’exemple `detect-targeted-sentiment` suivant analyse le texte d’entrée et renvoie les entités nommées en plus du sentiment ciblé associé à chaque entité. Le score de confiance du modèle pré-entraîné est également généré pour chaque prédiction.
```
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"
```
Sortie :
```
{
"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
}
]
}
]
}
```
Pour plus d’informations, consultez [Sentiment ciblé](https://docs.aws.amazon.com/comprehend/latest/dg/how-targeted-sentiment.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, reportez-vous [DetectTargetedSentiment](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/detect-targeted-sentiment.html)à la section *Référence des AWS CLI commandes*.
### `import-model`
L'exemple de code suivant montre comment utiliser`import-model`.
**AWS CLI**
**Pour importer un modèle**
L'`import-model`exemple suivant importe un modèle à partir d'un autre AWS compte. Le modèle de classificateur de documents dans le compte `444455556666` dispose d’une politique basée sur les ressources permettant au compte `111122223333` d’importer le modèle.
```
aws comprehend import-model \
--source-model-arn arn:aws:comprehend:us-west-2:444455556666:document-classifier/example-classifier
```
Sortie :
```
{
"ModelArn": "arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier"
}
```
Pour plus d'informations, consultez [Copier des modèles personnalisés entre AWS comptes](https://docs.aws.amazon.com/comprehend/latest/dg/custom-copy.html) dans le manuel *Amazon Comprehend Developer Guide*.
+ Pour plus de détails sur l'API, voir [ImportModel](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/import-model.html)la section *Référence des AWS CLI commandes*.
### `list-datasets`
L'exemple de code suivant montre comment utiliser`list-datasets`.
**AWS CLI**
**Pour répertorier tous les jeux de données d’un volant**
L’exemple `list-datasets` suivant répertorie tous les jeux de données associés à un volant.
```
aws comprehend list-datasets \
--flywheel-arn arn:aws:comprehend:us-west-2:111122223333:flywheel/flywheel-entity
```
Sortie :
```
{
"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"
}
]
}
```
Pour plus d’informations, consultez [Présentation du volant d’inertie](https://docs.aws.amazon.com/comprehend/latest/dg/flywheels-about.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, voir [ListDatasets](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-datasets.html)la section *Référence des AWS CLI commandes*.
### `list-document-classification-jobs`
L'exemple de code suivant montre comment utiliser`list-document-classification-jobs`.
**AWS CLI**
**Pour répertorier toutes les tâches de classification de documents**
L’exemple `list-document-classification-jobs` suivant répertorie toutes les tâches de classification de documents.
```
aws comprehend list-document-classification-jobs
```
Sortie :
```
{
"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"
}
]
}
```
Pour plus d’informations, consultez [Classification personnalisée](https://docs.aws.amazon.com/comprehend/latest/dg/how-document-classification.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, voir [ListDocumentClassificationJobs](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-document-classification-jobs.html)la section *Référence des AWS CLI commandes*.
### `list-document-classifier-summaries`
L'exemple de code suivant montre comment utiliser`list-document-classifier-summaries`.
**AWS CLI**
**Pour répertorier les récapitulatifs de tous les classificateurs de documents créés**
L’exemple `list-document-classifier-summaries` suivant répertorie tous les récapitulatifs des classificateurs de documents créés.
```
aws comprehend list-document-classifier-summaries
```
Sortie :
```
{
"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"
}
]
}
```
Pour plus d’informations, consultez [Création et gestion de modèles personnalisés](https://docs.aws.amazon.com/comprehend/latest/dg/manage-models.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, voir [ListDocumentClassifierSummaries](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-document-classifier-summaries.html)la section *Référence des AWS CLI commandes*.
### `list-document-classifiers`
L'exemple de code suivant montre comment utiliser`list-document-classifiers`.
**AWS CLI**
**Pour répertorier tous les classificateurs de documents**
L’exemple `list-document-classifiers` suivant répertorie tous les modèles de classificateur de documents entraînés et en cours d’entraînement.
```
aws comprehend list-document-classifiers
```
Sortie :
```
{
"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"
}
]
}
```
Pour plus d’informations, consultez [Création et gestion de modèles personnalisés](https://docs.aws.amazon.com/comprehend/latest/dg/manage-models.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, voir [ListDocumentClassifiers](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-document-classifiers.html)la section *Référence des AWS CLI commandes*.
### `list-dominant-language-detection-jobs`
L'exemple de code suivant montre comment utiliser`list-dominant-language-detection-jobs`.
**AWS CLI**
**Pour répertorier toutes les tâches de détection de la langue dominante**
L’exemple `list-dominant-language-detection-jobs` suivant répertorie toutes les tâches asynchrones de détection de la langue dominante en cours et terminées.
```
aws comprehend list-dominant-language-detection-jobs
```
Sortie :
```
{
"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"
}
]
}
```
Pour plus d’informations, consultez [Analyse asynchrone des informations Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, voir [ListDominantLanguageDetectionJobs](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-dominant-language-detection-jobs.html)la section *Référence des AWS CLI commandes*.
### `list-endpoints`
L'exemple de code suivant montre comment utiliser`list-endpoints`.
**AWS CLI**
**Pour répertorier tous les points de terminaison**
L’exemple `list-endpoints` suivant répertorie tous les points de terminaison spécifiques au modèle actifs.
```
aws comprehend list-endpoints
```
Sortie :
```
{
"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"
}
]
}
```
Pour plus d’informations, consultez [Gestion des points de terminaison Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/manage-endpoints.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, voir [ListEndpoints](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-endpoints.html)la section *Référence des AWS CLI commandes*.
### `list-entities-detection-jobs`
L'exemple de code suivant montre comment utiliser`list-entities-detection-jobs`.
**AWS CLI**
**Pour répertorier toutes les tâches de détection d’entités**
L’exemple `list-entities-detection-jobs` suivant répertorie toutes les tâches asynchrones de détection d’entités.
```
aws comprehend list-entities-detection-jobs
```
Sortie :
```
{
"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"
}
]
}
```
Pour plus d’informations, consultez [Entités](https://docs.aws.amazon.com/comprehend/latest/dg/how-entities.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, voir [ListEntitiesDetectionJobs](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-entities-detection-jobs.html)la section *Référence des AWS CLI commandes*.
### `list-entity-recognizer-summaries`
L'exemple de code suivant montre comment utiliser`list-entity-recognizer-summaries`.
**AWS CLI**
**Pour répertorier les récapitulatifs de tous les modules de reconnaissance d’entités créés**
L’exemple `list-entity-recognizer-summaries` suivant répertorie tous les récapitulatifs des modules de reconnaissance d’entités.
```
aws comprehend list-entity-recognizer-summaries
```
Sortie :
```
{
"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"
}
]
}
```
Pour plus d’informations, consultez [Reconnaissance des entités personnalisées](https://docs.aws.amazon.com/comprehend/latest/dg/custom-entity-recognition.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, voir [ListEntityRecognizerSummaries](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-entity-recognizer-summaries.html)la section *Référence des AWS CLI commandes*.
### `list-entity-recognizers`
L'exemple de code suivant montre comment utiliser`list-entity-recognizers`.
**AWS CLI**
**Pour répertorier tous les modules de reconnaissance d’entités personnalisés**
L’exemple `list-entity-recognizers` suivant répertorie tous les modules de reconnaissance d’entités personnalisés créés.
```
aws comprehend list-entity-recognizers
```
Sortie :
```
{
"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"
}
]
}
```
Pour plus d’informations, consultez [Reconnaissance des entités personnalisées](https://docs.aws.amazon.com/comprehend/latest/dg/custom-entity-recognition.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, voir [ListEntityRecognizers](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-entity-recognizers.html)la section *Référence des AWS CLI commandes*.
### `list-events-detection-jobs`
L'exemple de code suivant montre comment utiliser`list-events-detection-jobs`.
**AWS CLI**
**Pour répertorier toutes les tâches de détection d’événements**
L’exemple `list-events-detection-jobs` suivant répertorie toutes les tâches asynchrones de détection d’événements.
```
aws comprehend list-events-detection-jobs
```
Sortie :
```
{
"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"
]
}
]
}
```
Pour plus d’informations, consultez [Analyse asynchrone des informations Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, voir [ListEventsDetectionJobs](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-events-detection-jobs.html)la section *Référence des AWS CLI commandes*.
### `list-flywheel-iteration-history`
L'exemple de code suivant montre comment utiliser`list-flywheel-iteration-history`.
**AWS CLI**
**Pour répertorier l’historique d’itérations du volant**
L’exemple `list-flywheel-iteration-history` suivant répertorie toutes les itérations d’un volant.
```
aws comprehend list-flywheel-iteration-history
--flywheel-arn arn:aws:comprehend:us-west-2:111122223333:flywheel/example-flywheel
```
Sortie :
```
{
"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/"
}
]
}
```
Pour plus d’informations, consultez [Présentation du volant d’inertie](https://docs.aws.amazon.com/comprehend/latest/dg/flywheels-about.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, voir [ListFlywheelIterationHistory](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-flywheel-iteration-history.html)la section *Référence des AWS CLI commandes*.
### `list-flywheels`
L'exemple de code suivant montre comment utiliser`list-flywheels`.
**AWS CLI**
**Pour répertorier tous les volants d’inertie**
L’exemple `list-flywheels` suivant répertorie tous les volants créés.
```
aws comprehend list-flywheels
```
Sortie :
```
{
"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"
}
]
}
```
Pour plus d’informations, consultez [Présentation du volant d’inertie](https://docs.aws.amazon.com/comprehend/latest/dg/flywheels-about.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, voir [ListFlywheels](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-flywheels.html)la section *Référence des AWS CLI commandes*.
### `list-key-phrases-detection-jobs`
L'exemple de code suivant montre comment utiliser`list-key-phrases-detection-jobs`.
**AWS CLI**
**Pour répertorier toutes les tâches de détection d’expressions clés**
L’exemple `list-key-phrases-detection-jobs` suivant répertorie toutes les tâches asynchrones de détection d’expressions clés en cours et terminées.
```
aws comprehend list-key-phrases-detection-jobs
```
Sortie :
```
{
"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"
}
]
}
```
Pour plus d’informations, consultez [Analyse asynchrone des informations Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, voir [ListKeyPhrasesDetectionJobs](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-key-phrases-detection-jobs.html)la section *Référence des AWS CLI commandes*.
### `list-pii-entities-detection-jobs`
L'exemple de code suivant montre comment utiliser`list-pii-entities-detection-jobs`.
**AWS CLI**
**Pour répertorier toutes les tâches de détection d’entités PII**
L’exemple `list-pii-entities-detection-jobs` suivant répertorie toutes les tâches asynchrones de détection d’entités PII en cours et terminées.
```
aws comprehend list-pii-entities-detection-jobs
```
Sortie :
```
{
"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"
}
]
}
```
Pour plus d’informations, consultez [Analyse asynchrone des informations Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, voir [ListPiiEntitiesDetectionJobs](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-pii-entities-detection-jobs.html)la section *Référence des AWS CLI commandes*.
### `list-sentiment-detection-jobs`
L'exemple de code suivant montre comment utiliser`list-sentiment-detection-jobs`.
**AWS CLI**
**Pour répertorier toutes les tâches de détection de sentiments**
L’exemple `list-sentiment-detection-jobs` suivant répertorie toutes les tâches asynchrones de détection de sentiments en cours et terminées.
```
aws comprehend list-sentiment-detection-jobs
```
Sortie :
```
{
"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"
}
]
}
```
Pour plus d’informations, consultez [Analyse asynchrone des informations Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, voir [ListSentimentDetectionJobs](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-sentiment-detection-jobs.html)la section *Référence des AWS CLI commandes*.
### `list-tags-for-resource`
L'exemple de code suivant montre comment utiliser`list-tags-for-resource`.
**AWS CLI**
**Pour répertorier les balises d’une ressource**
L’exemple `list-tags-for-resource` suivant répertorie les balises pour une ressource Amazon Comprehend.
```
aws comprehend list-tags-for-resource \
--resource-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier/version/1
```
Sortie :
```
{
"ResourceArn": "arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier/version/1",
"Tags": [
{
"Key": "Department",
"Value": "Finance"
},
{
"Key": "location",
"Value": "Seattle"
}
]
}
```
Pour plus d’informations, consultez [Balisage de vos ressources](https://docs.aws.amazon.com/comprehend/latest/dg/tagging.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, voir [ListTagsForResource](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-tags-for-resource.html)la section *Référence des AWS CLI commandes*.
### `list-targeted-sentiment-detection-jobs`
L'exemple de code suivant montre comment utiliser`list-targeted-sentiment-detection-jobs`.
**AWS CLI**
**Pour répertorier toutes les tâches de détection ciblée de sentiments**
L’exemple `list-targeted-sentiment-detection-jobs` suivant répertorie toutes les tâches asynchrones de détection ciblée de sentiments en cours et terminées.
```
aws comprehend list-targeted-sentiment-detection-jobs
```
Sortie :
```
{
"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"
}
]
}
```
Pour plus d’informations, consultez [Analyse asynchrone des informations Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, voir [ListTargetedSentimentDetectionJobs](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-targeted-sentiment-detection-jobs.html)la section *Référence des AWS CLI commandes*.
### `list-topics-detection-jobs`
L'exemple de code suivant montre comment utiliser`list-topics-detection-jobs`.
**AWS CLI**
**Pour répertorier toutes les tâches de détection de rubriques**
L’exemple `list-topics-detection-jobs` suivant répertorie toutes les tâches asynchrones de détection de rubriques en cours et terminées.
```
aws comprehend list-topics-detection-jobs
```
Sortie :
```
{
"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"
}
]
}
```
Pour plus d’informations, consultez [Analyse asynchrone des informations Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, voir [ListTopicsDetectionJobs](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-topics-detection-jobs.html)la section *Référence des AWS CLI commandes*.
### `put-resource-policy`
L'exemple de code suivant montre comment utiliser`put-resource-policy`.
**AWS CLI**
**Pour attacher une politique basée sur les ressources**
L'`put-resource-policy`exemple suivant associe une politique basée sur les ressources à un modèle afin qu'il puisse être importé par un autre AWS compte. La politique est attachée au modèle dans le compte `111122223333` et permet au compte `444455556666` d’importer le modèle.
```
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"]}}]}'
```
Sortie :
```
{
"PolicyRevisionId": "aaa111d069d07afaa2aa3106aEXAMPLE"
}
```
Pour plus d'informations, consultez [Copier des modèles personnalisés entre AWS comptes](https://docs.aws.amazon.com/comprehend/latest/dg/custom-copy.html) dans le manuel *Amazon Comprehend Developer Guide*.
+ Pour plus de détails sur l'API, voir [PutResourcePolicy](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/put-resource-policy.html)la section *Référence des AWS CLI commandes*.
### `start-document-classification-job`
L'exemple de code suivant montre comment utiliser`start-document-classification-job`.
**AWS CLI**
**Pour démarrer une tâche de classification de documents**
L’exemple `start-document-classification-job` suivant démarre une tâche de classification de documents avec un modèle personnalisé sur tous les fichiers à l’adresse spécifiée par la balise `--input-data-config`. Dans cet exemple, le compartiment S3 d’entrée contient `SampleSMStext1.txt`, `SampleSMStext2.txt` et `SampleSMStext3.txt`. Le modèle avait déjà été entraîné à la classification des documents contenant des messages SMS désirables ou indésirables, ou « ham ». Lorsque la tâche est terminée, `output.tar.gz` est placé à l’emplacement spécifié par la balise `--output-data-config`. `output.tar.gz` contient `predictions.jsonl` qui répertorie la classification de chaque document. La sortie Json est imprimée sur une ligne par fichier, mais elle est mise en forme ici pour plus de lisibilité.
```
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
```
Contenu de `SampleSMStext1.txt` :
```
"CONGRATULATIONS! TXT 2155550100 to win $5000"
```
Contenu de `SampleSMStext2.txt` :
```
"Hi, when do you want me to pick you up from practice?"
```
Contenu de `SampleSMStext3.txt` :
```
"Plz send bank account # to 2155550100 to claim prize!!"
```
Sortie :
```
{
"JobId": "e758dd56b824aa717ceab551fEXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:document-classification-job/e758dd56b824aa717ceab551fEXAMPLE",
"JobStatus": "SUBMITTED"
}
```
Contenu 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}]}
```
Pour plus d’informations, consultez [Classification personnalisée](https://docs.aws.amazon.com/comprehend/latest/dg/how-document-classification.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, voir [StartDocumentClassificationJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/start-document-classification-job.html)la section *Référence des AWS CLI commandes*.
### `start-dominant-language-detection-job`
L'exemple de code suivant montre comment utiliser`start-dominant-language-detection-job`.
**AWS CLI**
**Pour lancer une tâche asynchrone de détection de la langue**
L’exemple `start-dominant-language-detection-job` suivant lance une tâche asynchrone de détection de la langue pour tous les fichiers situés à l’adresse spécifiée par la balise `--input-data-config`. Dans cet exemple, le compartiment S3 contient `Sampletext1.txt`. Lorsque la tâche est terminée, le dossier, `output`, est placé à l’emplacement spécifié par la balise `--output-data-config`. Le dossier contient `output.txt` qui contient la langue dominante de chacun des fichiers texte ainsi que le score de confiance du modèle pré-entraîné pour chaque prédiction.
```
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
```
Contenu 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."
```
Sortie :
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:dominant-language-detection-job/123456abcdeb0e11022f22a11EXAMPLE",
"JobStatus": "SUBMITTED"
}
```
Contenu de `output.txt` :
```
{"File": "Sampletext1.txt", "Languages": [{"LanguageCode": "en", "Score": 0.9913753867149353}], "Line": 0}
```
Pour plus d’informations, consultez [Analyse asynchrone des informations Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, voir [StartDominantLanguageDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/start-dominant-language-detection-job.html)la section *Référence des AWS CLI commandes*.
### `start-entities-detection-job`
L'exemple de code suivant montre comment utiliser`start-entities-detection-job`.
**AWS CLI**
**Exemple 1 : pour démarrer une tâche de détection d’entités standard à l’aide du modèle pré-entraîné**
L’exemple `start-entities-detection-job` suivant lance une tâche asynchrone de détection d’entités pour tous les fichiers situés à l’adresse spécifiée par la balise `--input-data-config`. Dans cet exemple, le compartiment S3 contient `Sampletext1.txt`, `Sampletext2.txt` et `Sampletext3.txt`. Lorsque la tâche est terminée, le dossier, `output`, est placé à l’emplacement spécifié par la balise `--output-data-config`. Le dossier contient `output.txt` qui contient la liste de toutes les entités nommées détectées dans chaque fichier texte ainsi que le score de confiance du modèle pré-entraîné pour chaque prédiction. La sortie Json est imprimée sur une ligne par fichier d’entrée, mais elle est mise en forme ici pour plus de lisibilité.
```
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
```
Contenu 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."
```
Contenu 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. "
```
Contenu 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."
```
Sortie :
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:entities-detection-job/123456abcdeb0e11022f22a11EXAMPLE",
"JobStatus": "SUBMITTED"
}
```
Contenu du fichier `output.txt` avec des retraits de ligne pour plus de lisibilité :
```
{
"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
}
```
Pour plus d’informations, consultez [Analyse asynchrone des informations Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) dans le *Guide du développeur Amazon Comprehend*.
**Exemple 2 : pour démarrer une tâche de détection d’entités personnalisée**
L’exemple `start-entities-detection-job` suivant lance une tâche asynchrone de détection d’entités personnalisée pour tous les fichiers situés à l’adresse spécifiée par la balise `--input-data-config`. Dans cet exemple, le compartiment S3 contient `SampleFeedback1.txt`, `SampleFeedback2.txt` et `SampleFeedback3.txt`. Le modèle de reconnaissance d’entités a été entraîné sur les commentaires du support client pour reconnaître les noms des appareils. Lorsque la tâche est terminée, le dossier, `output`, est placé à l’emplacement spécifié par la balise `--output-data-config`. Le dossier inclut `output.txt`, qui contient la liste de toutes les entités nommées détectées dans chaque fichier texte ainsi que le score de confiance du modèle pré-entraîné pour chaque prédiction. La sortie JSON est imprimée sur une ligne par fichier, mais elle est mise en forme ici pour plus de lisibilité.
```
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"
```
Contenu 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!"
```
Contenu 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!"
```
Contenu 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!"
```
Sortie :
```
{
"JobId": "019ea9edac758806850fa8a79ff83021",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:entities-detection-job/019ea9edac758806850fa8a79ff83021",
"JobStatus": "SUBMITTED"
}
```
Contenu du fichier `output.txt` avec des retraits de ligne pour plus de lisibilité :
```
{
"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
}
```
Pour plus d’informations, consultez [Reconnaissance des entités personnalisées](https://docs.aws.amazon.com/comprehend/latest/dg/custom-entity-recognition.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, voir [StartEntitiesDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/start-entities-detection-job.html)la section *Référence des AWS CLI commandes*.
### `start-events-detection-job`
L'exemple de code suivant montre comment utiliser`start-events-detection-job`.
**AWS CLI**
**Pour démarrer une tâche asynchrone de détection d’événements**
L’exemple `start-events-detection-job` suivant lance une tâche asynchrone de détection d’événements pour tous les fichiers situés à l’adresse spécifiée par la balise `--input-data-config`. Les types d’événements cibles possibles incluent `BANKRUPCTY`, `EMPLOYMENT`, `CORPORATE_ACQUISITION`, `INVESTMENT_GENERAL`, `CORPORATE_MERGER`, `IPO`, `RIGHTS_ISSUE`, `SECONDARY_OFFERING`, `SHELF_OFFERING`, `TENDER_OFFERING` et `STOCK_SPLIT`. Dans cet exemple, le compartiment S3 contient `SampleText1.txt`, `SampleText2.txt` et `SampleText3.txt`. Lorsque la tâche est terminée, le dossier, `output`, est placé à l’emplacement spécifié par la balise `--output-data-config`. Le dossier contient `SampleText1.txt.out`, `SampleText2.txt.out` et `SampleText3.txt.out`. La sortie JSON est imprimée sur une ligne par fichier, mais elle est mise en forme ici pour plus de lisibilité.
```
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"
```
Contenu 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."
```
Contenu de `SampleText2.txt` :
```
"In 2021, AnyCompany officially purchased AnyBusiness for 100 billion dollars, surprising and exciting the shareholders."
```
Contenu de `SampleText3.txt` :
```
"In 2022, AnyCompany stock crashed 50. Eventually later that year they filed for bankruptcy."
```
Sortie :
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:events-detection-job/123456abcdeb0e11022f22a11EXAMPLE",
"JobStatus": "SUBMITTED"
}
```
Contenu du fichier `SampleText1.txt.out` avec des retraits de ligne pour plus de lisibilité :
```
{
"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
}
```
Contenu 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
}
```
Contenu 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
}
```
Pour plus d’informations, consultez [Analyse asynchrone des informations Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, voir [StartEventsDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/start-events-detection-job.html)la section *Référence des AWS CLI commandes*.
### `start-flywheel-iteration`
L'exemple de code suivant montre comment utiliser`start-flywheel-iteration`.
**AWS CLI**
**Pour lancer l’itération d’un volant**
L’exemple `start-flywheel-iteration` suivant lance l’itération d’un volant. Cette opération utilise tous les nouveaux jeux de données présents dans le volant pour entraîner une nouvelle version du modèle.
```
aws comprehend start-flywheel-iteration \
--flywheel-arn arn:aws:comprehend:us-west-2:111122223333:flywheel/example-flywheel
```
Sortie :
```
{
"FlywheelArn": "arn:aws:comprehend:us-west-2:111122223333:flywheel/example-flywheel",
"FlywheelIterationId": "12345123TEXAMPLE"
}
```
Pour plus d’informations, consultez [Présentation du volant d’inertie](https://docs.aws.amazon.com/comprehend/latest/dg/flywheels-about.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, voir [StartFlywheelIteration](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/start-flywheel-iteration.html)la section *Référence des AWS CLI commandes*.
### `start-key-phrases-detection-job`
L'exemple de code suivant montre comment utiliser`start-key-phrases-detection-job`.
**AWS CLI**
**Pour démarre une tâche de détection d’expressions clés**
L’exemple `start-key-phrases-detection-job` suivant lance une tâche asynchrone de détection d’expressions clés pour tous les fichiers situés à l’adresse spécifiée par la balise `--input-data-config`. Dans cet exemple, le compartiment S3 contient `Sampletext1.txt`, `Sampletext2.txt` et `Sampletext3.txt`. Lorsque la tâche est terminée, le dossier, `output`, est placé à l’emplacement spécifié par la balise `--output-data-config`. Le dossier contient le fichier `output.txt` qui contient toutes les expressions clés détectées dans chaque fichier texte et le score de confiance du modèle pré-entraîné pour chaque prédiction. La sortie Json est imprimée sur une ligne par fichier, mais elle est mise en forme ici pour plus de lisibilité.
```
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
```
Contenu 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."
```
Contenu 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. "
```
Contenu 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."
```
Sortie :
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:key-phrases-detection-job/123456abcdeb0e11022f22a11EXAMPLE",
"JobStatus": "SUBMITTED"
}
```
Contenu du fichier `output.txt` avec des retraits de ligne pour plus de lisibilité :
```
{
"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
}
```
Pour plus d’informations, consultez [Analyse asynchrone des informations Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, voir [StartKeyPhrasesDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/start-key-phrases-detection-job.html)la section *Référence des AWS CLI commandes*.
### `start-pii-entities-detection-job`
L'exemple de code suivant montre comment utiliser`start-pii-entities-detection-job`.
**AWS CLI**
**Pour démarrer une tâche asynchrone de détection de PII**
L’exemple `start-pii-entities-detection-job` suivant lance une tâche asynchrone de détection d’entités de données d’identification personnelle (PII) pour tous les fichiers situés à l’adresse spécifiée par la balise `--input-data-config`. Dans cet exemple, le compartiment S3 contient `Sampletext1.txt`, `Sampletext2.txt` et `Sampletext3.txt`. Lorsque la tâche est terminée, le dossier, `output`, est placé à l’emplacement spécifié par la balise `--output-data-config`. Le dossier contient `SampleText1.txt.out`, `SampleText2.txt.out` et `SampleText3.txt.out` qui répertorient les entités nommées dans chaque fichier texte. La sortie Json est imprimée sur une ligne par fichier, mais elle est mise en forme ici pour plus de lisibilité.
```
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
```
Contenu 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."
```
Contenu 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. "
```
Contenu 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."
```
Sortie :
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:pii-entities-detection-job/123456abcdeb0e11022f22a11EXAMPLE",
"JobStatus": "SUBMITTED"
}
```
Contenu du fichier `SampleText1.txt.out` avec des retraits de ligne pour plus de lisibilité :
```
{
"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
}
```
Contenu du fichier `SampleText2.txt.out` avec des retraits de ligne pour plus de lisibilité :
```
{
"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
}
```
Contenu du fichier `SampleText3.txt.out` avec des retraits de ligne pour plus de lisibilité :
```
{
"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
}
```
Pour plus d’informations, consultez [Analyse asynchrone des informations Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, voir [StartPiiEntitiesDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/start-pii-entities-detection-job.html)la section *Référence des AWS CLI commandes*.
### `start-sentiment-detection-job`
L'exemple de code suivant montre comment utiliser`start-sentiment-detection-job`.
**AWS CLI**
**Pour démarrer une tâche asynchrone d’analyse des sentiments**
L’exemple `start-sentiment-detection-job` suivant lance une tâche asynchrone de détection de l’analyse des sentiments pour tous les fichiers situés à l’adresse spécifiée par la balise `--input-data-config`. Dans cet exemple, le compartiment S3 contient `SampleMovieReview1.txt`, `SampleMovieReview2.txt` et `SampleMovieReview3.txt`. Lorsque la tâche est terminée, le dossier, `output`, est placé à l’emplacement spécifié par la balise `--output-data-config`. Le dossier contient le fichier, `output.txt`, qui contient les sentiments dominants dans chaque fichier texte et le score de confiance du modèle pré-entraîné pour chaque prédiction. La sortie Json est imprimée sur une ligne par fichier, mais elle est mise en forme ici pour plus de lisibilité.
```
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
```
Contenu de `SampleMovieReview1.txt` :
```
"The film, AnyMovie2, is fairly predictable and just okay."
```
Contenu 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."
```
Contenu de `SampleMovieReview3.txt` :
```
"Don't get fooled by the 'awards' for AnyMovie2. All parts of the film were poorly stolen from other modern directors."
```
Sortie :
```
{
"JobId": "0b5001e25f62ebb40631a9a1a7fde7b3",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:sentiment-detection-job/0b5001e25f62ebb40631a9a1a7fde7b3",
"JobStatus": "SUBMITTED"
}
```
Contenu du fichier `output.txt` avec des retraits de ligne pour plus de lisibilité :
```
{
"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
}
}
}
```
Pour plus d’informations, consultez [Analyse asynchrone des informations Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, voir [StartSentimentDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/start-sentiment-detection-job.html)la section *Référence des AWS CLI commandes*.
### `start-targeted-sentiment-detection-job`
L'exemple de code suivant montre comment utiliser`start-targeted-sentiment-detection-job`.
**AWS CLI**
**Pour démarrer une tâche asynchrone d’analyse des sentiments ciblée**
L’exemple `start-targeted-sentiment-detection-job` suivant lance une tâche asynchrone de détection de l’analyse des sentiments ciblée pour tous les fichiers situés à l’adresse spécifiée par la balise `--input-data-config`. Dans cet exemple, le compartiment S3 contient `SampleMovieReview1.txt`, `SampleMovieReview2.txt` et `SampleMovieReview3.txt`. Lorsque la tâche est terminée, `output.tar.gz` est placé à l’emplacement spécifié par la balise `--output-data-config`. `output.tar.gz`contient les fichiers `SampleMovieReview1.txt.out`, `SampleMovieReview2.txt.out` et `SampleMovieReview3.txt.out`, qui contiennent chacun toutes les entités nommées et les sentiments associés pour un seul fichier texte d’entrée.
```
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
```
Contenu de `SampleMovieReview1.txt` :
```
"The film, AnyMovie, is fairly predictable and just okay."
```
Contenu 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."
```
Contenu de `SampleMovieReview3.txt` :
```
"Don't get fooled by the 'awards' for AnyMovie. All parts of the film were poorly stolen from other modern directors."
```
Sortie :
```
{
"JobId": "0b5001e25f62ebb40631a9a1a7fde7b3",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:targeted-sentiment-detection-job/0b5001e25f62ebb40631a9a1a7fde7b3",
"JobStatus": "SUBMITTED"
}
```
Contenu du fichier `SampleMovieReview1.txt.out` avec des retraits de ligne pour plus de lisibilité :
```
{
"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
}
```
Contenu du fichier `SampleMovieReview2.txt.out` avec des retraits de ligne pour plus de lisibilité :
```
{
"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
}
```
Contenu du fichier `SampleMovieReview3.txt.out` avec des retraits de ligne pour plus de lisibilité :
```
{
"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
}
```
Pour plus d’informations, consultez [Analyse asynchrone des informations Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, voir [StartTargetedSentimentDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/start-targeted-sentiment-detection-job.html)la section *Référence des AWS CLI commandes*.
### `start-topics-detection-job`
L'exemple de code suivant montre comment utiliser`start-topics-detection-job`.
**AWS CLI**
**Pour démarrer une tâche d’analyse de détection de rubriques**
L’exemple `start-topics-detection-job` suivant lance une tâche asynchrone de détection de rubriques pour tous les fichiers situés à l’adresse spécifiée par la balise `--input-data-config`. Lorsque la tâche est terminée, le dossier, `output`, est placé à l’emplacement spécifié par la balise `--ouput-data-config`. La `output` contient topic-terms.csv et doc-topics.csv. Le premier fichier de sortie, topic-terms.csv, est une liste des rubriques de la collection. Pour chaque rubrique, la liste inclut, par défaut, les principaux termes par rubrique en fonction de leur poids. Le second fichier, `doc-topics.csv`, répertorie les documents associés à une rubrique et la proportion du document qui traite de la rubrique.
```
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
```
Sortie :
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:key-phrases-detection-job/123456abcdeb0e11022f22a11EXAMPLE",
"JobStatus": "SUBMITTED"
}
```
Pour plus d’informations, consultez [Modélisation des rubriques](https://docs.aws.amazon.com/comprehend/latest/dg/topic-modeling.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, voir [StartTopicsDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/start-topics-detection-job.html)la section *Référence des AWS CLI commandes*.
### `stop-dominant-language-detection-job`
L'exemple de code suivant montre comment utiliser`stop-dominant-language-detection-job`.
**AWS CLI**
**Pour arrêter une tâche asynchrone de détection de la langue dominante**
L’exemple `stop-dominant-language-detection-job` suivant arrête une tâche asynchrone de détection de la langue dominante en cours. Si l’état actuel de la tâche est `IN_PROGRESS`, celle-ci est marquée pour être résiliée et placée dans l’état `STOP_REQUESTED`. Si la tâche se termine avant de pouvoir être arrêtée, elle est placée dans l’état `COMPLETED`.
```
aws comprehend stop-dominant-language-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Sortie :
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE,
"JobStatus": "STOP_REQUESTED"
}
```
Pour plus d’informations, consultez [Analyse asynchrone des informations Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, voir [StopDominantLanguageDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/stop-dominant-language-detection-job.html)la section *Référence des AWS CLI commandes*.
### `stop-entities-detection-job`
L'exemple de code suivant montre comment utiliser`stop-entities-detection-job`.
**AWS CLI**
**Pour arrêter une tâche asynchrone de détection d’entités**
L’exemple `stop-entities-detection-job` suivant arrête une tâche asynchrone de détection d’entités en cours. Si l’état actuel de la tâche est `IN_PROGRESS`, celle-ci est marquée pour être résiliée et placée dans l’état `STOP_REQUESTED`. Si la tâche se termine avant de pouvoir être arrêtée, elle est placée dans l’état `COMPLETED`.
```
aws comprehend stop-entities-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Sortie :
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE,
"JobStatus": "STOP_REQUESTED"
}
```
Pour plus d’informations, consultez [Analyse asynchrone des informations Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, voir [StopEntitiesDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/stop-entities-detection-job.html)la section *Référence des AWS CLI commandes*.
### `stop-events-detection-job`
L'exemple de code suivant montre comment utiliser`stop-events-detection-job`.
**AWS CLI**
**Pour arrêter une tâche asynchrone de détection d’événements**
L’exemple `stop-events-detection-job` suivant arrête une tâche asynchrone de détection d’événements en cours. Si l’état actuel de la tâche est `IN_PROGRESS`, celle-ci est marquée pour être résiliée et placée dans l’état `STOP_REQUESTED`. Si la tâche se termine avant de pouvoir être arrêtée, elle est placée dans l’état `COMPLETED`.
```
aws comprehend stop-events-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Sortie :
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE,
"JobStatus": "STOP_REQUESTED"
}
```
Pour plus d’informations, consultez [Analyse asynchrone des informations Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, voir [StopEventsDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/stop-events-detection-job.html)la section *Référence des AWS CLI commandes*.
### `stop-key-phrases-detection-job`
L'exemple de code suivant montre comment utiliser`stop-key-phrases-detection-job`.
**AWS CLI**
**Pour arrêter une tâche asynchrone de détection d’expressions clés**
L’exemple `stop-key-phrases-detection-job` suivant arrête une tâche asynchrone de détection d’expressions clés en cours. Si l’état actuel de la tâche est `IN_PROGRESS`, celle-ci est marquée pour être résiliée et placée dans l’état `STOP_REQUESTED`. Si la tâche se termine avant de pouvoir être arrêtée, elle est placée dans l’état `COMPLETED`.
```
aws comprehend stop-key-phrases-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Sortie :
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE,
"JobStatus": "STOP_REQUESTED"
}
```
Pour plus d’informations, consultez [Analyse asynchrone des informations Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, voir [StopKeyPhrasesDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/stop-key-phrases-detection-job.html)la section *Référence des AWS CLI commandes*.
### `stop-pii-entities-detection-job`
L'exemple de code suivant montre comment utiliser`stop-pii-entities-detection-job`.
**AWS CLI**
**Pour arrêter une tâche asynchrone de détection d’entités PII**
L’exemple `stop-pii-entities-detection-job` suivant arrête une tâche asynchrone de détection d’entités PII en cours. Si l’état actuel de la tâche est `IN_PROGRESS`, celle-ci est marquée pour être résiliée et placée dans l’état `STOP_REQUESTED`. Si la tâche se termine avant de pouvoir être arrêtée, elle est placée dans l’état `COMPLETED`.
```
aws comprehend stop-pii-entities-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Sortie :
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE,
"JobStatus": "STOP_REQUESTED"
}
```
Pour plus d’informations, consultez [Analyse asynchrone des informations Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, voir [StopPiiEntitiesDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/stop-pii-entities-detection-job.html)la section *Référence des AWS CLI commandes*.
### `stop-sentiment-detection-job`
L'exemple de code suivant montre comment utiliser`stop-sentiment-detection-job`.
**AWS CLI**
**Pour arrêter une tâche asynchrone de détection de sentiments**
L’exemple `stop-sentiment-detection-job` suivant arrête une tâche asynchrone de détection de sentiments en cours. Si l’état actuel de la tâche est `IN_PROGRESS`, celle-ci est marquée pour être résiliée et placée dans l’état `STOP_REQUESTED`. Si la tâche se termine avant de pouvoir être arrêtée, elle est placée dans l’état `COMPLETED`.
```
aws comprehend stop-sentiment-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Sortie :
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE,
"JobStatus": "STOP_REQUESTED"
}
```
Pour plus d’informations, consultez [Analyse asynchrone des informations Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, voir [StopSentimentDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/stop-sentiment-detection-job.html)la section *Référence des AWS CLI commandes*.
### `stop-targeted-sentiment-detection-job`
L'exemple de code suivant montre comment utiliser`stop-targeted-sentiment-detection-job`.
**AWS CLI**
**Pour arrêter une tâche asynchrone de détection de sentiments ciblée**
L’exemple `stop-targeted-sentiment-detection-job` suivant arrête une tâche asynchrone de détection de sentiments ciblée en cours. Si l’état actuel de la tâche est `IN_PROGRESS`, celle-ci est marquée pour être résiliée et placée dans l’état `STOP_REQUESTED`. Si la tâche se termine avant de pouvoir être arrêtée, elle est placée dans l’état `COMPLETED`.
```
aws comprehend stop-targeted-sentiment-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Sortie :
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE,
"JobStatus": "STOP_REQUESTED"
}
```
Pour plus d’informations, consultez [Analyse asynchrone des informations Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, voir [StopTargetedSentimentDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/stop-targeted-sentiment-detection-job.html)la section *Référence des AWS CLI commandes*.
### `stop-training-document-classifier`
L'exemple de code suivant montre comment utiliser`stop-training-document-classifier`.
**AWS CLI**
**Pour arrêter l’entraînement d’un modèle de classificateur de documents**
L’exemple `stop-training-document-classifier` suivant arrête l’entraînement d’un modèle de classificateur de documents alors qu’il est en cours.
```
aws comprehend stop-training-document-classifier
--document-classifier-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier
```
Cette commande ne produit aucune sortie.
Pour plus d’informations, consultez [Création et gestion de modèles personnalisés](https://docs.aws.amazon.com/comprehend/latest/dg/manage-models.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, voir [StopTrainingDocumentClassifier](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/stop-training-document-classifier.html)la section *Référence des AWS CLI commandes*.
### `stop-training-entity-recognizer`
L'exemple de code suivant montre comment utiliser`stop-training-entity-recognizer`.
**AWS CLI**
**Pour arrêter l’entraînement d’un modèle de reconnaissance d’entités**
L’exemple `stop-training-entity-recognizer` suivant arrête l’entraînement d’un modèle de reconnaissance d’entités alors qu’il est en cours.
```
aws comprehend stop-training-entity-recognizer
--entity-recognizer-arn "arn:aws:comprehend:us-west-2:111122223333:entity-recognizer/examplerecognizer1"
```
Cette commande ne produit aucune sortie.
Pour plus d’informations, consultez [Création et gestion de modèles personnalisés](https://docs.aws.amazon.com/comprehend/latest/dg/manage-models.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, voir [StopTrainingEntityRecognizer](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/stop-training-entity-recognizer.html)la section *Référence des AWS CLI commandes*.
### `tag-resource`
L'exemple de code suivant montre comment utiliser`tag-resource`.
**AWS CLI**
**Exemple 1 : pour baliser une ressource**
L’exemple `tag-resource` suivant ajoute une seule balise à une ressource 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
```
Cette commande n’a aucune sortie.
Pour plus d’informations, consultez [Balisage de vos ressources](https://docs.aws.amazon.com/comprehend/latest/dg/tagging.html) dans le *Guide du développeur Amazon Comprehend*.
**Exemple 2 : pour ajouter plusieurs balises à une ressource**
L’exemple `tag-resource` suivant ajoute plusieurs balises à une ressource 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
```
Cette commande n’a aucune sortie.
Pour plus d’informations, consultez [Balisage de vos ressources](https://docs.aws.amazon.com/comprehend/latest/dg/tagging.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, voir [TagResource](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/tag-resource.html)la section *Référence des AWS CLI commandes*.
### `untag-resource`
L'exemple de code suivant montre comment utiliser`untag-resource`.
**AWS CLI**
**Exemple 1 : pour supprimer une seule balise d’une ressource**
L’exemple `untag-resource` suivant supprime une seule balise d’une ressource Amazon Comprehend.
```
aws comprehend untag-resource \
--resource-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier/version/1
--tag-keys Location
```
Cette commande ne produit aucune sortie.
Pour plus d’informations, consultez [Balisage de vos ressources](https://docs.aws.amazon.com/comprehend/latest/dg/tagging.html) dans le *Guide du développeur Amazon Comprehend*.
**Exemple 2 : pour supprimer plusieurs balises d’une ressource**
L’exemple `untag-resource` suivant supprime plusieurs balises d’une ressource 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
```
Cette commande ne produit aucune sortie.
Pour plus d’informations, consultez [Balisage de vos ressources](https://docs.aws.amazon.com/comprehend/latest/dg/tagging.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, voir [UntagResource](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/untag-resource.html)la section *Référence des AWS CLI commandes*.
### `update-endpoint`
L'exemple de code suivant montre comment utiliser`update-endpoint`.
**AWS CLI**
**Exemple 1 : pour mettre à jour les unités d’inférence d’un point de terminaison**
L’exemple `update-endpoint` suivant met à jour les informations d’un point de terminaison. Dans cet exemple, le nombre d’unités d’inférence est augmenté.
```
aws comprehend update-endpoint \
--endpoint-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier-endpoint/example-classifier-endpoint
--desired-inference-units 2
```
Cette commande ne produit aucune sortie.
Pour plus d’informations, consultez [Gestion des points de terminaison Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/manage-endpoints.html) dans le *Guide du développeur Amazon Comprehend*.
**Exemple 2 : pour mettre à jour le modèle actif d’un point de terminaison**
L’exemple `update-endpoint` suivant met à jour les informations d’un point de terminaison. Dans cet exemple, le modèle actif est modifié.
```
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
```
Cette commande ne produit aucune sortie.
Pour plus d’informations, consultez [Gestion des points de terminaison Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/manage-endpoints.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, voir [UpdateEndpoint](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/update-endpoint.html)la section *Référence des AWS CLI commandes*.
### `update-flywheel`
L'exemple de code suivant montre comment utiliser`update-flywheel`.
**AWS CLI**
**Pour mettre à jour une configuration de volant**
L’exemple `update-flywheel` suivant met à jour une configuration de volant. Dans cet exemple, le modèle actif du volant d’inertie est mis à jour.
```
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
```
Sortie :
```
{
"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"
}
}
```
Pour plus d’informations, consultez [Présentation du volant d’inertie](https://docs.aws.amazon.com/comprehend/latest/dg/flywheels-about.html) dans le *Guide du développeur Amazon Comprehend*.
+ Pour plus de détails sur l'API, voir [UpdateFlywheel](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/update-flywheel.html)la section *Référence des AWS CLI commandes*.