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.
# Étape 3 : Exécution de tâches d'analyse sur des documents dans Amazon S3
Après avoir stocké les données dans Amazon S3, vous pouvez commencer à exécuter les tâches d'analyse Amazon Comprehend. Un travail d'analyse des *sentiments* détermine l'ambiance générale d'un document (positive, négative, neutre ou mixte). Une tâche d'analyse d'*entités* extrait les noms d'objets du monde réel d'un document. Ces objets incluent des personnes, des lieux, des titres, des événements, des dates, des quantités, des produits et des organisations. Au cours de cette étape, vous devez exécuter deux tâches d'analyse Amazon Comprehend pour extraire le sentiment et les entités de l'exemple de jeu de données.
**Topics**
+ [Conditions préalables](#tutorial-reviews-analysis-prereqs)
+ [Analyser les sentiments et les entités](#tutorial-reviews-analysis-jobs)
## Conditions préalables
Avant de commencer, vous devez exécuter les actions suivantes :
+ Termin [Étape 1 : ajout de documents à Amazon S3](tutorial-reviews-add-docs.md).
+ (Facultatif) Si vous utilisez le AWS CLI, complétez [Étape 2 : (CLI uniquement) création d'un rôle IAM pour Amazon Comprehend](tutorial-reviews-create-role.md) et préparez l'ARN de votre rôle IAM.
## Analyser les sentiments et les entités
La première tâche que vous exécutez analyse le sentiment exprimé par chaque avis client dans l'exemple de jeu de données. La deuxième tâche extrait les entités de chaque avis client. Vous pouvez effectuer des tâches d'analyse Amazon Comprehend à l'aide de la console Amazon Comprehend ou du. AWS CLI
**Astuce**
Assurez-vous que vous vous trouvez dans une AWS région qui prend en charge Amazon Comprehend. Pour plus d'informations, consultez le [tableau des régions](https://aws.amazon.com/about-aws/global-infrastructure/regional-product-services/) dans le *Guide mondial de l'infrastructure*.
### Analyser les sentiments et les entités (console)
Lorsque vous utilisez la console Amazon Comprehend, vous créez une tâche à la fois. Vous devez répéter les étapes suivantes afin d'exécuter à la fois une tâche d'analyse des sentiments et une tâche d'analyse des entités. Notez que pour le premier travail, vous créez un rôle IAM, mais pour le second, vous pouvez réutiliser le rôle IAM du premier travail. Vous pouvez réutiliser le rôle IAM tant que vous utilisez le même compartiment et les mêmes dossiers S3.
**Pour exécuter des tâches d'analyse des sentiments et des entités (console)**
1. Assurez-vous que vous vous trouvez dans la même région que celle dans laquelle vous avez créé votre bucket Amazon Simple Storage Service (Amazon S3). Si vous vous trouvez dans une autre région, dans la barre de navigation, choisissez la AWS région dans laquelle vous avez créé votre compartiment S3 **dans le sélecteur de région**.
1. Ouvrez la console Amazon Comprehend à l'adresse [https://console.aws.amazon.com/comprehend/](https://console.aws.amazon.com/comprehend/)
1. Choisissez **Launch Amazon Comprehend**.
1. Dans le volet de navigation, sélectionnez **Analysis jobs**.
1. Choisissez **Créer une tâche**.
1. Dans la section **Paramètres du job**, procédez comme suit :
1. Pour **Nom**, saisissez `reviews-sentiment-analysis`.
1. Pour le **type d'analyse**, choisissez **Sentiment**.
1. Dans **Langue**, choisissez **l'anglais**.
1. Laissez le paramètre **de chiffrement Job** désactivé.
1. Dans la section **Données d'entrée**, procédez comme suit :
1. Pour **Source de données**, sélectionnez **Mes documents**.
1. Pour l'**emplacement S3**, choisissez **Browse S3**, puis choisissez votre bucket dans la liste des buckets.
1. Dans votre compartiment S3, pour **Objects**, choisissez votre `input` dossier.
1. Dans le `input` dossier, choisissez l'exemple de jeu de données, `amazon-reviews.csv` puis **choisissez Choisir**.
1. Pour **Format d'entrée**, choisissez **Un document par ligne**.
1. Dans la section **Données de sortie**, procédez comme suit :
1. Pour l'**emplacement S3**, choisissez **Browse S3**, puis choisissez votre bucket dans la liste des buckets.
1. Dans votre compartiment S3, pour **Objects**, choisissez le `output` dossier, puis **choisissez Choose**.
1. Laissez **le chiffrement** désactivé.
1. Dans la section **Autorisations d'accès**, procédez comme suit :
1. Pour le **rôle IAM**, choisissez **Create an IAM** role.
1. Pour **les autorisations d'accès**, choisissez les **compartiments S3 d'entrée et de sortie**.
1. Dans le **champ Suffixe du nom**, entrez`comprehend-access-role`. Ce rôle permet d'accéder à votre compartiment Amazon S3.
1. Choisissez **Créer une tâche**.
1. Répétez les étapes 1 à 10 pour créer une tâche d'analyse d'entités. Effectuez les modifications suivantes :
1. Dans **Paramètres du Job**, pour **Nom**, entrez`reviews-entities-analysis`.
1. Dans **les paramètres du Job**, pour **Type d'analyse**, sélectionnez **Entities**.
1. Dans **Autorisations d'accès**, choisissez **Utiliser un rôle IAM existant**. Dans **Nom du rôle**, choisissez `AmazonComprehendServiceRole-comprehend-access-role` (il s'agit du même rôle que celui que vous avez créé pour le job d'opinion).
### Analyser les sentiments et les entités (AWS CLI)
Vous utilisez les `start-entities-detection-job` commandes `start-sentiment-detection-job` et pour exécuter des tâches d'analyse des sentiments et des entités. Après avoir exécuté chaque commande, AWS CLI affiche un objet JSON avec une `JobId` valeur qui vous permet d'accéder aux détails de la tâche, y compris l'emplacement S3 de sortie.
**Pour exécuter des tâches d'analyse des sentiments et des entités (AWS CLI)**
1. Démarrez une tâche d'analyse des sentiments en exécutant la commande suivante dans le AWS CLI. `arn:aws:iam::123456789012:role/comprehend-access-role`Remplacez-le par l'ARN du rôle IAM que vous avez précédemment copié dans un éditeur de texte. Si votre AWS CLI région par défaut est différente de la région dans laquelle vous avez créé votre compartiment Amazon S3, incluez le `--region` paramètre et remplacez-le `us-east-1` par la région dans laquelle réside votre compartiment.
```
aws comprehend start-sentiment-detection-job
--input-data-config S3Uri=s3://amzn-s3-demo-bucket/input/
--output-data-config S3Uri=s3://amzn-s3-demo-bucket/output/
--data-access-role-arn arn:aws:iam::123456789012:role/comprehend-access-role
--job-name reviews-sentiment-analysis
--language-code en
[--region us-east-1]
```
1. Après avoir soumis le travail, copiez-le `JobId` et enregistrez-le dans un éditeur de texte. Vous en aurez besoin `JobId` pour rechercher les fichiers de sortie de la tâche d'analyse.
1. Démarrez une tâche d'analyse d'entités en exécutant la commande suivante.
```
aws comprehend start-entities-detection-job
--input-data-config S3Uri=s3://amzn-s3-demo-bucket/input/
--output-data-config S3Uri=s3://amzn-s3-demo-bucket/output/
--data-access-role-arn arn:aws:iam::123456789012:role/comprehend-access-role
--job-name reviews-entities-analysis
--language-code en
[--region us-east-1]
```
1. Après avoir soumis le travail, copiez-le `JobId` et enregistrez-le dans un éditeur de texte.
1. Vérifiez le statut de vos offres d'emploi. Vous pouvez suivre la progression d'une tâche en la suivant`JobId`.
Pour suivre la progression de votre tâche d'analyse des sentiments, exécutez la commande suivante. `sentiment-job-id`Remplacez-le par celui `JobId` que vous avez copié après avoir effectué votre analyse des sentiments.
```
aws comprehend describe-sentiment-detection-job
--job-id sentiment-job-id
```
Pour suivre votre tâche d'analyse des entités, exécutez la commande suivante. `entities-job-id`Remplacez-le par celui `JobId` que vous avez copié après avoir effectué votre analyse des entités.
```
aws comprehend describe-entities-detection-job
--job-id entities-job-id
```
Il faut plusieurs minutes pour que le `JobStatus` s'affiche sous la forme`COMPLETED`.
Vous avez terminé des tâches d'analyse des sentiments et des entités. Les deux tâches doivent être terminées avant de passer à l'étape suivante. La fin des tâches peut prendre plusieurs minutes.