Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
# Langkah 1: Menambahkan dokumen ke Amazon S3
Sebelum memulai pekerjaan analisis Amazon Comprehend, Anda perlu menyimpan kumpulan data sampel ulasan pelanggan di Amazon Simple Storage Service (Amazon S3). Amazon S3 meng-host data Anda dalam wadah yang disebut bucket. Amazon Comprehend dapat menganalisis dokumen yang disimpan dalam ember dan mengirimkan hasil analisis ke ember. Pada langkah ini, Anda membuat bucket S3, membuat folder input dan output di bucket, dan mengunggah kumpulan data sampel ke bucket.
**Topics**
+ [Prasyarat](#tutorial-reviews-add-docs-prereqs)
+ [Unduh data sampel](#tutorial-reviews-add-docs-download)
+ [Buat bucket Amazon S3.](#tutorial-reviews-add-docs-bucket)
+ [(Hanya konsol) buat folder](#tutorial-reviews-add-docs-folders)
+ [Unggah data input](#tutorial-reviews-add-docs-upload)
## Prasyarat
Sebelum Anda mulai, tinjau [Tutorial: Menganalisis wawasan dari ulasan pelanggan dengan Amazon Comprehend](tutorial-reviews.md) dan lengkapi prasyarat.
## Unduh data sampel
Kumpulan data sampel berikut berisi ulasan Amazon yang diambil dari kumpulan data yang lebih besar “Ulasan Amazon - Lengkap”, yang diterbitkan dengan artikel “Jaringan Konvolusi Tingkat Karakter untuk Klasifikasi Teks” (Xiang Zhang et al., 2015). Unduh dataset ke komputer Anda.
**Untuk mendapatkan data sampel**
1. Unduh file [tutorial-reviews-datazip.zip](samples/tutorial-reviews-data.zip) ke komputer Anda.
1. Ekstrak file zip di komputer Anda. Ada dua file. File tersebut `THIRD_PARTY_LICENSES.txt` adalah lisensi open source untuk dataset yang diterbitkan oleh Xiang Zhang et al. File tersebut `amazon-reviews.csv` adalah kumpulan data yang Anda analisis dalam tutorial.
## Buat bucket Amazon S3.
Setelah mengunduh kumpulan data sampel, buat bucket Amazon S3 untuk menyimpan data input dan output Anda. Anda dapat membuat bucket S3 menggunakan konsol Amazon S3 atau () AWS Command Line Interface .AWS CLI
### Buat bucket Amazon S3 (konsol)
Di konsol Amazon S3, Anda membuat bucket dengan nama yang unik di semuanya. AWS
**Untuk membuat bucket S3 (konsol)**
1. Masuk ke Konsol Manajemen AWS dan buka konsol Amazon S3 di. [https://console.aws.amazon.com/s3/](https://console.aws.amazon.com/s3/)
1. Di **Bucket**, pilih **Buat ember**.
1. Untuk **nama Bucket**, masukkan nama unik global yang menjelaskan tujuan bucket.
1. Untuk **Wilayah**, pilih AWS Wilayah tempat Anda ingin membuat bucket. Wilayah yang Anda pilih harus mendukung Amazon Comprehend. Untuk mengurangi latensi, pilih AWS Wilayah yang paling dekat dengan lokasi geografis Anda yang didukung oleh Amazon Comprehend. *Untuk daftar Wilayah yang mendukung Amazon Comprehend, [lihat tabel Wilayah di Panduan Infrastruktur](https://aws.amazon.com/about-aws/global-infrastructure/regional-product-services/) Global.*
1. **Tinggalkan pengaturan default untuk **Kepemilikan Objek**, **pengaturan Bucket untuk Blokir Akses Publik**, **Pembuatan Versi Bucket**, dan Tag.**
1. Untuk **enkripsi Default**, pilih **Nonaktifkan**.
**Tip**
Meskipun tutorial ini tidak menggunakan enkripsi, Anda mungkin ingin menggunakan enkripsi saat menganalisis data penting. Untuk end-to-end enkripsi, Anda dapat mengenkripsi data Anda saat istirahat di bucket dan juga ketika Anda menjalankan pekerjaan analisis. Untuk informasi selengkapnya tentang enkripsi dengan AWS, lihat [Apa itu AWS Key Management Service?](https://docs.aws.amazon.com/kms/latest/developerguide/overview.html) di *Panduan AWS Key Management Service Pengembang*.
1. Tinjau konfigurasi bucket, lalu pilih **Buat bucket**.
### Buat bucket Amazon S3 ()AWS CLI
Setelah membuka AWS CLI, Anda menjalankan `create-bucket` perintah untuk membuat bucket yang akan menyimpan data input dan output.
**Untuk membuat bucket Amazon S3 ()AWS CLI**
1. Untuk membuat bucket Anda, jalankan perintah berikut di file AWS CLI. Ganti amzn-s3-demo-bucket dengan nama untuk bucket yang unik di semua. AWS
```
aws s3api create-bucket --bucket amzn-s3-demo-bucket
```
Secara default, `create-bucket` perintah membuat bucket di `us-east-1` AWS Region. Untuk membuat bucket di Wilayah AWS selain`us-east-1`, tambahkan `LocationConstraint` parameter untuk menentukan Wilayah Anda. Misalnya, perintah berikut membuat bucket di `us-west-2` Region.
```
aws s3api create-bucket --bucket amzn-s3-demo-bucket
--region us-west-2 --create-bucket-configuration LocationConstraint=us-west-2
```
Perhatikan bahwa hanya Wilayah tertentu yang mendukung Amazon Comprehend. *Untuk daftar Wilayah yang mendukung Amazon Comprehend, [lihat tabel Wilayah di Panduan Infrastruktur](https://aws.amazon.com/about-aws/global-infrastructure/regional-product-services/) Global.*
1. Untuk memastikan bucket Anda berhasil dibuat, jalankan perintah berikut. Perintah ini mencantumkan semua bucket S3 yang terkait dengan akun Anda.
```
aws s3 ls
```
## (Hanya konsol) buat folder
Selanjutnya, buat dua folder di bucket S3 Anda. Folder pertama adalah untuk data input Anda. Folder kedua adalah tempat Amazon Comprehend mengirimkan hasil analisis. Jika Anda menggunakan konsol Amazon S3, Anda harus membuat folder secara manual. Jika Anda menggunakan AWS CLI, Anda dapat membuat folder saat mengunggah kumpulan data sampel atau menjalankan pekerjaan analisis. Untuk alasan itu, kami menyediakan prosedur untuk membuat folder hanya untuk pengguna konsol. Jika Anda menggunakan AWS CLI, Anda akan membuat folder masuk [Unggah data input](#tutorial-reviews-add-docs-upload) dan masuk. [Langkah 3: Menjalankan pekerjaan analisis pada dokumen di Amazon S3](tutorial-reviews-analysis.md)
**Untuk membuat folder di bucket S3 Anda (konsol)**
1. Buka konsol Amazon S3 di. [https://console.aws.amazon.com/s3/](https://console.aws.amazon.com/s3/)
1. Di **Bucket**, pilih ember Anda dari daftar ember.
1. Di tab **Ikhtisar**, pilih **Buat folder**.
1. Untuk nama folder baru, masukkan`input`.
1. Untuk pengaturan enkripsi, pilih **Tidak Ada (Gunakan pengaturan bucket)**.
1. Pilih **Simpan**.
1. Ulangi langkah 3 hingga 6 untuk membuat folder lain untuk output pekerjaan analisis, tetapi pada langkah 4, masukkan nama folder baru`output`.
## Unggah data input
Sekarang setelah Anda memiliki ember, unggah kumpulan data `amazon-reviews.csv` sampel. Anda dapat mengunggah data ke bucket S3 dengan konsol Amazon S3 atau. AWS CLI
### Unggah dokumen sampel ke bucket (konsol)
Di konsol Amazon S3, unggah file kumpulan data sampel ke folder input.
**Untuk mengunggah dokumen sampel (konsol)**
1. Buka konsol Amazon S3 di. [https://console.aws.amazon.com/s3/](https://console.aws.amazon.com/s3/)
1. Di **Bucket**, pilih ember Anda dari daftar ember.
1. Pilih `input` folder dan kemudian pilih **Unggah**.
1. Pilih **Tambahkan file** dan kemudian pilih `amazon-reviews.csv` file di komputer Anda.
1. Biarkan pengaturan lain pada nilai defaultnya.
1. Pilih **Unggah**.
### Unggah dokumen sampel ke bucket (AWS CLI)
Buat folder input di bucket S3 Anda dan unggah file dataset ke folder baru dengan perintah. `cp`
**Untuk mengunggah dokumen sampel (AWS CLI)**
1. Untuk mengunggah `amazon-reviews.csv` file ke folder baru di bucket Anda, jalankan AWS CLI perintah berikut. Ganti amzn-s3-demo-bucket dengan nama ember Anda. Dengan menambahkan jalur `/input/` di bagian akhir, Amazon S3 secara otomatis membuat folder baru yang disebut `input` di bucket Anda dan mengunggah file kumpulan data ke folder itu.
```
aws s3 cp amazon-reviews.csv s3://amzn-s3-demo-bucket/input/
```
1. Untuk memastikan bahwa file Anda berhasil diunggah, jalankan perintah berikut. Perintah mencantumkan isi `input` folder bucket Anda.
```
aws s3 ls s3://amzn-s3-demo-bucket/input/
```
Sekarang, Anda memiliki ember S3 dengan `amazon-reviews.csv` file dalam folder bernama`input`. Jika Anda menggunakan konsol, Anda juga memiliki `output` folder di ember. Jika Anda menggunakan AWS CLI, Anda akan membuat folder output saat menjalankan pekerjaan analisis Amazon Comprehend.