Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
# Esempi di Amazon Comprehend con AWS CLI
I seguenti esempi di codice mostrano come eseguire azioni e implementare scenari comuni utilizzando Amazon Comprehend. AWS Command Line Interface
Le *azioni* sono estratti di codice da programmi più grandi e devono essere eseguite nel contesto. Sebbene le azioni mostrino come richiamare le singole funzioni del servizio, è possibile visualizzarle contestualizzate negli scenari correlati.
Ogni esempio include un link al codice sorgente completo, in cui vengono fornite le istruzioni su come configurare ed eseguire il codice nel contesto.
**Topics**
+ [Azioni](#actions)
## Azioni
### `batch-detect-dominant-language`
Il seguente esempio di codice mostra come usare`batch-detect-dominant-language`.
**AWS CLI**
**Come rilevare la lingua dominante di più testi di input**
L’esempio `batch-detect-dominant-language` seguente analizza più testi di input e restituisce la lingua dominante di ciascuno di essi. Per ogni previsione viene inoltre restituito il punteggio di attendibilità del modello pre-addestrato.
```
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."
```
Output:
```
{
"ResultList": [
{
"Index": 0,
"Languages": [
{
"LanguageCode": "en",
"Score": 0.9986501932144165
}
]
}
],
"ErrorList": []
}
```
Per ulteriori informazioni, consulta [Lingua dominante](https://docs.aws.amazon.com/comprehend/latest/dg/how-languages.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [BatchDetectDominantLanguage AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/batch-detect-dominant-language.html)*Command Reference*.
### `batch-detect-entities`
Il seguente esempio di codice mostra come utilizzare`batch-detect-entities`.
**AWS CLI**
**Come rilevare entità da più testi di input**
L’esempio `batch-detect-entities` seguente analizza più testi di input e restituisce le entità denominate di ciascuno di essi. Per ogni previsione viene inoltre restituito il punteggio di attendibilità del modello pre-addestrato.
```
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."
```
Output:
```
{
"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": []
}
```
Per ulteriori informazioni, consulta [Entità](https://docs.aws.amazon.com/comprehend/latest/dg/how-entities.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [BatchDetectEntities AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/batch-detect-entities.html)*Command Reference*.
### `batch-detect-key-phrases`
Il seguente esempio di codice mostra come utilizzare`batch-detect-key-phrases`.
**AWS CLI**
**Come rilevare le frasi chiave di più input di testo**
L’esempio `batch-detect-key-phrases` seguente analizza più testi di input e restituisce le frasi nominali chiave di ciascuno di essi. Per ogni previsione viene inoltre restituito il punteggio di attendibilità del modello pre-addestrato.
```
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."
```
Output:
```
{
"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": []
}
```
Per ulteriori informazioni, consulta [Frasi chiave](https://docs.aws.amazon.com/comprehend/latest/dg/how-key-phrases.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [BatchDetectKeyPhrases AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/batch-detect-key-phrases.html)*Command Reference*.
### `batch-detect-sentiment`
Il seguente esempio di codice mostra come utilizzare`batch-detect-sentiment`.
**AWS CLI**
**Come rilevare il sentiment prevalente di più testi in input**
L’esempio `batch-detect-sentiment` seguente analizza più testi di input e restituisce il sentiment prevalente (`POSITIVE`, `NEUTRAL`, `MIXED` o `NEGATIVE` di ciascuno di essi).
```
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
```
Output:
```
{
"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": []
}
```
Per ulteriori informazioni, consulta [Sentiment](https://docs.aws.amazon.com/comprehend/latest/dg/how-sentiment.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [BatchDetectSentiment AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/batch-detect-sentiment.html)*Command Reference*.
### `batch-detect-syntax`
Il seguente esempio di codice mostra come utilizzare`batch-detect-syntax`.
**AWS CLI**
**Come esaminare la sintassi e le parti del discorso delle parole in più testi di input**
L’esempio `batch-detect-syntax` seguente analizza la sintassi di più testi di input e restituisce le diverse parti del discorso. Per ogni previsione viene inoltre restituito il punteggio di attendibilità del modello pre-addestrato.
```
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
```
Output:
```
{
"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": []
}
```
Per ulteriori informazioni, consulta [Analisi della sintassi](https://docs.aws.amazon.com/comprehend/latest/dg/how-syntax.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [BatchDetectSyntax AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/batch-detect-syntax.html)*Command Reference*.
### `batch-detect-targeted-sentiment`
Il seguente esempio di codice mostra come utilizzare`batch-detect-targeted-sentiment`.
**AWS CLI**
**Come rilevare il sentiment e ogni entità denominata per più testi di input**
L’esempio `batch-detect-targeted-sentiment` seguente analizza più testi di input e restituisce le entità denominate insieme al sentiment prevalente di ciascuno di essi. Per ogni previsione viene inoltre restituito il punteggio di attendibilità del modello pre-addestrato.
```
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."
```
Output:
```
{
"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": []
}
```
Per ulteriori informazioni, consulta [Sentiment mirato](https://docs.aws.amazon.com/comprehend/latest/dg/how-targeted-sentiment.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [BatchDetectTargetedSentiment AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/batch-detect-targeted-sentiment.html)*Command Reference*.
### `classify-document`
Il seguente esempio di codice mostra come utilizzare`classify-document`.
**AWS CLI**
**Come classificare i documenti con un endpoint specifico del modello**
L’esempio `classify-document` seguente classifica un documento con un endpoint di un modello personalizzato. Il modello in questo esempio è stato addestrato su un set di dati contenente messaggi SMS etichettati come spam o non spam oppure “ham” (legittimi).
```
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"
```
Output:
```
{
"Classes": [
{
"Name": "spam",
"Score": 0.9998599290847778
},
{
"Name": "ham",
"Score": 0.00014001205272506922
}
]
}
```
Per ulteriori informazioni, consulta [Classificazione personalizzata](https://docs.aws.amazon.com/comprehend/latest/dg/how-document-classification.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [ClassifyDocument AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/classify-document.html)*Command Reference*.
### `contains-pii-entities`
Il seguente esempio di codice mostra come utilizzare`contains-pii-entities`.
**AWS CLI**
**Come analizzare il testo di input per verificare la presenza di informazioni PII**
L’esempio `contains-pii-entities` seguente analizza il testo di input per verificare la presenza di informazioni di identificazione personale (PII) e restituisce le etichette dei tipi di entità PII identificati, come nome, indirizzo, numero di conto corrente bancario o numero di telefono.
```
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."
```
Output:
```
{
"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
}
}
```
Per ulteriori informazioni, consulta [Informazioni di identificazione personale (PII)](https://docs.aws.amazon.com/comprehend/latest/dg/pii.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [ContainsPiiEntities AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/contains-pii-entities.html)*Command Reference*.
### `create-dataset`
Il seguente esempio di codice mostra come utilizzare`create-dataset`.
**AWS CLI**
**Come creare un set di dati del flywheel**
L’esempio `create-dataset` seguente crea un set di dati per un flywheel. Questo set di dati verrà utilizzato come dati di addestramento aggiuntivi, come specificato dal tag `--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
```
Contenuto di `file://inputConfig.json`:
```
{
"DataFormat": "COMPREHEND_CSV",
"DocumentClassifierInputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-bucket/training-data.csv"
}
}
```
Output:
```
{
"DatasetArn": "arn:aws:comprehend:us-west-2:111122223333:flywheel/flywheel-entity/dataset/example-dataset"
}
```
Per ulteriori informazioni, consulta [Panoramica del volano dei dati](https://docs.aws.amazon.com/comprehend/latest/dg/flywheels-about.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [CreateDataset AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/create-dataset.html)*Command Reference*.
### `create-document-classifier`
Il seguente esempio di codice mostra come utilizzare`create-document-classifier`.
**AWS CLI**
**Come creare un classificatore di documenti per suddividere i documenti in categorie**
L’esempio `create-document-classifier` seguente inizia il processo di addestramento per un modello di classificatore di documenti. Il file dei dati di addestramento `training.csv` si trova nel tag `--input-data-config`. `training.csv` è un documento a due colonne in cui le etichette o le classificazioni sono fornite nella prima colonna e i documenti nella seconda colonna.
```
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
```
Output:
```
{
"DocumentClassifierArn": "arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier"
}
```
Per ulteriori informazioni, consulta [Classificazione personalizzata](https://docs.aws.amazon.com/comprehend/latest/dg/how-document-classification.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [CreateDocumentClassifier AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/create-document-classifier.html)*Command Reference*.
### `create-endpoint`
Il seguente esempio di codice mostra come utilizzare`create-endpoint`.
**AWS CLI**
**Come creare un endpoint per un modello personalizzato**
L’esempio `create-endpoint` seguente crea un endpoint per l’inferenza sincrona per un modello personalizzato addestrato in precedenza.
```
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
```
Output:
```
{
"EndpointArn": "arn:aws:comprehend:us-west-2:111122223333:document-classifier-endpoint/example-classifier-endpoint-1"
}
```
Per ulteriori informazioni, consulta [Gestione degli endpoint di Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/manage-endpoints.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [CreateEndpoint AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/create-endpoint.html)*Command Reference*.
### `create-entity-recognizer`
Il seguente esempio di codice mostra come utilizzare`create-entity-recognizer`.
**AWS CLI**
**Come creare un riconoscitore di entità personalizzato**
L’esempio `create-entity-recognizer` seguente avvia il job di addestramento per un modello di riconoscimento di entità personalizzato. In questo esempio, un file CSV contenente documenti di addestramento, `raw_text.csv`, e un elenco di entità CSV, `entity_list.csv`, vengono utilizzati per addestrare il modello. `entity-list.csv` contiene le seguenti colonne: testo e tipo.
```
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
```
Output:
```
{
"EntityRecognizerArn": "arn:aws:comprehend:us-west-2:111122223333:example-entity-recognizer/entityrecognizer1"
}
```
Per ulteriori informazioni, consulta [Riconoscimento delle entità personalizzate](https://docs.aws.amazon.com/comprehend/latest/dg/custom-entity-recognition.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [CreateEntityRecognizer AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/create-entity-recognizer.html)*Command Reference*.
### `create-flywheel`
Il seguente esempio di codice mostra come utilizzare`create-flywheel`.
**AWS CLI**
**Come creare un flywheel**
L’esempio `create-flywheel` seguente crea un flywheel per orchestrare l’addestramento continuo di un modello di classificazione dei documenti o di riconoscimento delle entità. Il flywheel in questo esempio viene creato per gestire un modello addestrato esistente specificato dal tag `--active-model-arn`. Quando si crea il flywheel, sul tag `--input-data-lake` viene creato un 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"
```
Output:
```
{
"FlywheelArn": "arn:aws:comprehend:us-west-2:111122223333:flywheel/example-flywheel"
}
```
Per ulteriori informazioni, consulta [Panoramica del volano dei dati](https://docs.aws.amazon.com/comprehend/latest/dg/flywheels-about.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [CreateFlywheel AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/create-flywheel.html)*Command Reference*.
### `delete-document-classifier`
Il seguente esempio di codice mostra come utilizzare`delete-document-classifier`.
**AWS CLI**
**Come eliminare un classificatore di documenti personalizzato**
L’esempio `delete-document-classifier` seguente elimina un modello di classificatore di documenti personalizzato.
```
aws comprehend delete-document-classifier \
--document-classifier-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier-1
```
Questo comando non produce alcun output.
Per ulteriori informazioni, consulta [Gestione degli endpoint di Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/manage-endpoints.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [DeleteDocumentClassifier AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/delete-document-classifier.html)*Command Reference*.
### `delete-endpoint`
Il seguente esempio di codice mostra come utilizzare`delete-endpoint`.
**AWS CLI**
**Come eliminare un endpoint per un modello personalizzato**
L’esempio `delete-endpoint` seguente elimina un endpoint specifico del modello. Per eliminare il modello, è necessario eliminare tutti gli endpoint.
```
aws comprehend delete-endpoint \
--endpoint-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier-endpoint/example-classifier-endpoint-1
```
Questo comando non produce alcun output.
Per ulteriori informazioni, consulta [Gestione degli endpoint di Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/manage-endpoints.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [DeleteEndpoint AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/delete-endpoint.html)*Command Reference*.
### `delete-entity-recognizer`
Il seguente esempio di codice mostra come utilizzare`delete-entity-recognizer`.
**AWS CLI**
**Come eliminare un modello di riconoscimento delle entità personalizzato**
L’esempio `delete-entity-recognizer` seguente elimina un modello di riconoscimento delle entità personalizzato.
```
aws comprehend delete-entity-recognizer \
--entity-recognizer-arn arn:aws:comprehend:us-west-2:111122223333:entity-recognizer/example-entity-recognizer-1
```
Questo comando non produce alcun output.
Per ulteriori informazioni, consulta [Gestione degli endpoint di Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/manage-endpoints.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [DeleteEntityRecognizer AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/delete-entity-recognizer.html)*Command Reference*.
### `delete-flywheel`
Il seguente esempio di codice mostra come utilizzare`delete-flywheel`.
**AWS CLI**
**Come eliminare un flywheel**
L’esempio `delete-flywheel` seguente mostra come eliminare un flywheel. Il data lake o il modello associato al flywheel non vengono eliminati.
```
aws comprehend delete-flywheel \
--flywheel-arn arn:aws:comprehend:us-west-2:111122223333:flywheel/example-flywheel-1
```
Questo comando non produce alcun output.
Per ulteriori informazioni, consulta [Panoramica del volano dei dati](https://docs.aws.amazon.com/comprehend/latest/dg/flywheels-about.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [DeleteFlywheel AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/delete-flywheel.html)*Command Reference*.
### `delete-resource-policy`
Il seguente esempio di codice mostra come utilizzare`delete-resource-policy`.
**AWS CLI**
**Come visualizzare una policy basata su risorse**
L’esempio `delete-resource-policy` seguente elimina una policy basata su risorse da una risorsa Amazon Comprehend.
```
aws comprehend delete-resource-policy \
--resource-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier-1/version/1
```
Questo comando non produce alcun output.
Per ulteriori informazioni, [consulta Copiare modelli personalizzati tra AWS account](https://docs.aws.amazon.com/comprehend/latest/dg/custom-copy.html) nella *Amazon Comprehend* Developer Guide.
+ Per i dettagli sull'API, consulta *AWS CLI Command [DeleteResourcePolicy](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/delete-resource-policy.html)Reference*.
### `describe-dataset`
Il seguente esempio di codice mostra come utilizzare`describe-dataset`.
**AWS CLI**
**Come descrivere un set di dati del flywheel**
L’esempio `describe-dataset` seguente ottiene le proprietà del set di dati di un flywheel.
```
aws comprehend describe-dataset \
--dataset-arn arn:aws:comprehend:us-west-2:111122223333:flywheel/flywheel-entity/dataset/example-dataset
```
Output:
```
{
"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"
}
}
```
Per ulteriori informazioni, consulta [Panoramica del volano dei dati](https://docs.aws.amazon.com/comprehend/latest/dg/flywheels-about.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [DescribeDataset AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-dataset.html)*Command Reference*.
### `describe-document-classification-job`
Il seguente esempio di codice mostra come utilizzare`describe-document-classification-job`.
**AWS CLI**
**Come descrivere un processo di classificazione dei documenti**
L’esempio `describe-document-classification-job` seguente ottiene le proprietà di un processo asincrono di classificazione di documenti.
```
aws comprehend describe-document-classification-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Output:
```
{
"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"
}
}
```
Per ulteriori informazioni, consulta [Classificazione personalizzata](https://docs.aws.amazon.com/comprehend/latest/dg/how-document-classification.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [DescribeDocumentClassificationJob AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-document-classification-job.html)*Command Reference*.
### `describe-document-classifier`
Il seguente esempio di codice mostra come utilizzare`describe-document-classifier`.
**AWS CLI**
**Come descrivere un classificatore di documenti**
L’esempio `describe-document-classifier` seguente ottiene le proprietà di un modello di classificatore di documenti personalizzato.
```
aws comprehend describe-document-classifier \
--document-classifier-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier-1
```
Output:
```
{
"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"
}
}
```
Per ulteriori informazioni, consulta [Creazione e gestione di modelli personalizzati](https://docs.aws.amazon.com/comprehend/latest/dg/manage-models.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [DescribeDocumentClassifier AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-document-classifier.html)*Command Reference*.
### `describe-dominant-language-detection-job`
Il seguente esempio di codice mostra come utilizzare`describe-dominant-language-detection-job`.
**AWS CLI**
**Come descrivere un processo di rilevamento della lingua dominante.**
L’esempio `describe-dominant-language-detection-job` seguente ottiene le proprietà di un processo di rilevamento della lingua dominante asincrono.
```
aws comprehend describe-dominant-language-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Output:
```
{
"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"
}
}
```
Per ulteriori informazioni, consulta [Analisi asincrona degli approfondimenti di Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [DescribeDominantLanguageDetectionJob AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-dominant-language-detection-job.html)*Command Reference*.
### `describe-endpoint`
Il seguente esempio di codice mostra come utilizzare`describe-endpoint`.
**AWS CLI**
**Come descrivere un endpoint specifico**
L’esempio `describe-endpoint` seguente ottiene le proprietà di un endpoint specifico del modello.
```
aws comprehend describe-endpoint \
--endpoint-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier-endpoint/example-classifier-endpoint
```
Output:
```
{
"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"
}
}
```
Per ulteriori informazioni, consulta [Gestione degli endpoint di Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/manage-endpoints.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [DescribeEndpoint AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-endpoint.html)*Command Reference*.
### `describe-entities-detection-job`
Il seguente esempio di codice mostra come utilizzare`describe-entities-detection-job`.
**AWS CLI**
**Come descrivere un processo di rilevamento delle entità**
L’esempio `describe-entities-detection-job` seguente ottiene le proprietà di un processo di rilevamento delle entità asincrono.
```
aws comprehend describe-entities-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Output:
```
{
"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"
}
}
```
Per ulteriori informazioni, consulta [Analisi asincrona degli approfondimenti di Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [DescribeEntitiesDetectionJob AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-entities-detection-job.html)*Command Reference*.
### `describe-entity-recognizer`
Il seguente esempio di codice mostra come utilizzare`describe-entity-recognizer`.
**AWS CLI**
**Come descrivere un riconoscitore di entità**
L’esempio `describe-entity-recognizer` seguente ottiene le proprietà di un modello di riconoscimento delle entità personalizzato.
```
aws comprehend describe-entity-recognizer \
entity-recognizer-arn arn:aws:comprehend:us-west-2:111122223333:entity-recognizer/business-recongizer-1/version/1
```
Output:
```
{
"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"
}
}
```
Per ulteriori informazioni, consulta [Riconoscimento delle entità personalizzate](https://docs.aws.amazon.com/comprehend/latest/dg/custom-entity-recognition.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [DescribeEntityRecognizer AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-entity-recognizer.html)*Command Reference*.
### `describe-events-detection-job`
Il seguente esempio di codice mostra come utilizzare`describe-events-detection-job`.
**AWS CLI**
**Come descrivere un processo di rilevamento degli eventi.**
L’esempio `describe-events-detection-job` seguente ottiene le proprietà di un processo di rilevamento degli eventi asincrono.
```
aws comprehend describe-events-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Output:
```
{
"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"
]
}
}
```
Per ulteriori informazioni, consulta [Analisi asincrona degli approfondimenti di Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [DescribeEventsDetectionJob AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-events-detection-job.html)*Command Reference*.
### `describe-flywheel-iteration`
Il seguente esempio di codice mostra come utilizzare`describe-flywheel-iteration`.
**AWS CLI**
**Come descrivere un’iterazione del flywheel**
L’esempio `describe-flywheel-iteration` seguente ottiene le proprietà dell’iterazione di un flywheel.
```
aws comprehend describe-flywheel-iteration \
--flywheel-arn arn:aws:comprehend:us-west-2:111122223333:flywheel/example-flywheel \
--flywheel-iteration-id 20232222AEXAMPLE
```
Output:
```
{
"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/"
}
}
```
Per ulteriori informazioni, consulta [Panoramica del volano dei dati](https://docs.aws.amazon.com/comprehend/latest/dg/flywheels-about.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [DescribeFlywheelIteration AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-flywheel-iteration.html)*Command Reference*.
### `describe-flywheel`
Il seguente esempio di codice mostra come utilizzare`describe-flywheel`.
**AWS CLI**
**Come descrivere un flywheel**
L’esempio `describe-flywheel` seguente ottiene le proprietà di un flywheel. In questo esempio, il modello associato al flywheel è un modello di classificazione personalizzato addestrato a classificare i documenti come spam o non spam oppure come “ham” (legittimi).
```
aws comprehend describe-flywheel \
--flywheel-arn arn:aws:comprehend:us-west-2:111122223333:flywheel/example-flywheel
```
Output:
```
{
"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"
}
}
```
Per ulteriori informazioni, consulta [Panoramica del volano dei dati](https://docs.aws.amazon.com/comprehend/latest/dg/flywheels-about.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [DescribeFlywheel AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-flywheel.html)*Command Reference*.
### `describe-key-phrases-detection-job`
Il seguente esempio di codice mostra come utilizzare`describe-key-phrases-detection-job`.
**AWS CLI**
**Come descrivere un processo di rilevamento di frasi chiave**
L’esempio `describe-key-phrases-detection-job` seguente ottiene le proprietà di un processo di rilevamento asincrono delle frasi chiave.
```
aws comprehend describe-key-phrases-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Output:
```
{
"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"
}
}
```
Per ulteriori informazioni, consulta [Analisi asincrona degli approfondimenti di Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [DescribeKeyPhrasesDetectionJob AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-key-phrases-detection-job.html)*Command Reference*.
### `describe-pii-entities-detection-job`
Il seguente esempio di codice mostra come utilizzare`describe-pii-entities-detection-job`.
**AWS CLI**
**Come descrivere un processo di rilevamento di entità PII**
L’esempio `describe-pii-entities-detection-job` seguente ottiene le proprietà di un processo di rilevamento asincrono delle entità pii.
```
aws comprehend describe-pii-entities-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Output:
```
{
"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"
}
}
```
Per ulteriori informazioni, consulta [Analisi asincrona degli approfondimenti di Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [DescribePiiEntitiesDetectionJob AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-pii-entities-detection-job.html)*Command Reference*.
### `describe-resource-policy`
Il seguente esempio di codice mostra come utilizzare`describe-resource-policy`.
**AWS CLI**
**Come descrivere una policy delle risorse allegata a un modello**
L’esempio `describe-resource-policy` seguente ottiene le proprietà di una policy basata su risorse collegata a un modello.
```
aws comprehend describe-resource-policy \
--resource-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier/version/1
```
Output:
```
{
"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"
}
```
Per ulteriori informazioni, [consulta Copiare modelli personalizzati tra AWS account](https://docs.aws.amazon.com/comprehend/latest/dg/custom-copy.html) nella *Amazon Comprehend* Developer Guide.
+ Per i dettagli sull'API, consulta *AWS CLI Command [DescribeResourcePolicy](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-resource-policy.html)Reference*.
### `describe-sentiment-detection-job`
Il seguente esempio di codice mostra come utilizzare`describe-sentiment-detection-job`.
**AWS CLI**
**Come descrivere un processo di rilevamento del sentiment**
L’esempio `describe-sentiment-detection-job` seguente ottiene le proprietà di un processo di rilevamento del sentiment asincrono.
```
aws comprehend describe-sentiment-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Output:
```
{
"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"
}
}
```
Per ulteriori informazioni, consulta [Analisi asincrona degli approfondimenti di Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [DescribeSentimentDetectionJob AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-sentiment-detection-job.html)*Command Reference*.
### `describe-targeted-sentiment-detection-job`
Il seguente esempio di codice mostra come utilizzare`describe-targeted-sentiment-detection-job`.
**AWS CLI**
**Come descrivere un processo di rilevamento del sentiment mirato**
L’esempio `describe-targeted-sentiment-detection-job` seguente ottiene le proprietà di un processo di rilevamento del sentiment mirato asincrono.
```
aws comprehend describe-targeted-sentiment-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Output:
```
{
"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"
}
}
```
Per ulteriori informazioni, consulta [Analisi asincrona degli approfondimenti di Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [DescribeTargetedSentimentDetectionJob AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-targeted-sentiment-detection-job.html)*Command Reference*.
### `describe-topics-detection-job`
Il seguente esempio di codice mostra come utilizzare`describe-topics-detection-job`.
**AWS CLI**
**Come descrivere un processo di rilevamento di argomenti**
L’esempio `describe-topics-detection-job` seguente ottiene le proprietà di un processo asincrono di rilevamento degli argomenti.
```
aws comprehend describe-topics-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Output:
```
{
"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"
}
}
```
Per ulteriori informazioni, consulta [Analisi asincrona degli approfondimenti di Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [DescribeTopicsDetectionJob AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-topics-detection-job.html)*Command Reference*.
### `detect-dominant-language`
Il seguente esempio di codice mostra come utilizzare`detect-dominant-language`.
**AWS CLI**
**Come rilevare la lingua dominante del testo di input**
Il comando `detect-dominant-language` seguente analizza il testo di input e identifica la lingua dominante. Viene inoltre restituito il punteggio di attendibilità del modello pre-addestrato.
```
aws comprehend detect-dominant-language \
--text "It is a beautiful day in Seattle."
```
Output:
```
{
"Languages": [
{
"LanguageCode": "en",
"Score": 0.9877256155014038
}
]
}
```
Per ulteriori informazioni, consulta [Lingua dominante](https://docs.aws.amazon.com/comprehend/latest/dg/how-languages.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [DetectDominantLanguage AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/detect-dominant-language.html)*Command Reference*.
### `detect-entities`
Il seguente esempio di codice mostra come utilizzare`detect-entities`.
**AWS CLI**
**Come rilevare entità denominate nel testo di input**
L’esempio `detect-entities` seguente analizza il testo di input e restituisce le entità denominate. Per ogni previsione viene inoltre restituito il punteggio di attendibilità del modello pre-addestrato.
```
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."
```
Output:
```
{
"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
}
]
}
```
Per ulteriori informazioni, consulta [Entità](https://docs.aws.amazon.com/comprehend/latest/dg/how-entities.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [DetectEntities AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/detect-entities.html)*Command Reference*.
### `detect-key-phrases`
Il seguente esempio di codice mostra come utilizzare`detect-key-phrases`.
**AWS CLI**
**Come rilevare le frasi chiave nel testo di input**
L’esempio `detect-key-phrases` seguente analizza il testo di input e identifica le frasi nominali chiave. Per ogni previsione viene inoltre restituito il punteggio di attendibilità del modello pre-addestrato.
```
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."
```
Output:
```
{
"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
}
]
}
```
Per ulteriori informazioni, consulta [Frasi chiave](https://docs.aws.amazon.com/comprehend/latest/dg/how-key-phrases.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [DetectKeyPhrases AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/detect-key-phrases.html)*Command Reference*.
### `detect-pii-entities`
Il seguente esempio di codice mostra come utilizzare`detect-pii-entities`.
**AWS CLI**
**Come rilevare entità PII nel testo di input**
L’esempio `detect-pii-entities` seguente analizza il testo di input e identifica le entità che contengono informazioni di identificazione personale (PII). Per ogni previsione viene inoltre restituito il punteggio di attendibilità del modello pre-addestrato.
```
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."
```
Output:
```
{
"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
}
]
}
```
Per ulteriori informazioni, consulta [Informazioni di identificazione personale (PII)](https://docs.aws.amazon.com/comprehend/latest/dg/pii.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [DetectPiiEntities AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/detect-pii-entities.html)*Command Reference*.
### `detect-sentiment`
Il seguente esempio di codice mostra come utilizzare`detect-sentiment`.
**AWS CLI**
**Come rilevare il sentiment di un testo di input**
L’esempio `detect-sentiment` seguente analizza il testo di input e restituisce un’inferenza del sentiment prevalente (`POSITIVE`, `NEUTRAL`, `MIXED` o `NEGATIVE`).
```
aws comprehend detect-sentiment \
--language-code en \
--text "It is a beautiful day in Seattle"
```
Output:
```
{
"Sentiment": "POSITIVE",
"SentimentScore": {
"Positive": 0.9976957440376282,
"Negative": 9.653854067437351e-05,
"Neutral": 0.002169104292988777,
"Mixed": 3.857641786453314e-05
}
}
```
Per ulteriori informazioni, consulta [Sentiment](https://docs.aws.amazon.com/comprehend/latest/dg/how-sentiment.html) nella *Guida per gli sviluppatori di Amazon Comprehend*
+ Per i dettagli sull'API, consulta [DetectSentiment AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/detect-sentiment.html)*Command Reference*.
### `detect-syntax`
Il seguente esempio di codice mostra come utilizzare`detect-syntax`.
**AWS CLI**
**Come rilevare le parti del discorso in un testo di input**
L’esempio `detect-syntax` seguente analizza la sintassi del testo di input e restituisce le diverse parti del discorso. Per ogni previsione viene inoltre restituito il punteggio di attendibilità del modello pre-addestrato.
```
aws comprehend detect-syntax \
--language-code en \
--text "It is a beautiful day in Seattle."
```
Output:
```
{
"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
}
}
]
}
```
Per ulteriori informazioni, consulta [Analisi della sintassi](https://docs.aws.amazon.com/comprehend/latest/dg/how-syntax.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [DetectSyntax AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/detect-syntax.html)*Command Reference*.
### `detect-targeted-sentiment`
Il seguente esempio di codice mostra come utilizzare`detect-targeted-sentiment`.
**AWS CLI**
**Come rilevare il sentiment mirato delle entità denominate in un testo di input**
L’esempio `detect-targeted-sentiment` seguente analizza il testo di input e restituisce le entità denominate insieme al sentiment mirato associato a ciascuna entità. Per ogni previsione viene inoltre restituito il punteggio di attendibilità del modello pre-addestrato.
```
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"
```
Output:
```
{
"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
}
]
}
]
}
```
Per ulteriori informazioni, consulta [Sentiment mirato](https://docs.aws.amazon.com/comprehend/latest/dg/how-targeted-sentiment.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [DetectTargetedSentiment AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/detect-targeted-sentiment.html)*Command Reference*.
### `import-model`
Il seguente esempio di codice mostra come utilizzare`import-model`.
**AWS CLI**
**Come importare un modello**
L'`import-model`esempio seguente importa un modello da un AWS account diverso. Il modello di classificazione dei documenti nell’account `444455556666` dispone di una policy basata su risorse che consente all’account `111122223333` di importare il modello.
```
aws comprehend import-model \
--source-model-arn arn:aws:comprehend:us-west-2:444455556666:document-classifier/example-classifier
```
Output:
```
{
"ModelArn": "arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier"
}
```
Per ulteriori informazioni, [consulta Copiare modelli personalizzati tra AWS account](https://docs.aws.amazon.com/comprehend/latest/dg/custom-copy.html) nella *Amazon Comprehend* Developer Guide.
+ Per i dettagli sull'API, consulta *AWS CLI Command [ImportModel](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/import-model.html)Reference*.
### `list-datasets`
Il seguente esempio di codice mostra come utilizzare`list-datasets`.
**AWS CLI**
**Come elencare tutti i set di dati del flywheel**
L’esempio `list-datasets` seguente elenca tutti i set di dati associati a un flywheel.
```
aws comprehend list-datasets \
--flywheel-arn arn:aws:comprehend:us-west-2:111122223333:flywheel/flywheel-entity
```
Output:
```
{
"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"
}
]
}
```
Per ulteriori informazioni, consulta [Panoramica del volano dei dati](https://docs.aws.amazon.com/comprehend/latest/dg/flywheels-about.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [ListDatasets AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-datasets.html)*Command Reference*.
### `list-document-classification-jobs`
Il seguente esempio di codice mostra come utilizzare`list-document-classification-jobs`.
**AWS CLI**
**Come un elenco di tutti i processi di classificazione dei documenti**
L’esempio `list-document-classification-jobs` seguente elenca tutti i processi di classificazione dei documenti.
```
aws comprehend list-document-classification-jobs
```
Output:
```
{
"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"
}
]
}
```
Per ulteriori informazioni, consulta [Classificazione personalizzata](https://docs.aws.amazon.com/comprehend/latest/dg/how-document-classification.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [ListDocumentClassificationJobs AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-document-classification-jobs.html)*Command Reference*.
### `list-document-classifier-summaries`
Il seguente esempio di codice mostra come utilizzare`list-document-classifier-summaries`.
**AWS CLI**
**Come elencare i riepiloghi di tutti i classificatori di documenti creati**
L’esempio `list-document-classifier-summaries` seguente crea tutti i riepiloghi del classificatore di documenti.
```
aws comprehend list-document-classifier-summaries
```
Output:
```
{
"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"
}
]
}
```
Per ulteriori informazioni, consulta [Creazione e gestione di modelli personalizzati](https://docs.aws.amazon.com/comprehend/latest/dg/manage-models.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [ListDocumentClassifierSummaries AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-document-classifier-summaries.html)*Command Reference*.
### `list-document-classifiers`
Il seguente esempio di codice mostra come utilizzare`list-document-classifiers`.
**AWS CLI**
**Come un elenco di tutti i classificatori dei documenti**
L’esempio `list-document-classifiers` seguente elenca tutti i modelli di classificatori di documenti addestrati e in corso di addestramento.
```
aws comprehend list-document-classifiers
```
Output:
```
{
"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"
}
]
}
```
Per ulteriori informazioni, consulta [Creazione e gestione di modelli personalizzati](https://docs.aws.amazon.com/comprehend/latest/dg/manage-models.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [ListDocumentClassifiers AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-document-classifiers.html)*Command Reference*.
### `list-dominant-language-detection-jobs`
Il seguente esempio di codice mostra come utilizzare`list-dominant-language-detection-jobs`.
**AWS CLI**
**Come elencare tutti i processi di rilevamento della lingua dominante**
L’esempio `list-dominant-language-detection-jobs` seguente elenca tutti i processi di rilevamento asincrono, in corso e completati, della lingua dominante.
```
aws comprehend list-dominant-language-detection-jobs
```
Output:
```
{
"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"
}
]
}
```
Per ulteriori informazioni, consulta [Analisi asincrona degli approfondimenti di Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [ListDominantLanguageDetectionJobs AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-dominant-language-detection-jobs.html)*Command Reference*.
### `list-endpoints`
Il seguente esempio di codice mostra come utilizzare`list-endpoints`.
**AWS CLI**
**Come elencare tutti gli endpoint**
L’esempio `list-endpoints` seguente elenca tutti gli endpoint attivi specifici del modello.
```
aws comprehend list-endpoints
```
Output:
```
{
"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"
}
]
}
```
Per ulteriori informazioni, consulta [Gestione degli endpoint di Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/manage-endpoints.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [ListEndpoints AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-endpoints.html)*Command Reference*.
### `list-entities-detection-jobs`
Il seguente esempio di codice mostra come utilizzare`list-entities-detection-jobs`.
**AWS CLI**
**Come elencare tutti i processi di rilevamento delle entità**
L’esempio `list-entities-detection-jobs` seguente elenca tutti i processi di rilevamento delle entità asincroni.
```
aws comprehend list-entities-detection-jobs
```
Output:
```
{
"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"
}
]
}
```
Per ulteriori informazioni, consulta [Entità](https://docs.aws.amazon.com/comprehend/latest/dg/how-entities.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [ListEntitiesDetectionJobs AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-entities-detection-jobs.html)*Command Reference*.
### `list-entity-recognizer-summaries`
Il seguente esempio di codice mostra come utilizzare`list-entity-recognizer-summaries`.
**AWS CLI**
**Come elencare i riepiloghi di tutti i riconoscitori di entità creati**
L’esempio `list-entity-recognizer-summaries` seguente elenca tutti i riepiloghi del riconoscitore delle entità.
```
aws comprehend list-entity-recognizer-summaries
```
Output:
```
{
"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"
}
]
}
```
Per ulteriori informazioni, consulta [Riconoscimento delle entità personalizzate](https://docs.aws.amazon.com/comprehend/latest/dg/custom-entity-recognition.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [ListEntityRecognizerSummaries AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-entity-recognizer-summaries.html)*Command Reference*.
### `list-entity-recognizers`
Il seguente esempio di codice mostra come utilizzare`list-entity-recognizers`.
**AWS CLI**
**Come elencare tutti i riconoscitori di entità personalizzati**
L’esempio `list-entity-recognizers` seguente elenca tutti i riconoscitori delle entità personalizzati creati.
```
aws comprehend list-entity-recognizers
```
Output:
```
{
"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"
}
]
}
```
Per ulteriori informazioni, consulta [Riconoscimento delle entità personalizzate](https://docs.aws.amazon.com/comprehend/latest/dg/custom-entity-recognition.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [ListEntityRecognizers AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-entity-recognizers.html)*Command Reference*.
### `list-events-detection-jobs`
Il seguente esempio di codice mostra come utilizzare`list-events-detection-jobs`.
**AWS CLI**
**Come elencare tutti i processi di rilevamento degli eventi**
L’esempio `list-events-detection-jobs` seguente elenca tutti i processi di rilevamento degli eventi asincroni.
```
aws comprehend list-events-detection-jobs
```
Output:
```
{
"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"
]
}
]
}
```
Per ulteriori informazioni, consulta [Analisi asincrona degli approfondimenti di Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [ListEventsDetectionJobs AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-events-detection-jobs.html)*Command Reference*.
### `list-flywheel-iteration-history`
Il seguente esempio di codice mostra come utilizzare`list-flywheel-iteration-history`.
**AWS CLI**
**Come elencare tutta la cronologia delle iterazioni del flywheel**
L’esempio `list-flywheel-iteration-history` seguente elenca tutte le iterazioni di un flywheel.
```
aws comprehend list-flywheel-iteration-history
--flywheel-arn arn:aws:comprehend:us-west-2:111122223333:flywheel/example-flywheel
```
Output:
```
{
"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/"
}
]
}
```
Per ulteriori informazioni, consulta [Panoramica del volano dei dati](https://docs.aws.amazon.com/comprehend/latest/dg/flywheels-about.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [ListFlywheelIterationHistory AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-flywheel-iteration-history.html)*Command Reference*.
### `list-flywheels`
Il seguente esempio di codice mostra come utilizzare`list-flywheels`.
**AWS CLI**
**Come elencare tutti i flywheel**
L’esempio `list-flywheels` seguente elenca tutti i flywheel creati.
```
aws comprehend list-flywheels
```
Output:
```
{
"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"
}
]
}
```
Per ulteriori informazioni, consulta [Panoramica del volano dei dati](https://docs.aws.amazon.com/comprehend/latest/dg/flywheels-about.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [ListFlywheels AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-flywheels.html)*Command Reference*.
### `list-key-phrases-detection-jobs`
Il seguente esempio di codice mostra come utilizzare`list-key-phrases-detection-jobs`.
**AWS CLI**
**Come elencare tutti processi di rilevamento delle frasi chiave**
L’esempio `list-key-phrases-detection-jobs` seguente elenca tutti i processi di rilevamento asincrono, in corso e completati, delle frasi chiave.
```
aws comprehend list-key-phrases-detection-jobs
```
Output:
```
{
"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"
}
]
}
```
Per ulteriori informazioni, consulta [Analisi asincrona degli approfondimenti di Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [ListKeyPhrasesDetectionJobs AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-key-phrases-detection-jobs.html)*Command Reference*.
### `list-pii-entities-detection-jobs`
Il seguente esempio di codice mostra come utilizzare`list-pii-entities-detection-jobs`.
**AWS CLI**
**Come elencare tutti i processi di rilevamento delle entità pii**
L’esempio `list-pii-entities-detection-jobs` seguente elenca tutti i processi di rilevamento asincrono, in corso e completati, delle pii.
```
aws comprehend list-pii-entities-detection-jobs
```
Output:
```
{
"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"
}
]
}
```
Per ulteriori informazioni, consulta [Analisi asincrona degli approfondimenti di Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [ListPiiEntitiesDetectionJobs AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-pii-entities-detection-jobs.html)*Command Reference*.
### `list-sentiment-detection-jobs`
Il seguente esempio di codice mostra come utilizzare`list-sentiment-detection-jobs`.
**AWS CLI**
**Come elencare tutti i processi di rilevamento del sentiment**
L’esempio `list-sentiment-detection-jobs` seguente elenca tutti i processi di rilevamento asincrono, in corso e completati, del sentiment.
```
aws comprehend list-sentiment-detection-jobs
```
Output:
```
{
"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"
}
]
}
```
Per ulteriori informazioni, consulta [Analisi asincrona degli approfondimenti di Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [ListSentimentDetectionJobs AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-sentiment-detection-jobs.html)*Command Reference*.
### `list-tags-for-resource`
Il seguente esempio di codice mostra come utilizzare`list-tags-for-resource`.
**AWS CLI**
**Come elencare i tag per le risorse**
L’esempio `list-tags-for-resource` seguente elenca i tag per una risorsa Amazon Comprehend.
```
aws comprehend list-tags-for-resource \
--resource-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier/version/1
```
Output:
```
{
"ResourceArn": "arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier/version/1",
"Tags": [
{
"Key": "Department",
"Value": "Finance"
},
{
"Key": "location",
"Value": "Seattle"
}
]
}
```
Per ulteriori informazioni, consulta [Tagging delle risorse](https://docs.aws.amazon.com/comprehend/latest/dg/tagging.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [ListTagsForResource AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-tags-for-resource.html)*Command Reference*.
### `list-targeted-sentiment-detection-jobs`
Il seguente esempio di codice mostra come utilizzare`list-targeted-sentiment-detection-jobs`.
**AWS CLI**
**Come elencare tutti i processi di rilevamento del sentiment mirato**
L’esempio `list-targeted-sentiment-detection-jobs` seguente elenca tutti i processi di rilevamento asincrono, in corso e completati, del sentiment mirato.
```
aws comprehend list-targeted-sentiment-detection-jobs
```
Output:
```
{
"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"
}
]
}
```
Per ulteriori informazioni, consulta [Analisi asincrona degli approfondimenti di Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [ListTargetedSentimentDetectionJobs AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-targeted-sentiment-detection-jobs.html)*Command Reference*.
### `list-topics-detection-jobs`
Il seguente esempio di codice mostra come utilizzare`list-topics-detection-jobs`.
**AWS CLI**
**Come elencare tutti i processi di rilevamento degli argomenti**
L’esempio `list-topics-detection-jobs` seguente elenca tutti i processi asincroni di rilevamento di argomenti in corso e completati.
```
aws comprehend list-topics-detection-jobs
```
Output:
```
{
"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"
}
]
}
```
Per ulteriori informazioni, consulta [Analisi asincrona degli approfondimenti di Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [ListTopicsDetectionJobs AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-topics-detection-jobs.html)*Command Reference*.
### `put-resource-policy`
Il seguente esempio di codice mostra come utilizzare`put-resource-policy`.
**AWS CLI**
**Come allegare una policy basata su risorse**
L'`put-resource-policy`esempio seguente allega una politica basata sulle risorse a un modello in modo che possa essere importato da un altro account. AWS La policy è collegata al modello nell’account `111122223333` e consente all’account `444455556666` l’importazione del modello.
```
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"]}}]}'
```
Output:
```
{
"PolicyRevisionId": "aaa111d069d07afaa2aa3106aEXAMPLE"
}
```
Per ulteriori informazioni, [consulta Copiare modelli personalizzati tra AWS account](https://docs.aws.amazon.com/comprehend/latest/dg/custom-copy.html) nella *Amazon Comprehend* Developer Guide.
+ Per i dettagli sull'API, consulta *AWS CLI Command [PutResourcePolicy](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/put-resource-policy.html)Reference*.
### `start-document-classification-job`
Il seguente esempio di codice mostra come utilizzare`start-document-classification-job`.
**AWS CLI**
**Come avviare un processo di classificazione dei documenti**
L’esempio `start-document-classification-job` seguente avvia un processo di classificazione dei documenti con un modello personalizzato su tutti i file all’indirizzo specificato dal tag `--input-data-config`. In questo esempio, il bucket S3 di input contiene `SampleSMStext1.txt`, `SampleSMStext2.txt` e `SampleSMStext3.txt`. Il modello è stato precedentemente addestrato in base alla classificazione dei documenti dei messaggi SMS spam e non spam o “indesiderati”. Al completamento del processo, `output.tar.gz` viene collocato nella posizione specificata dal tag `--output-data-config`. `output.tar.gz` contiene `predictions.jsonl`, che riporta la classificazione di ogni documento. L’output Json viene stampato su una riga per file, ma di seguito è formattato per ottimizzarne la leggibilità.
```
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
```
Contenuto di `SampleSMStext1.txt`:
```
"CONGRATULATIONS! TXT 2155550100 to win $5000"
```
Contenuto di `SampleSMStext2.txt`:
```
"Hi, when do you want me to pick you up from practice?"
```
Contenuto di `SampleSMStext3.txt`:
```
"Plz send bank account # to 2155550100 to claim prize!!"
```
Output:
```
{
"JobId": "e758dd56b824aa717ceab551fEXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:document-classification-job/e758dd56b824aa717ceab551fEXAMPLE",
"JobStatus": "SUBMITTED"
}
```
Contenuto di `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}]}
```
Per ulteriori informazioni, consulta [Classificazione personalizzata](https://docs.aws.amazon.com/comprehend/latest/dg/how-document-classification.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [StartDocumentClassificationJob AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/start-document-classification-job.html)*Command Reference*.
### `start-dominant-language-detection-job`
Il seguente esempio di codice mostra come utilizzare`start-dominant-language-detection-job`.
**AWS CLI**
**Come avviare un processo asincrono di rilevamento della lingua**
L’esempio `start-dominant-language-detection-job` seguente avvia un processo di rilevamento della lingua asincrono per tutti i file che si trovano all’indirizzo specificato dal tag `--input-data-config`. Il bucket S3 in questo esempio contiene `Sampletext1.txt`. Al completamento del processo, la cartella `output` viene collocata nella posizione specificata dal tag `--output-data-config`. La cartella contiene `output.txt`, che a sua volta contiene la lingua dominante di ogni file di testo e il punteggio di affidabilità del modello pre-addestrato per ogni previsione.
```
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
```
Contenuto di 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."
```
Output:
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:dominant-language-detection-job/123456abcdeb0e11022f22a11EXAMPLE",
"JobStatus": "SUBMITTED"
}
```
Contenuto di `output.txt`:
```
{"File": "Sampletext1.txt", "Languages": [{"LanguageCode": "en", "Score": 0.9913753867149353}], "Line": 0}
```
Per ulteriori informazioni, consulta [Analisi asincrona degli approfondimenti di Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [StartDominantLanguageDetectionJob AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/start-dominant-language-detection-job.html)*Command Reference*.
### `start-entities-detection-job`
Il seguente esempio di codice mostra come utilizzare`start-entities-detection-job`.
**AWS CLI**
**Esempio 1: come avviare un processo di rilevamento delle entità standard utilizzando il modello pre-addestrato**
L’esempio `start-entities-detection-job` seguente avvia un processo di rilevamento delle entità asincrono per tutti i file che si trovano all’indirizzo specificato dal tag `--input-data-config`. Il bucket S3 in questo esempio contiene `Sampletext1.txt`, `Sampletext2.txt` e `Sampletext3.txt`. Al completamento del processo, la cartella `output` viene collocata nella posizione specificata dal tag `--output-data-config`. La cartella contiene `output.txt`, che elenca tutte le entità denominate rilevate in ogni file di testo e il punteggio di affidabilità del modello pre-addestrato per ogni previsione. L’output Json viene stampato su una riga per file, ma di seguito è formattato in modo da ottimizzarne la leggibilità.
```
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
```
Contenuto di `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."
```
Contenuto di `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. "
```
Contenuto di `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."
```
Output:
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:entities-detection-job/123456abcdeb0e11022f22a11EXAMPLE",
"JobStatus": "SUBMITTED"
}
```
Contenuto di `output.txt` con rientri di riga per una maggiore leggibilità:
```
{
"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
}
```
Per ulteriori informazioni, consulta [Analisi asincrona degli approfondimenti di Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
**Esempio 2: come avviare un processo personalizzato di rilevamento delle entità**
L’esempio `start-entities-detection-job` seguente avvia un processo di rilevamento delle entità personalizzato asincrono per tutti i file che si trovano all’indirizzo specificato dal tag `--input-data-config`. Il bucket S3 in questo esempio contiene `SampleFeedback1.txt`, `SampleFeedback2.txt` e `SampleFeedback3.txt`. Il modello di riconoscimento delle entità è stato addestrato sulla base dei feedback dell’assistenza clienti per riconoscere i nomi dei dispositivi. Al completamento del processo, la cartella `output` viene collocata nella posizione specificata dal tag `--output-data-config`. La cartella contiene `output.txt`, che elenca tutte le entità denominate rilevate in ogni file di testo e il punteggio di affidabilità del modello pre-addestrato per ogni previsione. L’output Json viene stampato su una riga per file, ma di seguito è formattato per ottimizzarne la leggibilità.
```
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"
```
Contenuto di `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!"
```
Contenuto di `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!"
```
Contenuto di `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!"
```
Output:
```
{
"JobId": "019ea9edac758806850fa8a79ff83021",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:entities-detection-job/019ea9edac758806850fa8a79ff83021",
"JobStatus": "SUBMITTED"
}
```
Contenuto di `output.txt` con rientri di riga per una maggiore leggibilità:
```
{
"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
}
```
Per ulteriori informazioni, consulta [Riconoscimento delle entità personalizzate](https://docs.aws.amazon.com/comprehend/latest/dg/custom-entity-recognition.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [StartEntitiesDetectionJob AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/start-entities-detection-job.html)*Command Reference*.
### `start-events-detection-job`
Il seguente esempio di codice mostra come utilizzare`start-events-detection-job`.
**AWS CLI**
**Come avviare un processo asincrono di rilevamento degli eventi**
L’esempio `start-events-detection-job` seguente avvia un processo di rilevamento degli eventi asincrono per tutti i file che si trovano all’indirizzo specificato dal tag `--input-data-config`. I possibili tipi di eventi di destinazione includono `BANKRUPCTY`, `EMPLOYMENT`, `CORPORATE_ACQUISITION`, `INVESTMENT_GENERAL`, `CORPORATE_MERGER`, `IPO`, `RIGHTS_ISSUE`, `SECONDARY_OFFERING`, `SHELF_OFFERING`, `TENDER_OFFERING` e `STOCK_SPLIT`. Il bucket S3 in questo esempio contiene `SampleText1.txt`, `SampleText2.txt` e `SampleText3.txt`. Al completamento del processo, la cartella `output` viene collocata nella posizione specificata dal tag `--output-data-config`. La cartella contiene `SampleText1.txt.out`, `SampleText2.txt.out` e `SampleText3.txt.out`. L’output JSON viene stampato su una riga per file, ma di seguito è formattato per ottimizzarne la leggibilità.
```
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"
```
Contenuto di `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."
```
Contenuto di `SampleText2.txt`:
```
"In 2021, AnyCompany officially purchased AnyBusiness for 100 billion dollars, surprising and exciting the shareholders."
```
Contenuto di `SampleText3.txt`:
```
"In 2022, AnyCompany stock crashed 50. Eventually later that year they filed for bankruptcy."
```
Output:
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:events-detection-job/123456abcdeb0e11022f22a11EXAMPLE",
"JobStatus": "SUBMITTED"
}
```
Contenuto di `SampleText1.txt.out` con rientri di riga per una maggiore leggibilità:
```
{
"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
}
```
Contenuto di `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
}
```
Contenuto di `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
}
```
Per ulteriori informazioni, consulta [Analisi asincrona degli approfondimenti di Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [StartEventsDetectionJob AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/start-events-detection-job.html)*Command Reference*.
### `start-flywheel-iteration`
Il seguente esempio di codice mostra come utilizzare`start-flywheel-iteration`.
**AWS CLI**
**Come avviare un’iterazione del flywheel**
L’esempio `start-flywheel-iteration` seguente avvia un’iterazione del flywheel. Questa operazione utilizza qualsiasi nuovo set di dati nel flywheel per addestrare una nuova versione del modello.
```
aws comprehend start-flywheel-iteration \
--flywheel-arn arn:aws:comprehend:us-west-2:111122223333:flywheel/example-flywheel
```
Output:
```
{
"FlywheelArn": "arn:aws:comprehend:us-west-2:111122223333:flywheel/example-flywheel",
"FlywheelIterationId": "12345123TEXAMPLE"
}
```
Per ulteriori informazioni, consulta [Panoramica del volano dei dati](https://docs.aws.amazon.com/comprehend/latest/dg/flywheels-about.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [StartFlywheelIteration AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/start-flywheel-iteration.html)*Command Reference*.
### `start-key-phrases-detection-job`
Il seguente esempio di codice mostra come utilizzare`start-key-phrases-detection-job`.
**AWS CLI**
**Come avviare un processo di rilevamento delle frasi chiave**
L’esempio `start-key-phrases-detection-job` seguente avvia un processo di rilevamento delle frasi chiave asincrono per tutti i file che si trovano all’indirizzo specificato dal tag `--input-data-config`. Il bucket S3 in questo esempio contiene `Sampletext1.txt`, `Sampletext2.txt` e `Sampletext3.txt`. Al completamento del processo, la cartella `output` viene collocata nella posizione specificata dal tag `--output-data-config`. La cartella contiene il file `output.txt`, che a sua volta contiene tutte le frasi chiave denominate rilevate in ogni file di testo e il punteggio di affidabilità del modello pre-addestrato per ogni previsione. L’output Json viene stampato su una riga per file, ma di seguito è formattato per ottimizzarne la leggibilità.
```
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
```
Contenuto di `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."
```
Contenuto di `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. "
```
Contenuto di `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."
```
Output:
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:key-phrases-detection-job/123456abcdeb0e11022f22a11EXAMPLE",
"JobStatus": "SUBMITTED"
}
```
Contenuto di `output.txt` con rientri di riga per una maggiore leggibilità:
```
{
"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
}
```
Per ulteriori informazioni, consulta [Analisi asincrona degli approfondimenti di Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [StartKeyPhrasesDetectionJob AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/start-key-phrases-detection-job.html)*Command Reference*.
### `start-pii-entities-detection-job`
Il seguente esempio di codice mostra come utilizzare`start-pii-entities-detection-job`.
**AWS CLI**
**Come avviare un processo asincrono di rilevamento delle PII**
L’esempio `start-pii-entities-detection-job` seguente avvia un processo di rilevamento delle entità Informazioni di identificazione personale (PII) asincrono per tutti i file che si trovano all’indirizzo specificato dal tag `--input-data-config`. Il bucket S3 in questo esempio contiene `Sampletext1.txt`, `Sampletext2.txt` e `Sampletext3.txt`. Al completamento del processo, la cartella `output` viene collocata nella posizione specificata dal tag `--output-data-config`. La cartella contiene `SampleText1.txt.out`, `SampleText2.txt.out` e `SampleText3.txt.out`, che elencano le entità denominate all’interno di ogni file di testo. L’output Json viene stampato su una riga per file, ma di seguito è formattato per ottimizzarne la leggibilità.
```
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
```
Contenuto di `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."
```
Contenuto di `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. "
```
Contenuto di `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."
```
Output:
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:pii-entities-detection-job/123456abcdeb0e11022f22a11EXAMPLE",
"JobStatus": "SUBMITTED"
}
```
Contenuto di `SampleText1.txt.out` con rientri di riga per una maggiore leggibilità:
```
{
"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
}
```
Contenuto di `SampleText2.txt.out` con rientri di riga per una maggiore leggibilità:
```
{
"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
}
```
Contenuto di `SampleText3.txt.out` con rientri di riga per una maggiore leggibilità:
```
{
"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
}
```
Per ulteriori informazioni, consulta [Analisi asincrona degli approfondimenti di Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [StartPiiEntitiesDetectionJob AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/start-pii-entities-detection-job.html)*Command Reference*.
### `start-sentiment-detection-job`
Il seguente esempio di codice mostra come utilizzare`start-sentiment-detection-job`.
**AWS CLI**
**Come avviare un processo asincrono di analisi del sentiment**
L’esempio `start-sentiment-detection-job` seguente avvia un processo di rilevamento del sentiment asincrono per tutti i file che si trovano all’indirizzo specificato dal tag `--input-data-config`. Il bucket S3 in questo esempio contiene `SampleMovieReview1.txt`, `SampleMovieReview2.txt` e `SampleMovieReview3.txt`. Al completamento del processo, la cartella `output` viene collocata nella posizione specificata dal tag `--output-data-config`. La cartella contiene il file `output.txt`, che a sua volta contiene i sentiment prevalenti in ogni file di testo e il punteggio di affidabilità del modello pre-addestrato per ogni previsione. L’output Json viene stampato su una riga per file, ma di seguito è formattato per ottimizzarne la leggibilità.
```
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
```
Contenuto di `SampleMovieReview1.txt`:
```
"The film, AnyMovie2, is fairly predictable and just okay."
```
Contenuto di `SampleMovieReview2.txt`:
```
"AnyMovie2 is the essential sci-fi film that I grew up watching when I was a kid. I highly recommend this movie."
```
Contenuto di `SampleMovieReview3.txt`:
```
"Don't get fooled by the 'awards' for AnyMovie2. All parts of the film were poorly stolen from other modern directors."
```
Output:
```
{
"JobId": "0b5001e25f62ebb40631a9a1a7fde7b3",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:sentiment-detection-job/0b5001e25f62ebb40631a9a1a7fde7b3",
"JobStatus": "SUBMITTED"
}
```
Contenuto di `output.txt` con rientri di riga per una maggiore leggibilità:
```
{
"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
}
}
}
```
Per ulteriori informazioni, consulta [Analisi asincrona degli approfondimenti di Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [StartSentimentDetectionJob AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/start-sentiment-detection-job.html)*Command Reference*.
### `start-targeted-sentiment-detection-job`
Il seguente esempio di codice mostra come utilizzare`start-targeted-sentiment-detection-job`.
**AWS CLI**
**Come avviare un processo asincrono di analisi del sentiment mirato**
L’esempio `start-targeted-sentiment-detection-job` seguente avvia un processo di rilevamento del sentiment mirato asincrono per tutti i file che si trovano all’indirizzo specificato dal tag `--input-data-config`. Il bucket S3 in questo esempio contiene `SampleMovieReview1.txt`, `SampleMovieReview2.txt` e `SampleMovieReview3.txt`. Al completamento del processo, `output.tar.gz` viene collocato nella posizione specificata dal tag `--output-data-config`g. `output.tar.gz` contiene i file `SampleMovieReview1.txt.out`, `SampleMovieReview2.txt.out` e `SampleMovieReview3.txt.out`, ciascuno dei quali contiene tutte le entità denominate e i sentiment associati per un singolo file di testo di input.
```
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
```
Contenuto di `SampleMovieReview1.txt`:
```
"The film, AnyMovie, is fairly predictable and just okay."
```
Contenuto di `SampleMovieReview2.txt`:
```
"AnyMovie is the essential sci-fi film that I grew up watching when I was a kid. I highly recommend this movie."
```
Contenuto di `SampleMovieReview3.txt`:
```
"Don't get fooled by the 'awards' for AnyMovie. All parts of the film were poorly stolen from other modern directors."
```
Output:
```
{
"JobId": "0b5001e25f62ebb40631a9a1a7fde7b3",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:targeted-sentiment-detection-job/0b5001e25f62ebb40631a9a1a7fde7b3",
"JobStatus": "SUBMITTED"
}
```
Contenuto di `SampleMovieReview1.txt.out` con rientri di riga per una maggiore leggibilità:
```
{
"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
}
```
Contenuto di `SampleMovieReview2.txt.out` con rientri di riga per una maggiore leggibilità:
```
{
"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
}
```
Contenuto di `SampleMovieReview3.txt.out` con rientri di riga per una maggiore leggibilità:
```
{
"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
}
```
Per ulteriori informazioni, consulta [Analisi asincrona degli approfondimenti di Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [StartTargetedSentimentDetectionJob AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/start-targeted-sentiment-detection-job.html)*Command Reference*.
### `start-topics-detection-job`
Il seguente esempio di codice mostra come utilizzare`start-topics-detection-job`.
**AWS CLI**
**Come avviare un processo di analisi del rilevamento degli argomenti**
L’esempio `start-topics-detection-job` seguente avvia un processo asincrono di rilevamento degli argomenti per tutti i file che si trovano all’indirizzo specificato dal tag `--input-data-config`. Al completamento del processo, la cartella `output` viene collocata nella posizione specificata dal tag `--ouput-data-config`. `output` contiene topic-terms.csv e doc-topics.csv. Il primo file di output (topic-terms.csv) è un elenco di argomenti nella raccolta. Per ogni argomento, per impostazione predefinita l’elenco include i termini principali per argomento in base al loro peso. Il secondo file (`doc-topics.csv`) elenca i documenti associati a un argomento e la proporzione del documento interessato dall’argomento.
```
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
```
Output:
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:key-phrases-detection-job/123456abcdeb0e11022f22a11EXAMPLE",
"JobStatus": "SUBMITTED"
}
```
Per ulteriori informazioni, consulta [Modellazione degli argomenti](https://docs.aws.amazon.com/comprehend/latest/dg/topic-modeling.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [StartTopicsDetectionJob AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/start-topics-detection-job.html)*Command Reference*.
### `stop-dominant-language-detection-job`
Il seguente esempio di codice mostra come utilizzare`stop-dominant-language-detection-job`.
**AWS CLI**
**Come arrestare un processo asincrono di rilevamento della lingua dominante**
L’esempio `stop-dominant-language-detection-job` seguente arresta un processo di rilevamento asincrono della lingua dominante in corso. Se lo stato corrente del processo è `IN_PROGRESS`, il processo viene contrassegnato per la terminazione e viene impostato lo `STOP_REQUESTED`. Se il processo viene completato prima di poter essere arrestato, viene messo in stato `COMPLETED`.
```
aws comprehend stop-dominant-language-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Output:
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE,
"JobStatus": "STOP_REQUESTED"
}
```
Per ulteriori informazioni, consulta [Analisi asincrona degli approfondimenti di Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [StopDominantLanguageDetectionJob AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/stop-dominant-language-detection-job.html)*Command Reference*.
### `stop-entities-detection-job`
Il seguente esempio di codice mostra come utilizzare`stop-entities-detection-job`.
**AWS CLI**
**Come arrestare un processo asincrono di rilevamento delle entità**
L’esempio `stop-entities-detection-job` seguente arresta un processo di rilevamento asincrono delle entità in corso. Se lo stato corrente del processo è `IN_PROGRESS`, il processo viene contrassegnato per la terminazione e viene impostato lo `STOP_REQUESTED`. Se il processo viene completato prima di poter essere arrestato, viene messo in stato `COMPLETED`.
```
aws comprehend stop-entities-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Output:
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE,
"JobStatus": "STOP_REQUESTED"
}
```
Per ulteriori informazioni, consulta [Analisi asincrona degli approfondimenti di Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [StopEntitiesDetectionJob AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/stop-entities-detection-job.html)*Command Reference*.
### `stop-events-detection-job`
Il seguente esempio di codice mostra come utilizzare`stop-events-detection-job`.
**AWS CLI**
**Come arrestare un processo asincrono di rilevamento degli eventi**
L’esempio `stop-events-detection-job` seguente arresta un processo di rilevamento asincrono degli eventi in corso. Se lo stato corrente del processo è `IN_PROGRESS`, il processo viene contrassegnato per la terminazione e viene impostato lo `STOP_REQUESTED`. Se il processo viene completato prima di poter essere arrestato, viene messo in stato `COMPLETED`.
```
aws comprehend stop-events-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Output:
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE,
"JobStatus": "STOP_REQUESTED"
}
```
Per ulteriori informazioni, consulta [Analisi asincrona degli approfondimenti di Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [StopEventsDetectionJob AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/stop-events-detection-job.html)*Command Reference*.
### `stop-key-phrases-detection-job`
Il seguente esempio di codice mostra come utilizzare`stop-key-phrases-detection-job`.
**AWS CLI**
**Come arrestare un processo asincrono di rilevamento delle frasi chiave**
L’esempio `stop-key-phrases-detection-job` seguente arresta un processo di rilevamento asincrono delle frasi chiave in corso. Se lo stato corrente del processo è `IN_PROGRESS`, il processo viene contrassegnato per la terminazione e viene impostato lo `STOP_REQUESTED`. Se il processo viene completato prima di poter essere arrestato, viene messo in stato `COMPLETED`.
```
aws comprehend stop-key-phrases-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Output:
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE,
"JobStatus": "STOP_REQUESTED"
}
```
Per ulteriori informazioni, consulta [Analisi asincrona degli approfondimenti di Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [StopKeyPhrasesDetectionJob AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/stop-key-phrases-detection-job.html)*Command Reference*.
### `stop-pii-entities-detection-job`
Il seguente esempio di codice mostra come utilizzare`stop-pii-entities-detection-job`.
**AWS CLI**
**Come arrestare un processo asincrono di rilevamento delle entità pii**
L’esempio `stop-pii-entities-detection-job` seguente arresta un processo di rilevamento asincrono delle entità pii in corso. Se lo stato corrente del processo è `IN_PROGRESS`, il processo viene contrassegnato per la terminazione e viene impostato lo `STOP_REQUESTED`. Se il processo viene completato prima di poter essere arrestato, viene messo in stato `COMPLETED`.
```
aws comprehend stop-pii-entities-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Output:
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE,
"JobStatus": "STOP_REQUESTED"
}
```
Per ulteriori informazioni, consulta [Analisi asincrona degli approfondimenti di Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [StopPiiEntitiesDetectionJob AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/stop-pii-entities-detection-job.html)*Command Reference*.
### `stop-sentiment-detection-job`
Il seguente esempio di codice mostra come utilizzare`stop-sentiment-detection-job`.
**AWS CLI**
**Come arrestare un processo asincrono di rilevamento del sentiment**
L’esempio `stop-sentiment-detection-job` seguente arresta un processo di rilevamento asincrono del sentiment in corso. Se lo stato corrente del processo è `IN_PROGRESS`, il processo viene contrassegnato per la terminazione e viene impostato lo `STOP_REQUESTED`. Se il processo viene completato prima di poter essere arrestato, viene messo in stato `COMPLETED`.
```
aws comprehend stop-sentiment-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Output:
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE,
"JobStatus": "STOP_REQUESTED"
}
```
Per ulteriori informazioni, consulta [Analisi asincrona degli approfondimenti di Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [StopSentimentDetectionJob AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/stop-sentiment-detection-job.html)*Command Reference*.
### `stop-targeted-sentiment-detection-job`
Il seguente esempio di codice mostra come utilizzare`stop-targeted-sentiment-detection-job`.
**AWS CLI**
**Come arrestare un processo asincrono di rilevamento del sentiment mirato**
L’esempio `stop-targeted-sentiment-detection-job` seguente arresta un processo di rilevamento asincrono del sentiment mirato in corso. Se lo stato corrente del processo è `IN_PROGRESS`, il processo viene contrassegnato per la terminazione e viene impostato lo `STOP_REQUESTED`. Se il processo viene completato prima di poter essere arrestato, viene messo in stato `COMPLETED`.
```
aws comprehend stop-targeted-sentiment-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Output:
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE,
"JobStatus": "STOP_REQUESTED"
}
```
Per ulteriori informazioni, consulta [Analisi asincrona degli approfondimenti di Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [StopTargetedSentimentDetectionJob AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/stop-targeted-sentiment-detection-job.html)*Command Reference*.
### `stop-training-document-classifier`
Il seguente esempio di codice mostra come utilizzare`stop-training-document-classifier`.
**AWS CLI**
**Come arrestare l’addestramento di un modello di classificazione dei documenti**
L’esempio `stop-training-document-classifier` seguente arresta l’addestramento di un modello di classificazione di documenti ancora in corso.
```
aws comprehend stop-training-document-classifier
--document-classifier-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier
```
Questo comando non produce alcun output.
Per ulteriori informazioni, consulta [Creazione e gestione di modelli personalizzati](https://docs.aws.amazon.com/comprehend/latest/dg/manage-models.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [StopTrainingDocumentClassifier AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/stop-training-document-classifier.html)*Command Reference*.
### `stop-training-entity-recognizer`
Il seguente esempio di codice mostra come utilizzare`stop-training-entity-recognizer`.
**AWS CLI**
**Come arrestare l’addestramento di un modello di riconoscimento delle entità**
L’esempio `stop-training-entity-recognizer` seguente arresta l’addestramento di un modello di riconoscimento delle entità ancora in corso.
```
aws comprehend stop-training-entity-recognizer
--entity-recognizer-arn "arn:aws:comprehend:us-west-2:111122223333:entity-recognizer/examplerecognizer1"
```
Questo comando non produce alcun output.
Per ulteriori informazioni, consulta [Creazione e gestione di modelli personalizzati](https://docs.aws.amazon.com/comprehend/latest/dg/manage-models.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [StopTrainingEntityRecognizer AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/stop-training-entity-recognizer.html)*Command Reference*.
### `tag-resource`
Il seguente esempio di codice mostra come utilizzare`tag-resource`.
**AWS CLI**
**Esempio 1: come aggiungere un tag a una risorsa**
L’esempio `tag-resource` seguente aggiunge un singolo tag a una risorsa 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
```
Questo comando non ha output.
Per ulteriori informazioni, consulta [Tagging delle risorse](https://docs.aws.amazon.com/comprehend/latest/dg/tagging.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
**Esempio 2: come aggiungere più tag a una risorsa**
L’esempio `tag-resource` seguente aggiunge più tag a una risorsa 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
```
Questo comando non ha output.
Per ulteriori informazioni, consulta [Tagging delle risorse](https://docs.aws.amazon.com/comprehend/latest/dg/tagging.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [TagResource AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/tag-resource.html)*Command Reference*.
### `untag-resource`
Il seguente esempio di codice mostra come utilizzare`untag-resource`.
**AWS CLI**
**Esempio 1: come rimuovere un singolo tag da una risorsa**
L’esempio `untag-resource` seguente rimuove un singolo tag da una risorsa Amazon Comprehend.
```
aws comprehend untag-resource \
--resource-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier/version/1
--tag-keys Location
```
Questo comando non produce alcun output.
Per ulteriori informazioni, consulta [Tagging delle risorse](https://docs.aws.amazon.com/comprehend/latest/dg/tagging.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
**Esempio 2: come rimuovere più tag da una risorsa**
L’esempio `untag-resource` seguente rimuove più tag da una risorsa 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
```
Questo comando non produce alcun output.
Per ulteriori informazioni, consulta [Tagging delle risorse](https://docs.aws.amazon.com/comprehend/latest/dg/tagging.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [UntagResource AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/untag-resource.html)*Command Reference*.
### `update-endpoint`
Il seguente esempio di codice mostra come utilizzare`update-endpoint`.
**AWS CLI**
**Esempio 1: come aggiornare le unità di inferenza di un endpoint**
L’esempio `update-endpoint` seguente aggiorna le informazioni su un endpoint. In questo esempio, viene aumentato il numero di unità di inferenza.
```
aws comprehend update-endpoint \
--endpoint-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier-endpoint/example-classifier-endpoint
--desired-inference-units 2
```
Questo comando non produce alcun output.
Per ulteriori informazioni, consulta [Gestione degli endpoint di Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/manage-endpoints.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
**Esempio 2: come aggiornare il modello attivo di un endpoint**
L’esempio `update-endpoint` seguente aggiorna le informazioni su un endpoint. In questo esempio, il modello attivo viene modificato.
```
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
```
Questo comando non produce alcun output.
Per ulteriori informazioni, consulta [Gestione degli endpoint di Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/manage-endpoints.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [UpdateEndpoint AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/update-endpoint.html)*Command Reference*.
### `update-flywheel`
Il seguente esempio di codice mostra come utilizzare`update-flywheel`.
**AWS CLI**
**Come aggiornare la configurazione di un flywheel**
L’esempio `update-flywheel` seguente aggiorna una configurazione del flywheel. In questo esempio, il modello attivo per il flywheel viene aggiornato.
```
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
```
Output:
```
{
"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"
}
}
```
Per ulteriori informazioni, consulta [Panoramica del volano dei dati](https://docs.aws.amazon.com/comprehend/latest/dg/flywheels-about.html) nella *Guida per gli sviluppatori di Amazon Comprehend*.
+ Per i dettagli sull'API, consulta [UpdateFlywheel AWS CLI](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/update-flywheel.html)*Command Reference*.