Annotazione di file PDF

1. Se usi Windows, installa Cygwin; se usi Linux o Mac, salta questo passaggio.

2. Scarica gli artefatti di annotazione da. GitHub Decomprimere il file.

3. Dalla finestra del terminale, accedete alla cartella decompressa (-). amazon-comprehend-semi-structured documents-annotation-tools-main

4. Questa cartella include una scelta da eseguire per installare le dipendenze, configurare un virtualenv Python e distribuire le risorse richieste. Makefiles Controlla il file readme per fare la tua scelta.

5. L'opzione consigliata utilizza un solo comando per installare tutte le dipendenze in un virtualenv, crea lo stack a partire dal modello e distribuisce lo AWS CloudFormation stack all'utente con una guida interattiva. Account AWS Esegui il comando seguente:

   make ready-and-deploy-guided

   Questo comando presenta una serie di opzioni di configurazione. Assicurati che il tuo Regione AWS sia corretto. Per tutti gli altri campi, puoi accettare i valori predefiniti o inserire valori personalizzati. Se modifichi il nome AWS CloudFormation dello stack, scrivilo quando ne hai bisogno nei passaggi successivi.

   

   Lo CloudFormation stack crea e gestisce i AWS lambda, i ruoli AWS IAM e i bucket AWS S3 necessari per lo strumento di annotazione.

   Puoi esaminare ciascuna di queste risorse nella pagina dei dettagli dello stack nella console. CloudFormation

6. Il comando richiede di avviare la distribuzione. CloudFormation crea tutte le risorse nella regione specificata.

   

   Quando lo stato dello CloudFormation stack passa a creazione/completamento, le risorse sono pronte per l'uso.

1. Crea una nuova cartella nel bucket S3. Assegna un nome a questa nuova cartella «src».

2. Aggiungi i tuoi file sorgente PDF alla cartella 'src'. In una fase successiva, aggiungi annotazioni a questi file per addestrare il tuo riconoscitore.

3. (Facoltativo) Ecco un esempio di AWS CLI che puoi usare per caricare i tuoi documenti sorgente da una directory locale in un bucket S3:

   aws s3 cp --recursive local-path-to-your-source-docs s3://deploy-guided/src/

   Oppure, con la tua regione e il tuo ID account:

   aws s3 cp --recursive local-path-to-your-source-docs s3://deploy-guided-Region-AccountID/src/

4. Ora hai una forza lavoro privata di SageMaker Ground Truth e hai caricato i tuoi file sorgente nel bucket S3, deploy-guided/src/; sei pronto per iniziare ad annotare.

• Eseguite lo script seguente con i parametri di input come descritto nell'elenco precedente.

  python bin/comprehend-ssie-annotation-tool-cli.py \
  --input-s3-path s3://deploy-guided-Region-AccountID/src/ \
  --cfn-name sam-app \
  --work-team-name my-work-team-name \
  --region us-east-1 \
  --job-name-prefix my-job-name-20210902T232116 \
  --entity-types "EntityA, EntityB, EntityC" \
  --annotator-metadata "key=info,value=sample,key=Due Date,value=12/12/2021"

  Lo script produce il seguente output:

  Downloaded files to temp local directory /tmp/a1dc0c47-0f8c-42eb-9033-74a988ccc5aa
  Deleted downloaded temp files from /tmp/a1dc0c47-0f8c-42eb-9033-74a988ccc5aa
  Uploaded input manifest file to s3://comprehend-semi-structured-documents-us-west-2-123456789012/input-manifest/my-job-name-20220203-labeling-job-20220203T183118.manifest
  Uploaded schema file to s3://comprehend-semi-structured-documents-us-west-2-123456789012/comprehend-semi-structured-docs-ui-template/my-job-name-20220203-labeling-job-20220203T183118/ui-template/schema.json
  Uploaded template UI to s3://comprehend-semi-structured-documents-us-west-2-123456789012/comprehend-semi-structured-docs-ui-template/my-job-name-20220203-labeling-job-20220203T183118/ui-template/template-2021-04-15.liquid
  Sagemaker GroundTruth Labeling Job submitted: arn:aws:sagemaker:us-west-2:123456789012:labeling-job/my-job-name-20220203-labeling-job-20220203t183118
  (amazon-comprehend-semi-structured-documents-annotation-tools-main) user@3c063014d632 amazon-comprehend-semi-structured-documents-annotation-tools-main %
  

Ora che hai configurato le risorse richieste e creato un processo di etichettatura, puoi accedere al portale di etichettatura e annotare i tuoi PDF.

1. Accedi alla SageMaker console utilizzando i browser Web Chrome o Firefox.

2. Seleziona Etichettatura della forza lavoro e scegli Privato.

3. In Riepilogo della forza lavoro privata, seleziona l'URL di accesso al portale di etichettatura che hai creato con la tua forza lavoro privata. Accedi con le credenziali appropriate.

   Se non vedi nessun lavoro elencato, non preoccuparti: l'aggiornamento può richiedere del tempo, a seconda del numero di file che hai caricato per l'annotazione.

4. Seleziona l'attività e, nell'angolo in alto a destra, scegli Inizia a lavorare per aprire la schermata di annotazione.

   Vedrai uno dei tuoi documenti aperto nella schermata di annotazione e, sopra di esso, i tipi di entità che hai fornito durante la configurazione. A destra dei tipi di entità, c'è una freccia che puoi usare per navigare tra i tuoi documenti.

   

   Annota il documento aperto. Puoi anche rimuovere, annullare o etichettare automaticamente le tue annotazioni su ogni documento; queste opzioni sono disponibili nel pannello a destra dello strumento di annotazione.

   

   Per usare il tag auto, annota un'istanza di una delle tue entità; tutte le altre istanze di quella parola specifica vengono quindi annotate automaticamente con quel tipo di entità.

   Una volta terminato, seleziona Invia in basso a destra, quindi usa le frecce di navigazione per passare al documento successivo. Ripeti l'operazione finché non avrai annotato tutti i tuoi PDF.