# Exemplos do Amazon Comprehend usando o AWS CLI
Os exemplos de código a seguir mostram como realizar ações e implementar cenários comuns usando oAWS Command Line Interface com Amazon Comprehend.
*Ações* são trechos de código de programas maiores e devem ser executadas em contexto. Embora as ações mostrem como chamar perfis de serviço individuais, você pode ver as ações no contexto em seus cenários relacionados.
Cada exemplo inclui um link para o código-fonte completo, em que você pode encontrar instruções sobre como configurar e executar o código.
**Topics**
+ [Ações](#actions)
## Ações
### `batch-detect-dominant-language`
O código de exemplo a seguir mostra como usar `batch-detect-dominant-language`.
**AWS CLI**
**Para detectar o idioma dominante de vários textos de entrada**
O exemplo `batch-detect-dominant-language` a seguir analisa vários textos de entrada e retorna o idioma dominante de cada um. A pontuação de confiança de modelos pré-treinados também é gerada para cada previsão.
```
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."
```
Resultado:
```
{
"ResultList": [
{
"Index": 0,
"Languages": [
{
"LanguageCode": "en",
"Score": 0.9986501932144165
}
]
}
],
"ErrorList": []
}
```
Para obter mais informações, consulte [Idioma dominante](https://docs.aws.amazon.com/comprehend/latest/dg/how-languages.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [BatchDetectDominantLanguage](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/batch-detect-dominant-language.html) na *Referência de comandos da AWS CLI*.
### `batch-detect-entities`
O código de exemplo a seguir mostra como usar `batch-detect-entities`.
**AWS CLI**
**Para detectar entidades de vários textos de entrada**
O exemplo `batch-detect-entities` a seguir analisa vários textos de entrada e retorna as entidades nomeadas de cada um. A pontuação de confiança do modelo pré-treinado também é gerada para cada previsão.
```
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."
```
Resultado:
```
{
"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": []
}
```
Para obter mais informações, consulte [Entidades](https://docs.aws.amazon.com/comprehend/latest/dg/how-entities.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [BatchDetectEntities](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/batch-detect-entities.html) na *Referência de comandos da AWS CLI*.
### `batch-detect-key-phrases`
O código de exemplo a seguir mostra como usar `batch-detect-key-phrases`.
**AWS CLI**
**Para detectar frases-chave de várias entradas de texto**
O exemplo `batch-detect-key-phrases` a seguir analisa vários textos de entrada e retorna as principais frases nominais de cada um. A pontuação de confiança de modelos pré-treinados para cada previsão também é gerada.
```
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."
```
Resultado:
```
{
"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": []
}
```
Para obter mais informações, consulte [Frases-chave](https://docs.aws.amazon.com/comprehend/latest/dg/how-key-phrases.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [BatchDetectKeyPhrases](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/batch-detect-key-phrases.html) na *Referência de comandos da AWS CLI*.
### `batch-detect-sentiment`
O código de exemplo a seguir mostra como usar `batch-detect-sentiment`.
**AWS CLI**
**Para detectar o sentimento predominante de vários textos de entrada**
O exemplo `batch-detect-sentiment` a seguir analisa vários textos de entrada e retorna o sentimento predominante (`POSITIVE`, `NEUTRAL`, `MIXED` ou `NEGATIVE` de cada um).
```
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
```
Resultado:
```
{
"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": []
}
```
Para obter mais informações, consulte [Sentimento](https://docs.aws.amazon.com/comprehend/latest/dg/how-sentiment.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [BatchDetectSentiment](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/batch-detect-sentiment.html) na *Referência de comandos da AWS CLI*.
### `batch-detect-syntax`
O código de exemplo a seguir mostra como usar `batch-detect-syntax`.
**AWS CLI**
**Para inspecionar a sintaxe e partes da fala de palavras em vários textos de entrada**
O exemplo `batch-detect-syntax` a seguir analisa a sintaxe de vários textos de entrada e retorna as diferentes partes da fala. A pontuação de confiança do modelo pré-treinado também é gerada para cada previsão.
```
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
```
Resultado:
```
{
"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": []
}
```
Para obter mais informações, consulte [Análise de sintaxe](https://docs.aws.amazon.com/comprehend/latest/dg/how-syntax.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [BatchDetectSyntax](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/batch-detect-syntax.html) na *Referência de comandos da AWS CLI*.
### `batch-detect-targeted-sentiment`
O código de exemplo a seguir mostra como usar `batch-detect-targeted-sentiment`.
**AWS CLI**
**Para detectar o sentimento e cada entidade nomeada para vários textos de entrada**
O exemplo `batch-detect-targeted-sentiment` a seguir analisa vários textos de entrada e retorna as entidades nomeadas junto com o sentimento predominante associado a cada entidade. A pontuação de confiança do modelo pré-treinado também é gerada para cada previsão.
```
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."
```
Resultado:
```
{
"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": []
}
```
Para obter mais informações, consulte [Sentimentos direcionados](https://docs.aws.amazon.com/comprehend/latest/dg/how-targeted-sentiment.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [BatchDetectTargetedSentiment](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/batch-detect-targeted-sentiment.html) na *Referência de comandos da AWS CLI*.
### `classify-document`
O código de exemplo a seguir mostra como usar `classify-document`.
**AWS CLI**
**Para classificar o documento com um endpoint específico do modelo**
O exemplo `classify-document` a seguir classifica um documento com um endpoint de um modelo personalizado. O modelo neste exemplo foi treinado em um conjunto de dados contendo mensagens SMS rotuladas como spam ou não spam, ou “ham”.
```
aws comprehend classify-document \
--endpoint-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier-endpoint/example-classifier-endpoint \
--text "CONGRATULATIONS! TXT 1235550100 to win $5000"
```
Resultado:
```
{
"Classes": [
{
"Name": "spam",
"Score": 0.9998599290847778
},
{
"Name": "ham",
"Score": 0.00014001205272506922
}
]
}
```
Para obter mais informações, consulte [Classificação personalizada](https://docs.aws.amazon.com/comprehend/latest/dg/how-document-classification.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [ClassifyDocument](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/classify-document.html) na *Referência de comandos da AWS CLI*.
### `contains-pii-entities`
O código de exemplo a seguir mostra como usar `contains-pii-entities`.
**AWS CLI**
**Para analisar o texto de entrada quanto à presença de informações de PII**
O exemplo `contains-pii-entities` a seguir analisa o texto de entrada para detectar a presença de informações de identificação pessoal (PII) e retorna os rótulos dos tipos de entidade de PII identificados, como nome, endereço, número da conta bancária ou número de telefone.
```
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."
```
Resultado:
```
{
"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
}
}
```
Para obter mais informações, consulte [Informações de identificação pessoal (PII)](https://docs.aws.amazon.com/comprehend/latest/dg/pii.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [ContainsPiiEntities](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/contains-pii-entities.html) na *Referência de comandos da AWS CLI*.
### `create-dataset`
O código de exemplo a seguir mostra como usar `create-dataset`.
**AWS CLI**
**Para criar um conjunto de dados do flywheel**
O exemplo `create-dataset` a seguir cria um conjunto de dados para um flywheel. Esse conjunto de dados será usado como dados adicionais de treinamento, conforme especificado pela 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
```
Conteúdo de `file://inputConfig.json`:
```
{
"DataFormat": "COMPREHEND_CSV",
"DocumentClassifierInputDataConfig": {
"S3Uri": "s3://amzn-s3-demo-bucket/training-data.csv"
}
}
```
Resultado:
```
{
"DatasetArn": "arn:aws:comprehend:us-west-2:111122223333:flywheel/flywheel-entity/dataset/example-dataset"
}
```
Para obter mais informações, consulte [Visão geral do flywheel](https://docs.aws.amazon.com/comprehend/latest/dg/flywheels-about.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [CreateDataset](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/create-dataset.html) na *Referência de comandos da AWS CLI*.
### `create-document-classifier`
O código de exemplo a seguir mostra como usar `create-document-classifier`.
**AWS CLI**
**Para criar um classificador de documentos para categorizar documentos**
O exemplo de `create-document-classifier` a seguir inicia o processo de treinamento para um modelo de classificador de documentos. O arquivo de dados de treinamento, `training.csv`, está localizado na tag `--input-data-config`. `training.csv` é um documento de duas colunas em que os rótulos ou classificações são fornecidos na primeira coluna e os documentos são fornecidos na segunda coluna.
```
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
```
Resultado:
```
{
"DocumentClassifierArn": "arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier"
}
```
Para obter mais informações, consulte [Classificação personalizada](https://docs.aws.amazon.com/comprehend/latest/dg/how-document-classification.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Consulte detalhes da API em [CreateDocumentClassifier](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/create-document-classifier.html) na *Referência de comandos da AWS CLI*.
### `create-endpoint`
O código de exemplo a seguir mostra como usar `create-endpoint`.
**AWS CLI**
**Para criar um endpoint para um modelo personalizado**
O exemplo `create-endpoint` a seguir cria um endpoint para inferência síncrona de um modelo personalizado previamente treinado.
```
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
```
Resultado:
```
{
"EndpointArn": "arn:aws:comprehend:us-west-2:111122223333:document-classifier-endpoint/example-classifier-endpoint-1"
}
```
Para obter mais informações, consulte [Gerenciar endpoints do Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/manage-endpoints.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [CreateEndpoint](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/create-endpoint.html) na *Referência de comandos da AWS CLI*.
### `create-entity-recognizer`
O código de exemplo a seguir mostra como usar `create-entity-recognizer`.
**AWS CLI**
**Para criar um reconhecedor de entidades personalizado**
O exemplo `create-entity-recognizer` a seguir inicia o processo de treinamento para um modelo de reconhecimento personalizado de entidades. Este exemplo usa um arquivo CSV contendo documentos de treinamento, `raw_text.csv`, e uma lista de entidades CSV, `entity_list.csv`, para treinar o modelo. `entity-list.csv` contém as seguintes colunas: texto 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
```
Resultado:
```
{
"EntityRecognizerArn": "arn:aws:comprehend:us-west-2:111122223333:example-entity-recognizer/entityrecognizer1"
}
```
Para obter mais informações, consulte [Reconhecimento de entidades personalizado](https://docs.aws.amazon.com/comprehend/latest/dg/custom-entity-recognition.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [CreateEntityRecognizer](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/create-entity-recognizer.html) na *Referência de comandos da AWS CLI*.
### `create-flywheel`
O código de exemplo a seguir mostra como usar `create-flywheel`.
**AWS CLI**
**Para criar um flywheel**
O exemplo `create-flywheel` a seguir cria um flywheel para orquestrar o treinamento contínuo de um modelo de classificação de documentos ou de reconhecimento de entidades. O flywheel neste exemplo foi criado para gerenciar um modelo treinado existente especificado pela tag `--active-model-arn`. Quando o flywheel é criado, um data lake é criado na tag `--input-data-lake`.
```
aws comprehend create-flywheel \
--flywheel-name example-flywheel \
--active-model-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-model/version/1 \
--data-access-role-arn arn:aws:iam::111122223333:role/service-role/AmazonComprehendServiceRole-example-role \
--data-lake-s3-uri "s3://amzn-s3-demo-bucket"
```
Resultado:
```
{
"FlywheelArn": "arn:aws:comprehend:us-west-2:111122223333:flywheel/example-flywheel"
}
```
Para obter mais informações, consulte [Visão geral do flywheel](https://docs.aws.amazon.com/comprehend/latest/dg/flywheels-about.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [CreateFlywheel](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/create-flywheel.html) na *Referência de comandos da AWS CLI*.
### `delete-document-classifier`
O código de exemplo a seguir mostra como usar `delete-document-classifier`.
**AWS CLI**
**Para excluir um classificador de documentos personalizado**
O exemplo de `delete-document-classifier` a seguir exclui um modelo de classificador de documentos personalizado.
```
aws comprehend delete-document-classifier \
--document-classifier-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier-1
```
Este comando não produz saída.
Para obter mais informações, consulte [Gerenciar endpoints do Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/manage-endpoints.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Consulte detalhes da API em [DeleteDocumentClassifier](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/delete-document-classifier.html) na *Referência de comandos da AWS CLI*.
### `delete-endpoint`
O código de exemplo a seguir mostra como usar `delete-endpoint`.
**AWS CLI**
**Para excluir um endpoint para um modelo personalizado**
O exemplo `delete-endpoint` a seguir exclui um endpoint específico do modelo. Todos os endpoints devem ser excluídos para que o modelo seja excluído.
```
aws comprehend delete-endpoint \
--endpoint-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier-endpoint/example-classifier-endpoint-1
```
Este comando não produz saída.
Para obter mais informações, consulte [Gerenciar endpoints do Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/manage-endpoints.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [DeleteEndpoint](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/delete-endpoint.html) na *Referência de comandos da AWS CLI*.
### `delete-entity-recognizer`
O código de exemplo a seguir mostra como usar `delete-entity-recognizer`.
**AWS CLI**
**Para excluir um modelo de reconhecimento personalizado de entidades**
O exemplo `delete-entity-recognizer` a seguir exclui um modelo de reconhecimento de entidades.
```
aws comprehend delete-entity-recognizer \
--entity-recognizer-arn arn:aws:comprehend:us-west-2:111122223333:entity-recognizer/example-entity-recognizer-1
```
Este comando não produz saída.
Para obter mais informações, consulte [Gerenciar endpoints do Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/manage-endpoints.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [DeleteEntityRecognizer](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/delete-entity-recognizer.html) na *Referência de comandos da AWS CLI*.
### `delete-flywheel`
O código de exemplo a seguir mostra como usar `delete-flywheel`.
**AWS CLI**
**Para excluir um flywheel**
O exemplo `delete-flywheel` a seguir exclui um flywheel. O data lake ou o modelo associado ao flywheel não é excluído.
```
aws comprehend delete-flywheel \
--flywheel-arn arn:aws:comprehend:us-west-2:111122223333:flywheel/example-flywheel-1
```
Este comando não produz saída.
Para obter mais informações, consulte [Visão geral do flywheel](https://docs.aws.amazon.com/comprehend/latest/dg/flywheels-about.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [DeleteFlywheel](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/delete-flywheel.html) na *Referência de comandos da AWS CLI*.
### `delete-resource-policy`
O código de exemplo a seguir mostra como usar `delete-resource-policy`.
**AWS CLI**
**Para excluir uma política baseada em recurso**
O exemplo `delete-resource-policy` a seguir exclui uma política baseada em recursos de um recurso do Amazon Comprehend.
```
aws comprehend delete-resource-policy \
--resource-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier-1/version/1
```
Este comando não produz saída.
Para obter mais informações, consulte [Copiar modelos personalizados entre contas da AWS](https://docs.aws.amazon.com/comprehend/latest/dg/custom-copy.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [DeleteResourcePolicy](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/delete-resource-policy.html) na *Referência de comandos da AWS CLI*.
### `describe-dataset`
O código de exemplo a seguir mostra como usar `describe-dataset`.
**AWS CLI**
**Para descrever um conjunto de dados do flywheel**
O exemplo `describe-dataset` a seguir obtém as propriedades de um conjunto de dados do flywheel.
```
aws comprehend describe-dataset \
--dataset-arn arn:aws:comprehend:us-west-2:111122223333:flywheel/flywheel-entity/dataset/example-dataset
```
Resultado:
```
{
"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"
}
}
```
Para obter mais informações, consulte [Visão geral do flywheel](https://docs.aws.amazon.com/comprehend/latest/dg/flywheels-about.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [DescribeDataset](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-dataset.html) na *Referência de comandos da AWS CLI*.
### `describe-document-classification-job`
O código de exemplo a seguir mostra como usar `describe-document-classification-job`.
**AWS CLI**
**Para descrever um trabalho de classificação de documentos**
O exemplo de `describe-document-classification-job` a seguir obtém as propriedades de um trabalho assíncrono de classificação de documentos.
```
aws comprehend describe-document-classification-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Resultado:
```
{
"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"
}
}
```
Para obter mais informações, consulte [Classificação personalizada](https://docs.aws.amazon.com/comprehend/latest/dg/how-document-classification.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Consulte detalhes da API em [DescribeDocumentClassificationJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-document-classification-job.html) na *Referência de comandos da AWS CLI*.
### `describe-document-classifier`
O código de exemplo a seguir mostra como usar `describe-document-classifier`.
**AWS CLI**
**Para descrever um classificador de documentos**
O exemplo de `describe-document-classifier` a seguir obtém as propriedades de um modelo de classificador de documentos personalizado.
```
aws comprehend describe-document-classifier \
--document-classifier-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier-1
```
Resultado:
```
{
"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"
}
}
```
Para obter mais informações, consulte [Criação e gerenciamento de modelos personalizados](https://docs.aws.amazon.com/comprehend/latest/dg/manage-models.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Consulte detalhes da API em [DescribeDocumentClassifier](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-document-classifier.html) na *Referência de comandos da AWS CLI*.
### `describe-dominant-language-detection-job`
O código de exemplo a seguir mostra como usar `describe-dominant-language-detection-job`.
**AWS CLI**
**Para descrever um trabalho de detecção de idioma dominante.**
O exemplo `describe-dominant-language-detection-job` a seguir obtém as propriedades de um trabalho assíncrono de detecção de idioma dominante.
```
aws comprehend describe-dominant-language-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Resultado:
```
{
"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"
}
}
```
Para obter mais informações, consulte [Análise assíncrona para insights do Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [DescribeDominantLanguageDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-dominant-language-detection-job.html) na *Referência de comandos da AWS CLI*.
### `describe-endpoint`
O código de exemplo a seguir mostra como usar `describe-endpoint`.
**AWS CLI**
**Para descrever um endpoint específico**
O exemplo `describe-endpoint` a seguir obtém as propriedades de um endpoint específico do modelo.
```
aws comprehend describe-endpoint \
--endpoint-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier-endpoint/example-classifier-endpoint
```
Resultado:
```
{
"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"
}
}
```
Para obter mais informações, consulte [Gerenciar endpoints do Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/manage-endpoints.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Consulte detalhes da API em [DescribeEndpoint](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-endpoint.html) na *Referência de comandos da AWS CLI*.
### `describe-entities-detection-job`
O código de exemplo a seguir mostra como usar `describe-entities-detection-job`.
**AWS CLI**
**Para descrever um trabalho de detecção de entidades**
O exemplo `describe-entities-detection-job` a seguir obtém as propriedades de um trabalho assíncrono de detecção de entidades.
```
aws comprehend describe-entities-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Resultado:
```
{
"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"
}
}
```
Para obter mais informações, consulte [Análise assíncrona para insights do Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [DescribeEntitiesDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-entities-detection-job.html) na *Referência de comandos da AWS CLI*.
### `describe-entity-recognizer`
O código de exemplo a seguir mostra como usar `describe-entity-recognizer`.
**AWS CLI**
**Para descrever um reconhecedor de entidades**
O exemplo `describe-entity-recognizer` a seguir obtém as propriedades de um modelo de reconhecimento personalizado de entidades.
```
aws comprehend describe-entity-recognizer \
entity-recognizer-arn arn:aws:comprehend:us-west-2:111122223333:entity-recognizer/business-recongizer-1/version/1
```
Resultado:
```
{
"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"
}
}
```
Para obter mais informações, consulte [Reconhecimento de entidades personalizado](https://docs.aws.amazon.com/comprehend/latest/dg/custom-entity-recognition.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [DescribeEntityRecognizer](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-entity-recognizer.html) na *Referência de comandos da AWS CLI*.
### `describe-events-detection-job`
O código de exemplo a seguir mostra como usar `describe-events-detection-job`.
**AWS CLI**
**Para descrever um trabalho de detecção de eventos.**
O exemplo `describe-events-detection-job` a seguir obtém as propriedades de um trabalho assíncrono de detecção de eventos.
```
aws comprehend describe-events-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Resultado:
```
{
"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"
]
}
}
```
Para obter mais informações, consulte [Análise assíncrona para insights do Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [DescribeEventsDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-events-detection-job.html) na *Referência de comandos da AWS CLI*.
### `describe-flywheel-iteration`
O código de exemplo a seguir mostra como usar `describe-flywheel-iteration`.
**AWS CLI**
**Para descrever uma iteração do flywheel**
O exemplo `describe-flywheel-iteration` a seguir obtém as propriedades de uma iteração do flywheel.
```
aws comprehend describe-flywheel-iteration \
--flywheel-arn arn:aws:comprehend:us-west-2:111122223333:flywheel/example-flywheel \
--flywheel-iteration-id 20232222AEXAMPLE
```
Resultado:
```
{
"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/"
}
}
```
Para obter mais informações, consulte [Visão geral do flywheel](https://docs.aws.amazon.com/comprehend/latest/dg/flywheels-about.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [DescribeFlywheelIteration](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-flywheel-iteration.html) na *Referência de comandos da AWS CLI*.
### `describe-flywheel`
O código de exemplo a seguir mostra como usar `describe-flywheel`.
**AWS CLI**
**Para descrever um flywheel**
O exemplo `describe-flywheel` a seguir obtém as propriedades de um flywheel. Neste exemplo, o modelo associado ao flywheel é um modelo de classificador personalizado treinado para classificar documentos como spam ou não spam, ou como “ham”.
```
aws comprehend describe-flywheel \
--flywheel-arn arn:aws:comprehend:us-west-2:111122223333:flywheel/example-flywheel
```
Resultado:
```
{
"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"
}
}
```
Para obter mais informações, consulte [Visão geral do flywheel](https://docs.aws.amazon.com/comprehend/latest/dg/flywheels-about.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [DescribeFlywheel](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-flywheel.html) na *Referência de comandos da AWS CLI*.
### `describe-key-phrases-detection-job`
O código de exemplo a seguir mostra como usar `describe-key-phrases-detection-job`.
**AWS CLI**
**Para descrever um trabalho de detecção de frases-chave**
O exemplo `describe-key-phrases-detection-job` a seguir obtém as propriedades de um trabalho assíncrono de detecção de frases-chave.
```
aws comprehend describe-key-phrases-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Resultado:
```
{
"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"
}
}
```
Para obter mais informações, consulte [Análise assíncrona para insights do Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [DescribeKeyPhrasesDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-key-phrases-detection-job.html) na *Referência de comandos da AWS CLI*.
### `describe-pii-entities-detection-job`
O código de exemplo a seguir mostra como usar `describe-pii-entities-detection-job`.
**AWS CLI**
**Para descrever um trabalho de detecção de entidades de PII**
O exemplo `describe-pii-entities-detection-job` a seguir obtém as propriedades de um trabalho assíncrono de detecção de entidades de pii.
```
aws comprehend describe-pii-entities-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Resultado:
```
{
"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"
}
}
```
Para obter mais informações, consulte [Análise assíncrona para insights do Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [DescribePiiEntitiesDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-pii-entities-detection-job.html) na *Referência de comandos da AWS CLI*.
### `describe-resource-policy`
O código de exemplo a seguir mostra como usar `describe-resource-policy`.
**AWS CLI**
**Para descrever uma política de recursos anexada a um modelo**
O exemplo `describe-resource-policy` a seguir obtém as propriedades de uma política baseada em recursos anexada a um modelo.
```
aws comprehend describe-resource-policy \
--resource-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier/version/1
```
Resultado:
```
{
"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"
}
```
Para obter mais informações, consulte [Copiar modelos personalizados entre contas da AWS](https://docs.aws.amazon.com/comprehend/latest/dg/custom-copy.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [DescribeResourcePolicy](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-resource-policy.html) na *Referência de comandos da AWS CLI*.
### `describe-sentiment-detection-job`
O código de exemplo a seguir mostra como usar `describe-sentiment-detection-job`.
**AWS CLI**
**Para descrever um trabalho de detecção de sentimentos**
O exemplo `describe-sentiment-detection-job` a seguir obtém as propriedades de um trabalho assíncrono de detecção de sentimentos.
```
aws comprehend describe-sentiment-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Resultado:
```
{
"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"
}
}
```
Para obter mais informações, consulte [Análise assíncrona para insights do Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [DescribeSentimentDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-sentiment-detection-job.html) na *Referência de comandos da AWS CLI*.
### `describe-targeted-sentiment-detection-job`
O código de exemplo a seguir mostra como usar `describe-targeted-sentiment-detection-job`.
**AWS CLI**
**Para descrever um trabalho de detecção de sentimentos direcionados**
O exemplo `describe-targeted-sentiment-detection-job` a seguir obtém as propriedades de um trabalho assíncrono de detecção de sentimentos direcionados.
```
aws comprehend describe-targeted-sentiment-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Resultado:
```
{
"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"
}
}
```
Para obter mais informações, consulte [Análise assíncrona para insights do Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [DescribeTargetedSentimentDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-targeted-sentiment-detection-job.html) na *Referência de comandos da AWS CLI*.
### `describe-topics-detection-job`
O código de exemplo a seguir mostra como usar `describe-topics-detection-job`.
**AWS CLI**
**Para descrever um trabalho de detecção de tópicos**
O exemplo de `describe-topics-detection-job` a seguir obtém as propriedades de um trabalho assíncrono de detecção de tópicos.
```
aws comprehend describe-topics-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Resultado:
```
{
"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"
}
}
```
Para obter mais informações, consulte [Análise assíncrona para insights do Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Consulte detalhes da API em [DescribeTopicsDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/describe-topics-detection-job.html) na *Referência de comandos da AWS CLI*.
### `detect-dominant-language`
O código de exemplo a seguir mostra como usar `detect-dominant-language`.
**AWS CLI**
**Para detectar o idioma dominante do texto de entrada**
O `detect-dominant-language` a seguir analisa o texto de entrada e identifica o idioma dominante. A pontuação de confiança do modelo pré-treinado também é gerada.
```
aws comprehend detect-dominant-language \
--text "It is a beautiful day in Seattle."
```
Resultado:
```
{
"Languages": [
{
"LanguageCode": "en",
"Score": 0.9877256155014038
}
]
}
```
Para obter mais informações, consulte [Idioma dominante](https://docs.aws.amazon.com/comprehend/latest/dg/how-languages.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Consulte detalhes da API em [DetectDominantLanguage](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/detect-dominant-language.html) na *Referência de comandos da AWS CLI*.
### `detect-entities`
O código de exemplo a seguir mostra como usar `detect-entities`.
**AWS CLI**
**Para detectar entidades nomeadas no texto de entrada**
O exemplo de `detect-entities` a seguir analisa o texto de entrada e retorna as entidades nomeadas. A pontuação de confiança do modelo pré-treinado também é gerada para cada previsão.
```
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."
```
Resultado:
```
{
"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
}
]
}
```
Para obter mais informações, consulte [Entidades](https://docs.aws.amazon.com/comprehend/latest/dg/how-entities.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para obter detalhes da API, consulte.[DetectEntities](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/detect-entities.html) na *Referência de comandos da AWS CLI*.
### `detect-key-phrases`
O código de exemplo a seguir mostra como usar `detect-key-phrases`.
**AWS CLI**
**Para detectar frases-chave no texto de entrada**
O exemplo de `detect-key-phrases` a seguir analisa o texto de entrada e identifica as principais frases nominais. A pontuação de confiança do modelo pré-treinado também é gerada para cada previsão.
```
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."
```
Resultado:
```
{
"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
}
]
}
```
Para obter mais informações, consulte [Frases-chave](https://docs.aws.amazon.com/comprehend/latest/dg/how-key-phrases.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Consulte detalhes da API em [DetectKeyPhrases](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/detect-key-phrases.html) na *Referência de comandos da AWS CLI*.
### `detect-pii-entities`
O código de exemplo a seguir mostra como usar `detect-pii-entities`.
**AWS CLI**
**Para detectar entidades PII no texto de entrada**
O exemplo de `detect-pii-entities` a seguir analisa o texto de entrada e identifica entidades que contêm informações de identificação pessoal (PII). A pontuação de confiança do modelo pré-treinado também é gerada para cada previsão.
```
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."
```
Resultado:
```
{
"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
}
]
}
```
Para obter mais informações, consulte [Informações de identificação pessoal (PII)](https://docs.aws.amazon.com/comprehend/latest/dg/pii.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Consulte detalhes da API em [DetectPiiEntities](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/detect-pii-entities.html) na *Referência de comandos da AWS CLI*.
### `detect-sentiment`
O código de exemplo a seguir mostra como usar `detect-sentiment`.
**AWS CLI**
**Para detectar o sentimento de um texto de entrada**
O exemplo de `detect-sentiment` a seguir analisa o texto de entrada e retorna uma inferência do sentimento predominante (`POSITIVE`, `NEUTRAL`, `MIXED` ou `NEGATIVE`).
```
aws comprehend detect-sentiment \
--language-code en \
--text "It is a beautiful day in Seattle"
```
Resultado:
```
{
"Sentiment": "POSITIVE",
"SentimentScore": {
"Positive": 0.9976957440376282,
"Negative": 9.653854067437351e-05,
"Neutral": 0.002169104292988777,
"Mixed": 3.857641786453314e-05
}
}
```
Para obter mais informações, consulte [Sentimento](https://docs.aws.amazon.com/comprehend/latest/dg/how-sentiment.html) no *Guia do desenvolvedor do Amazon Comprehend*
+ Consulte detalhes da API em [DetectSentiment](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/detect-sentiment.html) na *Referência de comandos da AWS CLI*.
### `detect-syntax`
O código de exemplo a seguir mostra como usar `detect-syntax`.
**AWS CLI**
**Para detectar as partes da fala em um texto de entrada**
O exemplo de `detect-syntax` a seguir analisa a sintaxe do texto de entrada e retorna as diferentes partes da fala. A pontuação de confiança do modelo pré-treinado também é gerada para cada previsão.
```
aws comprehend detect-syntax \
--language-code en \
--text "It is a beautiful day in Seattle."
```
Resultado:
```
{
"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
}
}
]
}
```
Para obter mais informações, consulte [Análise de sintaxe](https://docs.aws.amazon.com/comprehend/latest/dg/how-syntax.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para obter detalhes da API, consulte.[DetectSyntax](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/detect-syntax.html) na *Referência de comandos da AWS CLI*.
### `detect-targeted-sentiment`
O código de exemplo a seguir mostra como usar `detect-targeted-sentiment`.
**AWS CLI**
**Para detectar o sentimento direcionado de entidades nomeadas em um texto de entrada**
O exemplo `detect-targeted-sentiment` a seguir analisa o texto de entrada e retorna as entidades nomeadas, além do sentimento direcionado associado a cada entidade. A pontuação de confiança de modelos pré-treinados para cada previsão também é gerada.
```
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"
```
Resultado:
```
{
"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
}
]
}
]
}
```
Para obter mais informações, consulte [Sentimentos direcionados](https://docs.aws.amazon.com/comprehend/latest/dg/how-targeted-sentiment.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [DetectTargetedSentiment](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/detect-targeted-sentiment.html) na *Referência de comandos da AWS CLI*.
### `import-model`
O código de exemplo a seguir mostra como usar `import-model`.
**AWS CLI**
**Para importar um modelo**
O exemplo `import-model` a seguir importa um modelo de uma conta da AWS diferente. O modelo de classificador de documentos na conta `444455556666` tem uma política baseada em recursos que permite que a conta `111122223333` importe o modelo.
```
aws comprehend import-model \
--source-model-arn arn:aws:comprehend:us-west-2:444455556666:document-classifier/example-classifier
```
Resultado:
```
{
"ModelArn": "arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier"
}
```
Para obter mais informações, consulte [Copiar modelos personalizados entre contas da AWS](https://docs.aws.amazon.com/comprehend/latest/dg/custom-copy.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [ImportModel](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/import-model.html) na *Referência de comandos da AWS CLI*.
### `list-datasets`
O código de exemplo a seguir mostra como usar `list-datasets`.
**AWS CLI**
**Para listar todos os conjuntos de dados do flywheel**
O exemplo `list-datasets` a seguir lista todos os conjuntos de dados associados a um flywheel.
```
aws comprehend list-datasets \
--flywheel-arn arn:aws:comprehend:us-west-2:111122223333:flywheel/flywheel-entity
```
Resultado:
```
{
"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"
}
]
}
```
Para obter mais informações, consulte [Visão geral do flywheel](https://docs.aws.amazon.com/comprehend/latest/dg/flywheels-about.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [ListDatasets](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-datasets.html) na *Referência de comandos da AWS CLI*.
### `list-document-classification-jobs`
O código de exemplo a seguir mostra como usar `list-document-classification-jobs`.
**AWS CLI**
**Para listar trabalhos de classificação de documento**
O exemplo de `list-document-classification-jobs` a seguir lista todos os trabalhos de classificação de documentos.
```
aws comprehend list-document-classification-jobs
```
Resultado:
```
{
"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"
}
]
}
```
Para obter mais informações, consulte [Classificação personalizada](https://docs.aws.amazon.com/comprehend/latest/dg/how-document-classification.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Consulte detalhes da API em [ListDocumentClassificationJobs](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-document-classification-jobs.html) na *Referência de comandos da AWS CLI*.
### `list-document-classifier-summaries`
O código de exemplo a seguir mostra como usar `list-document-classifier-summaries`.
**AWS CLI**
**Para listar os resumos de todos os classificadores de documentos criados**
O exemplo `list-document-classifier-summaries` a seguir lista todos os resumos de classificador de documentos criados.
```
aws comprehend list-document-classifier-summaries
```
Resultado:
```
{
"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"
}
]
}
```
Para obter mais informações, consulte [Criação e gerenciamento de modelos personalizados](https://docs.aws.amazon.com/comprehend/latest/dg/manage-models.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [ListDocumentClassifierSummaries](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-document-classifier-summaries.html) na *Referência de comandos da AWS CLI*.
### `list-document-classifiers`
O código de exemplo a seguir mostra como usar `list-document-classifiers`.
**AWS CLI**
**Para listar todos os classificadores de documentos**
O exemplo de `list-document-classifiers` a seguir lista todos os modelos de classificadores de documentos treinados e em treinamento.
```
aws comprehend list-document-classifiers
```
Resultado:
```
{
"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"
}
]
}
```
Para obter mais informações, consulte [Criação e gerenciamento de modelos personalizados](https://docs.aws.amazon.com/comprehend/latest/dg/manage-models.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Consulte detalhes da API em [ListDocumentClassifiers](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-document-classifiers.html) na *Referência de comandos da AWS CLI*.
### `list-dominant-language-detection-jobs`
O código de exemplo a seguir mostra como usar `list-dominant-language-detection-jobs`.
**AWS CLI**
**Para listar todas as tarefas de detecção de idioma dominante**
O exemplo `list-dominant-language-detection-jobs` a seguir lista todos os trabalhos assíncronos de detecção de idioma dominante em andamento e concluídos.
```
aws comprehend list-dominant-language-detection-jobs
```
Resultado:
```
{
"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"
}
]
}
```
Para obter mais informações, consulte [Análise assíncrona para insights do Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [ListDominantLanguageDetectionJobs](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-dominant-language-detection-jobs.html) na *Referência de comandos da AWS CLI*.
### `list-endpoints`
O código de exemplo a seguir mostra como usar `list-endpoints`.
**AWS CLI**
**Para listar todos os endpoints**
O exemplo `list-endpoints` a seguir lista todos os endpoints ativos específicos do modelo.
```
aws comprehend list-endpoints
```
Resultado:
```
{
"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"
}
]
}
```
Para obter mais informações, consulte [Gerenciar endpoints do Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/manage-endpoints.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [ListEndpoints](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-endpoints.html) na *Referência de comandos da AWS CLI*.
### `list-entities-detection-jobs`
O código de exemplo a seguir mostra como usar `list-entities-detection-jobs`.
**AWS CLI**
**Para listar todos os trabalhos de detecção de entidades**
O exemplo `list-entities-detection-jobs` a seguir lista todos os trabalhos assíncronos de detecção de entidades.
```
aws comprehend list-entities-detection-jobs
```
Resultado:
```
{
"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"
}
]
}
```
Para obter mais informações, consulte [Entidades](https://docs.aws.amazon.com/comprehend/latest/dg/how-entities.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [ListEntitiesDetectionJobs](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-entities-detection-jobs.html) na *Referência de comandos da AWS CLI*.
### `list-entity-recognizer-summaries`
O código de exemplo a seguir mostra como usar `list-entity-recognizer-summaries`.
**AWS CLI**
**Para listar os resumos de todos os reconhecedores de entidades criados**
O exemplo `list-entity-recognizer-summaries` a seguir lista todos os resumos do reconhecedor de entidades.
```
aws comprehend list-entity-recognizer-summaries
```
Resultado:
```
{
"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"
}
]
}
```
Para obter mais informações, consulte [Reconhecimento de entidades personalizado](https://docs.aws.amazon.com/comprehend/latest/dg/custom-entity-recognition.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [ListEntityRecognizerSummaries](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-entity-recognizer-summaries.html) na *Referência de comandos da AWS CLI*.
### `list-entity-recognizers`
O código de exemplo a seguir mostra como usar `list-entity-recognizers`.
**AWS CLI**
**Para listar todos os reconhecedores de entidades personalizados**
O exemplo `list-entity-recognizers` a seguir lista todos os reconhecedores de entidades personalizados criados.
```
aws comprehend list-entity-recognizers
```
Resultado:
```
{
"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"
}
]
}
```
Para obter mais informações, consulte [Reconhecimento de entidades personalizado](https://docs.aws.amazon.com/comprehend/latest/dg/custom-entity-recognition.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [ListEntityRecognizers](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-entity-recognizers.html) na *Referência de comandos da AWS CLI*.
### `list-events-detection-jobs`
O código de exemplo a seguir mostra como usar `list-events-detection-jobs`.
**AWS CLI**
**Para listar todos os trabalhos de detecção de eventos**
O exemplo `list-events-detection-jobs` a seguir lista todos os trabalhos assíncronos de detecção de eventos.
```
aws comprehend list-events-detection-jobs
```
Resultado:
```
{
"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"
]
}
]
}
```
Para obter mais informações, consulte [Análise assíncrona para insights do Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [ListEventsDetectionJobs](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-events-detection-jobs.html) na *Referência de comandos da AWS CLI*.
### `list-flywheel-iteration-history`
O código de exemplo a seguir mostra como usar `list-flywheel-iteration-history`.
**AWS CLI**
**Para listar todo o histórico de iteração do flywheel**
O exemplo `list-flywheel-iteration-history` a seguir lista todas as iterações de um flywheel.
```
aws comprehend list-flywheel-iteration-history
--flywheel-arn arn:aws:comprehend:us-west-2:111122223333:flywheel/example-flywheel
```
Resultado:
```
{
"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/"
}
]
}
```
Para obter mais informações, consulte [Visão geral do flywheel](https://docs.aws.amazon.com/comprehend/latest/dg/flywheels-about.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [ListFlywheelIterationHistory](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-flywheel-iteration-history.html) na *Referência de comandos da AWS CLI*.
### `list-flywheels`
O código de exemplo a seguir mostra como usar `list-flywheels`.
**AWS CLI**
**Para listar todos os flywheels**
O exemplo `list-flywheels` a seguir lista todos os flywheels criados.
```
aws comprehend list-flywheels
```
Resultado:
```
{
"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"
}
]
}
```
Para obter mais informações, consulte [Visão geral do flywheel](https://docs.aws.amazon.com/comprehend/latest/dg/flywheels-about.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [ListFlywheels](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-flywheels.html) na *Referência de comandos da AWS CLI*.
### `list-key-phrases-detection-jobs`
O código de exemplo a seguir mostra como usar `list-key-phrases-detection-jobs`.
**AWS CLI**
**Para listar todos os trabalhos de detecção de frases-chave**
O exemplo `list-key-phrases-detection-jobs` a seguir lista todos os trabalhos assíncronos de detecção de frases-chave em andamento e concluídos.
```
aws comprehend list-key-phrases-detection-jobs
```
Resultado:
```
{
"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"
}
]
}
```
Para obter mais informações, consulte [Análise assíncrona para insights do Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [ListKeyPhrasesDetectionJobs](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-key-phrases-detection-jobs.html) na *Referência de comandos da AWS CLI*.
### `list-pii-entities-detection-jobs`
O código de exemplo a seguir mostra como usar `list-pii-entities-detection-jobs`.
**AWS CLI**
**Para listar todos os trabalhos de detecção de entidades de pii**
O exemplo `list-pii-entities-detection-jobs` a seguir lista todos os trabalhos assíncronos de detecção de pii em andamento e concluídos.
```
aws comprehend list-pii-entities-detection-jobs
```
Resultado:
```
{
"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"
}
]
}
```
Para obter mais informações, consulte [Análise assíncrona para insights do Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [ListPiiEntitiesDetectionJobs](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-pii-entities-detection-jobs.html) na *Referência de comandos da AWS CLI*.
### `list-sentiment-detection-jobs`
O código de exemplo a seguir mostra como usar `list-sentiment-detection-jobs`.
**AWS CLI**
**Para listar todos os trabalhos de detecção de sentimentos**
O exemplo `list-sentiment-detection-jobs` a seguir lista todos os trabalhos assíncronos de detecção de sentimentos em andamento e concluídos.
```
aws comprehend list-sentiment-detection-jobs
```
Resultado:
```
{
"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"
}
]
}
```
Para obter mais informações, consulte [Análise assíncrona para insights do Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [ListSentimentDetectionJobs](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-sentiment-detection-jobs.html) na *Referência de comandos da AWS CLI*.
### `list-tags-for-resource`
O código de exemplo a seguir mostra como usar `list-tags-for-resource`.
**AWS CLI**
**Para listar tags para recurso**
O exemplo `list-tags-for-resource` a seguir lista as tags de um recurso do Amazon Comprehend.
```
aws comprehend list-tags-for-resource \
--resource-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier/version/1
```
Resultado:
```
{
"ResourceArn": "arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier/version/1",
"Tags": [
{
"Key": "Department",
"Value": "Finance"
},
{
"Key": "location",
"Value": "Seattle"
}
]
}
```
Para obter mais informações, consulte [Marcar recursos](https://docs.aws.amazon.com/comprehend/latest/dg/tagging.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para obter detalhes sobre a API, consulte [ListTagsForResource](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-tags-for-resource.html) na *AWS CLI Command Reference*.
### `list-targeted-sentiment-detection-jobs`
O código de exemplo a seguir mostra como usar `list-targeted-sentiment-detection-jobs`.
**AWS CLI**
**Para listar todos os trabalhos de detecção de sentimentos direcionados**
O exemplo `list-targeted-sentiment-detection-jobs` a seguir lista todos os trabalhos assíncronos de detecção de sentimentos direcionados em andamento e concluídos.
```
aws comprehend list-targeted-sentiment-detection-jobs
```
Resultado:
```
{
"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"
}
]
}
```
Para obter mais informações, consulte [Análise assíncrona para insights do Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [ListTargetedSentimentDetectionJobs](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-targeted-sentiment-detection-jobs.html) na *Referência de comandos da AWS CLI*.
### `list-topics-detection-jobs`
O código de exemplo a seguir mostra como usar `list-topics-detection-jobs`.
**AWS CLI**
**Para listar todos os trabalhos de detecção de tópicos**
O exemplo de `list-topics-detection-jobs` a seguir lista todos os trabalhos de detecção de tópicos assíncronos em andamento e concluídos.
```
aws comprehend list-topics-detection-jobs
```
Resultado:
```
{
"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"
}
]
}
```
Para obter mais informações, consulte [Análise assíncrona para insights do Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Consulte detalhes da API em [ListTopicsDetectionJobs](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/list-topics-detection-jobs.html) na *Referência de comandos da AWS CLI*.
### `put-resource-policy`
O código de exemplo a seguir mostra como usar `put-resource-policy`.
**AWS CLI**
**Para anexar uma política baseada em recursos**
O exemplo `put-resource-policy` a seguir anexa uma política baseada em recursos a um modelo para que ela possa ser importada por outra conta da AWS. A política é anexada ao modelo na conta `111122223333` e permite que a conta `444455556666` importe o modelo.
```
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"]}}]}'
```
Resultado:
```
{
"PolicyRevisionId": "aaa111d069d07afaa2aa3106aEXAMPLE"
}
```
Para obter mais informações, consulte [Copiar modelos personalizados entre contas da AWS](https://docs.aws.amazon.com/comprehend/latest/dg/custom-copy.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [PutResourcePolicy](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/put-resource-policy.html) na *Referência de comandos da AWS CLI*.
### `start-document-classification-job`
O código de exemplo a seguir mostra como usar `start-document-classification-job`.
**AWS CLI**
**Para iniciar um trabalho de classificação de documento**
O exemplo de `start-document-classification-job` a seguir inicia um trabalho de classificação de documentos com um modelo personalizado em todos os arquivos no endereço especificado pela tag `--input-data-config`. Neste exemplo, o bucket do S3 de entrada contém `SampleSMStext1.txt`, `SampleSMStext2.txt` e `SampleSMStext3.txt`. O modelo foi previamente treinado na classificação de documentos de mensagens de spam e não spam, ou “ham”, e mensagens SMS. Quando o trabalho é concluído, `output.tar.gz` é colocado no local especificado pela tag `--output-data-config`. `output.tar.gz` contém `predictions.jsonl`, que lista a classificação de cada documento. A saída Json é impressa em uma linha por arquivo, mas foi formatada aqui para facilitar a leitura.
```
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
```
Conteúdo de `SampleSMStext1.txt`:
```
"CONGRATULATIONS! TXT 2155550100 to win $5000"
```
Conteúdo de `SampleSMStext2.txt`:
```
"Hi, when do you want me to pick you up from practice?"
```
Conteúdo de `SampleSMStext3.txt`:
```
"Plz send bank account # to 2155550100 to claim prize!!"
```
Resultado:
```
{
"JobId": "e758dd56b824aa717ceab551fEXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:document-classification-job/e758dd56b824aa717ceab551fEXAMPLE",
"JobStatus": "SUBMITTED"
}
```
Conteúdo de `predictions.jsonl`:
```
{"File": "SampleSMSText1.txt", "Line": "0", "Classes": [{"Name": "spam", "Score": 0.9999}, {"Name": "ham", "Score": 0.0001}]}
{"File": "SampleSMStext2.txt", "Line": "0", "Classes": [{"Name": "ham", "Score": 0.9994}, {"Name": "spam", "Score": 0.0006}]}
{"File": "SampleSMSText3.txt", "Line": "0", "Classes": [{"Name": "spam", "Score": 0.9999}, {"Name": "ham", "Score": 0.0001}]}
```
Para obter mais informações, consulte [Classificação personalizada](https://docs.aws.amazon.com/comprehend/latest/dg/how-document-classification.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Consulte detalhes da API em [StartDocumentClassificationJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/start-document-classification-job.html) na *Referência de comandos da AWS CLI*.
### `start-dominant-language-detection-job`
O código de exemplo a seguir mostra como usar `start-dominant-language-detection-job`.
**AWS CLI**
**Para iniciar um trabalho assíncrono de detecção de idioma**
O exemplo `start-dominant-language-detection-job` a seguir inicia um trabalho assíncrono de detecção de idioma para todos os arquivos localizados no endereço especificado pela tag `--input-data-config`. O bucket do S3 neste exemplo contém `Sampletext1.txt`. Quando o trabalho é concluído, a pasta, `output`, é colocada no local especificado pela tag `--output-data-config`. A pasta contém `output.txt`, que contém o idioma dominante de cada um dos arquivos de texto, bem como a pontuação de confiança do modelo pré-treinado para cada previsão.
```
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
```
Conteúdo de Sampletext1.txt:
```
"Physics is the natural science that involves the study of matter and its motion and behavior through space and time, along with related concepts such as energy and force."
```
Resultado:
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:dominant-language-detection-job/123456abcdeb0e11022f22a11EXAMPLE",
"JobStatus": "SUBMITTED"
}
```
Conteúdo de `output.txt`:
```
{"File": "Sampletext1.txt", "Languages": [{"LanguageCode": "en", "Score": 0.9913753867149353}], "Line": 0}
```
Para obter mais informações, consulte [Análise assíncrona para insights do Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [StartDominantLanguageDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/start-dominant-language-detection-job.html) na *Referência de comandos da AWS CLI*.
### `start-entities-detection-job`
O código de exemplo a seguir mostra como usar `start-entities-detection-job`.
**AWS CLI**
**Exemplo 1: iniciar um trabalho de detecção de entidade padrão usando o modelo pré-treinado**
O exemplo `start-entities-detection-job` a seguir inicia um trabalho assíncrono de detecção de entidades para todos os arquivos localizados no endereço especificado pela tag `--input-data-config`. O bucket do S3 neste exemplo contém `Sampletext1.txt`, `Sampletext2.txt` e `Sampletext3.txt`. Quando o trabalho é concluído, a pasta, `output`, é colocada no local especificado pela tag `--output-data-config`. A pasta `output.txt` contém a lista de todas as entidades nomeadas detectadas em cada arquivo de texto, bem como a pontuação de confiança do modelo pré-treinado para cada previsão. A saída Json é impressa em uma linha por arquivo de entrada, mas foi formatada aqui para facilitar a leitura.
```
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
```
Conteúdo de `Sampletext1.txt`:
```
"Hello Zhang Wei, I am John. Your AnyCompany Financial Services, LLC credit card account 1111-XXXX-1111-XXXX has a minimum payment of $24.53 that is due by July 31st."
```
Conteúdo de `Sampletext2.txt`:
```
"Dear Max, based on your autopay settings for your account example1.org account, we will withdraw your payment on the due date from your bank account number XXXXXX1111 with the routing number XXXXX0000. "
```
Conteúdo de `Sampletext3.txt`:
```
"Jane, please submit any customer feedback from this weekend to AnySpa, 123 Main St, Anywhere and send comments to Alice at AnySpa@example.com."
```
Resultado:
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:entities-detection-job/123456abcdeb0e11022f22a11EXAMPLE",
"JobStatus": "SUBMITTED"
}
```
Conteúdo de `output.txt` com recuos de linha para facilitar a leitura:
```
{
"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
}
```
Para obter mais informações, consulte [Análise assíncrona para insights do Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) no *Guia do desenvolvedor do Amazon Comprehend*.
**Exemplo 2: iniciar um trabalho personalizado de detecção de entidades**
O exemplo `start-entities-detection-job` a seguir inicia um trabalho assíncrono de detecção de entidades personalizadas para todos os arquivos localizados no endereço especificado pela tag `--input-data-config`. Neste exemplo, o bucket do S3 contém `SampleFeedback1.txt`, `SampleFeedback2.txt` e `SampleFeedback3.txt`. O modelo de reconhecimento de entidades foi treinado em feedbacks de suporte ao cliente para reconhecer nomes de dispositivos. Quando o trabalho é concluído, a pasta, `output`, é colocada no local especificado pela tag `--output-data-config`. A pasta `output.txt` contém a lista de todas as entidades nomeadas detectadas em cada arquivo de texto, bem como a pontuação de confiança do modelo pré-treinado para cada previsão. A saída Json é impressa em uma linha por arquivo, mas foi formatada aqui para facilitar a leitura.
```
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"
```
Conteúdo de `SampleFeedback1.txt`:
```
"I've been on the AnyPhone app have had issues for 24 hours when trying to pay bill. Cannot make payment. Sigh. | Oh man! Lets get that app up and running. DM me, and we can get to work!"
```
Conteúdo de `SampleFeedback2.txt`:
```
"Hi, I have a discrepancy with my new bill. Could we get it sorted out? A rep added stuff I didn't sign up for when I did my AnyPhone 10 upgrade. | We can absolutely get this sorted!"
```
Conteúdo de `SampleFeedback3.txt`:
```
"Is the by 1 get 1 free AnySmartPhone promo still going on? | Hi Christian! It ended yesterday, send us a DM if you have any questions and we can take a look at your options!"
```
Resultado:
```
{
"JobId": "019ea9edac758806850fa8a79ff83021",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:entities-detection-job/019ea9edac758806850fa8a79ff83021",
"JobStatus": "SUBMITTED"
}
```
Conteúdo de `output.txt` com recuos de linha para facilitar a leitura:
```
{
"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
}
```
Para obter mais informações, consulte [Reconhecimento de entidades personalizado](https://docs.aws.amazon.com/comprehend/latest/dg/custom-entity-recognition.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [StartEntitiesDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/start-entities-detection-job.html) na *Referência de comandos da AWS CLI*.
### `start-events-detection-job`
O código de exemplo a seguir mostra como usar `start-events-detection-job`.
**AWS CLI**
**Para iniciar um trabalho de detecção de eventos assíncronos**
O exemplo `start-events-detection-job` a seguir inicia um trabalho assíncrono de detecção de eventos para todos os arquivos localizados no endereço especificado pela tag `--input-data-config`. Os possíveis tipos de eventos-alvo incluem `BANKRUPCTY`, `EMPLOYMENT`, `CORPORATE_ACQUISITION`, `INVESTMENT_GENERAL`, `CORPORATE_MERGER`, `IPO`, `RIGHTS_ISSUE`, `SECONDARY_OFFERING`, `SHELF_OFFERING`, `TENDER_OFFERING` e `STOCK_SPLIT`. O bucket do S3 neste exemplo contém `SampleText1.txt`, `SampleText2.txt` e `SampleText3.txt`. Quando o trabalho é concluído, a pasta, `output`, é colocada no local especificado pela tag `--output-data-config`. A pasta contém `SampleText1.txt.out`, `SampleText2.txt.out` e `SampleText3.txt.out`. A saída JSON é impressa em uma linha por arquivo, mas foi formatada aqui para facilitar a leitura.
```
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"
```
Conteúdo de `SampleText1.txt`:
```
"Company AnyCompany grew by increasing sales and through acquisitions. After purchasing competing firms in 2020, AnyBusiness, a part of the AnyBusinessGroup, gave Jane Does firm a going rate of one cent a gallon or forty-two cents a barrel."
```
Conteúdo de `SampleText2.txt`:
```
"In 2021, AnyCompany officially purchased AnyBusiness for 100 billion dollars, surprising and exciting the shareholders."
```
Conteúdo de `SampleText3.txt`:
```
"In 2022, AnyCompany stock crashed 50. Eventually later that year they filed for bankruptcy."
```
Resultado:
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:events-detection-job/123456abcdeb0e11022f22a11EXAMPLE",
"JobStatus": "SUBMITTED"
}
```
Conteúdo de `SampleText1.txt.out` com recuos de linha para facilitar a leitura:
```
{
"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
}
```
Conteúdo de `SampleText2.txt.out`:
```
{
"Entities": [
{
"Mentions": [
{
"BeginOffset": 0,
"EndOffset": 7,
"Score": 0.999473,
"Text": "In 2021",
"Type": "DATE",
"GroupScore": 1
}
]
},
{
"Mentions": [
{
"BeginOffset": 9,
"EndOffset": 19,
"Score": 0.999636,
"Text": "AnyCompany",
"Type": "ORGANIZATION",
"GroupScore": 1
}
]
},
{
"Mentions": [
{
"BeginOffset": 45,
"EndOffset": 56,
"Score": 0.999712,
"Text": "AnyBusiness",
"Type": "ORGANIZATION",
"GroupScore": 1
}
]
},
{
"Mentions": [
{
"BeginOffset": 61,
"EndOffset": 80,
"Score": 0.998886,
"Text": "100 billion dollars",
"Type": "MONETARY_VALUE",
"GroupScore": 1
}
]
}
],
"Events": [
{
"Type": "CORPORATE_ACQUISITION",
"Arguments": [
{
"EntityIndex": 3,
"Role": "AMOUNT",
"Score": 0.998886
},
{
"EntityIndex": 2,
"Role": "INVESTEE",
"Score": 0.999712
},
{
"EntityIndex": 0,
"Role": "DATE",
"Score": 0.999473
},
{
"EntityIndex": 1,
"Role": "INVESTOR",
"Score": 0.999636
}
],
"Triggers": [
{
"BeginOffset": 31,
"EndOffset": 40,
"Score": 0.99995,
"Text": "purchased",
"Type": "CORPORATE_ACQUISITION",
"GroupScore": 1
}
]
}
],
"File": "SampleText2.txt",
"Line": 0
}
```
Conteúdo de `SampleText3.txt.out`:
```
{
"Entities": [
{
"Mentions": [
{
"BeginOffset": 9,
"EndOffset": 19,
"Score": 0.999774,
"Text": "AnyCompany",
"Type": "ORGANIZATION",
"GroupScore": 1
},
{
"BeginOffset": 66,
"EndOffset": 70,
"Score": 0.995717,
"Text": "they",
"Type": "ORGANIZATION",
"GroupScore": 0.997626
}
]
},
{
"Mentions": [
{
"BeginOffset": 50,
"EndOffset": 65,
"Score": 0.999656,
"Text": "later that year",
"Type": "DATE",
"GroupScore": 1
}
]
}
],
"Events": [
{
"Type": "BANKRUPTCY",
"Arguments": [
{
"EntityIndex": 1,
"Role": "DATE",
"Score": 0.999656
},
{
"EntityIndex": 0,
"Role": "FILER",
"Score": 0.995717
}
],
"Triggers": [
{
"BeginOffset": 81,
"EndOffset": 91,
"Score": 0.999936,
"Text": "bankruptcy",
"Type": "BANKRUPTCY",
"GroupScore": 1
}
]
}
],
"File": "SampleText3.txt",
"Line": 0
}
```
Para obter mais informações, consulte [Análise assíncrona para insights do Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [StartEventsDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/start-events-detection-job.html) na *Referência de comandos da AWS CLI*.
### `start-flywheel-iteration`
O código de exemplo a seguir mostra como usar `start-flywheel-iteration`.
**AWS CLI**
**Para iniciar uma iteração do flywheel**
O exemplo `start-flywheel-iteration` a seguir inicia uma iteração do flywheel. Essa operação usa qualquer novo conjunto de dados no flywheel para treinar uma nova versão do modelo.
```
aws comprehend start-flywheel-iteration \
--flywheel-arn arn:aws:comprehend:us-west-2:111122223333:flywheel/example-flywheel
```
Resultado:
```
{
"FlywheelArn": "arn:aws:comprehend:us-west-2:111122223333:flywheel/example-flywheel",
"FlywheelIterationId": "12345123TEXAMPLE"
}
```
Para obter mais informações, consulte [Visão geral do flywheel](https://docs.aws.amazon.com/comprehend/latest/dg/flywheels-about.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para obter detalhes a API, consulte [StartFlywheelIteration](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/start-flywheel-iteration.html) na *Referência de comandos da AWS CLI*.
### `start-key-phrases-detection-job`
O código de exemplo a seguir mostra como usar `start-key-phrases-detection-job`.
**AWS CLI**
**Para iniciar uma tarefa de detecção de frases-chave**
O exemplo `start-key-phrases-detection-job` a seguir inicia um trabalho assíncrono de detecção de frases-chave para todos os arquivos localizados no endereço especificado pela tag `--input-data-config`. O bucket do S3 neste exemplo contém `Sampletext1.txt`, `Sampletext2.txt` e `Sampletext3.txt`. Quando o trabalho é concluído, a pasta, `output`, é colocada no local especificado pela tag `--output-data-config`. A pasta contém o arquivo `output.txt`, que contém todas as frases-chave detectadas em cada arquivo de texto e a pontuação de confiança do modelo pré-treinado para cada previsão. A saída Json é impressa em uma linha por arquivo, mas foi formatada aqui para facilitar a leitura.
```
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
```
Conteúdo de `Sampletext1.txt`:
```
"Hello Zhang Wei, I am John. Your AnyCompany Financial Services, LLC credit card account 1111-XXXX-1111-XXXX has a minimum payment of $24.53 that is due by July 31st."
```
Conteúdo de `Sampletext2.txt`:
```
"Dear Max, based on your autopay settings for your account Internet.org account, we will withdraw your payment on the due date from your bank account number XXXXXX1111 with the routing number XXXXX0000. "
```
Conteúdo de `Sampletext3.txt`:
```
"Jane, please submit any customer feedback from this weekend to Sunshine Spa, 123 Main St, Anywhere and send comments to Alice at AnySpa@example.com."
```
Resultado:
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:key-phrases-detection-job/123456abcdeb0e11022f22a11EXAMPLE",
"JobStatus": "SUBMITTED"
}
```
Conteúdo de `output.txt` com recuos de linha para facilitar a leitura:
```
{
"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
}
```
Para obter mais informações, consulte [Análise assíncrona para insights do Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [StartKeyPhrasesDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/start-key-phrases-detection-job.html) na *Referência de comandos da AWS CLI*.
### `start-pii-entities-detection-job`
O código de exemplo a seguir mostra como usar `start-pii-entities-detection-job`.
**AWS CLI**
**Para iniciar um trabalho assíncrono de detecção de PII**
O exemplo `start-pii-entities-detection-job` a seguir inicia um trabalho assíncrono de detecção de entidades de informações de identificação pessoal (PII) para todos os arquivos localizados no endereço especificado pela tag `--input-data-config`. O bucket do S3 neste exemplo contém `Sampletext1.txt`, `Sampletext2.txt` e `Sampletext3.txt`. Quando o trabalho é concluído, a pasta, `output`, é colocada no local especificado pela tag `--output-data-config`. A pasta contém `SampleText1.txt.out`, `SampleText2.txt.out` e `SampleText3.txt.out`, que lista as entidades nomeadas em cada arquivo de texto. A saída Json é impressa em uma linha por arquivo, mas foi formatada aqui para facilitar a leitura.
```
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
```
Conteúdo de `Sampletext1.txt`:
```
"Hello Zhang Wei, I am John. Your AnyCompany Financial Services, LLC credit card account 1111-XXXX-1111-XXXX has a minimum payment of $24.53 that is due by July 31st."
```
Conteúdo de `Sampletext2.txt`:
```
"Dear Max, based on your autopay settings for your account Internet.org account, we will withdraw your payment on the due date from your bank account number XXXXXX1111 with the routing number XXXXX0000. "
```
Conteúdo de `Sampletext3.txt`:
```
"Jane, please submit any customer feedback from this weekend to Sunshine Spa, 123 Main St, Anywhere and send comments to Alice at AnySpa@example.com."
```
Resultado:
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:pii-entities-detection-job/123456abcdeb0e11022f22a11EXAMPLE",
"JobStatus": "SUBMITTED"
}
```
Conteúdo de `SampleText1.txt.out` com recuos de linha para facilitar a leitura:
```
{
"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
}
```
Conteúdo de `SampleText2.txt.out` com recuos de linha para facilitar a leitura:
```
{
"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
}
```
Conteúdo de `SampleText3.txt.out` com recuos de linha para facilitar a leitura:
```
{
"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
}
```
Para obter mais informações, consulte [Análise assíncrona para insights do Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [StartPiiEntitiesDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/start-pii-entities-detection-job.html) na *Referência de comandos da AWS CLI*.
### `start-sentiment-detection-job`
O código de exemplo a seguir mostra como usar `start-sentiment-detection-job`.
**AWS CLI**
**Para iniciar um trabalho de análise assíncrona de sentimentos**
O exemplo `start-sentiment-detection-job` a seguir inicia um trabalho assíncrono de detecção de análise de sentimentos para todos os arquivos localizados no endereço especificado pela tag `--input-data-config`. A pasta do bucket do S3 neste exemplo contém `SampleMovieReview1.txt`, `SampleMovieReview2.txt` e `SampleMovieReview3.txt`. Quando o trabalho é concluído, a pasta, `output`, é colocada no local especificado pela tag `--output-data-config`. A pasta contém o arquivo, `output.txt`, que contém os sentimentos predominantes para cada arquivo de texto e a pontuação de confiança do modelo pré-treinado para cada previsão. A saída Json é impressa em uma linha por arquivo, mas foi formatada aqui para facilitar a leitura.
```
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
```
Conteúdo de `SampleMovieReview1.txt`:
```
"The film, AnyMovie2, is fairly predictable and just okay."
```
Conteúdo de `SampleMovieReview2.txt`:
```
"AnyMovie2 is the essential sci-fi film that I grew up watching when I was a kid. I highly recommend this movie."
```
Conteúdo de `SampleMovieReview3.txt`:
```
"Don't get fooled by the 'awards' for AnyMovie2. All parts of the film were poorly stolen from other modern directors."
```
Resultado:
```
{
"JobId": "0b5001e25f62ebb40631a9a1a7fde7b3",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:sentiment-detection-job/0b5001e25f62ebb40631a9a1a7fde7b3",
"JobStatus": "SUBMITTED"
}
```
Conteúdo de `output.txt` com linha de recuos para fins de legibilidade:
```
{
"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
}
}
}
```
Para obter mais informações, consulte [Análise assíncrona para insights do Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [StartSentimentDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/start-sentiment-detection-job.html) na *Referência de comandos da AWS CLI*.
### `start-targeted-sentiment-detection-job`
O código de exemplo a seguir mostra como usar `start-targeted-sentiment-detection-job`.
**AWS CLI**
**Para iniciar um trabalho assíncrono de análise de sentimentos direcionados**
O exemplo `start-targeted-sentiment-detection-job` a seguir inicia um trabalho assíncrono de detecção de análise de sentimentos direcionados para todos os arquivos localizados no endereço especificado pela tag `--input-data-config`. A pasta do bucket do S3 neste exemplo contém `SampleMovieReview1.txt`, `SampleMovieReview2.txt` e `SampleMovieReview3.txt`. Quando o trabalho é concluído, `output.tar.gz` é colocado no local especificado pela tag `--output-data-config`. `output.tar.gz` contém os arquivos `SampleMovieReview1.txt.out`, `SampleMovieReview2.txt.out` e `SampleMovieReview3.txt.out`, cada um contendo todas as entidades nomeadas e sentimentos associados a um único arquivo de texto de entrada.
```
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
```
Conteúdo de `SampleMovieReview1.txt`:
```
"The film, AnyMovie, is fairly predictable and just okay."
```
Conteúdo de `SampleMovieReview2.txt`:
```
"AnyMovie is the essential sci-fi film that I grew up watching when I was a kid. I highly recommend this movie."
```
Conteúdo de `SampleMovieReview3.txt`:
```
"Don't get fooled by the 'awards' for AnyMovie. All parts of the film were poorly stolen from other modern directors."
```
Resultado:
```
{
"JobId": "0b5001e25f62ebb40631a9a1a7fde7b3",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:targeted-sentiment-detection-job/0b5001e25f62ebb40631a9a1a7fde7b3",
"JobStatus": "SUBMITTED"
}
```
Conteúdo de `SampleMovieReview1.txt.out` com recuos de linha para facilitar a leitura:
```
{
"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
}
```
Conteúdo de recuos de linha de `SampleMovieReview2.txt.out` para fins de legibilidade:
```
{
"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
}
```
Conteúdo de `SampleMovieReview3.txt.out` com recuos de linha para facilitar a leitura:
```
{
"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
}
```
Para obter mais informações, consulte [Análise assíncrona para insights do Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [StartTargetedSentimentDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/start-targeted-sentiment-detection-job.html) na *Referência de comandos da AWS CLI*.
### `start-topics-detection-job`
O código de exemplo a seguir mostra como usar `start-topics-detection-job`.
**AWS CLI**
**Para iniciar um trabalho de análise de detecção de tópicos**
O exemplo de `start-topics-detection-job` a seguir inicia um trabalho assíncrono de detecção de tópicos para todos os arquivos localizados no endereço especificado pela tag `--input-data-config`. Quando o trabalho é concluído, a pasta, `output`, é colocada no local especificado pela tag `--ouput-data-config`. `output` contém topic-terms.csv e doc-topics.csv. O primeiro arquivo de saída, topic-terms.csv, é uma lista de tópicos na coleção. Para cada tópico, a lista inclui por padrão os principais termos por tópico de acordo com seu peso. O segundo arquivo, `doc-topics.csv`, lista os documentos associados a um tópico e a proporção do documento relacionada ao tópico.
```
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
```
Resultado:
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE",
"JobArn": "arn:aws:comprehend:us-west-2:111122223333:key-phrases-detection-job/123456abcdeb0e11022f22a11EXAMPLE",
"JobStatus": "SUBMITTED"
}
```
Para obter mais informações, consulte [Modelagem de tópicos](https://docs.aws.amazon.com/comprehend/latest/dg/topic-modeling.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Consulte detalhes da API em [StartTopicsDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/start-topics-detection-job.html) na *Referência de comandos da AWS CLI*.
### `stop-dominant-language-detection-job`
O código de exemplo a seguir mostra como usar `stop-dominant-language-detection-job`.
**AWS CLI**
**Para interromper um trabalho assíncrono de detecção de idioma dominante**
O exemplo `stop-dominant-language-detection-job` a seguir interrompe um trabalho assíncrono de detecção de idioma dominante. Se o estado atual do trabalho for `IN_PROGRESS`, o trabalho será marcado para ser interrompido e colocado no estado `STOP_REQUESTED`. Se o trabalho for concluído antes de ser interrompido, ele será colocado no estado `COMPLETED`.
```
aws comprehend stop-dominant-language-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Resultado:
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE,
"JobStatus": "STOP_REQUESTED"
}
```
Para obter mais informações, consulte [Análise assíncrona para insights do Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [StopDominantLanguageDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/stop-dominant-language-detection-job.html) na *Referência de comandos da AWS CLI*.
### `stop-entities-detection-job`
O código de exemplo a seguir mostra como usar `stop-entities-detection-job`.
**AWS CLI**
**Para interromper um trabalho assíncrono de detecção de entidades**
O exemplo `stop-entities-detection-job` a seguir interrompe um trabalho assíncrono de detecção de entidades. Se o estado atual do trabalho for `IN_PROGRESS`, o trabalho será marcado para ser interrompido e colocado no estado `STOP_REQUESTED`. Se o trabalho for concluído antes de ser interrompido, ele será colocado no estado `COMPLETED`.
```
aws comprehend stop-entities-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Resultado:
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE,
"JobStatus": "STOP_REQUESTED"
}
```
Para obter mais informações, consulte [Análise assíncrona para insights do Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [StopEntitiesDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/stop-entities-detection-job.html) na *Referência de comandos da AWS CLI*.
### `stop-events-detection-job`
O código de exemplo a seguir mostra como usar `stop-events-detection-job`.
**AWS CLI**
**Para interromper um trabalho assíncrono de detecção de eventos assíncronos**
O exemplo `stop-events-detection-job` a seguir interrompe um trabalho assíncrono de detecção de eventos. Se o estado atual do trabalho for `IN_PROGRESS`, o trabalho será marcado para ser interrompido e colocado no estado `STOP_REQUESTED`. Se o trabalho for concluído antes de ser interrompido, ele será colocado no estado `COMPLETED`.
```
aws comprehend stop-events-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Resultado:
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE,
"JobStatus": "STOP_REQUESTED"
}
```
Para obter mais informações, consulte [Análise assíncrona para insights do Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [StopEventsDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/stop-events-detection-job.html) na *Referência de comandos da AWS CLI*.
### `stop-key-phrases-detection-job`
O código de exemplo a seguir mostra como usar `stop-key-phrases-detection-job`.
**AWS CLI**
**Para interromper um trabalho assíncrono de detecção de frases-chave assíncronas**
O exemplo `stop-key-phrases-detection-job` a seguir interrompe um trabalho assíncrono de detecção de frases-chave. Se o estado atual do trabalho for `IN_PROGRESS`, o trabalho será marcado para ser interrompido e colocado no estado `STOP_REQUESTED`. Se o trabalho for concluído antes de ser interrompido, ele será colocado no estado `COMPLETED`.
```
aws comprehend stop-key-phrases-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Resultado:
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE,
"JobStatus": "STOP_REQUESTED"
}
```
Para obter mais informações, consulte [Análise assíncrona para insights do Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [StopKeyPhrasesDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/stop-key-phrases-detection-job.html) na *Referência de comandos da AWS CLI*.
### `stop-pii-entities-detection-job`
O código de exemplo a seguir mostra como usar `stop-pii-entities-detection-job`.
**AWS CLI**
**Para interromper um trabalho assíncrono de detecção de entidades de pii**
O exemplo `stop-pii-entities-detection-job` a seguir interrompe um trabalho assíncrono de detecção de entidades de pii. Se o estado atual do trabalho for `IN_PROGRESS`, o trabalho será marcado para ser interrompido e colocado no estado `STOP_REQUESTED`. Se o trabalho for concluído antes de ser interrompido, ele será colocado no estado `COMPLETED`.
```
aws comprehend stop-pii-entities-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Resultado:
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE,
"JobStatus": "STOP_REQUESTED"
}
```
Para obter mais informações, consulte [Análise assíncrona para insights do Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [StopPiiEntitiesDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/stop-pii-entities-detection-job.html) na *Referência de comandos da AWS CLI*.
### `stop-sentiment-detection-job`
O código de exemplo a seguir mostra como usar `stop-sentiment-detection-job`.
**AWS CLI**
**Para interromper um trabalho assíncrono de detecção de sentimentos**
O exemplo `stop-sentiment-detection-job` a seguir interrompe um trabalho assíncrono de detecção de sentimentos. Se o estado atual do trabalho for `IN_PROGRESS`, o trabalho será marcado para ser interrompido e colocado no estado `STOP_REQUESTED`. Se o trabalho for concluído antes de ser interrompido, ele será colocado no estado `COMPLETED`.
```
aws comprehend stop-sentiment-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Resultado:
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE,
"JobStatus": "STOP_REQUESTED"
}
```
Para obter mais informações, consulte [Análise assíncrona para insights do Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [StopSentimentDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/stop-sentiment-detection-job.html) na *Referência de comandos da AWS CLI*.
### `stop-targeted-sentiment-detection-job`
O código de exemplo a seguir mostra como usar `stop-targeted-sentiment-detection-job`.
**AWS CLI**
**Para interromper um trabalho assíncrono de detecção de sentimentos direcionados**
O exemplo `stop-targeted-sentiment-detection-job` a seguir interrompe um trabalho assíncrono de detecção de sentimentos direcionados. Se o estado atual do trabalho for `IN_PROGRESS`, o trabalho será marcado para ser interrompido e colocado no estado `STOP_REQUESTED`. Se o trabalho for concluído antes de ser interrompido, ele será colocado no estado `COMPLETED`.
```
aws comprehend stop-targeted-sentiment-detection-job \
--job-id 123456abcdeb0e11022f22a11EXAMPLE
```
Resultado:
```
{
"JobId": "123456abcdeb0e11022f22a11EXAMPLE,
"JobStatus": "STOP_REQUESTED"
}
```
Para obter mais informações, consulte [Análise assíncrona para insights do Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/api-async-insights.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [StopTargetedSentimentDetectionJob](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/stop-targeted-sentiment-detection-job.html) na *Referência de comandos da AWS CLI*.
### `stop-training-document-classifier`
O código de exemplo a seguir mostra como usar `stop-training-document-classifier`.
**AWS CLI**
**Para interromper o treinamento de um modelo de classificador de documentos**
O exemplo `stop-training-document-classifier` a seguir interrompe o treinamento de um modelo de classificador de documentos enquanto está em andamento.
```
aws comprehend stop-training-document-classifier
--document-classifier-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier
```
Este comando não produz saída.
Para obter mais informações, consulte [Criação e gerenciamento de modelos personalizados](https://docs.aws.amazon.com/comprehend/latest/dg/manage-models.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [StopTrainingDocumentClassifier](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/stop-training-document-classifier.html) na *Referência de comandos da AWS CLI*.
### `stop-training-entity-recognizer`
O código de exemplo a seguir mostra como usar `stop-training-entity-recognizer`.
**AWS CLI**
**Para interromper o treinamento de um modelo de reconhecimento de entidades**
O exemplo `stop-training-entity-recognizer` a seguir interrompe o treinamento de um modelo de reconhecimento de entidades enquanto está em andamento.
```
aws comprehend stop-training-entity-recognizer
--entity-recognizer-arn "arn:aws:comprehend:us-west-2:111122223333:entity-recognizer/examplerecognizer1"
```
Este comando não produz saída.
Para obter mais informações, consulte [Criação e gerenciamento de modelos personalizados](https://docs.aws.amazon.com/comprehend/latest/dg/manage-models.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [StopTrainingEntityRecognizer](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/stop-training-entity-recognizer.html) na *Referência de comandos da AWS CLI*.
### `tag-resource`
O código de exemplo a seguir mostra como usar `tag-resource`.
**AWS CLI**
**Exemplo 1: adicionar uma tag a um recurso**
O exemplo `tag-resource` a seguir adiciona uma única tag a um recurso do 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
```
Este comando não tem uma saída.
Para obter mais informações, consulte [Marcar recursos](https://docs.aws.amazon.com/comprehend/latest/dg/tagging.html) no *Guia do desenvolvedor do Amazon Comprehend*.
**Exemplo 2: adicionar várias tags a um recurso**
O exemplo `tag-resource` a seguir adiciona várias tags a um recurso do 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
```
Este comando não tem uma saída.
Para obter mais informações, consulte [Marcar recursos](https://docs.aws.amazon.com/comprehend/latest/dg/tagging.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Consulte detalhes da API em [TagResource](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/tag-resource.html) na *Referência de comandos da AWS CLI*.
### `untag-resource`
O código de exemplo a seguir mostra como usar `untag-resource`.
**AWS CLI**
**Exemplo 1: remover uma única tag de um recurso**
O exemplo `untag-resource` a seguir remove uma única tag de um recurso do Amazon Comprehend.
```
aws comprehend untag-resource \
--resource-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier/example-classifier/version/1
--tag-keys Location
```
Este comando não produz saída.
Para obter mais informações, consulte [Marcar recursos](https://docs.aws.amazon.com/comprehend/latest/dg/tagging.html) no *Guia do desenvolvedor do Amazon Comprehend*.
**Exemplo 2: remover várias tags de um recurso**
O exemplo `untag-resource` a seguir remove várias tags de um recurso do 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
```
Este comando não produz saída.
Para obter mais informações, consulte [Marcar recursos](https://docs.aws.amazon.com/comprehend/latest/dg/tagging.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para obter detalhes sobre a API, consulte [UntagResource](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/untag-resource.html) na *Referência de comandos da AWS CLI*.
### `update-endpoint`
O código de exemplo a seguir mostra como usar `update-endpoint`.
**AWS CLI**
**Exemplo 1: atualizar as unidades de inferência de um endpoint**
O exemplo `update-endpoint` a seguir atualiza as informações sobre um endpoint. Neste exemplo, o número de unidades de inferência é aumentado.
```
aws comprehend update-endpoint \
--endpoint-arn arn:aws:comprehend:us-west-2:111122223333:document-classifier-endpoint/example-classifier-endpoint
--desired-inference-units 2
```
Este comando não produz saída.
Para obter mais informações, consulte [Gerenciar endpoints do Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/manage-endpoints.html) no *Guia do desenvolvedor do Amazon Comprehend*.
**Exemplo 2: atualizar o modelo ativo de um endpoint**
O exemplo `update-endpoint` a seguir atualiza as informações sobre um endpoint. Neste exemplo, o modelo ativo é alterado.
```
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
```
Este comando não produz saída.
Para obter mais informações, consulte [Gerenciar endpoints do Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/manage-endpoints.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [UpdateEndpoint](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/update-endpoint.html) na *Referência de comandos da AWS CLI*.
### `update-flywheel`
O código de exemplo a seguir mostra como usar `update-flywheel`.
**AWS CLI**
**Para atualizar uma configuração de flywheel**
O exemplo `update-flywheel` a seguir atualiza uma configuração de flywheel. Neste exemplo, o modelo ativo do flywheel é atualizado.
```
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
```
Resultado:
```
{
"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"
}
}
```
Para obter mais informações, consulte [Visão geral do flywheel](https://docs.aws.amazon.com/comprehend/latest/dg/flywheels-about.html) no *Guia do desenvolvedor do Amazon Comprehend*.
+ Para ver detalhes da API, consulte [UpdateFlywheel](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/comprehend/update-flywheel.html) na *Referência de comandos da AWS CLI*.