注释 PDF 文件

1. 如果使用 Windows，请安装 Cygwin；如果使用的是 Linux 或 Mac，请跳过此步骤。

2. 从中下载注释工件 GitHub。解压缩该文件。

3. 在终端窗口中，导航到解压后的文件夹 (amazon-comprehend-semi-structured-documents-annotation-tools-main)。

4. 这个文件夹包括一个选项 Makefiles，您可以运行它来安装依赖项、设置 Python virtualenv 和部署所需的资源。查看自述文件以做出选择。

5. 推荐的选项使用单个命令将所有依赖项安装到 virtualenv 中，根据模板构建 AWS CloudFormation 堆栈，然后 AWS 账户 通过交互式指导将堆栈部署到您的。运行以下命令：

   make ready-and-deploy-guided

   此命令提供了一组配置选项。请确保你的正确 AWS 区域 无误。对于所有其他字段，您可以接受默认值或填写自定义值。如果您修改了 AWS CloudFormation 堆栈名称，请在接下来的步骤中根据需要将其写下来。

   

   CloudFormation 堆栈创建和管理注解工具所需的 AWS lambda、AWS IAM 角色和 AWS S3 存储桶。

   您可以在 CloudFormation 控制台的堆栈详细信息页面中查看这些资源中的每一个资源。

6. 该命令会提示您开始部署。 CloudFormation 在指定区域创建所有资源。

   

   当 CloudFormation 堆栈状态转换为 “创建完成” 时，资源就可以使用了。

1. 在 S3 存储桶中，创建一个新的文件夹。将这个新文件夹命名为src。

2. 将您的 PDF 源文件添加到src文件夹。在后面的步骤中，将对这些文件进行注释以训练识别器。

3. （可选）以下是可用于将源文档从本地目录上传到 S3 存储桶的 AWS CLI 示例：

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

   或者，使用您的地区和账户 ID：

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

4. 你现在有了一名私人 G SageMaker round Truth 工作人员，并且已经将源文件上传到 S3 存储桶 deplo y-guided/src/；你已经准备好开始添加注释了。

• 使用上面列表中所述的输入参数运行以下脚本。

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

  该脚本生成以下输出：

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

现在，您已经配置了所需的资源并创建了标注作业，您可以登录标注门户并为 PDF 添加注释。

1. 使用 Chrome 或 Firefox 网络浏览器登录SageMaker 控制台。

2. 选择标注人力，然后选择私有。

3. 在私有人力摘要下，选择您使用私有人力创建的标注门户登录网址。使用适当的凭证登录。

   如果您没有看到列出的任何作业，请不要担心，更新可能需要一段时间，具体取决于您上传用于注释的文件数量。

4. 选择您的作业，然后在右上角，选择开始工作，以打开注释屏幕。

   您将在注释屏幕中看到其中一个文档处于打开状态，并在其上方看到您在设置过程中提供的实体类型。在实体类型的右边，有一个箭头，您可以用它来浏览你的文档。

   

   为打开的文档添加注释。您还可以删除、撤消或自动标记每个文档上的注释；这些选项可在注释工具的右侧面板中找到。

   

   要使用自动标记，请为其中一个实体的实例添加注释；然后，该特定单词的所有其他实例都将自动使用该实体类型进行注释。

   完成后，选择右下角的提交，然后使用导航箭头移至下一个文档。重复此操作，直到为所有 PDF 添加了注释。