訓練自訂實體識別器 (API)

本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

若要建立和訓練自訂實體辨識模型，請使用 Amazon Comprehend CreateEntityRecognizer API 操作

使用 訓練自訂實體識別器 AWS Command Line Interface

下列範例示範搭配 使用 CreateEntityRecognizer操作和其他相關聯的 APIs AWS CLI。

這些範例已針對 Unix、Linux 和 macOS 格式化。用於 Windows 時，請以插入號 (^) 取代每一行結尾處的 Unix 接續字元斜線 (\)。

使用 CLI create-entity-recognizer 命令建立自訂實體識別器。如需有關 input-data-config 參數的資訊，請參閱《Amazon Comprehend API 參考》中的 CreateEntityRecognizer。

aws comprehend create-entity-recognizer \
     --language-code en \
     --recognizer-name test-6 \
     --data-access-role-arn "arn:aws:iam::account number:role/service-role/AmazonComprehendServiceRole-role" \
     --input-data-config "EntityTypes=[{Type=PERSON}],Documents={S3Uri=s3://Bucket Name/Bucket Path/documents},
                Annotations={S3Uri=s3://Bucket Name/Bucket Path/annotations}" \
     --region region

使用 CLI list-entity-recognizers 命令列出區域中的所有實體識別符。

aws comprehend list-entity-recognizers \
     --region region

使用 CLI describe-entity-recognizer 命令檢查自訂實體識別器的任務狀態。

aws comprehend describe-entity-recognizer \
     --entity-recognizer-arn arn:aws:comprehend:region:account number:entity-recognizer/test-6 \
     --region region

使用 訓練自訂實體識別器 適用於 Java 的 AWS SDK

此範例會使用 Java 建立自訂實體識別器並訓練模型

如需使用 Java 的 Amazon Comprehend 範例，請參閱 Amazon Comprehend Java 範例。

使用 Python 訓練自訂實體識別器 (Boto3)

執行個體化 Boto3 開發套件：

import boto3
import uuid
comprehend = boto3.client("comprehend", region_name="region")

建立實體識別符：

response = comprehend.create_entity_recognizer(
    RecognizerName="Recognizer-Name-Goes-Here-{}".format(str(uuid.uuid4())),
    LanguageCode="en",
    DataAccessRoleArn="Role ARN",
    InputDataConfig={
        "EntityTypes": [
            {
                "Type": "ENTITY_TYPE"
            }
        ],
        "Documents": {
            "S3Uri": "s3://Bucket Name/Bucket Path/documents"
        },
        "Annotations": {
            "S3Uri": "s3://Bucket Name/Bucket Path/annotations"
        }
    }
)
recognizer_arn = response["EntityRecognizerArn"]

列出所有辨識器：

response = comprehend.list_entity_recognizers()

等待辨識器達到 TRAINED 狀態：

while True:
    response = comprehend.describe_entity_recognizer(
        EntityRecognizerArn=recognizer_arn
    )

    status = response["EntityRecognizerProperties"]["Status"]
    if "IN_ERROR" == status:
        sys.exit(1)
    if "TRAINED" == status:
        break

    time.sleep(10)