Créer un flux de vérification humaine (API)

Vous pouvez créer un flux de travail de vérification humaine ou undéfinition de flux, en utilisant Amazon A2I,CreateFlowDefinition.

Pour cet exemple, vous pouvez soit utiliser votre propre document dans Amazon S3, soit téléchargercet exemple de documentet rangez-le dans votre compartiment S3.

Vérifiez que votre compartiment Amazon S3 est dans le même compartimentAWSRégion que vous prévoyez d'utiliser pour appelerAnalyzeDocument. Pour créer un compartiment, suivez les instructions de la section Create a Bucket (Créer un compartiment) dans le Guide de l'utilisateur de la console Amazon Simple Storage Service.

Prérequis

Pour utiliser l'API Amazon A2I pour créer un flux de vérification humaine, vous devez remplir les conditions préalables suivantes :

• Configurez un rôle IAM avec l'autorisation d'appeler à la fois les opérations Amazon A2I et Amazon Textract API. Pour commencer, vous pouvez associer les stratégies AWS, AmazonAugmentedAIFullAccess et AmazonTextractFullAccess à un rôle IAM. Enregistrez le rôle Amazon Resources Name (ARN), car vous en aurez besoin ultérieurement.

  Pour obtenir des autorisations plus granulaires lors de l'utilisation d'Amazon Textract, voirExemples de stratégies basées sur l'identité Amazon Textract. Pour Amazon A2I, consultezAutorisations et sécurité dans Amazon Augmented AIdans leAmazon SageMaker Developer Guide.

• Créez une équipe de travail privée et enregistrez l'ARN de l'équipe de travail. Si vous êtes un nouvel utilisateur d'Amazon A2I, suivez les instructions deÉtape 1 : Créer une équipe de travail (console).

• Créez un modèle de tâche de collaborateur. Suivez les instructions de la sectionCréer un modèle de tâche d'employépour créer un modèle à l'aide de la console Amazon A2I. Lorsque vous créez le modèle, choisissezExtraction sous forme de textepourType de modèle. Dans le modèle, remplacezs3_arnavec l'ARN Amazon S3 de votre document. Ajouter des instructions supplémentaires pour le travailleur dans<full-instructions header="Instructions"></full-instructions>.

  Si vous souhaitez prévisualiser votre modèle, assurez-vous que votre rôle IAM dispose des autorisations décrites à la sectionActivation des aperçus du modèle de tâche de travail.

  Une fois que vous avez créé votre modèle, enregistrez l'ARN du modèle de tâche de travail.

Vous utilisez les ressources que vous avez créées dansPrérequispour configurer votreCreateFlowDefinitionde la demande. Dans cette demande, vous spécifiez également des conditions d'activation au format JSON. Pour savoir comment configurer vos conditions d'activation, consultezUtilisation du schéma JSON pour les conditions d'activation de boucle humaine avec Amazon Textract.

Création d'un flux de vérification humaine (kit AWS SDK for Python (Boto3))

Pour utiliser cet exemple, remplacez larougedu texte avec vos spécifications et ressources.

Tout d'abord, encodez vos conditions d'activation dans un objet JSON à l'aide du code suivant. Cela déclenche une vérification humaine si Amazon Textract renvoie un indice de confiance inférieur à 99 pourAdresse postaleet sa valeur, ou s'il renvoie un score de confiance inférieur à 90 pour toute paire clé-valeur détectée dans le document. Si vous utilisez l'exemple de document fourni dans cet exemple, ces conditions d'activation créent une tâche de révision humaine.

import json

humanLoopActivationConditions = json.dumps("{
                "Conditions": [
                    {
                        "ConditionType": "ImportantFormKeyConfidenceCheck",
                        "ConditionParameters": {
                            "ImportantFormKey": "Mail Address",
                            "KeyValueBlockConfidenceLessThan": 99,
                            "WordBlockConfidenceLessThan": 99
                        }
                    },
                    {
                        "ConditionType": "ImportantFormKeyConfidenceCheck",
                        "ConditionParameters": {
                            "ImportantFormKey": "*",
                            "KeyValueBlockConfidenceLessThan": 90,
                            "WordBlockConfidenceLessThan": 90
                        }
                    }
                ]
            }"
)

UtiliserhumanLoopActivationConditionspour configurer lecreate_flow_definitionde la demande. L'exemple suivant utilise le kit SDK for Python (Boto3) pour appelercreate_flow_definitiondans la région AWS us-west-2. Il spécifie l'utilisation d'une équipe de travail privée.

response = client.create_flow_definition(
    FlowDefinitionName='string',
    HumanLoopRequestSource={
         'AwsManagedHumanLoopRequestSource': "AWS/Textract/AnalyzeDocument/Forms/V1"
    }, 
    HumanLoopActivationConfig={
        'HumanLoopActivationConditionsConfig': {
            'HumanLoopActivationConditions': humanLoopActivationConditions
        }
    },
    HumanLoopConfig={
        'WorkteamArn': "arn:aws:sagemaker:us-west-2:111122223333:workteam/private-crowd/work-team-name",
        'HumanTaskUiArn': "arn:aws:sagemaker:us-west-2:111122223333:human-task-ui/worker-task-template-name",
        'TaskTitle': "Add a task title",
        'TaskDescription': "Describe your task",
        'TaskCount': 1,
        'TaskAvailabilityLifetimeInSeconds': 3600,
        'TaskTimeLimitInSeconds': 86400,
        'TaskKeywords': ["Document Review", "Content Review"]
        }
    },
    OutputConfig={
        'S3OutputPath': "s3://DOC-EXAMPLE-BUCKET/prefix/",
    },
    RoleArn="arn:aws:iam::111122223333:role/role-name"
)