사용자 지정 개체 인식기(API) 학습

사용자 지정 개체 인식 모델을 생성하고 교육하려면 Amazon CreateEntityRecognizerComprehend API 작업을 사용하십시오.

AWS Command Line Interface를 사용한 사용자 지정 개체 인식기 학습

다음 예제는 AWS CLI를 사용하여 CreateEntityRecognizer 작업 및 기타 관련 API를 사용하는 방법을 보여 줍니다.

다음은 Unix, Linux, macOS용 형식으로 지정된 예제입니다. Windows의 경우 각 줄의 끝에 있는 백슬래시(\) Unix 연속 문자를 캐럿(^)으로 바꿉니다.

create-entity-recognizerCLI 명령을 사용하여 사용자 지정 개체 인식기를 생성합니다. input-data-config 파라미터에 대한 자세한 내용은 Amazon Comprehend API 참조를 참조하십시오 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

list-entity-recognizers CLI 명령을 사용하여 지역의 모든 개체 인식기를 나열합니다.

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

describe-entity-recognizer CLI 명령을 사용하여 사용자 지정 개체 인식기의 작업 상태를 확인합니다.

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

AWS SDK for Java을 사용하여 사용자 지정 개체 인식기를 학습합니다.

이 예제에서는 Java를 사용하여 사용자 지정 개체 인식기를 생성하고 모델을 학습합니다.

Java를 사용하는 Amazon Comprehend 예제는 Amazon Comprehend Java 예제를 참조하십시오.

Python(Boto3)을 사용한 사용자 지정 개체 인식기 학습

Boto3 SDK 인스턴스화:

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

개체 인식기 생성:

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"]

모든 인식기 나열:

response = comprehend.list_entity_recognizers()

인식기가 TRAINED 상태에 도달할 때까지 대기:

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)