用于异步分析的文件格式

使用模型运行异步分析时，您可以选择输入文档的格式：One document per line 或 one document per file。您使用的格式取决于您要分析的文档类型，如下表中所述。

描述	格式
输入包含多个文件。每个文件包含一个输入文档。这种格式最适合大型文档的集合，例如报纸文章或科学论文。 此外，使用本机文档分类器对半结构化文档（图像或 Docx 文件）使用此格式。PDF	每个文件一个文档
输入是一个或多个文件。文件中的每一行都是一个单独的输入文档。这种格式最适合简短的文档，例如短信或社交媒体帖子。	每行一个文档

每个文件一个文档

对于 one document per file 格式，每个文件代表一个输入文档。

每行一个文档

在 One document per line 格式中，每个文档都放在单独的行上，并且不使用标题。标签不包含在每行中（因为您还不知道文档的标签）。文件的每一行（单个文档的结尾）必须以换行符（LF、\ n）、回车符（CR、\ r）或两者结尾（CRLF，\ r\ n）。不要使用 UTF -8 行分隔符 (u+2028) 来结束一行。

以下示例显示了输入文件的格式。

Text of document 1 \n
Text of document 2 \n
Text of document 3 \n
Text of document 4 \n

对于任一格式，对文本文件使用 UTF -8 编码。准备好文件后，将其放入用于输入数据的 S3 存储桶中。

启动分类任务时，您需要为输入数据指定 Amazon S3 位置。URI必须与您正在调用的API终端节点位于同一区域。URI可以指向单个文件（例如使用 “每行一个文档” 方法），也可以将其作为数据文件集合的前缀。

例如，如果您使用，如果前缀是单个文件 URIS3://bucketName/prefix，则 Amazon Comprehend 会使用该文件作为输入。如果有多个文件以该前缀开头，Amazon Comprehend 将使用所有文件作为输入。

授权 Amazon Comprehend 访问包含文档集合和输出文件的 S3 存储桶。有关更多信息，请参阅 异步操作所需的基于角色的权限。