配置数据集

要将带标签的训练或测试数据添加到飞轮中，请使用 Amazon Comprehend 控制台或 API 创建数据集。

您可以将每个数据集配置为训练数据或测试数据。您可以将数据集与特定的飞轮和自定义模型相关联。创建数据集时，Amazon Comprehend 会将数据上传到飞轮的数据湖。有关训练数据文件格式的详细信息，请参阅 准备分类器训练数据 或 准备实体识别器训练数据。

当您删除飞轮时，Amazon Comprehend 会删除数据集。上传的数据在数据湖中仍然可用。

创建数据集（控制台）

创建数据集

1. 登录 AWS Management Console 并打开 Amazon Comprehend 控制台。

2. 从左侧菜单中选择飞轮，然后选择要在其中添加数据的飞轮。

3. 选择数据集选项卡。

4. 在训练数据集或测试数据集表中，选择创建数据集。

5. 在数据集详细信息下，输入数据集的名称和可选描述。

6. 在数据规范下，选择数据格式和数据集类型配置字段。

7. （可选）在输入格式下，选择输入文档的格式。

8. 在 S3 上的注释位置下，输入注释文件的 Amazon S3 位置。

9. 在 S3 上的训练数据位置下，输入文档文件的 Amazon S3 位置。

10. 选择创建。

创建数据集 (API)

您可以使用该CreateDataset操作来创建数据集。

aws comprehend create-dataset \
    --flywheel-arn "myFlywheel2" \
    --dataset-name "my-training-dataset"
    --dataset-type "TRAIN"
    --description "my training dataset"
    --cli-input-json file://inputConfig.json 
}       

inputConfig.json 文件包含以下代码。

{
    "DataFormat": "COMPREHEND_CSV",
    "DocumentClassifierInputDataConfig": {
        "S3Uri": "s3://my-comprehend-datasets/multilabel_train.csv"
    }
}  

要在数据集中添加或移除标签，请使用TagResource和UntagResource操作。

描述数据集

使用 Amazon Compreh DescribeDatasetend 操作检索有关飞轮的配置信息。

aws comprehend describe-dataset \
    --dataset-arn  "datasetARN"

响应包含以下内容。

{
   "DatasetProperties": {
      "DatasetArn": "arn:aws::comprehend:aws-region:111122223333:flywheel/myTestFlywheel/dataset/train-dataset",
      "DatasetName": "train-dataset",
      "DatasetType": "TRAIN",
      "DatasetS3Uri": "s3://my-test-datalake/flywheelbasictest/myTestFlywheel/schemaVersion=1/20220801T014326Z/datasets/train-dataset/20220801T194844Z",
      "Description": "Good Dataset",
      "Status": "COMPLETED",
      "NumberOfDocuments": 90,
      "CreationTime": 1659383324.297
  }
}