設定資料集

若要將標籤化的訓練或測試資料新增至飛輪，請使用 Amazon Comprehend 主控台或 API 建立資料集。

您可以將每個資料集設定為訓練資料或測試資料。您可以將資料集與特定飛輪和自訂模型相關聯。當您建立資料集時，Amazon Comprehend 會將資料上傳到飛輪的資料湖。如需有關訓練資料檔案格式的詳細資訊，請參閱準備分類器訓練資料或準備實體辨識器訓練資料。

當您刪除飛輪時，Amazon Comprehend 會刪除這些資料集。上傳的資料仍然可以在資料湖中使用。

建立資料集 (主控台)

建立資料集

1. 登入AWS Management Console並開啟 Amazon Comprehend 主控台。

2. 從左側功能表中選擇飛輪，然後選擇您要新增資料的飛輪。

3. 選擇資料集索引標籤。

4. 在訓練資料集或測試資料集表格中，選擇建立資料集。

5. 在 [資料集詳細資料] 底下，輸入資料集的名稱和選用說明。

6. 在 [資料規格] 下，選擇 [資料格式] 和 [資料集類型] 設定欄位。

7. (選擇性) 在「輸入格式」下，選擇輸入文件的格式。

8. 在 S3 上的註釋位置下，輸入註釋檔案的 Amazon S3 位置。

9. 在 S3 上的訓練資料位置下，輸入文件檔案的 Amazon S3 位置。

10. 選擇建立。

建立資料集 (API)

您可以使用此CreateDataset作業建立資料集。

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 檔案包含下列內容。

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

若要在資料集上新增或移除標籤，請使用TagResource和UntagResource作業。

描述資料集

使用 Amazon Comprehend DescribeDataset操作來擷取有關飛輪的已設定資訊。

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

響應包含以下內容。

{
   "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
  }
}