亚马逊AWS官方博客
Tag: Amazon Comprehend
如何在数据库里面使用SQL语句直接调用Amazon机器学习服务进行推理
本文主要讲解了如何在Amazon Aurora数据库里面使用SQL语句直接调用Amazon Comprehend 和Amazon SageMaker机器学习服务进行推理,让业务后端开发人员即使没有机器学习知识,也可以快速使用最熟悉的SQL语句调用机器学习服务,为业务提升价值。
基于 Amazon Comprehend 的命名实体抽取及主题建模的社交媒体数据分析
自然语言处理 (NLP) 是语言学、计算机科学和人工智能的一个子领域,涉及计算机与人类语言之间的交互 (引自维基百科) 。
基于 Comprehend 的玩家评论分析解决方案
本解决方案利用Comprehend, ECS Fargate,Aurora Serverless为主要组件,构造了基于Comprehend的玩家评论分析方案,借助此解决方案,客户可以查看并分析游戏在GooglePlay和AppStore中的游戏评论,并得到由Comprehend解析出的相关洞见。Comprehend会分析出可每条评论的情感倾向和关键词,帮助游戏开发者第一时间掌握用户反馈,并基于此进行更迭改进。
使用Amazon Textract 与 Amazon Comprehend,通过AWS Finance and Global Business Services构建一套自动化合约处理平台
这款应用程序现已上线,而且每月通过成百上千份合约进行测试。
使用 Amazon Textract 与 Amazon Comprehend 从文档中提取自定义实体
机器学习与人工智能能够极大提升组织的敏捷水平,将原本只能手动完成的任务转为自动化流程,借此增强执行效率。在本文中,我们演示了一套端到端架构,可通过Amazon Textract与Amazon Comprehend提取候选人技能等自定义实体。本文还将大家讲解了如何使用Amazon Textract进行数据提取,以及如何使用Amazon Comprehend通过您的自有数据集训练自定义实体识别器,并借此实现自定义实体识别。这一流程可以广泛应用于各个行业,例如医疗保健与金融服务等。
使用 Amazon SageMaker Ground Truth, Amazon Comprehend 与 Amazon A2I 为基于 NLP 的实体识别模型设置人工审查
本文演示了如何使用Ground Truth NER为Amazon Comprehend自定义实体识别结果创建注释。我们还使用Amazon A2I以更新并改进Amazon Comprehend的低置信度预测结果。
使用 Amazon Textract、Amazon Comprehend 以及 Amazon Lex 从发票中提取会话式洞见
本文介绍了如何在Amazon Lex中创建一款会话式聊天机器人,使用Amazon Textract从图像或PDF文档中提取文本,使用Amazon Comprehend从文本中提取洞见,并通过机器人实现与洞见的交互。本文中所使用的代码皆发布在GitHub repo 当中,供您随意使用及扩展。我们也期待了解您如何将这套解决方案应用于实际用例,请在评论区中分享您的观点与疑问。
使用 Amazon SageMaker Ground Truth 与 Amazon Comprehend 开发 NER 模型
到这里,大家已经了解如何使用Ground Truth以构建NER训练数据集,以及如何将生成的增强manifest文件自动转换为Amazon Comprehend能够直接处理的格式。