Amazon Comprehend 是一项自然语言处理 (NLP) 服务，使用机器学习来发现文本中的洞察信息。Amazon Comprehend 提供关键词提取、情绪分析、实体识别、主题建模和语言检测 API，因此您可以轻松地将自然语言处理集成到您的应用程序中。您只需在应用程序中调用相应 Amazon Comprehend API 并提供源文档或文本的位置即可。这些 API 将以 JSON 格式输出实体、关键词、情绪和语言，以供您在应用程序中使用。
关键词提取
关键词提取 API 会返回关键词或谈话要点以及证明此为关键词的置信度。
-
示例：在本例中，客户正在对比数码单反相机和拍立得相机。该 API 会提取关键词，计算关键词的重复次数，并返回相应结果的置信度。
示例文本：我是一名发烧级摄影师，日常主要使用数码单反相机以及随身携带的拍立得相机。虽然数码单反相机具有无与伦比的强大功能和便利性，但拍立得相机也有一些神奇之处。也许您正在拍摄纪实片，或者您拍摄的每个镜头都是独一无二的实物（这在当今世界照片不胜枚举的 Instagram 和 Facebook 上显得与众不同）。我敢肯定地说，它们用起来很有趣，如果您在派对上拿出来其中一个，大家都会眼前一亮。
关键词 计数 置信度 发烧级摄影师 1 0.99
数码单反相机 2 0.97 拍立得相机 2 0.99
日常使用 1 0.99
强大功能和便利性 1 0.94 纪实片 1 0.99 每个镜头 1 0.92 独一无二的实物 1 0.99
当今 1 0.91 世界 1 0.99
Instagram 和 Facebook 1 0.99
情绪分析
情绪分析 API 会返回文本的整体情绪（正面、负面、中性或混合）。
-
示例：在本例中，客户正在发布对一双鞋的反馈。该 API 可识别出该客户表达的情绪以及置信度。
示例文本：我订购的是 S 码，希望刚好合脚，但它却有点像是 M 码。质量非常好。实物的颜色比图片上的棕色浅，但相当接近。如果内衬是棉花或羊毛的话，那将会好上十倍。
情绪 分数 混合 0.89 正面 0.09 负面 0.01 中性 0.00
语法分析
借助 Amazon Comprehend Syntax API，客户能够使用分词断句和词性 (PoS) 分析文本，识别文本中的名词和形容词等单词边界和标签。
-
示例：在本示例中，我们将使用 Comprehend Syntax API 分析一个简短的文档。Syntax API 可对文本分词断句（确定单词边界）并使用名词 和动词等相关词性标记每一个单词。除了注明开始和结束偏移量之外（以便您知道单词在文本中的位置），我们还提供置信度得分。
示例文本：我喜欢我的速度快的、新的 Kindle Fire！
文本 标签 我 代词 喜欢 动词
我的 代词 速度快的 形容词 、 标点符号 新的 形容词 Kindle 专有名词 Fire
专有名词 ！ 标点符号
实体识别
实体识别 API 会返回根据提供的文本自动分类的命名实体（“人物”、“地点”和“位置”等）。
-
示例：在本例中，我们正在查看一家公司的介绍。该 API 可识别出“组织”、“日期”和“位置”等实体，计算实体被提及的次数，并返回置信度得分。
示例文本：Amazon.com, Inc. 位于华盛顿州西雅图，由 Jeff Bezos 创立于 1994 年 7 月 5 日，向客户销售书籍和搅拌机等各种商品。西雅图位于波特兰的北部和不列颠哥伦比亚省温哥华的南部。总部设在西雅图的其他知名公司有 Starbucks 和 Boeing。
实体 类别 数量 置信度 Amazon.com, Inc.
组织 1 0.96 华盛顿州西雅图 位置 1 0.96 1994 年 7 月 5 日 日期 1 0.99 Jeff Bezos 人物 1 0.99 西雅图
位置 2
0.98 波特兰
位置 1 0.99 不列颠哥伦比亚省温哥华 位置 1 0.97 Starbucks
组织 1 0.91
Boeing
组织 1 0.99
医学具名实体和关系提取 (NERe)
医学 NERe API 可返回药物、医学状况、检验、治疗和程序 (TTP)、解剖以及受保护的健康信息 (PHI) 等医学信息。它还会识别所提取的与药物和 TTP 有关的子类之间的关系。此外还有作为实体“特质”提供的上下文信息（否定，或诊断是否属于迹象或症状）。下表列举了含有相关子类别和实体特质的提取信息。
如果仅需提取 PHI，您可以使用受保护健康信息数据识别 (PHId) API。
-
示例：在本例中，我们正在查看入院单。该 API 识别了医学信息并返回了一个置信度评分。
示例文本：Mr. Smith is a 63-year-old gentleman with coronary artery disease and hypertension.当前用药：LIPITOR 20 mg，每日一次。
自定义实体
自定义实体允许您自定义 Amazon Comprehend 来识别特定于您的域的条款。使用 AutoML，Comprehend 将从少量的私有示例索引学习（例如，保单编号列表和其中所用的文本），然后训练私有的自定义模型以便在任意其他文本块中识别这些条款。此时无需管理任何服务器，也没有要掌握的任何算法。
-
示例：在此示例中，保险公司希望分析文本文档，了解特定于其业务的实体和保单号码。
示例文本：您好，我是 Sam Ford，我在填写车祸索赔。我的保单代码是 456-YQT。
实体 类别 数量 置信度 456-YQT Policy_ID 1 0.95
语言检测
语言检测 API 可自动识别出 100 多种语言编写的文本，并返回主导语言以及证明其占据主导地位的置信度得分。
-
示例：在本例中，该 API 会解析文本，并能够识别文本中的主导语言为意大利语以及返回置信度得分。
示例文本：Amazon Elastic Compute Cloud (Amazon EC2) è un servizio Web che fornisce capacità di elaborazione sicura e scalabile nel cloud.È concepito per rendere più semplice il cloud computing su scala Web per gli sviluppatori.
ISO-639-1 语言代码 语言 置信度 it 意大利语 1.0
自定义分类
自定义分类 API 让您可以使用业务特定标签轻松构建自定义文本分类模型，而无需学习 ML。例如，您的客户支持组织可以使用自定义分类，根据客户对问题的描述自动按问题类型对入站请求进行分类。创建自定义模型很简单。您可以为要使用的每个标签提供文本示例，然后，Comprehend 会训练这些标签以创建自定义模型。无需任何机器学习经验，您便可以不使用任何代码来构建自定义模型。您可以使用软件开发工具包将客户分类器集成到当前应用程序中。使用您的自定义模型，您可以轻松调整网站评论、对客户反馈进行分类，以及整理工作组文档。有关更多详细信息，请参阅本文档页面。
-
示例：假设您要整理对航空公司的客户支持反馈。您希望将每条反馈按账户问题、机票退款和飞行投诉进行分类整理。要训练该服务，您需要创建一个 CSV 文件，其中包含每个问题的示例文本，并使用适用的四个标签之一标记每个样本。该服务将代表您自动训练自定义模型。要使用您的模型分析第二天的所有调用，您需要将每个文本文件提交给该服务，并接收已标记的结果以及标签匹配的置信度。
文本 标签 置信度评分 第 0 行 账户问题 0.92 第 1 行 机票退款 1 第 2 行 飞行投诉 1 第 3 行 飞行投诉 0.91 Doc5.csv 机票退款 1
主题建模
主题建模 API 可从存储在 Amazon S3 的文档集合中识别出相关术语或主题。该 API 会识别集合中最常见的主题，并按组整理，然后将文档映射到相应主题。
-
示例：如果您的文档（Doc1.txt、Doc2.txt、Doc3.txt 和 Doc4.txt）存储在 Amazon S3 中，并且您向 Amazon Comprehend 指出了其位置，Comprehend 将分析这些文档并返回两个视图：
1.关键字分组，即主题。
每组关键字都与一个主题组相关联。权重是指在该关键字在相应组内所占的比例。权重最接近 1 的关键字最能代表主题组的上下文。主题组 关键字 权重 1 Amazon 0.87 1 西雅图 0.65 2 节假日 0.78 2 购物 0.67 每组关键字都与一个主题组相关联。权重是指在该关键字在相应组内所占的比例。权重最接近 1 的关键字最能代表主题组的上下文。2.按主题的文档分组。
文档名称 主题组 比例 Doc1.txt 1 0.87 Doc2.txt 1 0.65 Doc3.txt 2 0.78 Doc4.txt 2 0.67 每个文档都会映射到一个主题组，具体取决于该主题组的加权关键字在文档中所占的比例。
多语言支持
Amazon Comprehend 可以对英语、法语、德语、意大利语、葡萄牙语和西班牙语文本进行文本分析。因此，您可以构建能够检测多种语言文本的应用程序，使用 Amazon Translate 将文本转换为英语、法语、德语、意大利语、葡萄牙语和西班牙语，然后使用 Amazon Comprehend 来执行文本分析。
