Amazon Comprehend ist ein Service der natürlichen Sprachverarbeitung (Natural Language Processing, NLP), der mittels Machine Learning Einblicke aus Ihrem Text gewinnt. Amazon Comprehend bietet benutzerdefinierte Entitätserkennung, benutzerdefinierte Klassifizierung, Schlüsselsatzextraktion, Stimmungsanalyse, Entitätserkennung und weitere APIs, sodass Sie die natürliche Sprachverarbeitung einfach in Ihre Anwendungen integrieren können. Dazu rufen Sie einfach die Amazon-Comprehend-APIs in Ihrer Anwendung auf und geben den Speicherort des Quelldokuments oder -texts an. Die APIs geben die Entitäten, die wichtigen Phrasen, die Stimmung und die Sprache im JSON-Format aus, das Sie in Ihrer Anwendung verwenden können.

Erkennung benutzerdefinierter Entitäten

Mit benutzerdefinierten Entitäterkennungen können Sie Amazon Comprehend so anpassen, dass Begriffe erkannt werden, die für Ihre Domäne spezifisch sind. Mit AutoML lernt Comprehend aus einer kleinen Menge von Beispielen (z. B. einer Liste von Versicherungsnummern, Schadennummern oder SSN) und trainiert dann ein privates, benutzerdefiniertes Modell, um diese Begriffe wie Schadennummern in jedem anderen Textblock in PDFs, einfachem Text oder Microsoft Word-Dokumenten zu erkennen - kein Machine Learning erforderlich. Weitere Informationen finden Sie auf dieser Dokumentationsseite

Benutzerdefinierte Klassifizierung

Die API Benutzerdefinierte Klassifizierung ermöglicht es Ihnen einfach benutzerdefinierte Textklassifizierungs-Modelle zu erstellen, mithilfe Ihrer Branchenspezifischen Bezeichnungen, ohne ML erlernen zu müssen. Ihre Kundensupport-Organisation kann beispielsweise benutzerdefinierte Klassifizierungen verwenden, um automatisch eingehende Anforderungen nach Art des Problems kategorisieren, basierend darauf wie der Kunde das Problem beschrieben hat.  Mit Ihrem benutzerdefinierten Modell ist es einfach, Website-Kommentare zu moderieren, Kundenfeedback vorzuselektieren und Arbeitsgruppendokumente zu organisieren. Weitere Informationen finden Sie auf dieser Dokumentationsseite.

Entitätenerkennung

Die Entitätenerkennungs-API gibt die benannten Entitäten („Menschen“, „Plätze“, „Orte“ usw.), welche automatisch aufgrund des gegebenen Textes kategorisiert werden, wieder. Weitere Informationen finden Sie auf dieser Dokumentationsseite.

Stimmungsanalyse

Die Stimmungsanalyse-API gibt die allgemeine Stimmung eines Texts (positiv, negativ, neutral oder gemischt) wieder. Weitere Informationen finden Sie auf dieser Dokumentationsseite

Targeted Sentiment

Targeted Sentiment bietet detailliertere Erkenntnisse über die Stimmung, indem sie die Stimmung (positiv, negativ, neutral oder gemischt) gegenüber Entitäten im Text identifiziert. Weitere Informationen finden Sie auf dieser Dokumentationsseite.

PII-Identifizierung und Redaktion

Verwenden Sie die ML-Funktionen von Amazon Comprehend, um persönlich identifizierbare Informationen (PII) in Kunden-E-Mails, Support-Tickets, Produktbewertungen, sozialen Medien und mehr zu erkennen und zu entfernen. Keine ML-Erfahrung erforderlich. Beispielsweise können Sie Support-Tickets und Wissensartikel analysieren, um PII-Entitäten zu erkennen und den Text zu redigieren, bevor Sie die Dokumente in der Suchlösung indizieren. Danach sind Suchlösungen frei von PII-Entitäten in Dokumenten. Die Redaktion von PII-Einheiten hilft Ihnen, die Privatsphäre zu schützen und lokale Gesetze und Vorschriften einzuhalten. Weitere Informationen finden Sie auf dieser Dokumentationsseite.

Schlüsselphrasenextraktion

Die Schlüsselphrasenextraktions-API gibt Schlüsselphrasen oder Sprachpunkte wieder und weist einen Zuversichtlichkeitswert zu, um sicherzustellen, dass es sich um eine Schlüsselphrase handelt. Weitere Informationen finden Sie auf dieser Dokumentationsseite.

  • Beispiel: In diesem Beispiel vergleicht ein Kunde eine DSLR-Kamera mit einer Instant-Film-Kamera. Die API extrahiert Schlüsselphrasen und gibt einen Zuverlässigkeitswert als Ergebnis aus.

    Beispieltext: Ich bin ein begeisterter Fotograf und man sieht mich meistens, wie ich meine DSLR-Kamera oder meine Instant-Film-Kamera dazu nutze, private Fotos zu machen. Meine DSLR ist in Sachen Leistung und Benutzerfreundlichkeit unschlagbar, aber meine Instant-Film-Kamera hat einfach etwas Magisches. Vielleicht liegt es daran, dass man seine Aufnahmen tatsächlich auf Film bannt oder dass jedes Foto ein einzigartiges, greifbares Artefakt ist (was in der Welt heute, in der Instagram und Facebook die Macht übernommen und Millionen Fotos durch das Internet kursieren, schon etwas Besonderes ist). Ich weiß nur, dass es mir eine Menge Spaß macht, damit zu arbeiten, und das Funkeln in den Augen der Leute, wenn man so ein Foto auf einer Party aus dem Ärmel zaubert, ist einfach unbezahlbar.

    Schlüsselphrase Zuverlässigkeit
    ein begeisterter Fotograf 0,99
    meine DSLR 0,97
    meine Instant-Film-Kamera 0,99
    private Fotos 0,99
    Leistung und Benutzerfreundlichkeit 0,94
    tatsächlich auf Film 0,99
    jedes Foto 0,92
    ein einzigartiges, greifbares Artefakt 0,99
    heute 0,91
    Welt 0,99
    Instagram und Facebook 0,99

Ereigniserkennung

Mit Comprehend Events können Sie die Ereignisstruktur aus einem Dokument extrahieren und Textseiten in einfach zu verarbeitende Daten für die Nutzung durch Ihre KI-Anwendungen oder Diagrammvisualisierungstools filtern. Mit dieser API können Sie Wer-Was-Wann-Wo-Fragen über große Dokumentensätze hinweg, in großem Umfang und ohne vorherige NLP-Erfahrung beantworten. Verwenden Sie Comprehend Events, um genauere Informationen zu realen Ereignissen und zugehörigen Entitäten zu extrahieren, die in unstrukturiertem Text ausgedrückt werden. Weitere Informationen finden Sie auf dieser Dokumentationsseite

Spracherkennung

Die Spracherkennungs-API identifiziert automatisch die Sprache eines Texts (100 Sprachen verfügbar) und gibt die dominante Sprache mit einem Zuversichtlichkeitswert wieder. Weitere Informationen finden Sie auf dieser Dokumentationsseite.

Syntaxanalyse

Die Amazon-Comprehend-Syntax-API bietet Kunden die Möglichkeit, Text mithilfe von Aufgliederung in Token und Parts of Speech (PoS) zu analysieren und Wortgrenzen und Bezeichnungen wie Substantive und Adjektive im Text zu erkennen. Weitere Informationen finden Sie auf dieser Dokumentationsseite.

Topic-Modellierung

Die Topic-Modellierung identifiziert relevante Begriffe oder Themen aus einer Sammlung von Dokumenten, die in Amazon S3 gespeichert ist. Es identifiziert die am häufigsten vorkommenden Themen in der Sammlung und ordnet sie in Gruppen an, bevor es feststellt, welche Dokumente zu welchem Thema gehören. Weitere Informationen finden Sie auf dieser Dokumentationsseite.

  • Beispiel: Wenn Ihre Dokumente (Doc1.txt, Doc2.txt, Doc3.txt und Doc4.txt) in Amazon S3 gespeichert werden und Sie Amazon Comprehend den Speicherort angeben, analysiert Comprehend die Dokumente und gibt zwei Ansichten wieder:

    1. Gruppieren der Schlüsselwörter, die Themen darstellen.

    Jede Gruppe von Schlüsselwörtern ist mit einer Themengruppe verbunden. Die Gewichtung hängt von der Häufigkeit des Schlüsselworts in der Gruppe ab. Schlüsselwörter, deren Gewichtung am nächsten an 1 liegt, geben am meisten Aufschluss über den Kontext der Themengruppe.
    Themengruppe Schlüsselwörter Gewicht
    1 Amazon 0,87
    1 Seattle 0,65
    2 Feiertage 0,78
    2 shoppen 0,67
    Jede Gruppe von Schlüsselwörtern ist mit einer Themengruppe verbunden. Die Gewichtung hängt von der Häufigkeit des Schlüsselworts in der Gruppe ab. Schlüsselwörter, deren Gewichtung am nächsten an 1 liegt, geben am meisten Aufschluss über den Kontext der Themengruppe.

    2. Gruppieren der Dokumente nach Themen.

    Do Themengruppe Ver
    Doc1.txt 1 0,87
    Doc2.txt 1 0,65
    Doc3.txt 2 0,78
    Doc4.txt 2 0,67
    Jedes Dokument wird einer Themengruppe zugeordnet. Entscheidend ist hierbei das Verhältnis der gewichteten Schlüsselwörter einer Themengruppe, die im Dokument vorhanden sind.

Support mehrerer Sprachen

Amazon Comprehend kann Textanalysen für deutschen, englischen, spanischen, italienischen,
portugiesischen, französischen, japanischen, koreanischen, Hindi, Arabischen, chinesischen (vereinfachten), chinesischen (traditionellen) Text durchführen. Um Anwendungen in anderen Sprachen zu erstellen, können Kunden Amazon Translate verwenden, um den Text in eine von Comprehend unterstützte Sprache umzuwandeln und dann mit Comprehend eine Textanalyse durchführen. Weitere Informationen zur Sprachunterstützung finden Sie auf der Dokumentationsseite.

Weitere Informationen über Preise zu Amazon Comprehend

Preisübersicht
Sind Sie startbereit?
Registrieren
Haben Sie noch Fragen?
Kontaktieren Sie uns