Amazon Comprehend est un service de traitement du langage naturel (NLP) qui utilise le machine learning pour identifier les informations d'un texte. Amazon Comprehend fournit des API de reconnaissance d'entités personnalisées, de classification personnalisée, d'extraction de phrases clés, d'analyse des sentiments, de reconnaissance d'entités et plus encore pour vous permettre d'intégrer facilement un traitement du langage naturel à vos applications. Vous devez simplement appeler les API d'Amazon Comprehend dans votre application, et leur fournir l'emplacement du document ou du texte source. Les API génèreront des entités, des expressions clés, des sentiments et des langues au format JSON, que vous pouvez utiliser dans votre application.

Reconnaissance d'entités personnalisées

La reconnaissance d'entités personnalisées vous permet de personnaliser Amazon Comprehend afin d'identifier les termes spécifiques à votre domaine. Avec AutoML, Comprehend apprend à partir de quelques exemples (tels qu'une liste de numéros de polices, des numéros de demandes ou des SSN). Ensuite, le service entraîne un modèle privé personnalisé pour reconnaître ces termes (par exemple des numéros de demandes) dans n'importe quel autre bloc de texte dans des documents au format PDF, texte brut ou Microsoft Word, sans nécessité du machine learning. Pour plus d'informations, consultez cette page de documentation

Classification personnalisée

L'API de classification personnalisée vous permet de créer facilement des modèles de classification de texte personnalisés l'aide des étiquettes de votre entreprise, sans devoir apprendre de Machine Learning. Par exemple, votre organisation de support à la clientèle peut utiliser la classification personnalisée pour classer automatiquement les demandes entrantes par type de problème en fonction de la manière dont le client a décrit le problème.  Avec votre modèle personnalisé, il est facile de modérer les commentaires de sites Web, de trier les commentaires des clients et d'organiser les documents des groupes de travail. Pour plus d'informations, consultez cette page de documentation.

Reconnaissance d'entité

L'API de reconnaissance d'entités extrait les entités nommées (« personnes », « endroits », « lieux », etc.), qui sont automatiquement classées en fonction du texte fourni. Pour plus d'informations, consultez cette page de documentation.

Analyse des sentiments

L'API d'analyse des sentiments extrait le sentiment général qui se dégage d'un texte (positif, négatif, sans opinion ou mitigé). Pour plus d'informations, consultez cette page de documentation

Sentiment ciblé

Le sentiment ciblé fournit des informations plus granulaires sur les sentiments en identifiant le sentiment (positif, négatif, neutre ou mixte) à l'égard des entités dans le texte. Pour plus d'informations, consultez cette page de documentation.

Identification ou rédaction de PII

Utilisez les fonctionnalités de ML d'Amazon Comprehend pour détecter et rédiger des données d'identification personnelle (PII) dans les e-mails des clients, les tickets de support, les commentaires sur les produits, les réseaux sociaux et bien plus encore. Aucune expérience en ML n'est requise. Par exemple, vous pouvez analyser les tickets de support et les articles de bases de connaissances pour détecter les entités PII et rédiger le texte avant d'indexer les documents dans la solution de recherche. Ensuite, les solutions de recherche ne contiennent plus de PII dans les documents. La rédaction d'entités PII vous aide à protéger la confidentialité et à être conforme aux lois et réglementations locales. Pour plus d'informations, consultez cette page de documentation.

Extraction de phrases clés

L'API d'extraction de phrases clés génère des expressions ou des sujets de discussion clés, ainsi qu'un indice de fiabilité qui vient confirmer l'importance de l'expression. Pour plus d'informations, consultez cette page de documentation.

  • Exemple : dans cet exemple, un client compare son appareil photo reflex numérique à un appareil photo instantané. L’API extrait les expressions clés et renvoie un score de fiabilité sur les résultats.

    Modèle de texte : je suis passionné de photographie, et je me sers très souvent de mon appareil photo reflex numérique ou de mon appareil photo instantané, que j'emporte avec moi car j'en fais un usage occasionnel. Bien que la performance et la commodité de mon appareil photo reflex numérique soient inégalables, l'appareil photo instantané est pour moi synonyme de magie. Peut-être que c'est le fait de prendre des photos sur une véritable pellicule, ou de savoir que chaque cliché donne un objet physique unique (et c'est un phénomène spécial dans le monde d'aujourd'hui, où l'on trouve des photos à la pelle sur Instagram et Facebook). Ce dont je suis sûr, c'est que ces photos sont très amusantes à prendre, et que les yeux des gens s'illuminent quand vous sortez un appareil photo instantané lors d'une fête.

    Expressions clés Fiabilité
    passionné de photographie 0,99
    mon appareil photo reflex numérique 0,97
    mon appareil photo instantané 0,99
    usage occasionnel 0,99
    performance et commodité 0,94
    véritable pellicule 0,99
    chaque cliché 0,92
    un artefact physique unique 0,99
    aujourd'hui 0,91
    monde 0,99
    Instagram et Facebook 0,99

Détection des événements

Comprehend Events vous permet d'extraire la structure de l'événement à partir d'un document en regroupant des pages de texte pour que vos applications d'IA ou vos outils de visualisation des graphiques puissent facilement traiter les données à des fins de consommation. Cette API vous permet de répondre aux questions qui-quoi-quand-où sur de grands ensembles de documents, à grande échelle et sans expérience préalable en traitement du langage naturel (NLP). Utilisez Comprehend Events pour extraire des détails précis sur les événements du monde réel et les entités associées exprimés dans les textes non structurés. Pour plus d'informations, consultez cette page de documentation

Détection de la langue

L'API de détection de la langue identifie automatiquement un texte rédigé dans plus de 100 langues et extrait la langue dominante, ainsi qu'un indice de fiabilité confirmant la prédominance de cette langue. Pour plus d'informations, consultez cette page de documentation.

Analyse syntaxique

L'API Amazon Comprehend Syntax permet aux clients d'analyser le texte en utilisant un système de création de jeton et de parties du discours (PoS), et identifie les limites des mots et leur attribue une étiquette, telle que les noms et les adjectifs dans le texte. Pour plus d'informations, consultez cette page de documentation.

Modélisation de thèmes

La modélisation de rubriques identifie des termes ou des sujets pertinents dans une collection de documents stockés sur Amazon S3. Elle identifie les rubriques les plus courantes de la collection et les classe par groupes avant d'associer tel ou tel document à une rubrique. Pour plus d'informations, consultez cette page de documentation.

  • Exemple : si vos documents (Doc1.txt, Doc2.txt, Doc3.txt et Doc4.txt) sont stockés sur Amazon S3, et si vous indiquez leur emplacement à Amazon Comprehend, le service va analyser les documents et en extraire deux vues :

    1. Regroupement de mots clés qui constituent des rubriques.

    Chaque groupe de mots clés est associé à un groupe de rubriques. La pondération fait référence à la prévalence d'un mot clé au sein du groupe. Les mots clés qui possèdent le poids le plus proche de 1 sont ceux qui en révèlent le plus sur le contexte du groupe de rubriques.
    Groupe de rubriques Mots clés Poids
    1 Amazon 0,87
    1 Seattle 0,65
    2 Vacances 0,78
    2 Shopping 0,67
    Chaque groupe de mots clés est associé à un groupe de rubriques. La pondération fait référence à la prévalence d'un mot clé au sein du groupe. Les mots clés qui possèdent le poids le plus proche de 1 sont ceux qui en révèlent le plus sur le contexte du groupe de rubriques.

    2. Regroupement des documents par rubriques.

    Nom du document Groupe de rubriques Proportion
    Doc1.txt 1 0,87
    Doc2.txt 1 0,65
    Doc3.txt 2 0,78
    Doc4.txt 2 0,67
    Chaque document est associé à un groupe de rubriques en fonction de la proportion des mots clés pondérés du groupe de rubriques présents dans le document.

Support multilingue

Amazon Comprehend peut effectuer des analyses sur des textes écrits en allemand, en anglais, en espagnol, en italien,
en portugais, en français, en japonais, en coréen, en hindi, en arabe, en chinois (simplifié) et en chinois (traditionnel). Pour créer des applications dans d'autres langues, les clients peuvent utiliser Amazon Translate pour traduire le texte dans une langue prise en charge par Comprehend, puis utiliser Comprehend pour analyser le texte. Pour plus de détails sur le support multilingue, veuillez consulter la page de documentation.

En savoir plus sur la tarification d'Amazon Comprehend

Visiter la page de tarification
Prêt à vous lancer ?
S'inscrire
D'autres questions ?
Contactez-nous