Amazon Comprehend の機能

キーフレーズ抽出

• 例: この例では、お客様が DSLR カメラとインスタントフィルムカメラを比較しています。API はキーフレーズを抽出し、キーフレーズが繰り返される回数を数え、結果についての信頼性スコアを返します。
  

  サンプルテキスト: 私は熱心な写真家です。主に、DSLR か、気軽に持ち歩けるインスタントフィルムカメラで撮影しています。能力と利便性で DSLR に勝るものはありませんが、インスタントフィルムカメラには魔法のようなものがあります。おそらくそれは、実際のフィルムで撮影していることや、撮影したすべてのショットが唯一無二の物理的な人工物であることかもしれません (写真がありふれたものである今日の Instagram や Facebook の世界では特殊なことです)。私が確かだとわかっていることは、それらの写真は信じられないほど楽しく利用でき、そのうちの 1 枚をパーティーで取り出すと人々の目が明るくなることです。
  

  キーフレーズ	カウント	信頼性
  熱心な写真家	1	0.99
  DSLR	2	0.97
  インスタントフィルムカメラ	2	0.99
  気軽に	1	0.99
  能力と利便性	1	0.94
  実際のフィルム	1	0.99
  すべてのショット	1	0.92
  唯一無二の物理的な人工物	1	0.99
  today	1	0.91
  world	1	0.99
  Instagram や Facebook	1	0.99

感情分析

• 例: この例では、お客様が 1 足の靴についてのフィードバックを投稿しています。API は、信頼性スコアとともにお客様が表している感情を識別します。
  

  サンプルテキスト: 私が注文したのは S です。それがぴったり合うと思っていたのですが、M-L のようにやや大きめでした。品質は素晴らしいものでした。写真よりも明るい茶色ですが、かなり近い色です。内側に綿やウールの裏地が付いていれば 10 倍も良いものになるでしょう。
  

  感情	スコア
  混在	0.89
  肯定的	0.09
  否定的	0.01
  普通	0.00

構文解析

• 例: この例では、Comprehend Syntax API を使用して短いドキュメントを分析します。Syntax API は、テキストをトークン分割 (単語境界を定義) して、名詞や動詞などの関連する品詞で各単語にラベルを付けます。開始や終了のオフセットがないためにテキスト内での単語の位置がわかるだけでなく、信頼性スコアも提供します。

  サンプルテキスト: I love my fast, new Kindle Fire!

  テキスト	タグ
  I	代名詞
  Love	動詞
  My	代名詞
  Fast	形容詞
  ,	句読点
  New	形容詞
  Kindle	固有名詞
  Fire	固有名詞
  !	句読点

エンティティ認識

• 例: この例では、会社の説明を見ています。API は、「組織」、「日付」、「位置」のようなエンティティを識別し、エンティティが言及された回数を数え、信頼性スコアを返します。
  

  サンプルテキスト: Amazon.com, Inc. はワシントン州シアトルにあり、1994 年 7 月 5 日にジェフ・ベゾス氏によって設立されました。顧客は書籍からブレンダーまであらゆるものを購入できます。シアトルはポートランドの北、ブリティッシュコロンビア州バンクーバーの南にあります。シアトルに本拠を置くその他の有名企業は、スターバックスとボーイングです。
  

  エンティティ	カテゴリ	カウント	信頼性
  Amazon.com, Inc.	組織	1	0.96
  ワシントン州シアトル	位置	1	0.96
  1994 年 7 月 5 日	日付	1	0.99
  ジェフ・ベゾス	人	1	0.99
  シアトル	位置	2	0.98
  ポートランド	位置	1	0.99
  ブリティッシュコロンビア州バンクーバー	位置	1	0.97
  スターバックス	組織	1	0.91
  ボーイング	組織	1	0.99

言語の検出

• 例: この例では、API はテキストを解析し、信頼性スコアとともにテキストの主要言語をイタリア語として識別することができます。

  サンプルテキスト: 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 言語コード	言語	信頼性
  それ	イタリア語	1.0

トピックモデル

• 例: ドキュメント (Doc1.txt、Doc2.txt、Doc3.txt、および Doc4.txt) が Amazon S3 に保存されているときに、Amazon Comprehend をその位置にポイントすると、Comprehend はドキュメントを分析して 2 つのビューを返します。
  

  1. トピックであるキーワードのグループ化。

  キーワードの各グループはトピックグループに関連付けられています。重みは、グループ内のキーワードの出現頻度を指します。重みが 1 に最も近いキーワードは、トピックグループのコンテキストを最もよく表しています。

  トピックグループ	キーワード	重量
  1	Amazon	0.87
  1	シアトル	0.65
  2	休日	0.78
  2	ショッピング	0.67

  キーワードの各グループはトピックグループに関連付けられています。重みは、グループ内のキーワードの出現頻度を指します。重みが 1 に最も近いキーワードは、トピックグループのコンテキストを最もよく表しています。

  2. トピックによるドキュメントのグループ化。

  ドキュメント名	トピックグループ	比率
  Doc1.txt	1	0.87
  Doc2.txt	1	0.65
  Doc3.txt	2	0.78
  Doc4.txt	2	0.67

  各ドキュメントは、ドキュメント内に存在するトピックグループの重み付けされたキーワードの比率に基づいて、トピックグループにマップされます。

多言語サポート