Uma empresa de varejo coleta comentários de clientes de mídias sociais, seu site e registros de chamadas. Cada menção de produto pode pertencer a várias categorias (rótulos) definidas pela empresa que não são mutuamente exclusivas. Por exemplo, uma menção de “Sample Yogurt” deve ser rotulada como "yogurt", "snack" e "dairy product". Usando o Amazon Comprehend e precisando da entrega mais rápida, qual recurso a equipe deve usar para treinar seu modelo?

A classificação personalizada no modo multi-label é a escolha correta porque permite associar múltiplas categorias (rótulos) a um único item de texto, o que é essencial para o cenário descrito onde uma menção de produto pode pertencer a várias categorias não mutuamente exclusivas (ex: "yogurt", "snack", "dairy product"). O Amazon Comprehend Custom Classification oferece essa funcionalidade. A classificação personalizada no modo multi-class seria inadequada, pois assume que cada item pertence a apenas uma categoria. O reconhecimento de entidade personalizado é para identificar e extrair entidades específicas (pessoas, locais, produtos), não para classificar o texto em categorias. Modelos Comprehend pré-construídos não permitem a definição de categorias personalizadas específicas da empresa.