Uma empresa precisa extrair entidades nomeadas de um PDF para treinar um classificador. Qual abordagem extrairá essas entidades e as salvará no menor tempo possível?

A opção correta é usar o Amazon Comprehend para extrair as entidades e armazenar a saída no Amazon S3. O Amazon Comprehend é um serviço de processamento de linguagem natural (NLP) que pode identificar entidades nomeadas (como pessoas, locais, organizações) diretamente de documentos. Ele é otimizado para essa tarefa e oferece uma solução rápida e eficiente. As outras opções são menos eficientes ou incorretas para este cenário: Executar uma ferramenta de OCR de código aberto no Amazon SageMaker exigiria desenvolvimento e configuração adicionais, sendo mais demorado. Usar o Amazon Textract para extrair entidades e depois o Amazon Comprehend para converter o conteúdo extraído em texto é redundante e incorreto, pois o Textract já extrai texto. A extração de entidades é a função principal do Comprehend. Usar o Amazon Textract com o Amazon Augmented AI (A2I) é útil para extrair texto e dados de formulários, e o A2I para revisão humana, mas não é a ferramenta principal para extração de entidades nomeadas de forma autônoma e rápida. O Comprehend é o serviço especializado para isso.