Una empresa minorista recopila comentarios de clientes de redes sociales, su sitio web y registros de llamadas. Cada mención de producto puede pertenecer a múltiples categorías (etiquetas) definidas por la empresa que no son mutuamente excluyentes. Por ejemplo, una mención de “Sample Yogurt” debe etiquetarse como "yogurt", "snack" y "dairy product". Usando Amazon Comprehend y necesitando la entrega más rápida, ¿qué característica debería usar el equipo para entrenar su modelo?

La clasificación personalizada en modo multietiqueta es la opción correcta porque permite asignar múltiples categorías (etiquetas) no excluyentes a un solo documento de texto, lo cual se alinea perfectamente con el requisito de etiquetar una mención de producto con varias categorías como "yogurt", "snack" y "dairy product". El modo multiclase es incorrecto porque asume que cada documento pertenece a una única categoría. El reconocimiento de entidades personalizado es para identificar y extraer entidades específicas (como nombres de productos o personas), no para clasificar el texto en categorías. Los modelos preconstruidos de Comprehend son útiles para tareas generales, pero no pueden manejar las categorías personalizadas y específicas de la empresa.