Seleziona DUE: LexaLegal, una startup legal-tech, necessita di un riconoscitore di entità personalizzato di Amazon Comprehend per identificare nomi di parti, clausole legali e riferimenti a statuti. Il loro team di etichettatura può produrre documenti annotati con intervalli di entità o curare elenchi di identificatori di statuti noti. Quali due approcci ai dati di training possono utilizzare durante la creazione di un riconoscitore di entità personalizzato di Comprehend?

Amazon Comprehend Custom Entity Recognition supporta due metodi principali per il training. Il primo è fornire documenti di training annotati (testo etichettato), dove si specificano gli intervalli di testo e i tipi di entità corrispondenti all'interno dei documenti. Questo è ideale per identificare entità complesse come nomi di parti o clausole legali. Il secondo metodo è fornire un elenco di entità (un lessico), che è un elenco predefinito di termini noti per un tipo di entità specifico, come gli identificatori di statuti. Questo aiuta il modello a riconoscere istanze esatte di questi termini. Le altre opzioni non sono metodi di training diretti per il riconoscimento di entità personalizzato di Comprehend: i tag S3 non sono un formato di training, l'output grezzo di Textract richiede annotazioni, e l'uso solo di entità pre-addestrate non è "personalizzato".