ある小売企業では現在、オペレーターが顧客からのクレームを手動で分類し、各クレーム記録（そのカテゴリを含む）を中央データベースに保存しています。この企業にはデータサイエンスチームがなく、機械学習の専門知識を必要とせずに、受信したクレームを自動的に分類してキューにルーティングするソリューションが必要です。これらの制約を満たすアプローチはどれですか？

このアプローチは、データサイエンスチームや機械学習の専門知識がないという制約を満たします。Amazon Comprehendカスタム分類は、テキスト分類モデルをトレーニングするためのコード不要のソリューションを提供し、既存のラベル付きデータ（claimlabelとclaimtext）を直接利用できます。トレーニングされたモデルはComprehend APIを通じて簡単に統合でき、受信したクレームの自動分類とルーティングを可能にします。 他の選択肢が不適切な理由は次のとおりです。 SageMaker Object2Vecは、機械学習の専門知識を必要とし、カスタム分類の直接的な解決策ではありません。 SageMaker LDAはトピックモデリングに使用され、既存のラベルを利用した分類には適していません。また、LDAはラベルを自動的に「検出」するものであり、既存のカテゴリに分類するものではありません。 Amazon Textractは画像やPDFからのテキスト抽出ツールであり、データベースからのデータ抽出には使用されません。