한 소매 회사가 소셜 미디어, 웹사이트 및 통화 기록에서 고객 의견을 수집합니다. 각 제품 언급은 상호 배타적이지 않은 여러 회사 정의 카테고리(레이블)에 속할 수 있습니다. 예를 들어, “Sample Yogurt”에 대한 언급은 "yogurt", "snack", "dairy product"로 레이블이 지정되어야 합니다. Amazon Comprehend를 사용하고 가장 빠른 제공이 필요한 경우, 팀은 모델을 훈련하기 위해 어떤 기능을 사용해야 할까요?

정답은 "다중 레이블 모드의 사용자 지정 분류"입니다. 문제에서 각 제품 언급이 여러 회사 정의 카테고리(레이블)에 속할 수 있다고 명시되어 있습니다. 이는 단일 텍스트 조각에 여러 레이블을 할당하는 다중 레이블 분류 작업에 해당합니다. Amazon Comprehend의 사용자 지정 분류 기능은 이러한 요구 사항을 충족하며, 특히 다중 레이블 모드는 텍스트에 여러 레이블을 동시에 부여할 수 있도록 설계되었습니다. "다중 클래스 모드의 사용자 지정 분류"는 각 텍스트 조각이 단 하나의 카테고리에만 속할 수 있을 때 사용됩니다. "사용자 지정 엔터티 인식"은 텍스트 내에서 특정 유형의 엔터티(예: 제품 이름, 위치)를 식별하는 데 사용되며, 카테고리 분류와는 다릅니다. "사전 구축된(내장된) Comprehend 모델"은 일반적인 사용 사례에 유용하지만, 회사 정의의 특정 카테고리에는 맞춤형 훈련이 필요합니다.