select TWO: LexaLegal, een legal-tech startup, heeft een Amazon Comprehend custom entity recognizer nodig om partijnamen, juridische clausules en verwijzingen naar wetten te identificeren. Hun labelingteam kan geannoteerde documenten met entiteitsbereiken produceren of lijsten met bekende wetsidentificatoren samenstellen. Welke twee trainingsdata-benaderingen kunnen ze gebruiken bij het maken van een Comprehend custom entity recognizer?

De twee correcte benaderingen voor het trainen van een Amazon Comprehend custom entity recognizer zijn: 1. Geannoteerde trainingsdocumenten leveren: Dit is de primaire methode. U levert documenten aan waarin specifieke tekstgedeelten (entiteitsbereiken) zijn gelabeld met de gewenste entiteitstypen (bijv. "PARTIJNAAM", "JURIDISCHE CLAUSULE", "WETSVERWIJZING"). Comprehend leert patronen uit deze gelabelde voorbeelden om vergelijkbare entiteiten in nieuwe tekst te herkennen. 2. Een entiteitslijst (een lexicon) aanleveren: Voor entiteiten die een vaste of bekende set waarden hebben (zoals specifieke wetsidentificatoren of artikelnummers), kunt u een lijst met deze waarden (een lexicon) opgeven. Comprehend gebruikt deze lijst om de herkenning van deze specifieke entiteiten te verbeteren en te valideren. De andere opties zijn onjuist omdat: S3 object tags zijn niet bedoeld voor het annoteren van entiteitsbereiken binnen documenten. Ruwe Textract-output is onvoldoende; deze moet nog worden geannoteerd om Comprehend te trainen. Alleen de ingebouwde entiteiten gebruiken voldoet niet aan de eis om aangepaste entiteiten te herkennen.