Firma chce wykrywać szkodliwe lub toksyczne treści w komentarzach w mediach społecznościowych, ale nie będzie używać etykietowanych danych do trenowania modelu. Jakie podejście powinna zastosować firma, aby zidentyfikować toksyczne treści?

Prawidłowa odpowiedź to użycie wykrywania toksyczności Amazon Comprehend. Amazon Comprehend to usługa przetwarzania języka naturalnego (NLP), która oferuje wstępnie wytrenowane modele do analizy tekstu. Funkcja wykrywania toksyczności w Comprehend jest specjalnie zaprojektowana do identyfikowania szkodliwych, obraźliwych lub toksycznych treści w tekście, bez konieczności trenowania modelu na własnych danych. Jest to idealne rozwiązanie dla firmy, która nie chce używać etykietowanych danych do trenowania. Użycie moderacji Amazon Rekognition jest nieprawidłowe, ponieważ Rekognition służy głównie do analizy obrazów i wideo, a nie tekstu. Użycie wbudowanych algorytmów Amazon SageMaker do trenowania modelu jest nieprawidłowe, ponieważ wymagałoby to użycia etykietowanych danych do trenowania, czego firma chce uniknąć. Amazon Polly służy do zamiany tekstu na mowę i nie ma zastosowania do monitorowania treści tekstowych pod kątem toksyczności.