Firma detaliczna zbiera komentarze klientów z mediów społecznościowych, swojej strony internetowej i rejestrów połączeń. Każda wzmianka o produkcie może należeć do wielu zdefiniowanych przez firmę kategorii (etykiet), które nie wykluczają się wzajemnie. Na przykład, wzmianka o „Sample Yogurt” powinna być oznaczona jako „yogurt”, „snack” i „dairy product”. Korzystając z Amazon Comprehend i potrzebując najszybszej dostawy, której funkcji powinien użyć zespół do trenowania swojego modelu?

Poprawną opcją jest niestandardowa klasyfikacja w trybie wieloetykietowym (multi-label mode). Problem wymaga przypisania wielu, niewykluczających się wzajemnie kategorii (etykiet) do pojedynczej wzmianki o produkcie, co jest dokładnie tym, do czego służy tryb wieloetykietowy w niestandardowej klasyfikacji Amazon Comprehend. Tryb wieloklasowy (multi-class mode) jest przeznaczony do sytuacji, gdy każda instancja należy do dokładnie jednej z wielu wzajemnie wykluczających się klas. Niestandardowe rozpoznawanie encji (custom entity recognition) służy do identyfikowania konkretnych typów encji (np. nazw produktów, lokalizacji), a nie do klasyfikowania całych wzmianek. Wstępnie zbudowane modele Comprehend (pre-built models) są ogólne i nie pozwalają na definiowanie niestandardowych, specyficznych dla firmy kategorii, co jest kluczowe w tym scenariuszu.