Wybierz DWIE: LexaLegal, startup z branży technologii prawniczych, potrzebuje niestandardowego rozpoznawania encji Amazon Comprehend do identyfikowania nazw stron, klauzul prawnych i odniesień do ustaw. Ich zespół ds. etykietowania może albo tworzyć adnotowane dokumenty z zakresami encji, albo tworzyć listy znanych identyfikatorów ustaw. Które dwa podejścia do danych treningowych mogą zastosować podczas tworzenia niestandardowego rozpoznawania encji Comprehend?

Amazon Comprehend Custom Entity Recognition obsługuje dwa główne podejścia do danych treningowych. Pierwsze to dostarczenie adnotowanych dokumentów treningowych, w których zakresy encji (oznaczony tekst) są jawnie wskazane w formacie oczekiwanym przez Comprehend. Jest to standardowa metoda uczenia modelu rozpoznawania encji. Drugie podejście to dostarczenie listy encji (leksykonu), która zawiera znane identyfikatory, takie jak nazwy ustaw. Comprehend może wykorzystać ten leksykon do wzmocnienia rozpoznawania tych konkretnych encji. Przesyłanie plików CSV z tagami obiektów S3 nie jest bezpośrednio obsługiwaną metodą treningu niestandardowego rozpoznawania encji. Wysyłanie surowych plików PDF do Textract bez adnotacji nie tworzy danych treningowych dla Comprehend. Trenowanie wyłącznie na wbudowanych encjach nie jest niestandardowym rozpoznawaniem encji.