某企業需要從 PDF 中提取具名實體，以訓練分類器。哪種方法能以最短的時間提取這些實體並儲存？

正確答案是使用 Amazon Comprehend 提取實體，並將輸出儲存到 Amazon S3。Amazon Comprehend 是一項自然語言處理 (NLP) 服務，可以直接從非結構化文字中識別具名實體，例如人名、地點和組織。PDF 檔案通常包含文字層，Comprehend 可以直接處理這些文字層，因此這是最快速且最直接的方法。將結果儲存到 Amazon S3 是儲存大量資料的標準且具成本效益的方式。 在 Amazon SageMaker 上執行開源 OCR 工具需要額外的設定和管理，不如 Comprehend 快速。Amazon Textract 雖然擅長從影像或掃描的 PDF 中提取文字，但它不直接執行具名實體辨識 (NER)。選項三錯誤地建議在 Textract 之後使用 Comprehend 將「提取的內容轉換為文字」，Textract 本身就輸出文字。選項四提及 Amazon Augmented AI (A2I)，這是一個用於人類審查的服務，對於自動化實體提取而言是不必要的步驟，會增加時間和複雜性。