某團隊將對文字進行詞性標註和關鍵詞彙擷取預處理，然後將處理後的文字輸入到一個已使用 Apache MXNet 實作和訓練的自訂分類器。哪種方法能讓團隊最快交付此解決方案？

此方案結合了託管服務的效率和自訂模型的靈活性。Amazon Comprehend 提供了預訓練的 NLP 功能，例如詞性標註和關鍵詞彙擷取，無需額外開發。團隊現有的 MXNet 分類器可以透過 AWS Deep Learning Containers 部署在 SageMaker 上，利用其託管訓練和推論功能，快速將現有模型投入生產。 其他選項的錯誤原因： 選項一：Amazon Comprehend 雖然提供分類功能，但團隊已有自訂的 MXNet 分類器，直接使用 Comprehend 的分類可能無法滿足其特定需求或無法利用現有模型。 選項二：在 SageMaker 中使用 NLP 函式庫進行詞性標註會增加開發和維護工作，而 Amazon Comprehend 提供了更簡便的託管服務。 選項三：LDA (Latent Dirichlet Allocation) 是一種主題模型演算法，通常用於發現文件中的抽象「主題」，而非直接用於分類，且團隊已有自訂的 MXNet 分類器，無需替換。