法律科技新創公司 LexaLegal 需要一個 Amazon Comprehend 自訂實體辨識器，以識別當事人名稱、法律條款和法規參考。他們的標記團隊可以產生帶有實體範圍的註釋文件，或整理已知法規識別碼的清單。在建立 Comprehend 自訂實體辨識器時，他們可以使用哪兩種訓練資料方法？

Amazon Comprehend 自訂實體辨識器支援兩種主要的訓練資料方法。第一種是提供帶有實體範圍標記的註釋訓練文件，這些文件明確指出每個實體的開始和結束位置。這是訓練自訂模型以識別新實體類型最常見且有效的方法。第二種方法是提供包含已知實體（例如法規識別碼）的實體清單（詞彙表）。Comprehend 可以利用此詞彙表來增強其識別這些特定實體的能力，即使它們在註釋文件中出現的頻率不高。 上傳文件 S3 物件標籤的 CSV 不適用於訓練 Comprehend 自訂實體辨識器，因為 Comprehend 需要文件內容本身的實體標記，而不是 S3 物件的元數據標籤。將原始 PDF 傳送至 Amazon Textract 並直接使用其輸出作為訓練資訊清單是不足夠的，因為 Textract 主要用於文本提取，而 Comprehend 需要明確的實體註釋才能進行訓練。僅使用 Amazon Comprehend 內建的預先訓練實體無法建立自訂實體辨識器，因為其目的是識別新的、特定領域的實體類型。