问题标签 [amazon-comprehend]

有没有办法知道理解异步作业何时完成？

例如：

我需要在完成后读取情绪分析作业的输出，而不是通过阻止程序并等待。我认为应该有一种方法来触发 lambda 函数或类似的东西。

请注意，当作业完成时，它会将结果写入名为 output.tar.gz 的文件中的 s3_bucket

谢谢。

我的理解有问题：我需要知道工作什么时候完成。领悟有 10 个工作的限制。为了运行新工作，我必须知道完成旧工作。我该怎么做？在 s3 输出存储桶中检查文件的创建是不合适的，因为当文件已经创建时，作业的 IN_PROGRESS 状态仍然大约 2 分钟。因此我无法运行新工作。

是否有任何可用的工具/库（最好是已建立/可靠的商业产品或开源）可以从纯文本中提取结构化数据？通常纯文本包含布尔或数学操作数，如（AND、OR、BETWEEN 等）。

我喜欢 AWS Comprehend，但我不确定它是否可以轻松用于此任务。

我对 AWS Comprehend 还很陌生。我知道 AWS Comprehend 可以自定义分类文档（文本文件）。AWS Comprehend 是否也对图像文件进行分类？此外，在训练模型时，是否有必要在 CSV 中提供整个文档文本，还是只使用关键字？

原因是，我想构建一个自定义分类器，可以对发票、付款存根和其他一些图像格式的此类文档类型进行分类。领悟能做到吗？如果有怎么办？

谷歌搜索了很多，但找不到任何相关的东西。非常感谢您对此的帮助。

谢谢！

我想以编程方式估算调用 AWS Comprehend Sentiment API 的成本。我搜索了 SO 和AWS 计算器，但找不到方法。此外，我确信我将发送大量文本的成本会很小，但我真的很想知道。

根据此处的定价信息，我编写了以下代码。这是对的吗？

AWS 文档明确列出了此处记录的 API 调用：Logging Amazon Comprehend API Calls with AWS CloudTrail，它们似乎不包括在内，但同时这里有一个示例：Logging Amazon Comprehend Medical API Calls by Using AWS CloudTrail显示 DetectEntities。

我想将医学测试加载到 S3，使用 AWS Textract 对其进行分析，提取表格并发送到 AWS Comprehend Medical。出于某种原因，运行大约需要 6-8 秒。

这是我到目前为止所做的，将感谢您的建议，或者也许有一个带有工作解决方案的回购。

示例图片：

I am using Amazon Textract to analyse anonymous blood tests. It consists of markers, their values, units, ref interval.

I want to extract them into a dictionary like this:

Here is an example of such OCR produced text:

Please advise what is the best way to extract this information, I have tried Amazon Comprehend medical - it does the job but not for all images. Tried SpaCy: https://github.com/NLPatVCU/medaCy, https://towardsdatascience.com/named-entity-recognition-with-nltk-and-spacy-8c4a7d88e7da

应用调用 AWS API 的 Pyspark UDF 时，出现错误

代码是

其中df.Conversa包含简短的简单字符串。请问，我该如何解决这个问题？或者有什么替代方法？

我有一个带有推文的数据框。每行对应 1 条推文。我可以使用 AWS Comprehend batch_detect_key_phrases() 获取关键短语。batch_detect_key_phrases() 在负载中返回一个 ResultList 和 ErrorList。为了将关键短语结果合并回数据框中，它们需要与原始推文对齐，因此我需要保持 ResultList 和 ErrorList 对齐。

第267 行的代码分别处理 ErrorList 和 ResultList。

根据 Python Boto 文档，“ErrorList (list) - 一个列表，其中包含每个包含错误的文档的一个对象。结果按索引字段按升序排序，并与输入列表中文档的顺序相匹配。 ..”

我在下面编写的代码使用 ResultList 和 ErrorList 索引号来确保它们被正确地合并到一个 keyPhrases 列表中，然后该列表将被合并回原始数据框。本质上，keyPhrases[0] 是与数据帧第 0 行关联的关键短语。如果在处理推文时出现错误，则会将占位符错误消息添加到数据帧中的该行。

我认为我可以保持 ResultList 和 ErrorList 对齐的唯一另一种方法是将 2 个列表合并到一个更大的列表中，该列表按它们各自的索引升序排列。接下来，我将处理该 1 个更大的列表。

是否有更简单的方法来处理 ResultList 和 ErrorList 以使它们保持对齐？