将Ground Truth pdf标记任务的输出传递给Comprehend自定义实体训练。
【以下的问题经过翻译处理】 我想进行PDF解析并识别自定义命名实体。为此，我按照此链接设置了Ground Truth以手动标记几个pdf文件-<https：//docs.aws.amazon.com/comprehend/latest/dg/cer-annotation-pdf.html>。
它创建了一个output文件夹，在此文件夹内又创建了另一个名称为<job-id>的文件夹，在<job-id>文件夹中又包含manifests和annotations文件夹。当我尝试设置Comprehend Custom Entity Recognition Job时，它会要求一堆输入位置。我不知道这些字段的值。从S3存储桶中的输出中，我得到以下字段，不知道属性名称是什么。
- SageMaker Ground Truth的augmented manifest文件S3位置 s3://comprehend-semi-structured-docs-<region> - <id> /output/labeling-job-20221025T135656/manifests/output/output.manifest 2.标签数据文件的S3前缀 s3://comprehend-semi-structured-docs-<region>-<id> /output/labeling-job-20221025T135656/annotations 3.源文档的S3前缀 s3://comprehend-semi-structured-docs-<region>-<id>/src 4.属性名称 - ？ 有人可以分享有关PDF注释和类似于PDF输入的训练的博客文章或一些视频教程吗？
- 最新
- 投票最多
- 评论最多
【以下的回答经过翻译处理】 一些答案可以在这两个博客中找到：
在标注完所有页面后，您可以在Amazon S3的s3：//comprehend-semi-structured-docs-<AWS Region>-<AWS Account number> /output/<your labeling job>/annotations/consolidated-annotation/consolidation-response/iteration-1/annotations/找到JSON格式的标注。
您可以在s3://comprehend-semi-structured-docs-<AWS Region>-<AWS Account number>/output/<your labeling job>/manifests/output/找到output manifest文件。
属性名称为labeling-job-name-123。
Comprehend训练输入位置字段
SageMaker Ground Truth的augmented manifest file在S3中的位置： s3://comprehend-semi-structured-docs-<region>-<id>/output/resume-labeling-job-20221025T135656/manifests/output/output.manifest
标签数据文件的S3前缀： s3://comprehend-semi-structured-docs-<region>-<id>/output/resume-labeling-job-20221025T135656/annotations
源文件的S3前缀： s3：//comprehend-semi-structured-docs-<region>-<id>/src
属性名称将是Ground Truth作业名称。
相关内容
AWS 官方已更新 1 年前- AWS 官方已更新 2 年前
- AWS 官方已更新 2 年前
- AWS 官方已更新 2 年前
