Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
# Analyse in Echtzeit ausführen
Nachdem Sie einen benutzerdefinierten Klassifikator trainiert haben, können Sie Dokumente mithilfe von Echtzeitanalysen klassifizieren. Bei der Echtzeitanalyse wird ein einzelnes Dokument als Eingabe verwendet und die Ergebnisse werden synchron zurückgegeben. Die benutzerdefinierte Klassifizierung akzeptiert eine Vielzahl von Dokumenttypen als Eingaben für die Echtzeitanalyse. Details hierzu finden Sie unter [Eingaben für benutzerdefinierte Analysen in Echtzeit](idp-inputs-sync.md).
Wenn Sie Bilddateien oder gescannte PDF-Dokumente analysieren möchten, muss Ihre IAM-Richtlinie die Erlaubnis zur Verwendung von zwei Amazon Textract Textract-API-Methoden (DetectDocumentText und AnalyzeDocument) gewähren. Amazon Comprehend ruft diese Methoden während der Textextraktion auf. Eine Beispielrichtlinie finden Sie unter [Für die Durchführung von Dokumentenanalyseaktionen erforderliche Berechtigungen](security_iam_id-based-policy-examples.md#security-iam-based-policy-perform-cmp-actions).
Sie müssen einen Endpunkt erstellen, um Echtzeitanalysen mithilfe eines benutzerdefinierten Klassifizierungsmodells durchzuführen.
**Topics**
+ [Echtzeitanalyse für benutzerdefinierte Klassifizierung (Konsole)](custom-sync.md)
+ [Echtzeitanalyse für benutzerdefinierte Klassifizierung (API)](class-sync-api.md)
+ [Ergebnisse für Echtzeitanalysen](outputs-class-sync.md)
# Echtzeitanalyse für benutzerdefinierte Klassifizierung (Konsole)
Sie können die Amazon Comprehend verwenden, um Echtzeitanalysen mithilfe eines benutzerdefinierten Klassifizierungsmodells durchzuführen.
Sie erstellen einen Endpunkt, um die Echtzeitanalyse auszuführen. Ein Endpunkt umfasst verwaltete Ressourcen, die Ihr benutzerdefiniertes Modell für Inferenzen in Echtzeit verfügbar machen.
Informationen zur Bereitstellung des Endpunktdurchsatzes und zu den damit verbundenen Kosten finden Sie unter. [Verwenden von Amazon Comprehend Comprehend-Endpunkten](using-endpoints.md)
**Topics**
+ [Einen Endpunkt für die benutzerdefinierte Klassifizierung erstellen](#create-endpoint)
+ [Ausführung einer benutzerdefinierten Klassifizierung in Echtzeit](#cc-real-time-analysis)
## Einen Endpunkt für die benutzerdefinierte Klassifizierung erstellen
**Um einen Endpunkt (Konsole) zu erstellen**
1. Melden Sie sich bei der Amazon Comprehend Comprehend-Konsole an AWS-Managementkonsole und öffnen Sie sie unter [https://console.aws.amazon.com/comprehend/](https://console.aws.amazon.com/comprehend/)
1. Wählen Sie im linken Menü **Endpoints** und klicken Sie auf die Schaltfläche **Create** Endpoint. Ein Bildschirm „**Endpunkt erstellen**“ wird geöffnet.
1. Geben Sie dem Endpunkt einen Namen. Der Name muss innerhalb der aktuellen Region und des aktuellen Kontos eindeutig sein.
1. Wählen Sie ein benutzerdefiniertes Modell aus, an das Sie den neuen Endpunkt anhängen möchten. In der Dropdownliste können Sie nach dem Modellnamen suchen.
**Anmerkung**
Sie müssen ein Modell erstellen, bevor Sie ihm einen Endpunkt zuordnen können. Wenn Sie noch kein Modell haben, finden Sie weitere Informationen unter[Modelle zur Trainingsklassifizierung](training-classifier-model.md).
1. (Optional) Um dem Endpunkt ein Tag hinzuzufügen, geben Sie unter **Tags** ein Schlüssel-Wert-Paar ein und wählen Sie Tag **hinzufügen** aus. **Um dieses Paar vor der Erstellung des Endpunkts zu entfernen, wählen Sie Tag entfernen**
1. Geben Sie die Anzahl der Inferenzeinheiten (IUs) ein, die dem Endpunkt zugewiesen werden sollen. Jede Einheit entspricht einem Durchsatz von 100 Zeichen pro Sekunde für bis zu zwei Dokumente pro Sekunde. Informationen zum Endpunktdurchsatz finden Sie unter[Verwenden von Amazon Comprehend Comprehend-Endpunkten](using-endpoints.md).
1. (Optional) Wenn Sie einen neuen Endpunkt erstellen, haben Sie die Möglichkeit, den IU-Schätzer zu verwenden. Abhängig vom Durchsatz oder der Anzahl der Zeichen, die Sie pro Sekunde analysieren möchten, kann es schwierig sein, zu wissen, wie viele Inferenzeinheiten Sie benötigen. Dieser optionale Schritt kann Ihnen dabei helfen, die Anzahl der anzufordernden Daten IUs zu bestimmen.
1. Prüfen Sie in der **Kaufübersicht** Ihre geschätzten stündlichen, täglichen und monatlichen Endpunktkosten.
1. Aktivieren Sie das Kontrollkästchen, wenn Sie wissen, dass Ihr Konto vom Start bis zum Löschen Gebühren für den Endpunkt anfallen.
1. Wählen Sie **Endpunkt erstellen**
## Ausführung einer benutzerdefinierten Klassifizierung in Echtzeit
Sobald Sie einen Endpunkt erstellt haben, können Sie mithilfe Ihres benutzerdefinierten Modells eine Echtzeitanalyse durchführen. Es gibt zwei Möglichkeiten, Echtzeitanalysen von der Konsole aus auszuführen. Sie können Text eingeben oder eine Datei hochladen, wie im Folgenden gezeigt.
**Um eine Echtzeitanalyse mit einem benutzerdefinierten Modell (Konsole) durchzuführen**
1. Melden Sie sich bei der Amazon Comprehend Comprehend-Konsole an AWS-Managementkonsole und öffnen Sie sie unter [https://console.aws.amazon.com/comprehend/](https://console.aws.amazon.com/comprehend/)
1. Wählen Sie im linken Menü die Option **Echtzeitanalyse** aus.
1. Wählen Sie unter **Eingabetyp** die Option **Benutzerdefiniert** als **Analysetyp** aus.
1. Wählen Sie unter **Benutzerdefinierter Modelltyp** die Option **Benutzerdefinierte Klassifizierung** aus.
1. Wählen Sie **unter Endpunkt** den Endpunkt aus, den Sie verwenden möchten. Dieser Endpunkt ist mit einem bestimmten benutzerdefinierten Modell verknüpft.
1. Um die Eingabedaten für die Analyse anzugeben, können Sie Text eingeben oder eine Datei hochladen.
+ Um Text einzugeben:
1. Wählen Sie „**Text eingeben**“.
1. Geben Sie den Text ein, den Sie analysieren möchten.
+ Um eine Datei hochzuladen:
1. Wählen Sie **Datei hochladen** und geben Sie den Namen der hochzuladenden Datei ein.
1. (Optional) Unter **Erweiterte Leseaktionen** können Sie die Standardaktionen für die Textextraktion überschreiben. Details hierzu finden Sie unter [Optionen für die Textextraktion festlegen](idp-set-textract-options.md)
Die besten Ergebnisse erzielen Sie, wenn Sie den Typ der Eingabe an den Modelltyp des Klassifikators anpassen. In der Konsole wird eine Warnung angezeigt, wenn Sie ein systemeigenes Dokument an ein Nur-Text-Modell oder Nur-Text-Dokument an ein systemeigenes Dokumentmodell senden. Weitere Informationen finden Sie unter [Modelle zur Trainingsklassifizierung](training-classifier-model.md).
1. **Wählen Sie Analysieren.** Amazon Comprehend analysiert die Eingabedaten anhand Ihres benutzerdefinierten Modells. Amazon Comprehend zeigt die erkannten Klassen zusammen mit einer Vertrauensbewertung für jede Klasse an.
# Echtzeitanalyse für benutzerdefinierte Klassifizierung (API)
Sie können die Amazon Comprehend API verwenden, um eine Echtzeitklassifizierung mit einem benutzerdefinierten Modell durchzuführen. Zunächst erstellen Sie einen Endpunkt, um die Echtzeitanalyse auszuführen. Nachdem Sie den Endpunkt erstellt haben, führen Sie die Echtzeitklassifizierung durch.
Die Beispiele in diesem Abschnitt verwenden Befehlsformate für Unix, Linux und macOS. Ersetzen Sie unter Windows den umgekehrten Schrägstrich (\$1), das Unix-Fortsetzungszeichen, am Ende jeder Zeile durch ein Caret-Zeichen oder Zirkumflex (^).
Informationen zur Bereitstellung des Endpunktdurchsatzes und zu den damit verbundenen Kosten finden Sie unter[Verwenden von Amazon Comprehend Comprehend-Endpunkten](using-endpoints.md).
**Topics**
+ [Einen Endpunkt für die benutzerdefinierte Klassifizierung erstellen](#create-endpoint-api)
+ [Ausführen einer benutzerdefinierten Klassifizierung in Echtzeit](#cc-real-time-analysis-api)
## Einen Endpunkt für die benutzerdefinierte Klassifizierung erstellen
Das folgende Beispiel zeigt den [CreateEndpoint](https://docs.aws.amazon.com/comprehend/latest/APIReference/API_CreateEndpoint.html)API-Vorgang unter Verwendung von AWS CLI.
```
aws comprehend create-endpoint \
--desired-inference-units number of inference units \
--endpoint-name endpoint name \
--model-arn arn:aws:comprehend:region:account-id:model/example \
--tags Key=My1stTag,Value=Value1
```
Amazon Comprehend antwortet wie folgt:
```
{
"EndpointArn": "Arn"
}
```
## Ausführen einer benutzerdefinierten Klassifizierung in Echtzeit
Nachdem Sie einen Endpunkt für Ihr benutzerdefiniertes Klassifizierungsmodell erstellt haben, verwenden Sie den Endpunkt, um den [ClassifyDocument](https://docs.aws.amazon.com/comprehend/latest/APIReference/API_ClassifyDocument.html)API-Vorgang auszuführen. Sie können Texteingaben mit dem `bytes` Parameter `text` oder bereitstellen. Geben Sie die anderen Eingabetypen mithilfe des `bytes` Parameters ein.
Bei Bild- und PDF-Dateien können Sie den `DocumentReaderConfig` Parameter verwenden, um die standardmäßigen Textextraktionsaktionen zu überschreiben. Details hierzu finden Sie unter [Optionen für die Textextraktion festlegen](idp-set-textract-options.md)
Die besten Ergebnisse erzielen Sie, wenn Sie den Typ der Eingabe an den Modelltyp des Klassifikators anpassen. Die API-Antwort enthält eine Warnung, wenn Sie ein systemeigenes Dokument an ein Nur-Text-Modell oder eine Nur-Text-Datei an ein systemeigenes Dokumentenmodell senden. Weitere Informationen finden Sie unter [Modelle zur Trainingsklassifizierung](training-classifier-model.md).
### Mit dem AWS Command Line Interface
Die folgenden Beispiele zeigen, wie der CLI-Befehl *classify-document* verwendet wird.
#### Klassifizieren Sie Text mit dem AWS CLI
Im folgenden Beispiel wird eine Echtzeitklassifizierung für einen Textblock ausgeführt.
```
aws comprehend classify-document \
--endpoint-arn arn:aws:comprehend:region:account-id:endpoint/endpoint name \
--text 'From the Tuesday, April 16th, 1912 edition of The Guardian newspaper: The maiden voyage of the White Star liner Titanic,
the largest ship ever launched ended in disaster. The Titanic started her trip from Southampton for New York on Wednesday. Late
on Sunday night she struck an iceberg off the Grand Banks of Newfoundland. By wireless telegraphy she sent out signals of distress,
and several liners were near enough to catch and respond to the call.'
```
Amazon Comprehend antwortet wie folgt:
```
{
"Classes": [
{
"Name": "string",
"Score": 0.9793661236763
}
]
}
```
#### Klassifizieren Sie ein halbstrukturiertes Dokument mit dem AWS CLI
Um die benutzerdefinierte Klassifizierung für eine PDF-, Word- oder Bilddatei zu analysieren, führen Sie den `classify-document` Befehl mit der Eingabedatei im `bytes` Parameter aus.
Im folgenden Beispiel wird ein Bild als Eingabedatei verwendet. Es verwendet die `fileb` Option zur Base-64-Kodierung der Bilddatei-Bytes. Weitere Informationen finden Sie unter [Binary large objects](https://docs.aws.amazon.com/cli/latest/userguide/cli-usage-parameters-types.html#parameter-type-blob) im AWS Command Line Interface Benutzerhandbuch.
In diesem Beispiel wird auch eine JSON-Datei mit dem Namen `config.json` zur Festlegung der Textextraktionsoptionen übergeben.
```
$ aws comprehend classify-document \
> --endpoint-arn arn \
> --language-code en \
> --bytes fileb://image1.jpg \
> --document-reader-config file://config.json
```
Die Datei **config.json** enthält den folgenden Inhalt.
```
{
"DocumentReadMode": "FORCE_DOCUMENT_READ_ACTION",
"DocumentReadAction": "TEXTRACT_DETECT_DOCUMENT_TEXT"
}
```
Amazon Comprehend antwortet mit den folgenden Antworten:
```
{
"Classes": [
{
"Name": "string",
"Score": 0.9793661236763
}
]
}
```
Weitere Informationen finden Sie [ClassifyDocument](https://docs.aws.amazon.com/comprehend/latest/APIReference/API_ClassifyDocument.html)in der *Amazon Comprehend API-Referenz*.
# Ergebnisse für Echtzeitanalysen
## Ausgaben für Texteingaben
Bei Texteingaben enthält die Ausgabe die Liste der Klassen oder Bezeichnungen, die durch die Klassifikatoranalyse identifiziert wurden. Das folgende Beispiel zeigt eine Liste mit zwei Klassen.
```
"Classes": [
{
"Name": "abc",
"Score": 0.2757999897003174,
"Page": 1
},
{
"Name": "xyz",
"Score": 0.2721000015735626,
"Page": 1
}
]
```
## Ausgaben für halbstrukturierte Eingaben
Bei einem halbstrukturierten Eingabedokument oder einer Textdatei kann die Ausgabe die folgenden zusätzlichen Felder enthalten:
+ DocumentMetadata — Extraktionsinformationen über das Dokument. Die Metadaten enthalten eine Liste von Seiten im Dokument, wobei die Anzahl der Zeichen aus jeder Seite extrahiert wurde. Dieses Feld ist in der Antwort vorhanden, wenn die Anfrage den `Byte` Parameter enthielt.
+ DocumentType — Der Dokumenttyp für jede Seite im Eingabedokument. Dieses Feld ist in der Antwort vorhanden, wenn die Anfrage den `Byte` Parameter enthielt.
+ Fehler — Fehler auf Seitenebene, die das System bei der Verarbeitung des Eingabedokuments erkannt hat. Das Feld ist leer, wenn das System keine Fehler festgestellt hat.
+ Warnungen — Bei der Verarbeitung des Eingabedokuments wurden Warnungen erkannt. Die Antwort enthält eine Warnung, falls eine Diskrepanz zwischen dem Eingabedokumenttyp und dem Modelltyp besteht, der dem von Ihnen angegebenen Endpunkt zugeordnet ist. Das Feld ist leer, wenn das System keine Warnungen generiert hat.
Weitere Informationen zu diesen Ausgabefeldern finden Sie [ClassifyDocument](https://docs.aws.amazon.com/comprehend/latest/APIReference/API_ClassifyDocument.html)in der *Amazon Comprehend API-Referenz*.
Das folgende Beispiel zeigt die Ausgabe für ein einseitiges natives PDF-Eingabedokument.
```
{
"Classes": [
{
"Name": "123",
"Score": 0.39570000767707825,
"Page": 1
},
{
"Name": "abc",
"Score": 0.2757999897003174,
"Page": 1
},
{
"Name": "xyz",
"Score": 0.2721000015735626,
"Page": 1
}
],
"DocumentMetadata": {
"Pages": 1,
"ExtractedCharacters": [
{
"Page": 1,
"Count": 2013
}
]
},
"DocumentType": [
{
"Page": 1,
"Type": "NATIVE_PDF"
}
]
}
```