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. # Tutorial: Analysieren von Erkenntnissen aus Kundenrezensionen mit Amazon Comprehend In diesem Tutorial wird erklärt, wie Sie Amazon Comprehend mit [Amazon Simple Storage Service](https://aws.amazon.com/s3/), [AWS Glue[Amazon Athena](https://aws.amazon.com/athena/)](https://aws.amazon.com/glue/), und [Amazon Quick](https://aws.amazon.com/quicksight/) verwenden, um wertvolle Einblicke in Ihre Dokumente zu gewinnen. Amazon Comprehend kann Stimmungen (die Stimmung eines Dokuments) und Entitäten (Namen von Personen, Organisationen, Ereignissen, Daten, Produkten, Orten, Mengen und Titeln) aus unstrukturiertem Text extrahieren. Beispielsweise können Sie aus Kundenrezensionen umsetzbare Erkenntnisse gewinnen. In diesem Tutorial analysieren Sie einen Beispieldatensatz mit Kundenrezensionen zu einem Roman. Sie verwenden die Stimmungsanalyse von Amazon Comprehend, um festzustellen, ob Kunden dem Roman positiv oder negativ gegenüberstehen. Sie verwenden die Amazon Comprehend-Entitätsanalyse auch, um Erwähnungen wichtiger Entitäten zu ermitteln, z. B. verwandte Romane oder Autoren. Nachdem Sie diesem Tutorial gefolgt sind, stellen Sie möglicherweise fest, dass über 50% der Bewertungen positiv sind. Möglicherweise stellen Sie auch fest, dass Kunden Autoren vergleichen und Interesse an anderen klassischen Romanen bekunden. In diesem Tutorial führen Sie Folgendes durch: + Speichern Sie einen Beispieldatensatz mit Rezensionen in [Amazon Simple Storage Service](https://aws.amazon.com/s3/) (Amazon S3). Amazon Simple Storage Service ist ein Objektspeicherservice. + Verwenden Sie [Amazon Comprehend](https://aws.amazon.com/comprehend/), um die Stimmung und die Entitäten in den Bewertungsdokumenten zu analysieren. + Verwenden Sie einen [AWS Glue](https://aws.amazon.com/glue/)Crawler, um die Ergebnisse der Analyse in einer Datenbank zu speichern. AWS Glue ist ein ETL-Service (Extrahieren, Transformieren und Laden), mit dem Sie Ihre Daten für Analysen katalogisieren und bereinigen können. + Führen Sie [Amazon Athena](https://aws.amazon.com/athena/)Abfragen aus, um Ihre Daten zu bereinigen. Amazon Athena ist ein serverloser interaktiver Abfragedienst. + Erstellen Sie Visualisierungen mit Ihren Daten in [Amazon](https://aws.amazon.com/quicksight/) Quick. Quick ist ein serverloses Business Intelligence-Tool zum Extrahieren von Erkenntnissen aus Ihren Daten. Das folgende Diagramm zeigt den Arbeitsablauf. ![\[Workflow-Diagramm der Verfahren im Tutorial.\]](http://docs.aws.amazon.com/de_de/comprehend/latest/dg/images/tutorial-reviews-workflow.png) **Geschätzte Zeit bis zur Fertigstellung dieses Tutorials:** 1 Stunde **Geschätzte Kosten:** Für einige der Aktionen in diesem Tutorial fallen Gebühren für Sie AWS-Konto an. Informationen zu den Gebühren für jeden dieser Dienste finden Sie auf den folgenden Preisseiten. + [Amazon S3 – Preise](https://aws.amazon.com/s3/pricing/) + [Amazon Comprehend — Preisgestaltung](https://aws.amazon.com/comprehend/pricing/) + [AWS Glue Preisgestaltung](https://aws.amazon.com/glue/pricing/) + [Amazon Athena -Preise](https://aws.amazon.com/athena/pricing/) + [Schnelle Preisgestaltung](https://aws.amazon.com/quicksight/pricing/) **Topics** + [Voraussetzungen](#tutorial-reviews-prereqs) + [Schritt 1: Dokumente zu Amazon S3 hinzufügen](tutorial-reviews-add-docs.md) + [Schritt 2: (nur CLI) Erstellen einer IAM-Rolle für Amazon Comprehend](tutorial-reviews-create-role.md) + [Schritt 3: Ausführen von Analyseaufträgen für Dokumente in Amazon S3](tutorial-reviews-analysis.md) + [Schritt 4: Vorbereiten der Amazon Comprehend für die Datenvisualisierung](tutorial-reviews-tables.md) + [Schritt 5: Visualisieren der Amazon Comprehend Comprehend-Ausgabe in Quick](tutorial-reviews-visualize.md) ## Voraussetzungen Zum Durcharbeiten dieses Tutorials ist Folgendes erforderlich: + Ein AWS-Konto. Informationen zum Einrichten eines finden Sie AWS-Konto unter[Einrichtung](setting-up.md). + Eine IAM-Entität (Benutzer, Gruppe oder Rolle). Informationen zum Einrichten von Benutzern und Gruppen für Ihr Konto finden Sie im Tutorial [Erste Schritte](https://docs.aws.amazon.com/IAM/latest/UserGuide/getting-started.html) im *IAM-Benutzerhandbuch*. + Die folgende Berechtigungsrichtlinie ist Ihrem Benutzer, Ihrer Gruppe oder Rolle zugeordnet. Die Richtlinie gewährt einige der Berechtigungen, die zum Abschließen dieses Tutorials erforderlich sind. Die nächste Voraussetzung beschreibt die zusätzlichen Berechtigungen, die Sie benötigen. ------ #### [ JSON ] **** ``` { "Version":"2012-10-17", "Statement": [ { "Sid": "VisualEditor0", "Effect": "Allow", "Action": [ "comprehend:*", "ds:AuthorizeApplication", "ds:CheckAlias", "ds:CreateAlias", "ds:CreateIdentityPoolDirectory", "ds:DeleteDirectory", "ds:DescribeDirectories", "ds:DescribeTrusts", "ds:UnauthorizeApplication", "iam:AttachRolePolicy", "iam:CreatePolicy", "iam:CreatePolicyVersion", "iam:CreateRole", "iam:DeletePolicyVersion", "iam:DeleteRole", "iam:DetachRolePolicy", "iam:GetPolicy", "iam:GetPolicyVersion", "iam:GetRole", "iam:ListAccountAliases", "iam:ListAttachedRolePolicies", "iam:ListEntitiesForPolicy", "iam:ListPolicies", "iam:ListPolicyVersions", "iam:ListRoles", "quicksight:*", "s3:*", "tag:GetResources" ], "Resource": "*" }, { "Action": [ "iam:PassRole" ], "Effect": "Allow", "Resource": [ "arn:aws:iam::*:role/*Comprehend*" ] } ] } ``` ------ Verwenden Sie die vorherige Richtlinie, um eine IAM-Richtlinie zu erstellen und sie an Ihre Gruppe oder Ihren Benutzer anzuhängen. Informationen zum Erstellen einer IAM-Richtlinie finden Sie unter [Erstellen von IAM-Richtlinien](https://docs.aws.amazon.com/IAM/latest/UserGuide/access_policies_create.html) im *IAM-Benutzerhandbuch*. *Informationen zum Anhängen einer IAM-Richtlinie finden Sie unter [Hinzufügen und Entfernen von IAM-Identitätsberechtigungen im IAM-Benutzerhandbuch](https://docs.aws.amazon.com/IAM/latest/UserGuide/access_policies_manage-attach-detach.html).* + Verwaltete Richtlinien, die Ihrer IAM-Gruppe oder Ihrem IAM-Benutzer zugeordnet sind. Zusätzlich zur vorherigen Richtlinie müssen Sie Ihrer Gruppe oder Ihrem Benutzer auch die folgenden AWS verwalteten Richtlinien zuordnen: + `AWSGlueConsoleFullAccess` + `AWSQuicksightAthenaAccess` Diese verwalteten Richtlinien geben Ihnen die Erlaubnis zur Verwendung von AWS Glue Amazon Athena, und Quick. Informationen zum Anhängen einer IAM-Richtlinie finden Sie unter [Hinzufügen und Entfernen von IAM-Identitätsberechtigungen](https://docs.aws.amazon.com/IAM/latest/UserGuide/access_policies_manage-attach-detach.html) im *IAM-Benutzerhandbuch*. # Schritt 1: Dokumente zu Amazon S3 hinzufügen Bevor Sie mit den Amazon Comprehend Comprehend-Analysejobs beginnen, müssen Sie einen Beispieldatensatz mit Kundenrezensionen in Amazon Simple Storage Service (Amazon S3) speichern. Amazon S3 hostet Ihre Daten in Containern, sogenannten Buckets. Amazon Comprehend kann Dokumente analysieren, die in einem Bucket gespeichert sind, und sendet die Ergebnisse der Analyse an einen Bucket. In diesem Schritt erstellen Sie einen S3-Bucket, erstellen Eingabe- und Ausgabeordner im Bucket und laden einen Beispieldatensatz in den Bucket hoch. **Topics** + [Voraussetzungen](#tutorial-reviews-add-docs-prereqs) + [Laden Sie Beispieldaten herunter](#tutorial-reviews-add-docs-download) + [Erstellen Sie einen Amazon S3 S3-Bucket](#tutorial-reviews-add-docs-bucket) + [(nur Konsole) Ordner erstellen](#tutorial-reviews-add-docs-folders) + [Laden Sie die Eingabedaten hoch](#tutorial-reviews-add-docs-upload) ## Voraussetzungen Bevor Sie beginnen, überprüfen [Tutorial: Analysieren von Erkenntnissen aus Kundenrezensionen mit Amazon Comprehend](tutorial-reviews.md) und erfüllen Sie die Voraussetzungen. ## Laden Sie Beispieldaten herunter Der folgende Beispieldatensatz enthält Amazon-Rezensionen aus dem größeren Datensatz „Amazon reviews — Full“, der zusammen mit dem Artikel „Character-level Convolutional Networks for Text Classification“ (Xiang Zhang et al., 2015) veröffentlicht wurde. Laden Sie den Datensatz auf Ihren Computer herunter. **Um die Beispieldaten zu erhalten** 1. Laden Sie die ZIP-Datei ([tutorial-reviews-data.zip](samples/tutorial-reviews-data.zip)) auf Ihren Computer herunter. 1. Extrahieren Sie die Zip-Datei auf Ihrem Computer. Es gibt zwei Dateien. Die Datei `THIRD_PARTY_LICENSES.txt` ist die Open-Source-Lizenz für den Datensatz, der von Xiang Zhang et al. veröffentlicht wurde. Die Datei `amazon-reviews.csv` ist der Datensatz, den Sie im Tutorial analysieren. ## Erstellen Sie einen Amazon S3 S3-Bucket Nachdem Sie den Beispieldatensatz heruntergeladen haben, erstellen Sie einen Amazon S3 S3-Bucket, um Ihre Eingabe- und Ausgabedaten zu speichern. Sie können einen S3-Bucket mit der Amazon S3 S3-Konsole oder der AWS Command Line Interface (AWS CLI) erstellen. ### Erstellen Sie einen Amazon S3 S3-Bucket (Konsole) In der Amazon S3 S3-Konsole erstellen Sie einen Bucket mit einem Namen, der in allen Fällen eindeutig ist AWS. **Um einen S3-Bucket (Konsole) zu erstellen** 1. Melden Sie sich bei der an AWS-Managementkonsole und öffnen Sie die Amazon S3 S3-Konsole unter [https://console.aws.amazon.com/s3/](https://console.aws.amazon.com/s3/). 1. Wählen Sie unter **Buckets** die Option **Create Bucket** aus. 1. Geben Sie **unter Bucket-Name** einen weltweit eindeutigen Namen ein, der den Zweck des Buckets beschreibt. 1. Wählen Sie **unter Region** die AWS Region aus, in der Sie den Bucket erstellen möchten. Die von Ihnen gewählte Region muss Amazon Comprehend unterstützen. Um die Latenz zu reduzieren, wählen Sie die AWS Region aus, die Ihrem geografischen Standort am nächsten liegt und von Amazon Comprehend unterstützt wird. Eine Liste der Regionen, die Amazon Comprehend unterstützen, finden Sie in der [Regionentabelle](https://aws.amazon.com/about-aws/global-infrastructure/regional-product-services/) im *Global Infrastructure Guide*. 1. **Behalten Sie die Standardeinstellungen für **Objekteigentum**, **Bucket-Einstellungen für Block Public Access**, **Bucket-Versionierung und Tags bei**.** 1. Wählen Sie für **Standardverschlüsselung** die Option **Deaktivieren** aus. **Tipp** In diesem Tutorial wird zwar keine Verschlüsselung verwendet, Sie sollten jedoch bei der Analyse wichtiger Daten Verschlüsselung verwenden. Zur end-to-end Verschlüsselung können Sie Ihre Daten verschlüsseln, wenn sie sich im Bucket befinden, und auch, wenn Sie Analysejobs ausführen. Weitere Informationen zur Verschlüsselung mit finden Sie AWS unter [Was ist AWS Key Management Service?](https://docs.aws.amazon.com/kms/latest/developerguide/overview.html) im *AWS Key Management Service Entwicklerhandbuch*. 1. Überprüfen Sie Ihre Bucket-Konfigurationen und wählen Sie dann **Create Bucket** aus. ### Erstellen Sie einen Amazon S3 S3-Bucket (AWS CLI) Nach dem Öffnen von führen Sie den `create-bucket` Befehl aus AWS CLI, um einen Bucket zu erstellen, in dem die Eingabe- und Ausgabedaten gespeichert werden. **Um einen Amazon S3 S3-Bucket zu erstellen (AWS CLI)** 1. Um Ihren Bucket zu erstellen, führen Sie den folgenden Befehl in der aus AWS CLI. Ersetzen Sie amzn-s3-demo-bucket durch einen Namen für den Bucket, der in allen Buckets eindeutig ist. AWS ``` aws s3api create-bucket --bucket amzn-s3-demo-bucket ``` Standardmäßig erstellt der `create-bucket` Befehl einen Bucket in der Region. `us-east-1` AWS Um einen Bucket in einem AWS-Region anderen als zu erstellen`us-east-1`, fügen Sie den `LocationConstraint` Parameter zur Angabe Ihrer Region hinzu. Mit dem folgenden Befehl wird beispielsweise ein Bucket in der `us-west-2` Region erstellt. ``` aws s3api create-bucket --bucket amzn-s3-demo-bucket --region us-west-2 --create-bucket-configuration LocationConstraint=us-west-2 ``` Beachten Sie, dass Amazon Comprehend nur in bestimmten Regionen unterstützt wird. Eine Liste der Regionen, die Amazon Comprehend unterstützen, finden Sie in der [Regionentabelle](https://aws.amazon.com/about-aws/global-infrastructure/regional-product-services/) im *Global Infrastructure Guide*. 1. Führen Sie den folgenden Befehl aus, um sicherzustellen, dass Ihr Bucket erfolgreich erstellt wurde. Der Befehl listet alle S3-Buckets auf, die Ihrem Konto zugeordnet sind. ``` aws s3 ls ``` ## (nur Konsole) Ordner erstellen Erstellen Sie als Nächstes zwei Ordner in Ihrem S3-Bucket. Der erste Ordner ist für Ihre Eingabedaten. Im zweiten Ordner sendet Amazon Comprehend die Analyseergebnisse. Wenn Sie die Amazon S3 S3-Konsole verwenden, müssen Sie die Ordner manuell erstellen. Wenn Sie die verwenden AWS CLI, können Sie Ordner erstellen, wenn Sie den Beispieldatensatz hochladen oder einen Analysejob ausführen. Aus diesem Grund bieten wir ein Verfahren zum Erstellen von Ordnern nur für Konsolenbenutzer an. Wenn Sie die AWS CLI verwenden, erstellen Sie Ordner in [Laden Sie die Eingabedaten hoch](#tutorial-reviews-add-docs-upload) und in[Schritt 3: Ausführen von Analyseaufträgen für Dokumente in Amazon S3](tutorial-reviews-analysis.md). **Um Ordner in Ihrem S3-Bucket (Konsole) zu erstellen** 1. Öffnen Sie die Amazon S3 S3-Konsole unter [https://console.aws.amazon.com/s3/](https://console.aws.amazon.com/s3/). 1. Wählen Sie unter **Buckets** Ihren Bucket aus der Buckets-Liste aus. 1. Wählen Sie auf der Registerkarte **Übersicht** die Option Ordner **erstellen** aus. 1. Geben Sie für den neuen Ordnernamen ein`input`. 1. Wählen Sie für die Verschlüsselungseinstellungen „**Keine“ (Bucket-Einstellungen verwenden)**. 1. Wählen Sie **Speichern**. 1. Wiederholen Sie die Schritte 3 bis 6, um einen weiteren Ordner für die Ausgabe der Analysejobs zu erstellen. Geben Sie in Schritt 4 jedoch den neuen Ordnernamen ein`output`. ## Laden Sie die Eingabedaten hoch Nachdem Sie einen Bucket erstellt haben, laden Sie den Beispieldatensatz hoch`amazon-reviews.csv`. Sie können Daten mit der Amazon S3-Konsole oder dem in S3-Buckets hochladen. AWS CLI ### Laden Sie Beispieldokumente in einen Bucket (Konsole) hoch Laden Sie in der Amazon S3 S3-Konsole die Beispieldatensatzdatei in den Eingabeordner hoch. **Um die Beispieldokumente hochzuladen (Konsole)** 1. Öffnen Sie die Amazon S3 S3-Konsole unter [https://console.aws.amazon.com/s3/](https://console.aws.amazon.com/s3/). 1. Wählen Sie unter **Buckets** Ihren Bucket aus der Buckets-Liste aus. 1. **Wählen Sie den `input` Ordner aus und klicken Sie dann auf Hochladen.** 1. Wählen Sie **Dateien hinzufügen** und wählen Sie dann die `amazon-reviews.csv` Datei auf Ihrem Computer aus. 1. Übernehmen Sie für die anderen Einstellungen die eingestellten Standardwerte. 1. Klicken Sie auf **Upload**. ### Laden Sie Beispieldokumente in einen Bucket hoch (AWS CLI) Erstellen Sie einen Eingabeordner in Ihrem S3-Bucket und laden Sie die Datensatzdatei mit dem `cp` Befehl in den neuen Ordner hoch. **Um die Beispieldokumente hochzuladen (AWS CLI)** 1. Führen Sie den folgenden AWS CLI Befehl aus, um die `amazon-reviews.csv` Datei in einen neuen Ordner in Ihrem Bucket hochzuladen. Ersetzen Sie amzn-s3-demo-bucket durch den Namen Ihres Buckets. Durch Hinzufügen des Pfads `/input/` am Ende erstellt Amazon S3 automatisch einen neuen Ordner namens `input` in Ihrem Bucket und lädt die Datensatzdatei in diesen Ordner hoch. ``` aws s3 cp amazon-reviews.csv s3://amzn-s3-demo-bucket/input/ ``` 1. Um sicherzustellen, dass Ihre Datei erfolgreich hochgeladen wurde, führen Sie den folgenden Befehl aus. Der Befehl listet den Inhalt des `input` Ordners Ihres Buckets auf. ``` aws s3 ls s3://amzn-s3-demo-bucket/input/ ``` Jetzt haben Sie einen S3-Bucket mit der `amazon-reviews.csv` Datei in einem Ordner namens`input`. Wenn Sie die Konsole verwendet haben, haben Sie auch einen `output` Ordner im Bucket. Wenn Sie den verwendet haben AWS CLI, erstellen Sie den Ausgabeordner, wenn Sie die Amazon Comprehend Comprehend-Analysejobs ausführen. # Schritt 2: (nur CLI) Erstellen einer IAM-Rolle für Amazon Comprehend Dieser Schritt ist nur erforderlich, wenn Sie das AWS Command Line Interface (AWS CLI) verwenden, um dieses Tutorial abzuschließen. Wenn Sie die Amazon Comprehend Comprehend-Konsole zum Ausführen der Analyseaufträge verwenden, fahren Sie mit fort. [Schritt 3: Ausführen von Analyseaufträgen für Dokumente in Amazon S3](tutorial-reviews-analysis.md) Um Analyseaufträge auszuführen, benötigt Amazon Comprehend Zugriff auf den Amazon S3 S3-Bucket, der den Beispieldatensatz und die Ausgabe der Jobs enthält. Mit IAM-Rollen können Sie die Berechtigungen von AWS Diensten oder Benutzern steuern. In diesem Schritt erstellen Sie eine IAM-Rolle für Amazon Comprehend. Anschließend erstellen Sie eine ressourcenbasierte Richtlinie, die Amazon Comprehend Zugriff auf Ihren S3-Bucket gewährt, und fügen sie dieser Rolle hinzu. Am Ende dieses Schritts verfügt Amazon Comprehend über die erforderlichen Berechtigungen, um auf Ihre Eingabedaten zuzugreifen, Ihre Ausgabe zu speichern und Stimmungs- und Entitätsanalyseaufträge auszuführen. Weitere Informationen zur Verwendung von IAM mit Amazon Comprehend finden Sie unter. [So funktioniert Amazon Comprehend mit IAM](security_iam_service-with-iam.md) **Topics** + [Voraussetzungen](#tutorial-reviews-create-role-prereqs) + [Erstellen einer IAM-Rolle](#tutorial-reviews-create-role-trust-policy) + [Fügen Sie der IAM-Rolle eine IAM-Richtlinie hinzu](#tutorial-reviews-create-role-policy) ## Voraussetzungen Bevor Sie beginnen, führen Sie die folgenden Schritte aus: + Schließen Sie [Schritt 1: Dokumente zu Amazon S3 hinzufügen](tutorial-reviews-add-docs.md) ab. + Verwenden Sie einen Code- oder Texteditor, um JSON-Richtlinien zu speichern und den Überblick über Ihre Amazon-Ressourcennamen zu behalten (ARNs). ## Erstellen einer IAM-Rolle Um auf Ihren Amazon Simple Storage Service (Amazon S3) -Bucket zugreifen zu können, muss Amazon Comprehend eine AWS Identity and Access Management (IAM) -Rolle übernehmen. Die IAM-Rolle erklärt Amazon Comprehend als vertrauenswürdige Entität. Nachdem Amazon Comprehend die Rolle übernommen hat und zu einer vertrauenswürdigen Entität geworden ist, können Sie Amazon Comprehend Bucket-Zugriffsberechtigungen gewähren. In diesem Schritt erstellen Sie eine Rolle, die Amazon Comprehend als vertrauenswürdige Entität kennzeichnet. Sie können eine Rolle mit der AWS CLI oder der Amazon Comprehend Comprehend-Konsole erstellen. Um die Konsole zu verwenden, springen Sie zu. [Schritt 3: Ausführen von Analyseaufträgen für Dokumente in Amazon S3](tutorial-reviews-analysis.md) In der Amazon Comprehend Comprehend-Konsole können Sie Rollen auswählen, bei denen der Rollenname „Comprehend“ enthält und die Vertrauensrichtlinie Folgendes umfasst. **comprehend.amazonaws.com** Konfigurieren Sie Ihre von der CLI erstellten Rollen so, dass sie diese Kriterien erfüllen, wenn Sie möchten, dass sie in der Konsole angezeigt werden. **So erstellen Sie eine IAM-Rolle für Amazon Comprehend (CLI)AWS** 1. Speichern Sie die folgende Vertrauensrichtlinie als JSON-Dokument, das `comprehend-trust-policy.json` in einem Code- oder Texteditor auf Ihrem Computer aufgerufen wird. Diese Vertrauensrichtlinie erklärt Amazon Comprehend als vertrauenswürdige Entität und ermöglicht es ihm, eine IAM-Rolle zu übernehmen. ------ #### [ JSON ] **** ``` { "Version":"2012-10-17", "Statement": [ { "Effect": "Allow", "Principal": { "Service": "comprehend.amazonaws.com" }, "Action": "sts:AssumeRole" } ] } ``` ------ 1. Führen Sie den folgenden Befehl aus, um die IAM-Rolle zu erstellen. AWS CLI Der Befehl erstellt eine IAM-Rolle namens `AmazonComprehendServiceRole-access-role` und fügt der Rolle die Vertrauensrichtlinie hinzu. `path/`Ersetzen Sie es durch den Pfad Ihres lokalen Computers zum JSON-Dokument. ``` aws iam create-role --role-name AmazonComprehendServiceRole-access-role --assume-role-policy-document file://path/comprehend-trust-policy.json ``` **Tipp** Wenn Sie die Meldung „Fehler beim Parsen des Parameters“ erhalten, ist der Pfad zu Ihrer JSON-Vertrauensrichtliniendatei wahrscheinlich falsch. Geben Sie den relativen Pfad zu der Datei an, der auf Ihrem Home-Verzeichnis basiert. 1. Kopieren Sie den Amazon-Ressourcennamen (ARN) und speichern Sie ihn in einem Texteditor. Der ARN hat ein ähnliches Format wie`arn:aws:iam::123456789012:role/AmazonComprehendServiceRole-access-role`. Sie benötigen diesen ARN, um Amazon Comprehend Comprehend-Analysejobs auszuführen. ## Fügen Sie der IAM-Rolle eine IAM-Richtlinie hinzu Um auf Ihren Amazon S3 S3-Bucket zugreifen zu können, benötigt Amazon Comprehend Berechtigungen zum Auflisten, Lesen und Schreiben. Um Amazon Comprehend die erforderlichen Berechtigungen zu erteilen, erstellen Sie eine IAM-Richtlinie und fügen Sie sie Ihrer IAM-Rolle hinzu. Die IAM-Richtlinie ermöglicht es Amazon Comprehend, die Eingabedaten aus Ihrem Bucket abzurufen und Analyseergebnisse in den Bucket zu schreiben. Nachdem Sie die Richtlinie erstellt haben, fügen Sie sie Ihrer IAM-Rolle hinzu. **Um eine IAM-Richtlinie zu erstellen ()AWS CLI** 1. Speichern Sie die folgende Richtlinie lokal als JSON-Dokument mit dem Namen`comprehend-access-policy.json`. Es gewährt Amazon Comprehend Zugriff auf den angegebenen S3-Bucket. ------ #### [ JSON ] **** ``` { "Version":"2012-10-17", "Statement": [ { "Action": [ "s3:GetObject" ], "Resource": [ "arn:aws:s3:::amzn-s3-demo-bucket/*" ], "Effect": "Allow" }, { "Action": [ "s3:ListBucket" ], "Resource": [ "arn:aws:s3:::amzn-s3-demo-bucket" ], "Effect": "Allow" }, { "Action": [ "s3:PutObject" ], "Resource": [ "arn:aws:s3:::amzn-s3-demo-bucket/*" ], "Effect": "Allow" } ] } ``` ------ 1. Führen Sie den folgenden AWS CLI Befehl aus, um die S3-Bucket-Zugriffsrichtlinie zu erstellen. `path/`Ersetzen Sie es durch den Pfad Ihres lokalen Computers zum JSON-Dokument. ``` aws iam create-policy --policy-name comprehend-access-policy --policy-document file://path/comprehend-access-policy.json ``` 1. Kopieren Sie den ARN für die Zugriffsrichtlinie und speichern Sie ihn in einem Texteditor. Der ARN hat ein ähnliches Format wie`arn:aws:iam::123456789012:policy/comprehend-access-policy`. Sie benötigen diesen ARN, um Ihre Zugriffsrichtlinie an Ihre IAM-Rolle anzuhängen. **Um die IAM-Richtlinie an Ihre IAM-Rolle anzuhängen ()AWS CLI** + Führen Sie den folgenden Befehl aus. `policy-arn`Ersetzen Sie es durch den ARN für die Zugriffsrichtlinie, den Sie im vorherigen Schritt kopiert haben. ``` aws iam attach-role-policy --policy-arn policy-arn --role-name AmazonComprehendServiceRole-access-role ``` Sie haben jetzt eine IAM-Rolle namens`AmazonComprehendServiceRole-access-role`, die eine Vertrauensrichtlinie für Amazon Comprehend und eine Zugriffsrichtlinie hat, die Amazon Comprehend Zugriff auf Ihren S3-Bucket gewährt. Sie haben auch den ARN für die IAM-Rolle in einen Texteditor kopiert. # Schritt 3: Ausführen von Analyseaufträgen für Dokumente in Amazon S3 Nachdem Sie die Daten in Amazon S3 gespeichert haben, können Sie mit der Ausführung von Amazon Comprehend Comprehend-Analysejobs beginnen. Ein *Stimmungsanalyseauftrag* bestimmt die allgemeine Stimmung eines Dokuments (positiv, negativ, neutral oder gemischt). Ein Auftrag zur *Entitätsanalyse* extrahiert die Namen realer Objekte aus einem Dokument. Zu diesen Objekten gehören Personen, Orte, Titel, Ereignisse, Daten, Mengen, Produkte und Organisationen. In diesem Schritt führen Sie zwei Amazon Comprehend Comprehend-Analysejobs aus, um die Stimmung und die Entitäten aus dem Beispieldatensatz zu extrahieren. **Topics** + [Voraussetzungen](#tutorial-reviews-analysis-prereqs) + [Analysieren Sie Stimmungen und Entitäten](#tutorial-reviews-analysis-jobs) ## Voraussetzungen Bevor Sie beginnen, führen Sie die folgenden Schritte aus: + Schließen Sie [Schritt 1: Dokumente zu Amazon S3 hinzufügen](tutorial-reviews-add-docs.md) ab. + (Optional) Wenn Sie den verwenden AWS CLI, füllen Sie den ARN für Ihre IAM-Rolle aus [Schritt 2: (nur CLI) Erstellen einer IAM-Rolle für Amazon Comprehend](tutorial-reviews-create-role.md) und halten Sie ihn bereit. ## Analysieren Sie Stimmungen und Entitäten Der erste Job, den Sie ausführen, analysiert die Stimmung jeder Kundenbewertung im Beispieldatensatz. Der zweite Job extrahiert die Entitäten in jeder Kundenbewertung. Sie können Amazon Comprehend Comprehend-Analyseaufträge entweder mit der Amazon Comprehend Comprehend-Konsole oder mit dem ausführen. AWS CLI **Tipp** Stellen Sie sicher, dass Sie sich in einer AWS Region befinden, die Amazon Comprehend unterstützt. Weitere Informationen finden Sie in der [Regionstabelle](https://aws.amazon.com/about-aws/global-infrastructure/regional-product-services/) im *Global Infrastructure Guide*. ### Analysieren Sie Stimmungen und Entitäten (Konsole) Wenn Sie die Amazon Comprehend Comprehend-Konsole verwenden, erstellen Sie jeweils einen Job. Sie müssen die folgenden Schritte wiederholen, um sowohl eine Stimmungs- als auch eine Entitätsanalyse auszuführen. Beachten Sie, dass Sie für den ersten Job eine IAM-Rolle erstellen, für den zweiten Job jedoch die IAM-Rolle des ersten Jobs wiederverwenden können. Sie können die IAM-Rolle wiederverwenden, solange Sie denselben S3-Bucket und dieselben Ordner verwenden. **Um Aufgaben zur Stimmungs- und Entitätsanalyse auszuführen (Konsole)** 1. Stellen Sie sicher, dass Sie sich in derselben Region befinden, in der Sie Ihren Amazon Simple Storage Service (Amazon S3) -Bucket erstellt haben. Wenn Sie sich in einer anderen Region befinden, wählen Sie in der Navigationsleiste aus der AWS **Regionsauswahl** die Region aus, in der Sie Ihren S3-Bucket erstellt haben. 1. Öffnen Sie die Amazon Comprehend Comprehend-Konsole unter [https://console.aws.amazon.com/comprehend/](https://console.aws.amazon.com/comprehend/) 1. Wählen Sie **Amazon Comprehend starten**. 1. Wählen Sie im Navigationsbereich **Analysis** jobs aus. 1. Wählen Sie **Job erstellen** aus. 1. Gehen Sie im Abschnitt **Auftragseinstellungen** wie folgt vor: 1. Geben Sie unter **Name** `reviews-sentiment-analysis` ein. 1. Wählen Sie als **Analysetyp** die Option **Stimmung** aus. 1. Wählen Sie als **Sprache** **Englisch** aus. 1. Lassen Sie die Einstellung **Jobverschlüsselung** deaktiviert. 1. Gehen Sie im Bereich **Eingabedaten** wie folgt vor: 1. Wählen Sie als **Datenquelle** die Option **Meine Dokumente** aus. 1. Wählen Sie für **S3-Standort** die Option **Browse S3** und wählen Sie dann Ihren Bucket aus der Buckets-Liste aus. 1. Wählen Sie in Ihrem S3-Bucket für **Objekte** Ihren `input` Ordner aus. 1. Wählen Sie im `input` Ordner den Beispieldatensatz aus `amazon-reviews.csv` und klicken Sie dann auf **Auswählen**. 1. Wählen Sie als **Eingabeformat** die Option **Ein Dokument pro Zeile** aus. 1. Gehen Sie im Abschnitt **Ausgabedaten** wie folgt vor: 1. Wählen Sie **unter S3-Standort** die Option **Browse S3** und wählen Sie dann Ihren Bucket aus der Buckets-Liste aus. 1. Wählen Sie in Ihrem S3-Bucket für **Objekte** den `output` Ordner aus und wählen Sie dann **Wählen** aus. 1. Lassen Sie die **Verschlüsselung** ausgeschaltet. 1. Gehen Sie im Abschnitt **Zugriffsberechtigungen** wie folgt vor: 1. Wählen Sie für die **IAM-Rolle** die Option **IAM-Rolle erstellen** aus. 1. Wählen Sie für **Zugriffsberechtigungen die** Option **Eingabe- und Ausgabe-S3-Buckets** aus. 1. **Geben Sie als Namenssuffix** ein. `comprehend-access-role` Diese Rolle bietet Zugriff auf Ihren Amazon S3 S3-Bucket. 1. Wählen Sie **Job erstellen** aus. 1. Wiederholen Sie die Schritte 1—10, um einen Auftrag zur Entitätsanalyse zu erstellen. Nehmen Sie die folgenden Änderungen vor: 1. Geben Sie in **den Auftragseinstellungen** für **Name** den Wert ein`reviews-entities-analysis`. 1. Wählen Sie in **den Jobeinstellungen** für **Analysetyp** die Option **Entitäten** aus. 1. Wählen Sie unter **Zugriffsberechtigungen** die **Option Bestehende IAM-Rolle verwenden** aus. Wählen Sie **als Rollenname** die Option `AmazonComprehendServiceRole-comprehend-access-role` (dies ist dieselbe Rolle, die Sie für den Sentiment-Job erstellt haben) aus. ### Analysieren Sie Stimmungen und Entitäten ()AWS CLI Sie verwenden die `start-entities-detection-job` Befehle `start-sentiment-detection-job` und die, um Aufgaben zur Stimmungs- und Entitätsanalyse auszuführen. Nachdem Sie jeden Befehl ausgeführt haben, wird ein JSON-Objekt mit einem `JobId` Wert AWS CLI angezeigt, mit dem Sie auf Details zum Job zugreifen können, einschließlich des S3-Ausgabeorts. **So führen Sie Stimmungs- und Entitätsanalysejobs (AWS CLI) aus** 1. Starten Sie einen Stimmungsanalyse-Job, indem Sie den folgenden Befehl in der ausführen. AWS CLI`arn:aws:iam::123456789012:role/comprehend-access-role`Ersetzen Sie es durch den ARN der IAM-Rolle, den Sie zuvor in einen Texteditor kopiert haben. Wenn sich Ihre AWS CLI Standardregion von der Region unterscheidet, in der Sie Ihren Amazon S3 S3-Bucket erstellt haben, geben Sie den `--region` Parameter an und `us-east-1` ersetzen Sie ihn durch die Region, in der sich Ihr Bucket befindet. ``` aws comprehend start-sentiment-detection-job --input-data-config S3Uri=s3://amzn-s3-demo-bucket/input/ --output-data-config S3Uri=s3://amzn-s3-demo-bucket/output/ --data-access-role-arn arn:aws:iam::123456789012:role/comprehend-access-role --job-name reviews-sentiment-analysis --language-code en [--region us-east-1] ``` 1. Nachdem Sie den Job eingereicht haben, kopieren Sie ihn `JobId` und speichern Sie ihn in einem Texteditor. Sie benötigen die`JobId`, um die Ausgabedateien des Analysejobs zu finden. 1. Starten Sie einen Entitätsanalysejob, indem Sie den folgenden Befehl ausführen. ``` aws comprehend start-entities-detection-job --input-data-config S3Uri=s3://amzn-s3-demo-bucket/input/ --output-data-config S3Uri=s3://amzn-s3-demo-bucket/output/ --data-access-role-arn arn:aws:iam::123456789012:role/comprehend-access-role --job-name reviews-entities-analysis --language-code en [--region us-east-1] ``` 1. Nachdem Sie den Job gesendet haben, kopieren Sie ihn `JobId` und speichern Sie ihn in einem Texteditor. 1. Überprüfen Sie den Status Ihrer Jobs. Sie können den Fortschritt eines Jobs verfolgen, indem Sie ihn verfolgen`JobId`. Führen Sie den folgenden Befehl aus, um den Fortschritt Ihres Stimmungsanalysejobs zu verfolgen. `sentiment-job-id`Ersetzen Sie ihn durch den`JobId`, den Sie nach dem Ausführen Ihrer Stimmungsanalyse kopiert haben. ``` aws comprehend describe-sentiment-detection-job --job-id sentiment-job-id ``` Führen Sie den folgenden Befehl aus, um Ihren Entitätsanalysejob zu verfolgen. `entities-job-id`Ersetzen Sie ihn durch den`JobId`, den Sie nach dem Ausführen Ihrer Entitätsanalyse kopiert haben. ``` aws comprehend describe-entities-detection-job --job-id entities-job-id ``` Es dauert einige Minuten`JobStatus`, bis das angezeigt wird`COMPLETED`. Sie haben die Aufgaben zur Stimmungs- und Entitätsanalyse abgeschlossen. Beide Jobs sollten abgeschlossen sein, bevor Sie mit dem nächsten Schritt fortfahren. Es kann mehrere Minuten dauern, bis die Jobs abgeschlossen sind. # Schritt 4: Vorbereiten der Amazon Comprehend für die Datenvisualisierung Um die Ergebnisse der Stimmungs- und Entitätsanalyse-Jobs für die Erstellung von Datenvisualisierungen vorzubereiten, verwenden Sie und. AWS Glue Amazon Athena In diesem Schritt extrahieren Sie die Amazon Comprehend Comprehend-Ergebnisdateien. Anschließend erstellen Sie einen AWS Glue *Crawler*, der Ihre Daten untersucht und sie automatisch in Tabellen im katalogisiert. AWS Glue Data Catalog Danach greifen Sie mit Amazon Athena einem serverlosen und interaktiven Abfragedienst auf diese Tabellen zu und transformieren sie. Wenn Sie diesen Schritt abgeschlossen haben, sind Ihre Amazon Comprehend Comprehend-Ergebnisse sauber und bereit für die Visualisierung. Bei einem Job zur Erkennung von PII-Entitäten ist die Ausgabedatei Klartext und kein komprimiertes Archiv. Der Name der Ausgabedatei ist derselbe wie der Name der Eingabedatei, wird jedoch am `.out` Ende angehängt. Sie müssen die Ausgabedatei nicht extrahieren. Überspringen Sie, um [die Daten in eine AWS Glue Data Catalog zu laden](#tutorial-reviews-tables-crawler). **Topics** + [Voraussetzungen](#tutorial-reviews-tables-prereqs) + [Laden Sie die Ausgabe herunter](#tutorial-reviews-tables-download) + [Extrahieren Sie die Ausgabedateien](#tutorial-reviews-tables-extract) + [Laden Sie die extrahierten Dateien hoch](#tutorial-reviews-tables-upload) + [Laden Sie die Daten in eine AWS Glue Data Catalog](#tutorial-reviews-tables-crawler) + [Bereiten Sie die Daten für die Analyse vor](#tutorial-reviews-tables-prep) ## Voraussetzungen Bevor Sie beginnen, führen Sie [Schritt 3: Ausführen von Analyseaufträgen für Dokumente in Amazon S3](tutorial-reviews-analysis.md) durch. ## Laden Sie die Ausgabe herunter Amazon Comprehend verwendet die Gzip-Komprimierung, um Ausgabedateien zu komprimieren und als Tar-Archiv zu speichern. Der einfachste Weg, die Ausgabedateien zu extrahieren, besteht darin, die `output.tar.gz` Archive lokal herunterzuladen. In diesem Schritt laden Sie die Ausgabearchive für Stimmung und Entitäten herunter. ### Laden Sie die Ausgabedateien herunter (Konsole) Um die Ausgabedateien für jeden Job zu finden, kehren Sie in der Amazon Comprehend-Konsole zum Analysejob zurück. Der Analysejob stellt den S3-Speicherort für die Ausgabe bereit, von dem Sie die Ausgabedatei herunterladen können. **Um die Ausgabedateien herunterzuladen (Konsole)** 1. Kehren Sie in der [Amazon Comprehend Comprehend-Konsole](https://console.aws.amazon.com/comprehend/) im Navigationsbereich zu **Analysis-Jobs** zurück. 1. Wählen Sie Ihren Job zur Stimmungsanalyse. `reviews-sentiment-analysis` 1. Wählen Sie unter **Ausgabe** den Link aus, der neben **Speicherort der Ausgabedaten** angezeigt wird. Dadurch werden Sie zum `output.tar.gz` Archiv in Ihrem S3-Bucket weitergeleitet. 1. Wählen Sie auf der Registerkarte „**Übersicht**“ die Option **Herunterladen** aus. 1. Benennen Sie das Archiv auf Ihrem Computer in um`sentiment-output.tar.gz`. Da alle Ausgabedateien denselben Namen haben, können Sie auf diese Weise den Überblick über die Stimmungs- und Entitätsdateien behalten. 1. Wiederholen Sie die Schritte 1—4, um die Ausgabe Ihres `reviews-entities-analysis` Jobs zu finden und herunterzuladen. Benennen Sie das Archiv auf Ihrem Computer um in`entities-output.tar.gz`. ### Laden Sie die Ausgabedateien herunter (AWS CLI) Um die Ausgabedateien für jeden Job zu finden, verwenden Sie den Job `JobId` Aus der Analyse, um den S3-Speicherort der Ausgabe zu ermitteln. Verwenden Sie dann den `cp` Befehl, um die Ausgabedatei auf Ihren Computer herunterzuladen. **Um die Ausgabedateien herunterzuladen (AWS CLI)** 1. Führen Sie den folgenden Befehl aus, um Details zu Ihrem Stimmungsanalyse-Job aufzulisten. Ersetzen Sie es `sentiment-job-id` durch das Sentiment`JobId`, das Sie gespeichert haben. ``` aws comprehend describe-sentiment-detection-job --job-id sentiment-job-id ``` Wenn Sie den Überblick über Ihre verloren haben`JobId`, können Sie den folgenden Befehl ausführen, um alle Ihre Stimmungsjobs aufzulisten und nach Ihrem Job nach Namen zu filtern. ``` aws comprehend list-sentiment-detection-jobs --filter JobName="reviews-sentiment-analysis" ``` 1. Suchen Sie im `OutputDataConfig` Objekt nach dem `S3Uri` Wert. Der `S3Uri` Wert sollte dem folgenden Format ähneln:`s3://amzn-s3-demo-bucket/.../output/output.tar.gz`. Kopieren Sie diesen Wert in einen Texteditor. 1. Führen Sie den folgenden Befehl aus, um das Sentiment-Ausgabearchiv in Ihr lokales Verzeichnis herunterzuladen. Ersetzen Sie den S3-Bucket-Pfad durch den Pfad, den `S3Uri` Sie im vorherigen Schritt kopiert haben. `path/`Ersetzen Sie ihn durch den Ordnerpfad zu Ihrem lokalen Verzeichnis. Der Name `sentiment-output.tar.gz` ersetzt den ursprünglichen Archivnamen, sodass Sie den Überblick über die Stimmungs- und Entitätsdateien behalten können. ``` aws s3 cp s3://amzn-s3-demo-bucket/.../output/output.tar.gz path/sentiment-output.tar.gz ``` 1. Führen Sie den folgenden Befehl aus, um Details zu Ihrem Entitätsanalysejob aufzulisten. ``` aws comprehend describe-entities-detection-job --job-id entities-job-id ``` Wenn Sie Ihren Job nicht kennen`JobId`, führen Sie den folgenden Befehl aus, um alle Ihre Entitäts-Jobs aufzulisten und nach Ihrem Job nach Namen zu filtern. ``` aws comprehend list-entities-detection-jobs --filter JobName="reviews-entities-analysis" ``` 1. Kopieren Sie den `S3Uri` Wert aus dem `OutputDataConfig` Objekt in der Stellenbeschreibung Ihrer Entitäten. 1. Führen Sie den folgenden Befehl aus, um das Ausgabearchiv der Entitäten in Ihr lokales Verzeichnis herunterzuladen. Ersetzen Sie den S3-Bucket-Pfad durch den Pfad, den `S3Uri` Sie im vorherigen Schritt kopiert haben. `path/`Ersetzen Sie ihn durch den Ordnerpfad zu Ihrem lokalen Verzeichnis. Der Name `entities-output.tar.gz` ersetzt den ursprünglichen Archivnamen. ``` aws s3 cp s3://amzn-s3-demo-bucket/.../output/output.tar.gz path/entities-output.tar.gz ``` ## Extrahieren Sie die Ausgabedateien Bevor Sie auf die Ergebnisse von Amazon Comprehend zugreifen können, müssen Sie die Stimmungs- und Entitätsarchive entpacken. Sie können entweder Ihr lokales Dateisystem oder ein Terminal verwenden, um die Archive zu entpacken. ### Extrahieren Sie die Ausgabedateien (GUI-Dateisystem) Wenn Sie macOS verwenden, doppelklicken Sie in Ihrem GUI-Dateisystem auf das Archiv, um die Ausgabedatei aus dem Archiv zu extrahieren. Wenn Sie Windows verwenden, können Sie ein Drittanbieter-Tool wie 7-Zip verwenden, um die Ausgabedateien in Ihr GUI-Dateisystem zu extrahieren. In Windows müssen Sie zwei Schritte ausführen, um auf die Ausgabedatei im Archiv zuzugreifen. Dekomprimieren Sie zuerst das Archiv und extrahieren Sie dann das Archiv. Benennen Sie die Stimmungsdatei in `sentiment-output` und die Entitätsdatei `entities-output` um, um zwischen den Ausgabedateien zu unterscheiden. ### Extrahieren Sie die Ausgabedateien (Terminal) Wenn Sie Linux oder macOS verwenden, können Sie Ihr Standardterminal verwenden. Wenn Sie Windows verwenden, müssen Sie Zugriff auf eine Umgebung im UNIX-Stil wie Cygwin haben, um Tar-Befehle ausführen zu können. Um die Stimmungsausgabedatei aus dem Stimmungsarchiv zu extrahieren, führen Sie den folgenden Befehl in Ihrem lokalen Terminal aus. ``` tar -xvf sentiment-output.tar.gz --transform 's,^,sentiment-,' ``` Beachten Sie, dass der `--transform` Parameter der Ausgabedatei innerhalb des Archivs das Präfix `sentiment-` hinzufügt und die Datei umbenennt als. `sentiment-output` Auf diese Weise können Sie zwischen den Sentiment- und Entity-Ausgabedateien unterscheiden und ein Überschreiben verhindern. Um die Ausgabedatei der Entitäten aus dem Entitätsarchiv zu extrahieren, führen Sie den folgenden Befehl in Ihrem lokalen Terminal aus. ``` tar -xvf entities-output.tar.gz --transform 's,^,entities-,' ``` Der `--transform` Parameter fügt dem Namen der Ausgabedatei das Präfix `entities-` hinzu. **Tipp** Um Speicherkosten in Amazon S3 zu sparen, können Sie die Dateien vor dem Hochladen erneut mit Gzip komprimieren. Es ist wichtig, die Originalarchive zu dekomprimieren und zu entpacken, da Daten aus einem Tar-Archiv nicht automatisch gelesen werden AWS Glue können. AWS Glue Kann jedoch aus Dateien im Gzip-Format lesen. ## Laden Sie die extrahierten Dateien hoch Laden Sie die Dateien nach dem Extrahieren in Ihren Bucket hoch. Sie müssen die Sentiment- und Entity-Ausgabedateien in separaten Ordnern speichern, damit die Daten AWS Glue korrekt gelesen werden können. Erstellen Sie in Ihrem Bucket einen Ordner für die extrahierten Stimmungsergebnisse und einen zweiten Ordner für die extrahierten Entitätsergebnisse. Sie können Ordner entweder mit der Amazon S3 S3-Konsole oder der erstellen AWS CLI. ### Laden Sie die extrahierten Dateien auf Amazon S3 (Konsole) hoch Erstellen Sie in Ihrem S3-Bucket einen Ordner für die extrahierte Stimmungsergebnisdatei und einen Ordner für die Ergebnisdatei der Entitäten. Laden Sie dann die extrahierten Ergebnisdateien in die entsprechenden Ordner hoch. **Um die extrahierten Dateien auf Amazon S3 (Konsole) hochzuladen** 1. Öffnen Sie die Amazon S3 S3-Konsole unter [https://console.aws.amazon.com/s3/](https://console.aws.amazon.com/s3/). 1. Wählen Sie unter **Buckets** Ihren Bucket aus und klicken Sie dann auf **Ordner erstellen**. 1. Geben Sie den neuen Ordnernamen ein `sentiment-results` und wählen Sie **Speichern**. Dieser Ordner wird die extrahierte Stimmungsausgabedatei enthalten. 1. Wählen Sie auf der Registerkarte „**Übersicht**“ Ihres Buckets aus der Liste der Bucket-Inhalte den neuen Ordner `sentiment-results` aus. Klicken Sie auf **Upload**. 1. Wählen Sie **Dateien hinzufügen**, wählen Sie die `sentiment-output` Datei von Ihrem lokalen Computer aus und klicken Sie dann auf **Weiter**. 1. Behalten Sie die Optionen für **„Benutzer verwalten**“, „**Zugriff für andere AWS-Konto**“ und **„Öffentliche Berechtigungen verwalten**“ als Standardwerte bei. Wählen Sie **Weiter** aus. 1. Wählen Sie als **Speicherklasse** die Option **Standard** aus. Behalten Sie die Optionen für **Verschlüsselung**, **Metadaten** und **Tag** als Standardwerte bei. Wählen Sie **Weiter** aus. 1. Überprüfen Sie die Upload-Optionen und wählen Sie dann **Upload**. 1. Wiederholen Sie die Schritte 1—8, um einen Ordner mit dem Namen zu erstellen`entities-results`, und laden Sie die `entities-output` Datei in diesen Ordner hoch. ### Laden Sie die extrahierten Dateien auf Amazon S3 hoch (AWS CLI) Sie können einen Ordner in Ihrem S3-Bucket erstellen, während Sie eine Datei mit dem `cp` Befehl hochladen. **Um die extrahierten Dateien auf Amazon S3 hochzuladen (AWS CLI)** 1. Erstellen Sie einen Stimmungsordner und laden Sie Ihre Stimmungsdatei in diesen hoch, indem Sie den folgenden Befehl ausführen. `path/`Ersetzen Sie ihn durch den lokalen Pfad zu Ihrer extrahierten Stimmungsausgabedatei. ``` aws s3 cp path/sentiment-output s3://amzn-s3-demo-bucket/sentiment-results/ ``` 1. Erstellen Sie einen Entitätsausgabeordner und laden Sie Ihre Entitätsdatei in diesen Ordner hoch, indem Sie den folgenden Befehl ausführen. `path/`Ersetzen Sie ihn durch den lokalen Pfad zu Ihrer extrahierten Entitäten-Ausgabedatei. ``` aws s3 cp path/entities-output s3://amzn-s3-demo-bucket/entities-results/ ``` ## Laden Sie die Daten in eine AWS Glue Data Catalog Um die Ergebnisse in eine Datenbank zu übertragen, können Sie einen AWS Glue *Crawler* verwenden. Ein AWS Glue *Crawler* scannt Dateien und erkennt das Schema der Daten. Anschließend ordnet er die Daten in Tabellen in einer AWS Glue Data Catalog (einer serverlosen Datenbank) an. Sie können einen Crawler mit der AWS Glue Konsole oder dem erstellen. AWS CLI ### Laden Sie die Daten in eine AWS Glue Data Catalog (Konsole) Erstellen Sie einen AWS Glue Crawler, der Ihre `entities-results` Ordner `sentiment-results` und Ordner separat scannt. Eine neue IAM-Rolle für AWS Glue gibt dem Crawler die Erlaubnis, auf Ihren S3-Bucket zuzugreifen. Sie erstellen diese IAM-Rolle beim Einrichten des Crawlers. **Um die Daten in eine AWS Glue Data Catalog (Konsole) zu laden** 1. Stellen Sie sicher, dass Sie sich in einer Region befinden, die unterstützt AWS Glue. Wenn Sie sich in einer anderen Region befinden, wählen Sie in der Navigationsleiste in der **Regionsauswahl eine unterstützte Region** aus. Eine Liste der Regionen, die unterstützt werden AWS Glue, finden Sie in der [Regionentabelle](https://aws.amazon.com/about-aws/global-infrastructure/regional-product-services/) im *Global Infrastructure Guide*. 1. Öffnen Sie die AWS Glue Konsole unter [https://console.aws.amazon.com/glue/](https://console.aws.amazon.com/glue/). 1. Wählen Sie im Navigationsbereich **Crawlers und dann Crawler** **hinzufügen** aus. 1. **Geben Sie als **Crawler-Name Folgendes** ein `comprehend-analysis-crawler` und wählen Sie dann Weiter aus.** 1. **Wählen Sie als **Crawler-Quelltyp** die Option **Datenspeicher** und dann Weiter aus.** 1. Gehen **Sie unter Datenspeicher hinzufügen** wie folgt vor: 1. Wählen Sie in **Choose a data store (Datenspeicher auswählen)** die Option **S3** aus. 1. Lassen Sie das Feld **Verbindung** leer. 1. Wählen Sie unter **Daten durchsuchen** die Option Spezifizierter **Pfad in meinem Konto** aus. 1. Geben Sie **unter Pfad einschließen** den vollständigen S3-Pfad des Stimmungsausgabeordners ein:. `s3://amzn-s3-demo-bucket/sentiment-results` 1. Wählen Sie **Weiter** aus. 1. Wählen **Sie für Anderen Datenspeicher hinzufügen** die Option **Ja** und dann **Weiter** aus. Wiederholen Sie Schritt 6, geben Sie jedoch den vollständigen S3-Pfad des Entitäten-Ausgabeordners ein:`s3://amzn-s3-demo-bucket/entities-results`. 1. Wählen **Sie für Anderen Datenspeicher hinzufügen** die Option **Nein** und dann **Weiter** aus. 1. Gehen **Sie unter Wählen Sie eine IAM-Rolle** wie folgt vor: 1. Wählen Sie **Create an IAM-Rolle** aus. 1. **Geben Sie für die **IAM-Rolle** den Text ein `glue-access-role` und wählen Sie dann Weiter aus.** 1. **Wählen Sie unter **Einen Zeitplan für diesen Crawler erstellen** die Option Bei **Bedarf ausführen und dann** Weiter aus.** 1. Gehen Sie wie folgt vor, um **die Ausgabe des Crawlers zu konfigurieren**: 1. Wählen Sie für **Datenbank** die Option **Datenbank hinzufügen** aus. 1. Für **Database name (Datenbankname)** geben Sie `comprehend-results` ein. In dieser Datenbank werden Ihre Amazon Comprehend Comprehend-Ausgabetabellen gespeichert. 1. **Behalten Sie die Standardeinstellungen der anderen Optionen bei und wählen Sie Weiter.** 1. Überprüfen Sie die Crawler-Informationen und wählen Sie dann **Fertig stellen.** 1. Wählen Sie in der Glue-Konsole unter **Crawlers** die Option `comprehend-analysis-crawler` **Crawler ausführen** aus. Es kann einige Minuten dauern, bis der Crawler fertig ist. ### Laden Sie die Daten in ein AWS Glue Data Catalog ()AWS CLI Erstellen Sie eine IAM-Rolle für AWS Glue den Zugriff auf Ihren S3-Bucket. Erstellen Sie dann eine Datenbank in der AWS Glue Data Catalog. Erstellen Sie abschließend einen Crawler und führen Sie ihn aus, der Ihre Daten in Tabellen in der Datenbank lädt. **Um die Daten in ein AWS Glue Data Catalog ()AWS CLI zu laden** 1. Gehen Sie wie folgt vor AWS Glue, um eine IAM-Rolle für zu erstellen: 1. Speichern Sie die folgende Vertrauensrichtlinie als JSON-Dokument, das `glue-trust-policy.json` auf Ihrem Computer aufgerufen wird. ------ #### [ JSON ] **** ``` { "Version":"2012-10-17", "Statement": [ { "Effect": "Allow", "Principal": { "Service": "glue.amazonaws.com" }, "Action": "sts:AssumeRole" } ] } ``` ------ 1. Führen Sie den folgenden Befehl aus, um eine IAM-Rolle zu erstellen. `path/`Ersetzen Sie es durch den Pfad Ihres lokalen Computers zum JSON-Dokument. ``` aws iam create-role --role-name glue-access-role --assume-role-policy-document file://path/glue-trust-policy.json ``` 1. Wenn die Amazon-Ressourcennummer (ARN) für die neue Rolle AWS CLI aufgeführt ist, kopieren Sie sie und speichern Sie sie in einem Texteditor. 1. Speichern Sie die folgende IAM-Richtlinie als JSON-Dokument, das `glue-access-policy.json` auf Ihrem Computer aufgerufen wird. Die Richtlinie gewährt die AWS Glue Erlaubnis, Ihre Ergebnisordner zu crawlen. ------ #### [ JSON ] **** ``` { "Version":"2012-10-17", "Statement": [ { "Effect": "Allow", "Action": [ "s3:GetObject", "s3:PutObject" ], "Resource": [ "arn:aws:s3:::amzn-s3-demo-bucket/sentiment-results*", "arn:aws:s3:::amzn-s3-demo-bucket/entities-results*" ] } ] } ``` ------ 1. Führen Sie den folgenden Befehl aus, um die IAM-Richtlinie zu erstellen. `path/`Ersetzen Sie es durch den Pfad Ihres lokalen Computers zum JSON-Dokument. ``` aws iam create-policy --policy-name glue-access-policy --policy-document file://path/glue-access-policy.json ``` 1. Wenn der den ARN der Zugriffsrichtlinie AWS CLI auflistet, kopieren Sie ihn und speichern Sie ihn in einem Texteditor. 1. Fügen Sie die neue Richtlinie der IAM-Rolle hinzu, indem Sie den folgenden Befehl ausführen. `policy-arn`Ersetzen Sie es durch den ARN für die IAM-Richtlinie, den Sie im vorherigen Schritt kopiert haben. ``` aws iam attach-role-policy --policy-arn policy-arn --role-name glue-access-role ``` 1. Fügen Sie die AWS verwaltete Richtlinie Ihrer IAM-Rolle `AWSGlueServiceRole` hinzu, indem Sie den folgenden Befehl ausführen. ``` aws iam attach-role-policy --policy-arn arn:aws:iam::aws:policy/service-role/AWSGlueServiceRole --role-name glue-access-role ``` 1. Erstellen Sie eine AWS Glue Datenbank, indem Sie den folgenden Befehl ausführen. ``` aws glue create-database --database-input Name="comprehend-results" ``` 1. Erstellen Sie einen neuen AWS Glue Crawler, indem Sie den folgenden Befehl ausführen. `glue-iam-role-arn`Ersetzen Sie es durch den ARN Ihrer AWS Glue IAM-Rolle. ``` aws glue create-crawler --name comprehend-analysis-crawler --role glue-iam-role-arn --targets S3Targets=[ {Path="s3://amzn-s3-demo-bucket/sentiment-results"}, {Path="s3://amzn-s3-demo-bucket/entities-results"}] --database-name comprehend-results ``` 1. Starten Sie den Crawler, indem Sie den folgenden Befehl ausführen. ``` aws glue start-crawler --name comprehend-analysis-crawler ``` Es kann einige Minuten dauern, bis der Crawler fertig ist. ## Bereiten Sie die Daten für die Analyse vor Jetzt haben Sie eine Datenbank, die mit den Amazon Comprehend Comprehend-Ergebnissen gefüllt ist. Die Ergebnisse sind jedoch verschachtelt. Um sie zu entflechten, führen Sie einige SQL-Anweisungen aus. Amazon Athena Amazon Athena ist ein interaktiver Abfrageservice, der es einfach macht, Daten in Amazon S3 mithilfe von Standard-SQL zu analysieren. Athena ist serverlos, sodass keine Infrastruktur verwaltet werden muss, und es gibt ein pay-per-query Preismodell. In diesem Schritt erstellen Sie neue Tabellen mit bereinigten Daten, die Sie zur Analyse und Visualisierung verwenden können. Sie verwenden die Athena-Konsole, um die Daten vorzubereiten. **Um die Daten vorzubereiten** 1. Öffnen Sie die Athena-Konsole unter [https://console.aws.amazon.com/athena/](https://console.aws.amazon.com/athena/home). 1. Wählen Sie im Abfrage-Editor **Einstellungen** und anschließend **Verwalten** aus. 1. Geben Sie für **Speicherort der Abfrageergebnisse** den Wert ein`s3://amzn-s3-demo-bucket/query-results/`. Dadurch wird ein neuer Ordner mit dem Namen `query-results` in Ihrem Bucket erstellt, in dem die Ausgabe der von Ihnen Amazon Athena ausgeführten Abfragen gespeichert wird. Wählen Sie **Speichern**. 1. Wählen Sie im Abfrage-Editor **Editor** aus. 1. Wählen Sie für **Datenbank** die AWS Glue Datenbank aus`comprehend-results`, die Sie erstellt haben. 1. Im Abschnitt **Tabellen** sollten Sie zwei Tabellen mit dem Namen `sentiment_results` und haben`entities_results`. Zeigen Sie eine Vorschau der Tabellen an, um sicherzustellen, dass der Crawler die Daten geladen hat. Wählen Sie in den Optionen jeder Tabelle (die drei Punkte neben dem Tabellennamen) die Option **Tabellenvorschau** aus. Eine kurze Abfrage wird automatisch ausgeführt. Überprüfen Sie im **Ergebnisbereich**, ob die Tabellen Daten enthalten. **Tipp** Wenn die Tabellen keine Daten enthalten, versuchen Sie, die Ordner in Ihrem S3-Bucket zu überprüfen. Stellen Sie sicher, dass es einen Ordner für Entitätsergebnisse und einen Ordner für Stimmungsergebnisse gibt. Versuchen Sie dann, einen neuen AWS Glue Crawler auszuführen. 1. **Um die `sentiment_results` Tabelle zu entwirren, geben Sie die folgende Abfrage in den **Abfrage-Editor** ein und wählen Sie Ausführen aus.** ``` CREATE TABLE sentiment_results_final AS SELECT file, line, sentiment, sentimentscore.mixed AS mixed, sentimentscore.negative AS negative, sentimentscore.neutral AS neutral, sentimentscore.positive AS positive FROM sentiment_results ``` 1. **Um die Verschachtelung der Entitätstabelle zu entfernen, geben Sie die folgende Abfrage in den **Abfrage-Editor ein und wählen** Sie Ausführen aus.** ``` CREATE TABLE entities_results_1 AS SELECT file, line, nested FROM entities_results CROSS JOIN UNNEST(entities) as t(nested) ``` 1. **Um die Verschachtelung der Entitätstabelle zu beenden, geben Sie die folgende Abfrage in den **Abfrage-Editor ein und wählen Sie Abfrage ausführen** aus.** ``` CREATE TABLE entities_results_final AS SELECT file, line, nested.beginoffset AS beginoffset, nested.endoffset AS endoffset, nested.score AS score, nested.text AS entity, nested.type AS category FROM entities_results_1 ``` **Ihre `sentiment_results_final` Tabelle sollte wie folgt aussehen, mit den Spalten **Datei**, **Zeile**, **Stimmung**, **gemischt**, **negativ**, **neutral und positiv**.** Die Tabelle sollte einen Wert pro Zelle haben. Die **Stimmungsspalte** beschreibt die wahrscheinlichste allgemeine Stimmung einer bestimmten Bewertung. Die **gemischten**, **negativen**, **neutralen** und **positiven** Spalten geben Werte für jeden Stimmungstyp an. ![\[Screenshot der Stimmungsausgabetabelle in Athena.\]](http://docs.aws.amazon.com/de_de/comprehend/latest/dg/images/tutorial-reviews-sentiment-table.png) ****Ihre `entities_results_final` Tabelle sollte wie folgt aussehen, mit Spalten mit den Namen **file**, **line**, **beginoffset, **endoffset****, **score, entity und category**.**** Die Tabelle sollte einen Wert pro Zelle haben. Die **Bewertungsspalte** gibt das Vertrauen von Amazon Comprehend in die erkannte **Entität** an. Die **Kategorie** gibt an, welche Art von Entität Comprehend erkannt wurde. ![\[Konsolenanzeige der Ausgabetabelle für Entitäten in Athena.\]](http://docs.aws.amazon.com/de_de/comprehend/latest/dg/images/tutorial-reviews-entities-table.png) Nachdem Sie die Amazon Comprehend Comprehend-Ergebnisse in Tabellen geladen haben, können Sie die Daten visualisieren und aussagekräftige Erkenntnisse daraus gewinnen. # Schritt 5: Visualisieren der Amazon Comprehend Comprehend-Ausgabe in Quick Nachdem Sie die Amazon Comprehend Comprehend-Ergebnisse in Tabellen gespeichert haben, können Sie mit Quick eine Verbindung zu den Daten herstellen und diese visualisieren. Quick ist ein AWS verwaltetes Business Intelligence (BI) -Tool zur Visualisierung von Daten. Mit Quick können Sie ganz einfach eine Verbindung zu Ihrer Datenquelle herstellen und aussagekräftige Grafiken erstellen. In diesem Schritt verbinden Sie Quick mit Ihren Daten, erstellen Visualisierungen, die Erkenntnisse aus den Daten extrahieren, und veröffentlichen ein Dashboard mit Visualisierungen. **Topics** + [Voraussetzungen](#tutorial-reviews-visualize-prereqs) + [Gewähren Sie Schnellzugriff](#tutorial-reviews-visualize-access) + [Importieren Sie die Datensätze](#tutorial-reviews-visualize-import) + [Erstellen Sie eine Stimmungsvisualisierung](#tutorial-reviews-visualize-sentiment) + [Erstellen Sie eine Entitätsvisualisierung](#tutorial-reviews-visualize-entities) + [Veröffentlichen Sie ein Dashboard](#tutorial-reviews-visualize-dashboard) + [Bereinigen](#tutorial-reviews-visualize-clean) ## Voraussetzungen Bevor Sie beginnen, führen Sie [Schritt 4: Vorbereiten der Amazon Comprehend für die Datenvisualisierung](tutorial-reviews-tables.md) durch. ## Gewähren Sie Schnellzugriff Um die Daten zu importieren, benötigt Quick Zugriff auf Ihren Amazon Simple Storage Service (Amazon S3) -Bucket und Ihre Amazon Athena Tabellen. Um Schnellzugriff auf Ihre Daten zu gewähren, müssen Sie als QuickSight Administrator angemeldet sein und Zugriff auf die Bearbeitung der Ressourcenberechtigungen haben. Wenn Sie die folgenden Schritte nicht ausführen können, überprüfen Sie die IAM-Voraussetzungen auf der Übersichtsseite[Tutorial: Analysieren von Erkenntnissen aus Kundenrezensionen mit Amazon Comprehend](tutorial-reviews.md). **Um Schnellzugriff auf Ihre Daten zu gewähren** 1. Öffnen Sie die [Schnellkonsole](https://quicksight.aws.amazon.com/sn/start). 1. Wenn Sie Quick zum ersten Mal verwenden, werden Sie von der Konsole aufgefordert, einen neuen Administratorbenutzer zu erstellen, indem Sie eine E-Mail-Adresse angeben. Geben Sie als **E-Mail-Adresse** dieselbe E-Mail-Adresse ein wie Ihre AWS-Konto. Klicken Sie auf **Weiter**. 1. Nachdem Sie sich angemeldet haben, wählen Sie in der Navigationsleiste Ihren Profilnamen und dann **Verwalten** aus QuickSight. Sie müssen als Administrator angemeldet sein, um die QuickSight Option **Verwalten** anzeigen zu können. 1. Wählen Sie **Sicherheit und Berechtigungen**. 1. Wählen Sie **Hinzufügen oder Entfernen**, **um QuickSight auf AWS Dienste zuzugreifen**. 1. Wählen Sie **Amazon S3**. 1. **Wählen Sie unter Amazon S3 S3-Buckets** auswählen Ihren S3-Bucket sowohl für **S3-Bucket** als auch für **Schreibberechtigungen für Athena** Workgroup aus. 1. Wählen Sie **Finish** (Abschließen). 1. Wählen Sie **Aktualisieren** aus. ## Importieren Sie die Datensätze Bevor Sie Visualisierungen erstellen, müssen Sie die Stimmungs- und Entitätsdatensätze zu Quick hinzufügen. Dazu verwenden Sie die Quick-Konsole. Sie importieren Ihre Tabellen mit nicht verschachtelten Stimmungen und nicht verschachtelten Entitäten aus. Amazon Athena **Um Ihre Datensätze zu importieren** 1. Öffnen Sie die [Schnellkonsole](https://quicksight.aws.amazon.com/sn/start). 1. Wählen Sie in der Navigationsleiste unter **Datensätze** die Option **Neuer Datensatz** aus. 1. Wählen **Sie für Create a Data Set** die Option **Athena** aus. 1. Geben Sie als **Datenquellenname die Option Datenquelle** **erstellen** ein `reviews-sentiment-analysis` und wählen Sie diese aus. 1. Für **Datenbank** wählen Sie die `comprehend-results`-Datenbank aus. 1. Wählen Sie für **Tabellen** die Stimmungstabelle aus `sentiment_results_final` und **klicken Sie dann auf Auswählen**. 1. Wählen Sie **Für schnellere Analysen nach SPICE importieren** und anschließend **Visualisieren**. SPICE QuickSight ist die speicherinterne Berechnungsengine, die schnellere Analysen ermöglicht als direkte Abfragen bei der Erstellung von Visualisierungen. 1. **Kehren Sie zur Schnellkonsole zurück und wählen Sie Datensätze.** Wiederholen Sie die Schritte 1—7, um einen Entitätsdatensatz zu erstellen, nehmen Sie jedoch die folgenden Änderungen vor: 1. Geben `reviews-entities-analysis` Sie als **Datenquellenname** ein. 1. Wählen Sie für **Tabellen** die Entitätstabelle aus`entities_results_final`. ## Erstellen Sie eine Stimmungsvisualisierung Jetzt, da Sie in Quick auf Ihre Daten zugreifen können, können Sie mit der Erstellung von Visualisierungen beginnen. Sie erstellen ein Kreisdiagramm mit den Stimmungsdaten von Amazon Comprehend. Das Kreisdiagramm zeigt, welcher Anteil der Bewertungen positiv, neutral, gemischt und negativ ist. **Um Stimmungsdaten zu visualisieren** 1. Wählen Sie in der Schnellkonsole **Analysen** und dann **Neue Analyse** aus. 1. Wählen Sie unter „**Ihre Datensätze**“ den Stimmungsdatensatz aus `sentiment_results_final` und klicken Sie dann auf **Analyse erstellen**. 1. Wählen Sie im Visual Editor in der **Feldliste** die Option **Stimmung** aus. **Anmerkung** Die Werte in der **Feldliste** hängen von den Spaltennamen ab, in Amazon Athena denen Sie die Tabellen erstellt haben. Wenn Sie die angegebenen Spaltennamen in den SQL-Abfragen geändert haben, unterscheiden sich die Namen der **Feldlisten** von den Namen, die in diesen Visualisierungsbeispielen verwendet wurden. 1. Wählen Sie für **Visuelle Typen** die Option **Kreisdiagramm** aus. Es wird ein Kreisdiagramm ähnlich dem folgenden mit positiven, neutralen, gemischten und negativen Abschnitten angezeigt. Um die Anzahl und den Prozentsatz eines Abschnitts zu sehen, bewegen Sie den Mauszeiger darüber. ![\[Konsolenanzeige eines Stimmungskreisdiagramms mit positiven, negativen, neutralen und gemischten Abschnitten.\]](http://docs.aws.amazon.com/de_de/comprehend/latest/dg/images/tutorial-reviews-pie.png) ## Erstellen Sie eine Entitätsvisualisierung Erstellen Sie nun eine zweite Visualisierung mit dem Entitätsdatensatz. Sie erstellen eine Baumkarte der verschiedenen Entitäten in den Daten. Jeder Block in der Baumkarte steht für eine Entität, und die Größe des Blocks korreliert mit der Häufigkeit, mit der die Entität im Datensatz vorkommt. **Um Entitätsdaten zu visualisieren** 1. Wählen **Sie im Kontrollbereich Visualisieren** neben **Datensatz** das Symbol **Datensätze hinzufügen, bearbeiten, ersetzen und entfernen** aus. 1. Wählen Sie **Datensatz hinzufügen**. 1. **Wählen Sie unter Datensatz zum Hinzufügen** auswählen Ihren Entitätsdatensatz `entities_results_final` aus der Liste der Datensätze aus und klicken Sie auf **Auswählen**. 1. Wählen Sie im Kontrollbereich **Visualisieren** das Dropdownmenü **Datensatz** und wählen Sie den Entitätsdatensatz `entities_results_final` aus. 1. Wählen Sie in **der Feldliste** die Option **Entität** aus. 1. Wählen Sie für **Visuelle Typen** die Option **Tree Map** aus. Eine Baumkarte, die der folgenden ähnelt, wird neben Ihrem Kreisdiagramm angezeigt. Um die Anzahl einer bestimmten Entität zu sehen, bewegen Sie den Mauszeiger über einen Block. ![\[Konsolenanzeige einer Baumkarte mit Blöcken für jede einzelne Entität.\]](http://docs.aws.amazon.com/de_de/comprehend/latest/dg/images/tutorial-reviews-tree.png) ## Veröffentlichen Sie ein Dashboard Nachdem Sie die Visualisierungen erstellt haben, können Sie sie als Dashboard veröffentlichen. Sie können mit einem Dashboard verschiedene Aufgaben ausführen, z. B. es für Benutzer in Ihrem Dashboard freigeben AWS-Konto, es als PDF speichern oder es als Bericht per E-Mail versenden (beschränkt auf die Enterprise Edition von Quick). In diesem Schritt veröffentlichen Sie die Visualisierungen als Dashboard in Ihrem Konto. **Um dein Dashboard zu veröffentlichen** 1. Wählen Sie in der Navigationsleiste die Option **Teilen** aus. 1. Klicken Sie auf **Publish dashboard (Dashboard veröffentlichen)**. 1. Wählen Sie **Neues Dashboard veröffentlichen als** und geben Sie den Namen `comprehend-analysis-reviews` für das Dashboard ein. 1. Klicken Sie auf **Publish dashboard (Dashboard veröffentlichen)**. 1. Schließen **Sie den Bereich „Dashboard mit Benutzern teilen**“, indem Sie in der oberen rechten Ecke auf die Schaltfläche „Schließen“ klicken. 1. **Wählen Sie in der Schnellkonsole im Navigationsbereich die Option Dashboards aus.** **Eine Miniaturansicht Ihres neuen Dashboards `comprehend-analysis-reviews` sollte unter Dashboards angezeigt werden.** Wählen Sie das Dashboard aus, um es anzuzeigen. Sie haben jetzt ein Dashboard mit Stimmungs- und Entitätsvisualisierungen, das dem folgenden Beispiel ähnelt. ![\[Konsolenanzeige eines QuickSight Dashboards mit einem Kreisdiagramm und einer Baumkarte.\]](http://docs.aws.amazon.com/de_de/comprehend/latest/dg/images/tutorial-reviews-dashboard.png) **Tipp** Wenn Sie die Visualisierungen in Ihrem Dashboard bearbeiten möchten, kehren Sie zu **Analysen** zurück und bearbeiten Sie die Visualisierung, die Sie aktualisieren möchten. Veröffentlichen Sie das Dashboard anschließend erneut, entweder als neues Dashboard oder als Ersatz für das bestehende Dashboard. ## Bereinigen Nach Abschluss dieses Tutorials möchten Sie möglicherweise alle AWS Ressourcen bereinigen, die Sie nicht mehr verwenden möchten. Für aktive AWS Ressourcen können weiterhin Gebühren auf Ihrem Konto anfallen. Mit den folgenden Maßnahmen können Sie verhindern, dass fortlaufende Gebühren anfallen: + Kündigen Sie Ihr Quick-Abonnement. Quick ist ein monatlicher Abonnementdienst. Informationen zur Kündigung Ihres Abonnements finden Sie unter [Kündigen Ihres Abonnements](https://docs.aws.amazon.com/quicksight/latest/user/closing-account.html) in der *Kurzanleitung*. + Löschen Sie Ihren Amazon S3 S3-Bucket. Amazon S3 berechnet Ihnen Gebühren für Speicherplatz. Um Ihre Amazon S3 S3-Ressourcen zu bereinigen, löschen Sie Ihren Bucket. Informationen zum Löschen eines Buckets finden Sie unter [Wie lösche ich einen S3-Bucket?](https://docs.aws.amazon.com/AmazonS3/latest/user-guide/delete-bucket.html) im *Amazon Simple Storage Service-Benutzerhandbuch*. Stellen Sie sicher, dass Sie alle wichtigen Dateien speichern, bevor Sie Ihren Bucket löschen. + Lösche deine AWS Glue Data Catalog. Das AWS Glue Data Catalog berechnet Ihnen monatlich den Speicherplatz. Sie können Ihre Datenbanken löschen, um zu verhindern, dass fortlaufende Gebühren anfallen. Informationen zur Verwaltung Ihrer AWS Glue Data Catalog Datenbanken finden Sie im *AWS Glue Entwicklerhandbuch* unter [Arbeiten mit Datenbanken auf der AWS Glue Konsole](https://docs.aws.amazon.com/glue/latest/dg/console-databases.html). Stellen Sie sicher, dass Sie Ihre Daten exportieren, bevor Sie Datenbanken oder Tabellen löschen.