Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra. # Informations Amazon Comprehend peut analyser un document ou un ensemble de documents afin de recueillir des informations à son sujet. Parmi les informations développées par Amazon Comprehend à propos d'un document, citons : + [Entités](how-entities.md)— Amazon Comprehend renvoie une liste d'entités, telles que des personnes, des lieux et des lieux, identifiées dans un document. + [Événements](how-events.md)— Amazon Comprehend détecte des types spécifiques d'événements et des informations connexes. + [Phrases clés](how-key-phrases.md)— Amazon Comprehend extrait les phrases clés qui apparaissent dans un document. Par exemple, un document concernant un match de basket peut renvoyer les noms des équipes, le nom du site et le score final. + [données d'identification personnelle (PII)](pii.md)— Amazon Comprehend analyse les documents afin de détecter les données personnelles permettant d'identifier une personne, telles qu'une adresse, un numéro de compte bancaire ou un numéro de téléphone. + [Langue dominante](how-languages.md)— Amazon Comprehend identifie la langue dominante d'un document. Amazon Comprehend peut identifier 100 langues. + [Sentiment](how-sentiment.md) — Amazon Comprehend détermine le sentiment dominant d'un document. Le sentiment peut être positif, neutre, négatif ou mixte. + [Sentiment ciblé](how-targeted-sentiment.md) — Amazon Comprehend détermine le sentiment des entités spécifiques mentionnées dans un document. Le sentiment associé à chaque mention peut être positif, neutre, négatif ou mitigé. + [Analyse syntaxique](how-syntax.md)— Amazon Comprehend analyse chaque mot de votre document et détermine la partie du discours correspondant à ce mot. Par exemple, dans la phrase « Il pleut aujourd'hui à Seattle », « il » est identifié comme un pronom, « il pleut » est identifié comme un verbe et « Seattle » est identifié comme un nom propre. # Entités Une *entité* est une référence textuelle au nom unique d'un objet du monde réel tel que des personnes, des lieux et des articles commerciaux, et à des références précises à des mesures telles que les dates et les quantités. Par exemple, dans le texte « John a déménagé au 1313 Mockingbird Lane en 2012 », « John » peut être reconnu comme un`PERSON`, « 1313 Mockingbird Lane » peut être reconnu comme un et « 2012 » peut être reconnu comme un`LOCATION`. `DATE` Chaque entité possède également un score qui indique le niveau de confiance d'Amazon Comprehend quant à la détection correcte du type d'entité. Vous pouvez filtrer les entités présentant les scores les plus faibles afin de réduire le risque d'utiliser des détections incorrectes. Le tableau suivant répertorie les types d'entités. | Type | Description | | --- | --- | | ARTICLE\$1COMMERCIAL | Un produit de marque | | DATE | Une date complète (par exemple, le 25/11/2017), un jour (mardi), un mois (mai) ou une heure (8 h 30) | | ÉVÉNEMENT | Un événement, tel qu'un festival, un concert, une élection, etc. | | LOCATION | Un lieu spécifique, tel qu'un pays, une ville, un lac, un bâtiment, etc. | | ORGANISATION | Les grandes organisations, telles qu'un gouvernement, une entreprise, une religion, une équipe sportive, etc. | | OTHER | Entités qui ne correspondent à aucune des autres catégories d'entités | | LA PERSONNE | Individus, groupes de personnes, surnoms, personnages fictifs | | QUANTITÉ | Un montant quantifié, tel que la devise, les pourcentages, les nombres, les octets, etc. | | TITLE | Nom officiel donné à toute création ou œuvre créative, telle que des films, des livres, des chansons, etc. | Les opérations de détection des entités peuvent être effectuées dans l'un des principaux langages pris en charge par Amazon Comprehend. Cela inclut uniquement la détection d'entités prédéfinies (non personnalisées). Tous les documents doivent être rédigés dans la même langue. Vous pouvez utiliser l'une des opérations d'API suivantes pour détecter des entités dans un document ou un ensemble de documents. + [DetectEntities](https://docs.aws.amazon.com/comprehend/latest/APIReference/API_DetectEntities.html) + [BatchDetectEntities](https://docs.aws.amazon.com/comprehend/latest/APIReference/API_BatchDetectEntities.html) + [StartEntitiesDetectionJob](https://docs.aws.amazon.com/comprehend/latest/APIReference/API_StartEntitiesDetectionJob.html) Les opérations renvoient une liste d'objets [API Entity](https://docs.aws.amazon.com/comprehend/latest/APIReference/API_Entity.html), un pour chaque entité du document. L'`BatchDetectEntities`opération renvoie une liste d'`Entity`objets, une liste pour chaque document du lot. L'`StartEntitiesDetectionJob`opération démarre une tâche asynchrone qui produit un fichier contenant une liste d'`Entity`objets pour chaque document de la tâche. L'exemple suivant est la réponse de l'`DetectEntities`opération. ``` { "Entities": [ { "Text": "today", "Score": 0.97, "Type": "DATE", "BeginOffset": 14, "EndOffset": 19 }, { "Text": "Seattle", "Score": 0.95, "Type": "LOCATION", "BeginOffset": 23, "EndOffset": 30 } ], "LanguageCode": "en" } ``` # Événements Événements **Note** Les fonctionnalités de modélisation thématique, de détection d'événements et de classification de sécurité rapide d'Amazon Comprehend ne seront plus disponibles pour les nouveaux clients à compter du 30 avril 2026. Si vous souhaitez utiliser ces fonctionnalités avec de nouveaux comptes, veuillez le faire avant cette date. Aucune action n'est requise pour les comptes qui ont utilisé ces fonctionnalités au cours des 12 derniers mois. Pour de plus amples informations, veuillez consulter [Modification de la disponibilité des fonctionnalités d'Amazon Comprehend](comprehend-availability-change.md). Utilisez *la détection d'événements* pour analyser des documents texte afin de détecter des types d'événements spécifiques et leurs entités associées. Amazon Comprehend prend en charge la détection d'événements dans de grandes collections de documents à l'aide de tâches d'analyse asynchrones. Pour plus d'informations sur les événements, y compris des exemples de tâches d'analyse d'événements, consultez [Annonce du lancement d'Amazon Comprehend](https://aws.amazon.com/blogs/machine-learning/announcing-the-launch-of-amazon-comprehend-events/) Events ## Entités Entités À partir du texte saisi, Amazon Comprehend extrait une liste d'entités associées à l'événement détecté. Une *entité* peut être un objet du monde réel, tel qu'une personne, un lieu ou un lieu ; une entité peut également être un concept, tel qu'une mesure, une date ou une quantité. Chaque occurrence d'une entité est identifiée par une *mention*, qui est une référence textuelle à l'entité dans le texte saisi. Pour chaque entité unique, toutes les mentions sont regroupées dans une liste. Cette liste fournit des détails pour chaque emplacement dans le texte d'entrée où l'entité apparaît. Amazon Comprehend détecte uniquement les entités associées aux types d'événements pris en charge. Chaque entité associée à un type d'événement pris en charge renvoie les informations associées suivantes : + **Mentions** : détails pour chaque occurrence de la même entité dans le texte saisi. + **BeginOffset**: décalage de caractères dans le texte saisi qui indique où commence la mention (le premier caractère est à la position 0). + **EndOffset**: décalage de caractères dans le texte saisi qui indique la fin de la mention. + **Score** : niveau de confiance d'Amazon Comprehend quant à la précision du type d'entité. + **GroupScore**: le niveau de confiance d'Amazon Comprehend quant au fait que la mention est correctement regroupée avec d'autres mentions de la même entité. + **Texte** : texte de l'entité. + **Type : type** de l'entité. Pour tous les types d'entités pris en charge, consultez[Types d’entités](#events-entity-types). ## Événements Événements Amazon Comprehend renvoie la liste des événements (des types d'événements pris en charge) détectés dans le texte saisi. Chaque événement revient avec les informations connexes suivantes : + **Type** : type d'événement. Pour tous les types d'événements pris en charge, consultez[Types d’événements](#events-types). + **Arguments** : liste d'arguments liés à l'événement détecté. Un *argument* est constitué d'une entité associée à l'événement détecté. Le rôle de l'argument décrit la relation, par exemple *qui* a fait *quoi*, *où* et *quand*. + **EntityIndex**: valeur d'index identifiant une entité dans la liste des entités renvoyées par Amazon Comprehend pour cette analyse. + **Rôle** : type d'argument, qui décrit comment l'entité associée à cet argument est liée à l'événement. Pour tous les types d'arguments pris en charge, consultez[Types d'arguments](#events-argument-types). + **Score** : niveau de confiance d'Amazon Comprehend quant à la précision de la détection des rôles. + **Déclencheurs** : liste des déclencheurs pour l'événement détecté. Un *déclencheur* est un mot ou une phrase unique qui indique la survenance de l'événement. + **BeginOffset**: décalage de caractères dans le texte saisi qui indique le point de départ du déclencheur (le premier caractère est à la position 0). + **EndOffset**: décalage de caractères dans le texte saisi qui indique où se termine le déclencheur. + **Score** : niveau de confiance d'Amazon Comprehend quant à la précision de la détection. + **Texte** : texte du déclencheur. + **GroupScore**: niveau de confiance d'Amazon Comprehend quant au fait que le déclencheur est correctement regroupé avec d'autres déclencheurs pour le même événement. + **Type** : type d'événement indiqué par ce déclencheur. ## Format des résultats de détection des événements Format des résultats de détection des événements Lorsque votre tâche de détection d'événements est terminée, Amazon Comprehend écrit les résultats de l'analyse sur l'emplacement de sortie Amazon S3 que vous avez spécifié lorsque vous avez commencé la tâche. Pour chaque événement détecté, la sortie fournit des détails au format suivant : ``` { "Entities": [ { "Mentions": [ { "BeginOffset": number, "EndOffset": number, "Score": number, "GroupScore": number, "Text": "string", "Type": "string" }, ... ] }, ... ], "Events": [ { "Type": "string", "Arguments": [ { "EntityIndex": number, "Role": "string", "Score": number }, ... ], "Triggers": [ { "BeginOffset": number, "EndOffset": number, "Score": number, "Text": "string", "GroupScore": number, "Type": "string" }, ... ] }, ... ] } ``` ## Types pris en charge pour les entités, les événements et les arguments ### Types d’entités | Type | Description | | --- | --- | | DATE | Toute référence à une date ou à une heure, qu'elle soit spécifique ou générale. | | INSTALLATION | Bâtiments, aéroports, autoroutes, ponts et autres structures humaines permanentes et améliorations immobilières. | | LOCATION | Emplacements physiques tels que les rues, les villes, les États, les pays, les plans d'eau ou les coordonnées géographiques. | | VALEUR\$1MONÉTAIRE | La valeur d'un objet en dollars américains ou dans une autre devise. La valeur peut être spécifique ou approximative. | | ORGANISATION | Entreprises et autres groupes de personnes définis par une structure organisationnelle établie. | | LA PERSONNE | Les noms ou surnoms d'individus ou de personnages fictifs. | | TITRE DE LA PERSONNE | Tout titre décrivant une personne, qui est généralement une catégorie d'emploi (comme PDG) ou honorifique (comme M.). | | QUANTITÉ | Un nombre ou une valeur et l'unité de mesure. | | STOCK\$1CODE | Un symbole boursier, tel que AMZN, un numéro international d'identification des titres (ISIN), le Committee on Uniform Securities Identification Procedures (CUSIP) ou la Stock Exchange Daily Official List (SEDOL). | ### Types d’événements | Type | Description | | --- | --- | | FAILLITE | Procédure judiciaire impliquant une personne ou une entreprise incapable de rembourser ses dettes impayées. | | EMPLOI | Se produit lorsqu'un employé est embauché, licencié, mis à la retraite ou change de statut professionnel. | | ACQUISITION D'ENTREPRISE | Se produit lorsqu'une entreprise obtient la possession de la plupart ou de la totalité des actions ou des actifs physiques d'une autre société pour prendre le contrôle de cette société. | | INVESTISSEMENT\$1GÉNÉRAL | Se produit lorsqu'une personne ou une entreprise achète un actif dans la perspective de générer des revenus ou une appréciation futurs. | | FUSION\$1ENTREPRISE | Se produit lorsque deux entreprises ou plus s'unissent pour créer une nouvelle entité juridique. | | INTRODUCTION EN BOURSE | Une offre publique initiale (IPO) d'actions d'une société privée au public dans le cadre d'une nouvelle émission d'actions. | | PROBLÈME\$1RELATIF AUX DROITS | Un ensemble de droits offerts aux actionnaires existants pour acheter des actions supplémentaires, appelés bons de souscription, proportionnellement à leurs avoirs existants. | | OFFRE\$1SECONDAIRE | Offre de titres par un actionnaire d'une société. | | SHELF\$1OFFERING | Une disposition de la Securities and Exchange Commission (SEC) qui permet à un émetteur d'enregistrer une nouvelle émission de titre et d'en vendre des parties sur une certaine période sans réenregistrer le titre ni encourir de pénalités. Également connu sous le nom d'enregistrement en rayon. | | OFFRE\$1D'OFFRES | Offre d'achat d'une partie ou de la totalité des actions détenues par les actionnaires d'une entreprise. | | STOCK\$1SPLIT | Se produit lorsque le conseil d'administration d'une entreprise augmente le nombre d'actions en circulation en émettant davantage d'actions aux actionnaires actuels. Cet événement s'applique également aux scissions inversées d'actions. | ### Types d'arguments **Types d'arguments en cas de FAILLITE** | Type d’argument | Description | | --- | --- | | FILTRE | La personne ou l'entreprise qui déclare faillite. | | DATE | La date ou l'heure de la faillite. | | ENDROIT | Lieu ou établissement où (ou le plus proche de l'endroit) la faillite a eu lieu. | **Types d'arguments en faveur de l'EMPLOI** | Type | Description | | --- | --- | | EMPLOYÉ | La personne employée par une entreprise. | | TITLE\$1EMPLOYÉ | Titre de l'employé. | | EMPLOYEUR | La personne ou l'entreprise qui emploie l'employé. | | START\$1DATE | La date ou l'heure de début de l'emploi. | | DATE DE FIN | La date ou l'heure de fin de l'emploi. | **Types d'arguments pour CORPORATE\$1ACQUISTION, INVESTMENT\$1GENERAL** | Type | Description | | --- | --- | | MONTANT | La valeur monétaire associée à la transaction. | | ENTITÉ INVESTIE | Personne ou société associée à l'investissement. | | INVESTISSEUR | La personne ou l'entreprise qui investit dans l'actif. | | DATE | Date ou heure de l'acquisition ou de l'investissement. | | ENDROIT | Lieu où (ou le plus proche de l'endroit) l'acquisition ou l'investissement a eu lieu. | **Types d'arguments pour CORPORATE\$1MERGER** | Type | Description | | --- | --- | | DATE | La date ou l'heure de la fusion. | | NOUVELLE\$1ENTREPRISE | La nouvelle entité juridique issue de la fusion. | | PARTICIPANT | La société impliquée dans la fusion. | **Types d'arguments pour IPO, RIGHTS\$1ISSUE, SECONDARY\$1OFFERING, SHELF\$1OFFERING, TENDER\$1OFFERING** | Type | Description | | --- | --- | | DATE\$1D'EXPIRATION | Date ou heure d'expiration de l'offre. | | INVESTISSEUR | La personne ou l'entreprise qui investit dans l'actif. | | DESTINATAIRE | La personne ou l'entreprise qui reçoit l'offre. | | MONTANT\$1DE L'OFFRE | La valeur monétaire associée à l'offre. | | DATE\$1D'OFFRE | La date ou l'heure de l'offre. | | QUI OFFRE | La personne ou l'entreprise à l'origine de l'offre. | | VALEUR\$1TOTAL\$1DE L'OFFREUR | La valeur monétaire totale associée à l'offre. | | DATE\$1D'ENREGISTREMENT | Date ou heure d'enregistrement de l'offre. | | AGENT DE VENTE | La personne ou l'entreprise qui facilite la vente de l'offre. | | PRIX\$1ACTION | La valeur monétaire associée au cours de l'action. | | PARTAGER\$1QUANTITÉ | Le nombre d'actions associées à l'offre. | | SOUSCRIPTEURS | Société associée à la souscription de l'offre. | **Types d'arguments pour STOCK\$1SPLIT** | Type | Description | | --- | --- | | ENTREPRISE | La société émettrice des actions s'est scindée. | | DATE | Date ou heure du fractionnement des actions. | | RATIO DE DIVISION | Le ratio entre l'augmentation du nombre de nouvelles actions en circulation et le nombre actuel d'actions avant le fractionnement des actions. | # Phrases clés Une *phrase clé* est une chaîne contenant un syntagme nominal qui décrit une chose en particulier. Il se compose généralement d'un nom et des modificateurs qui le distinguent. Par exemple, « jour » est un nom ; « une belle journée » est un nom qui inclut un article (« a ») et un adjectif (« beau »). Chaque phrase clé inclut un score qui indique le niveau de confiance d'Amazon Comprehend quant au fait que la chaîne est une phrase nominale. Vous pouvez utiliser le score pour déterminer si la détection est suffisamment fiable pour votre application. Les opérations de détection des phrases clés peuvent être effectuées dans l'un des principaux langages pris en charge par Amazon Comprehend. Tous les documents doivent être rédigés dans la même langue. Vous pouvez utiliser l'une des opérations suivantes pour détecter des phrases clés dans un document ou un ensemble de documents. + [DetectKeyPhrases](https://docs.aws.amazon.com/comprehend/latest/APIReference/API_DetectKeyPhrases.html) + [BatchDetectKeyPhrases](https://docs.aws.amazon.com/comprehend/latest/APIReference/API_BatchDetectKeyPhrases.html) + [StartKeyPhrasesDetectionJob](https://docs.aws.amazon.com/comprehend/latest/APIReference/API_StartKeyPhrasesDetectionJob.html) Les opérations renvoient une liste d'[KeyPhrase](https://docs.aws.amazon.com/comprehend/latest/APIReference/API_KeyPhrase.html)objets, un pour chaque phrase clé du document. L'`BatchDetectKeyPhrases`opération renvoie une liste d'`KeyPhrase`objets, un pour chaque document du lot. L'`StartKeyPhrasesDetectionJob`opération démarre une tâche asynchrone qui produit un fichier contenant une liste d'`KeyPhrase`objets pour chaque document de la tâche. L'exemple suivant est la réponse de l'`DetectKeyPhrases`opération. ``` { "LanguageCode": "en", "KeyPhrases": [ { "Text": "today", "Score": 0.89, "BeginOffset": 14, "EndOffset": 19 }, { "Text": "Seattle", "Score": 0.91, "BeginOffset": 23, "EndOffset": 30 } ] } ``` # Langue dominante Vous pouvez utiliser Amazon Comprehend pour examiner le texte afin de déterminer la langue dominante. Amazon Comprehend identifie la langue à l'aide des identifiants de la RFC 5646. S'il existe un identifiant ISO 639-1 à 2 lettres, avec une sous-étiquette régionale si nécessaire, il l'utilise. Dans le cas contraire, il utilise le code à 3 lettres ISO 639-2. Pour plus d'informations sur la RFC 5646, consultez la section [Tags pour identifier les langues](https://tools.ietf.org/html/rfc5646) sur le site Web de l'*IETF Tools*. La réponse inclut un score qui indique le niveau de confiance d'Amazon Comprehend quant au fait qu'une langue particulière est la langue dominante du document. Chaque score est indépendant des autres scores. Le score n'indique pas qu'une langue constitue un pourcentage particulier d'un document. Si un document long (tel qu'un livre) contient plusieurs langues, vous pouvez le diviser en plusieurs parties plus petites et exécuter l'`DetectDominantLanguage`opération sur chacune des parties. Vous pouvez ensuite agréger les résultats pour déterminer le pourcentage de chaque langue dans le document le plus long. La détection du langage par Amazon Comprehend présente les limites suivantes : + Il ne prend pas en charge la détection de la langue phonétique. Par exemple, il ne détecte pas « arigato » en japonais ou « nihao » en chinois. + Il peut être difficile de distinguer des paires linguistiques proches, telles que l'indonésien et le malais, ou le bosniaque, le croate et le serbe. + Pour de meilleurs résultats, saisissez au moins 20 caractères de texte. Amazon Comprehend détecte les langues suivantes. | Code | Language | | --- | --- | | af | Afrikaans | | am | Amharique | | ar | Arabe | | as | Assamais | | az | Azerbaïdjanais | | ba | Bachkir | | be | Biélorusse | | bn | Bengali | | bs | Bosniaque | | bg | Bulgare | | ca | Catalan | | ceb | Cebuano | | cs | Tchèque | | cv | Tchouvache | | cy | Gallois | | da | Danois | | de | Allemand | | el | Grec | | en | Anglais | | eo | Espéranto | | et | Estonian | | eu | Basque | | fa | Persan | | fi | Finnois | | fr | Français | | gd | Gaélique écossais | | ga | Irlandais | | gl | Galicien | | gu | Gujarati | | ht | Haïtien | | he | Hébreu | | ha | Haoussa | | hi | Hindi | | hr | Croate | | hu | Hongrois | | hy | Arménien | | ilo | Iloko | | id | Indonésien | | is | Islandais | | it | Italien | | jv | Javanais | | ja | Japonais | | kn | Kannada | | ka | Géorgien | | kk | Kazakh | | km | Khmer central | | ky | Kirghize | | ko | Coréen | | ku | Norvégien | | lo | Lao | | la | Latin | | lv | Letton | | lt | Lituanien | | lb | Luxembourgeois | | ml | Malayalam | | mt | Maltais | | mr | Marathi | | mk | Macédonien | | mg | Malgache | | mn | Mongol | | ms | Malais | | my | Birman | | ne | Népalais | | new | Newari | | nl | Néerlandais | | no | Norvégien | | or | Oriya | | om | Oromo | | pa | Pendjabi | | pl | Polonais | | pt | Portugais | | ps | Pushto | | qu | Quechua | | ro | Roumain | | ru | Russe | | sa | Sanskrit | | si | Singhalais | | sk | Slovaque | | sl | Slovène | | sd | Sindhi | | so | Somali | | es | Espagnol | | sq | Albanais | | sr | Serbe | | su | Soundanais | | sw | Swahili | | sv | Suédois | | ta | Tamoul | | tt | Tatar | | te | Télougou | | tg | Tadjik | | tl | Tagalog | | th | Thaï | | tk | Turkmène | | tr | Turc | | ug | Ouïghour | | uk | Ukrainien | | ur | Urdu | | uz | Ouzbek | | vi | Vietnamien | | yi | Yiddish | | yo | Yoruba | | zh | Chinois (simplifié) | | zh-TW | Chinois (Traditionnel) | Vous pouvez utiliser l'une des opérations suivantes pour détecter la langue dominante d'un document ou d'un ensemble de documents. + [DetectDominantLanguage](https://docs.aws.amazon.com/comprehend/latest/APIReference/API_DetectDominantLanguage.html) + [BatchDetectDominantLanguage](https://docs.aws.amazon.com/comprehend/latest/APIReference/API_BatchDetectDominantLanguage.html) + [StartDominantLanguageDetectionJob](https://docs.aws.amazon.com/comprehend/latest/APIReference/API_StartDominantLanguageDetectionJob.html) L'`DetectDominantLanguage`opération renvoie un [DominantLanguage](https://docs.aws.amazon.com/comprehend/latest/APIReference/API_DominantLanguage.html)objet. L'`BatchDetectDominantLanguage`opération renvoie une liste d'`DominantLanguage`objets, un pour chaque document du lot. L'`StartDominantLanguageDetectionJob`opération démarre une tâche asynchrone qui produit un fichier contenant une liste d'`DominantLanguage`objets, un pour chaque document de la tâche. L'exemple suivant est la réponse de l'`DetectDominantLanguage`opération. ``` { "Languages": [ { "LanguageCode": "en", "Score": 0.9793661236763 } ] } ``` # Sentiment Utilisez Amazon Comprehend pour déterminer le contenu des documents texte codés en UTF-8. Par exemple, vous pouvez utiliser l'analyse des sentiments pour déterminer le sentiment des commentaires sur un article de blog afin de déterminer si vos lecteurs ont aimé le billet. Vous pouvez déterminer le sentiment à l'égard des documents rédigés dans l'une des principales langues prises en charge par Amazon Comprehend. Tous les documents d'une même tâche doivent être rédigés dans la même langue. La détermination du sentiment renvoie les valeurs suivantes : + **Positif** — Le texte exprime un sentiment globalement positif. + **Négatif** — Le texte exprime un sentiment général négatif. + **Mixte** — Le texte exprime à la fois des sentiments positifs et négatifs. + **Neutre** — Le texte n'exprime aucun sentiment positif ou négatif. Vous pouvez utiliser l'une des opérations d'API suivantes pour détecter le sentiment d'un document ou d'un ensemble de documents. + [DetectSentiment](https://docs.aws.amazon.com/comprehend/latest/APIReference/API_DetectSentiment.html) + [BatchDetectSentiment](https://docs.aws.amazon.com/comprehend/latest/APIReference/API_BatchDetectSentiment.html) + [StartSentimentDetectionJob](https://docs.aws.amazon.com/comprehend/latest/APIReference/API_StartSentimentDetectionJob.html) Les opérations renvoient le sentiment le plus probable pour le texte et les scores pour chacun des sentiments. Le score représente la probabilité que le sentiment ait été correctement détecté. Par exemple, dans l'exemple ci-dessous, il est probable que le texte exprime un `Positive` sentiment à 95 %. Il y a moins de 1 % de probabilité que le texte exprime un `Negative` sentiment. Vous pouvez utiliser le `SentimentScore` pour déterminer si la précision de la détection répond aux besoins de votre application. L'`DetectSentiment`opération renvoie un objet contenant le sentiment détecté et un [SentimentScore](https://docs.aws.amazon.com/comprehend/latest/APIReference/API_SentimentScore.html)objet. L'`BatchDetectSentiment`opération renvoie une liste de sentiments et `SentimentScore` d'objets, une pour chaque document du lot. L'`StartSentimentDetectionJob`opération lance une tâche asynchrone qui produit un fichier contenant une liste de sentiments et d'`SentimentScore`objets, une pour chaque document de la tâche. L'exemple suivant est la réponse de l'`DetectSentiment`opération. ``` { "SentimentScore": { "Mixed": 0.030585512690246105, "Positive": 0.94992071056365967, "Neutral": 0.0141543131828308, "Negative": 0.00893945890665054 }, "Sentiment": "POSITIVE", "LanguageCode": "en" } ``` # Sentiment ciblé *Le sentiment ciblé* fournit une compréhension précise des sentiments associés à des entités spécifiques (telles que des marques ou des produits) dans vos documents d'entrée. La différence entre le sentiment ciblé et le [sentiment](how-sentiment.md) réside dans le niveau de granularité des données de sortie. L'analyse des sentiments détermine le sentiment dominant pour chaque document d'entrée, mais ne fournit pas de données pour une analyse plus approfondie. L'analyse ciblée des sentiments détermine le sentiment au niveau de l'entité pour des entités spécifiques dans chaque document d'entrée. Vous pouvez analyser les données de sortie pour déterminer les produits et services spécifiques qui reçoivent des commentaires positifs ou négatifs. Par exemple, dans une série de critiques de restaurants, un client fournit le commentaire suivant : « Les tacos étaient délicieux et le personnel était sympathique. » L'analyse de cette revue produit les résultats suivants : + **L'analyse des sentiments** détermine si le sentiment général de chaque critique de restaurant est positif, négatif, neutre ou mitigé. Dans cet exemple, le sentiment général est positif. + **L'analyse ciblée** des sentiments détermine le sentiment à l'égard des entités et des attributs du restaurant mentionnés par les clients dans les avis. Dans cet exemple, le client a fait des commentaires positifs à propos des « tacos » et du « personnel ». Le sentiment ciblé fournit les résultats suivants pour chaque tâche d'analyse : + Identité des entités mentionnées dans les documents. + Classification du type d'entité pour chaque mention d'entité. + Le sentiment et un score de sentiment pour chaque entité mentionnée. + Groupes de mentions (groupes de coréférence) correspondant à une seule entité. Vous pouvez utiliser la [console](get-started-console.md) ou l'[API](using-api-targeted-sentiment.md) pour effectuer une analyse des sentiments ciblée. La console et l'API prennent en charge l'analyse en temps réel et l'analyse asynchrone pour un sentiment ciblé. Amazon Comprehend prend en charge le sentiment ciblé pour les documents rédigés en anglais. Pour plus d'informations sur le sentiment ciblé, y compris un didacticiel, voir [Extraire un sentiment granulaire dans un texte avec Amazon Comprehend Targeted](https://aws.amazon.com/blogs/machine-learning/extract-granular-sentiment-in-text-with-amazon-comprehend-targeted-sentiment/) Sentiment sur AWS le blog de machine learning. **Topics** + [ ## Types d’entités ](#how-targeted-sentiment-entities) + [ ## Groupe de coréférence ](#how-targeted-sentiment-values) + [ ## Organisation des fichiers de sortie ](#how-targeted-sentiment-output) + [ ## Analyse en temps réel à l'aide de la console ](#how-targeted-sentiment-console) + [ ## Exemple de production de sentiments ciblés ](#how-targeted-sentiment-example) ## Types d’entités Le sentiment ciblé identifie les types d'entités suivants. Il attribue le type d'entité OTHER si l'entité n'appartient à aucune autre catégorie. Chaque entité mentionnée dans le fichier de sortie inclut le type d'entité, tel que`"Type": "PERSON"`. **Définitions des types d'entités** | Type d'entité | Définition | | --- | --- | | LA PERSONNE | Les exemples incluent des individus, des groupes de personnes, des surnoms, des personnages fictifs et des noms d'animaux. | | LOCATION | Emplacements géographiques tels que les pays, les villes, les états, les adresses, les formations géologiques, les plans d'eau, les sites naturels et les sites astronomiques. | | ORGANISATION | Les exemples incluent les gouvernements, les entreprises, les équipes sportives et les religions. | | INSTALLATION | Bâtiments, aéroports, autoroutes, ponts et autres structures humaines permanentes et améliorations immobilières. | | MARQUE | Organisation, groupe ou producteur d'un article commercial ou d'une gamme de produits spécifique. | | ARTICLE\$1COMMERCIAL | Tout article non générique achetable ou acquérable, y compris les véhicules, et les gros produits fabriqués par un seul article. | | FILM | Un film ou une émission de télévision. L'entité peut être le nom complet, un surnom ou un sous-titre. | | MUSIQUE | Une chanson, complète ou partielle. Également, des collections de créations musicales individuelles, telles qu'un album ou une anthologie. | | RÉSERVER | Un livre, publié par un professionnel ou publié à compte d'auteur. | | LOGICIEL | Un produit logiciel officiellement publié. | | JEU | Un jeu, tel que des jeux vidéo, des jeux de société, des jeux courants ou des sports. | | TITRE\$1PERSONNEL | Titres officiels et distinctions honorifiques tels que président, doctorat ou Dr. | | ÉVÉNEMENT | Les exemples incluent un festival, un concert, une élection, une guerre, une conférence et un événement promotionnel. | | DATE | Toute référence à une date ou à une heure, qu'elle soit spécifique ou générale, absolue ou relative. | | QUANTITÉ | Toutes les mesures ainsi que leurs unités (devise, pourcentage, nombre, octets, etc.). | | ATTRIBUTE | Attribut, caractéristique ou trait d'une entité, tel que la « qualité » d'un produit, le « prix » d'un téléphone ou la « vitesse » d'un processeur. | | OTHER | Entités qui n'appartiennent à aucune des autres catégories. | ## Groupe de coréférence Le sentiment ciblé identifie les groupes de coréférence dans chaque document d'entrée. Un groupe de coréférence est un groupe de mentions dans un document qui correspondent à une entité du monde réel. **Example** Dans l'exemple suivant d'avis client, « spa » est l'entité qui possède un type d'entité`FACILITY`. L'entité possède deux mentions supplémentaires sous forme de pronom (« it »). ![\[Groupe de coréférence ciblé sur les sentiments.\]](http://docs.aws.amazon.com/fr_fr/comprehend/latest/dg/images/gs-console-targeted-sentiment4.png) ## Organisation des fichiers de sortie La tâche d'analyse des sentiments ciblée crée un fichier de sortie texte JSON. Le fichier contient un objet JSON pour chacun des documents d'entrée. Chaque objet JSON contient les champs suivants : + **Entités** : tableau d'entités présentes dans le document. + **Fichier** : nom de fichier du document d'entrée. + **Ligne** — Si le fichier d'entrée contient un document par ligne, **Entités** contient le numéro de ligne du document dans le fichier. **Note** Si le sentiment ciblé n'identifie aucune entité dans le texte saisi, il renvoie un tableau vide comme résultat Entities. L'exemple suivant montre **les entités** d'un fichier d'entrée comportant trois lignes de saisie. Le format d'entrée est **ONE\$1DOC\$1PER\$1LINE, de sorte que chaque ligne** d'entrée est un document. ``` { "Entities":[ {entityA}, {entityB}, {entityC} ], "File": "TargetSentimentInputDocs.txt", "Line": 0 } { "Entities": [ {entityD}, {entityE} ], "File": "TargetSentimentInputDocs.txt", "Line": 1 } { "Entities": [ {entityF}, {entityG} ], "File": "TargetSentimentInputDocs.txt", "Line": 2 } ``` Une entité du tableau **Entities** inclut un regroupement logique (appelé groupe de coréférence) des mentions d'entités détectées dans le document. La structure globale de chaque entité est la suivante : ``` {"DescriptiveMentionIndex": [0], "Mentions": [ {mentionD}, {mentionE} ] } ``` Une entité contient les champs suivants : + **Mentions** : tableau de mentions de l'entité dans le document. Le tableau représente un groupe de coréférence. Consultez [Groupe de coréférence](#how-targeted-sentiment-values) pour obtenir un exemple. L'ordre des mentions dans le tableau Mentions est l'ordre de leur emplacement (décalage) dans le document. Chaque mention inclut le score de sentiment et le score de groupe pour cette mention. Le score du groupe indique le niveau de confiance selon lequel ces mentions appartiennent à la même entité. + **DescriptiveMentionIndex**— Un ou plusieurs index du tableau Mentions fournissant le meilleur nom pour le groupe d'entités. Par exemple, une entité peut avoir trois mentions avec les valeurs de **texte** « ABC Hotel », « ABC Hotel » et « it ». Le meilleur nom est « ABC Hotel », qui a une DescriptiveMentionIndex valeur de [0,1]. Chaque mention inclut les champs suivants + **BeginOffset**— Le décalage dans le texte du document à l'endroit où la mention commence. + **EndOffset**— Le décalage dans le texte du document à la fin de la mention. + **GroupScore**— La certitude que toutes les entités mentionnées dans le groupe sont liées à la même entité. + **Texte** : texte du document qui identifie l'entité. + **Type** : type de l'entité. Amazon Comprehend prend en charge différents types d'[entités](#how-targeted-sentiment-entities). + **Score** : modèle de confiance quant à la pertinence de l'entité. La plage de valeurs est comprise entre zéro et un, 1 correspondant au niveau de confiance le plus élevé. + **MentionSentiment**— Contient le sentiment et le score de sentiment associés à la mention. + **Sentiment** — Le sentiment qui sous-tend la mention. Les valeurs incluent : POSITIF, NEUTRE, NÉGATIF et MIXTE. + **SentimentScore**— Fournit un modèle de confiance pour chacun des sentiments possibles. La plage de valeurs est comprise entre zéro et un, 1 correspondant au niveau de confiance le plus élevé. Les valeurs **Sentiment** ont la signification suivante : + **Positif** — La mention de l'entité exprime un sentiment positif. + **Négatif** — La mention de l'entité exprime un sentiment négatif. + **Mixte** — La mention de l'entité exprime à la fois des sentiments positifs et négatifs. + **Neutre** — L'entité mentionnée n'exprime aucun sentiment positif ou négatif. Dans l'exemple suivant, une entité n'a qu'une seule mention dans le document d'entrée, DescriptiveMentionIndex donc zéro (la première mention dans le tableau Mentions). L'entité identifiée est une PERSONNE portant le nom « I ». Le score de sentiment est neutre. ``` {"Entities":[ { "DescriptiveMentionIndex": [0], "Mentions": [ { "BeginOffset": 0, "EndOffset": 1, "Score": 0.999997, "GroupScore": 1, "Text": "I", "Type": "PERSON", "MentionSentiment": { "Sentiment": "NEUTRAL", "SentimentScore": { "Mixed": 0, "Negative": 0, "Neutral": 1, "Positive": 0 } } } ] } ], "File": "Input.txt", "Line": 0 } ``` ## Analyse en temps réel à l'aide de la console Vous pouvez utiliser la console Amazon Comprehend pour l'exécuter [Sentiment ciblé](realtime-console-analysis.md#realtime-analysis-console-targeted-sentiment) en temps réel. Utilisez le texte d'exemple ou collez votre propre texte dans la zone de saisie, puis choisissez **Analyser**. Dans le panneau **Insights**, la console affiche trois vues de l'analyse des sentiments ciblée : + **Texte analysé** : affiche le texte analysé et souligne chaque entité. La couleur du soulignement indique la valeur de sentiment (positive, neutre, négative ou mixte) attribuée par l'analyse à l'entité. La console affiche les mappages de couleurs dans le coin supérieur droit de la zone de texte analysée. Si vous passez le curseur sur une entité, la console affiche un panneau contextuel contenant les valeurs d'analyse (type d'entité, score de sentiment) pour l'entité. + **Résultats** — Affiche un tableau contenant une ligne pour chaque mention d'entité identifiée dans le texte. Pour chaque entité, le tableau indique l'[entité](#how-targeted-sentiment-entities) et le score de l'entité. La ligne inclut également le sentiment principal et le score pour chaque valeur de sentiment. S'il existe plusieurs mentions de la même entité, connue sous le nom de a[Groupe de coréférence](#how-targeted-sentiment-values), le tableau affiche ces mentions sous la forme d'un ensemble démontable de lignes associées à l'entité principale. Si vous survolez une ligne d'entité dans le tableau des **résultats**, la console met en évidence la mention de l'entité dans le panneau de **texte analysé**. + **Intégration des applications** : affiche les valeurs des paramètres de la demande d'API et la structure de l'objet JSON renvoyé dans la réponse de l'API. Pour une description des champs de l'objet JSON, consultez[Organisation des fichiers de sortie](#how-targeted-sentiment-output). ### Exemple d'analyse en temps réel sur console Cet exemple utilise le texte suivant comme entrée, qui est le texte d'entrée par défaut fourni par la console. ``` Hello Zhang Wei, I am John. Your AnyCompany Financial Services, LLC credit card account 1111-0000-1111-0008 has a minimum payment of $24.53 that is due by July 31st. Based on your autopay settings, we will withdraw your payment on the due date from your bank account number XXXXXX1111 with the routing number XXXXX0000. Customer feedback for Sunshine Spa, 123 Main St, Anywhere. Send comments to Alice at sunspa@mail.com. I enjoyed visiting the spa. It was very comfortable but it was also very expensive. The amenities were ok but the service made the spa a great experience. ``` Le panneau de **texte analysé** affiche le résultat suivant pour cet exemple. Passez votre souris sur le texte `Zhang Wei` pour afficher le panneau contextuel de cette entité. ![\[Texte analysé par sentiment ciblé.\]](http://docs.aws.amazon.com/fr_fr/comprehend/latest/dg/images/gs-console-targeted-sentiment2.png) Le tableau des **résultats** fournit des détails supplémentaires sur chaque entité, notamment le score de l'entité, le sentiment principal et le score de chaque sentiment. ![\[Tableau des résultats des sentiments ciblés.\]](http://docs.aws.amazon.com/fr_fr/comprehend/latest/dg/images/gs-console-targeted-sentiment3.png) Dans notre exemple, l'analyse ciblée des sentiments reconnaît que chaque mention de **vous** dans le texte saisi est une référence à l'entité personnelle **Zhang Wei**. La console affiche ces mentions sous la forme d'un ensemble de lignes démontables associées à l'entité principale. ![\[Tableau des résultats des sentiments ciblés.\]](http://docs.aws.amazon.com/fr_fr/comprehend/latest/dg/images/gs-console-targeted-sentiment5.png) Le panneau **d'intégration des applications** affiche l'objet JSON généré par l' DetectTargetedSentiment API. Consultez la section suivante pour un exemple complet. ## Exemple de production de sentiments ciblés L'exemple suivant montre le fichier de sortie d'une tâche d'analyse des sentiments ciblée. Le fichier d'entrée se compose de trois documents simples : ``` The burger was very flavorful and the burger bun was excellent. However, customer service was slow. My burger was good, and it was warm. The burger had plenty of toppings. The burger was cooked perfectly but it was cold. The service was OK. ``` L'analyse ciblée des sentiments de ce fichier d'entrée produit le résultat suivant. ``` {"Entities":[ { "DescriptiveMentionIndex": [ 0 ], "Mentions": [ { "BeginOffset": 4, "EndOffset": 10, "Score": 0.999991, "GroupScore": 1, "Text": "burger", "Type": "OTHER", "MentionSentiment": { "Sentiment": "POSITIVE", "SentimentScore": { "Mixed": 0, "Negative": 0, "Neutral": 0, "Positive": 1 } } } ] }, { "DescriptiveMentionIndex": [ 0 ], "Mentions": [ { "BeginOffset": 38, "EndOffset": 44, "Score": 1, "GroupScore": 1, "Text": "burger", "Type": "OTHER", "MentionSentiment": { "Sentiment": "NEUTRAL", "SentimentScore": { "Mixed": 0.000005, "Negative": 0.000005, "Neutral": 0.999591, "Positive": 0.000398 } } } ] }, { "DescriptiveMentionIndex": [ 0 ], "Mentions": [ { "BeginOffset": 45, "EndOffset": 48, "Score": 0.961575, "GroupScore": 1, "Text": "bun", "Type": "OTHER", "MentionSentiment": { "Sentiment": "POSITIVE", "SentimentScore": { "Mixed": 0.000327, "Negative": 0.000286, "Neutral": 0.050269, "Positive": 0.949118 } } } ] }, { "DescriptiveMentionIndex": [ 0 ], "Mentions": [ { "BeginOffset": 73, "EndOffset": 89, "Score": 0.999988, "GroupScore": 1, "Text": "customer service", "Type": "ATTRIBUTE", "MentionSentiment": { "Sentiment": "NEGATIVE", "SentimentScore": { "Mixed": 0.000001, "Negative": 0.999976, "Neutral": 0.000017, "Positive": 0.000006 } } } ] } ], "File": "TargetSentimentInputDocs.txt", "Line": 0 } { "Entities": [ { "DescriptiveMentionIndex": [ 0 ], "Mentions": [ { "BeginOffset": 0, "EndOffset": 2, "Score": 0.99995, "GroupScore": 1, "Text": "My", "Type": "PERSON", "MentionSentiment": { "Sentiment": "NEUTRAL", "SentimentScore": { "Mixed": 0, "Negative": 0, "Neutral": 1, "Positive": 0 } } } ] }, { "DescriptiveMentionIndex": [ 0, 2 ], "Mentions": [ { "BeginOffset": 3, "EndOffset": 9, "Score": 0.999999, "GroupScore": 1, "Text": "burger", "Type": "OTHER", "MentionSentiment": { "Sentiment": "POSITIVE", "SentimentScore": { "Mixed": 0.000002, "Negative": 0.000001, "Neutral": 0.000003, "Positive": 0.999994 } } }, { "BeginOffset": 24, "EndOffset": 26, "Score": 0.999756, "GroupScore": 0.999314, "Text": "it", "Type": "OTHER", "MentionSentiment": { "Sentiment": "POSITIVE", "SentimentScore": { "Mixed": 0, "Negative": 0.000003, "Neutral": 0.000006, "Positive": 0.999991 } } }, { "BeginOffset": 41, "EndOffset": 47, "Score": 1, "GroupScore": 0.531342, "Text": "burger", "Type": "OTHER", "MentionSentiment": { "Sentiment": "POSITIVE", "SentimentScore": { "Mixed": 0.000215, "Negative": 0.000094, "Neutral": 0.00008, "Positive": 0.999611 } } } ] }, { "DescriptiveMentionIndex": [ 0 ], "Mentions": [ { "BeginOffset": 52, "EndOffset": 58, "Score": 0.965462, "GroupScore": 1, "Text": "plenty", "Type": "QUANTITY", "MentionSentiment": { "Sentiment": "NEUTRAL", "SentimentScore": { "Mixed": 0, "Negative": 0, "Neutral": 1, "Positive": 0 } } } ] }, { "DescriptiveMentionIndex": [ 0 ], "Mentions": [ { "BeginOffset": 62, "EndOffset": 70, "Score": 0.998353, "GroupScore": 1, "Text": "toppings", "Type": "OTHER", "MentionSentiment": { "Sentiment": "NEUTRAL", "SentimentScore": { "Mixed": 0, "Negative": 0, "Neutral": 0.999964, "Positive": 0.000036 } } } ] } ], "File": "TargetSentimentInputDocs.txt", "Line": 1 } { "Entities": [ { "DescriptiveMentionIndex": [ 0 ], "Mentions": [ { "BeginOffset": 4, "EndOffset": 10, "Score": 1, "GroupScore": 1, "Text": "burger", "Type": "OTHER", "MentionSentiment": { "Sentiment": "POSITIVE", "SentimentScore": { "Mixed": 0.001515, "Negative": 0.000822, "Neutral": 0.000243, "Positive": 0.99742 } } }, { "BeginOffset": 36, "EndOffset": 38, "Score": 0.999843, "GroupScore": 0.999661, "Text": "it", "Type": "OTHER", "MentionSentiment": { "Sentiment": "NEGATIVE", "SentimentScore": { "Mixed": 0, "Negative": 0.999996, "Neutral": 0.000004, "Positive": 0 } } } ] }, { "DescriptiveMentionIndex": [ 0 ], "Mentions": [ { "BeginOffset": 53, "EndOffset": 60, "Score": 1, "GroupScore": 1, "Text": "service", "Type": "ATTRIBUTE", "MentionSentiment": { "Sentiment": "NEUTRAL", "SentimentScore": { "Mixed": 0.000033, "Negative": 0.000089, "Neutral": 0.993325, "Positive": 0.006553 } } } ] } ], "File": "TargetSentimentInputDocs.txt", "Line": 2 } } ``` # Analyse syntaxique Utilisez l'analyse syntaxique pour analyser les mots du document et renvoyer la partie du discours, ou fonction syntaxique, pour chaque mot du document. Vous pouvez identifier les noms, les verbes, les adjectifs, etc. dans votre document. Utilisez ces informations pour mieux comprendre le contenu de vos documents et pour comprendre la relation entre les mots du document. Par exemple, vous pouvez rechercher les noms dans un document, puis rechercher les verbes associés à ces noms. Dans une phrase comme « Ma grand-mère a déménagé son canapé », vous pouvez voir les noms « grand-mère » et « canapé », ainsi que le verbe « déménagé ». Vous pouvez utiliser ces informations pour créer des applications d'analyse de texte pour les combinaisons de mots qui vous intéressent. Pour démarrer l'analyse, Amazon Comprehend analyse le texte source pour trouver les différents mots du texte. Une fois le texte analysé, chaque mot se voit attribuer la partie du discours qu'il prend dans le texte source. Amazon Comprehend peut identifier les parties suivantes du discours. | Jeton | Partie du discours | | --- | --- | | ADJ | Adjectif Mots qui modifient généralement des noms. | | ADP | Adposition Le titre d'une phrase prépositionnelle ou postpositionnelle. | | ADV | Adverbe Mots qui modifient généralement les verbes. Ils peuvent également modifier les adjectifs et autres adverbes. | | AUX | auxiliaire Mots fonctionnels qui accompagnent le verbe d'une phrase verbale. | | CCONJ | Conjonction de coordination Une conjonction de coordination relie les mots, les phrases ou les clauses d'une phrase sans les subordonner les uns aux autres. | | CONJ | Conjonction Une conjonction relie des mots, des phrases ou des clauses dans une phrase. | | DET | Déterminant Articles et autres mots qui spécifient une phrase nominale particulière. | | INTJ | Interjection Mots utilisés comme exclamation ou partie d'une exclamation. | | NOM | Nom Mots qui désignent une personne, un lieu, une chose, un animal ou une idée. | | NUM | Chiffre Mots, généralement des déterminants, des adjectifs ou des pronoms, qui expriment un nombre. | | O | Autre Mots auxquels il n'est pas possible d'attribuer une partie de la catégorie vocale. | | PART | Particle Utilisez des mots associés à un autre mot ou à une autre phrase pour donner du sens. | | TABLIER | Pronom Mots qui remplacent des noms ou des phrases nominales. | | PROPN | Nom propreNom qui est le nom d'un individu, d'un lieu ou d'un objet spécifique. | | POINT | Ponctuation Caractères non alphabétiques qui délimitent le texte. | | SCONJ | Conjonction subordonnée Conjonction qui joint une clause dépendante à une phrase. Un exemple de conjonction subordonnée est « parce que ». | | SYM | SymbolEntités semblables à des mots, telles que le signe dollar (\$1) ou des symboles mathématiques. | | VERBE | VerbDes mots qui signalent des événements et des actions. | Pour plus d'informations sur les parties du discours, consultez les [balises Universal POS](http://universaldependencies.org/u/pos/) sur le site Web d'*Universal Dependencies*. Les opérations renvoient des jetons qui identifient le mot et la partie du discours que le mot représente dans le texte. Chaque jeton représente un mot dans le texte source. Il indique l'emplacement du mot dans la source, la partie du discours qu'il occupe dans le texte, la certitude d'Amazon Comprehend quant à l'identification correcte de la partie du discours et le mot qui a été analysé à partir du texte source. Voici la structure de la liste des jetons de syntaxe. Un jeton de syntaxe est généré pour chaque mot du document. ``` { "SyntaxTokens": [ { "BeginOffset": number, "EndOffset": number, "PartOfSpeech": { "Score": number, "Tag": "string" }, "Text": "string", "TokenId": number } ] } ``` Chaque jeton fournit les informations suivantes : + `BeginOffset`et `EndOffset` —Indique l'emplacement du mot dans le texte d'entrée. + `PartOfSpeech`—Fournit deux informations, l'une `Tag` qui identifie la partie du discours et l'autre qui indique `Score` qu'Amazon Comprehend Syntax est certaine que la partie du discours a été correctement identifiée. + `Text`—Fournit le mot qui a été identifié. + `TokenId`—Fournit un identifiant pour le jeton. L'identifiant est la position du jeton dans la liste des jetons.