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.

# Démarrage d'une tâche de détection d'entités personnalisée (API)
<a name="detecting-cer-async-api"></a>

Vous pouvez utiliser l'API pour démarrer et surveiller une tâche d'analyse asynchrone pour une reconnaissance d'entité personnalisée.

Pour démarrer une tâche de détection d'entité personnalisée avec l'[StartEntitiesDetectionJob](https://docs.aws.amazon.com/comprehend/latest/APIReference/API_StartEntitiesDetectionJob.html)opération, vous devez fournir le EntityRecognizerArn, qui est l'Amazon Resource Name (ARN) du modèle entraîné. Vous pouvez trouver cet ARN dans la réponse à l'[CreateEntityRecognizer](https://docs.aws.amazon.com/comprehend/latest/APIReference/API_CreateEntityRecognizer.html)opération. 

**Topics**
+ [Détection d'entités personnalisées à l'aide du AWS Command Line Interface](#detecting-cer-async-api-cli)
+ [Détection d'entités personnalisées à l'aide du AWS SDK pour Java](#detecting-cer-async-api-java)
+ [Détection d'entités personnalisées à l'aide du AWS SDK pour Python (Boto3)](#detecting-cer-async-api-python)
+ [Remplacer les actions de l'API pour les fichiers PDF](#detecting-cer-api-pdf)

## Détection d'entités personnalisées à l'aide du AWS Command Line Interface
<a name="detecting-cer-async-api-cli"></a>

Utilisez l'exemple suivant pour les environnements Unix, Linux et macOS. Pour Windows, remplacez le caractère de continuation Unix, à savoir la barre oblique inversée (\\), à la fin de chaque ligne par un accent circonflexe (^). Pour détecter des entités personnalisées dans un ensemble de documents, utilisez la syntaxe de demande suivante :

```
aws comprehend start-entities-detection-job \
     --entity-recognizer-arn "arn:aws:comprehend:{{region}}:{{account number}}:entity-recognizer/test-6" \
     --job-name infer-1 \
     --data-access-role-arn "arn:aws:iam::{{account number}}:role/service-role/AmazonComprehendServiceRole-role" \
     --language-code en \
     --input-data-config "S3Uri=s3://{{Bucket Name}}/{{Bucket Path}}" \
     --output-data-config "S3Uri=s3://{{Bucket Name}}/{{Bucket Path}}/" \
     --region {{region}}
```

Amazon Comprehend répond par le `JobID` `JobStatus` et renvoie le résultat de la tâche dans le compartiment S3 que vous avez spécifié dans la demande.

## Détection d'entités personnalisées à l'aide du AWS SDK pour Java
<a name="detecting-cer-async-api-java"></a>

Pour des exemples Amazon Comprehend utilisant Java, consultez les exemples [Amazon Comprehend](https://github.com/awsdocs/aws-doc-sdk-examples/tree/main/javav2/example_code/comprehend) Java.

## Détection d'entités personnalisées à l'aide du AWS SDK pour Python (Boto3)
<a name="detecting-cer-async-api-python"></a>

Cet exemple crée un outil de reconnaissance d'entités personnalisé, entraîne le modèle, puis l'exécute dans une tâche de reconnaissance d'entités à l'aide du. AWS SDK pour Python (Boto3)

Instanciez le SDK pour Python. 

```
import boto3
import uuid
comprehend = boto3.client("comprehend", region_name="{{region}}")
```

Créez un outil de reconnaissance d'entités : 

```
response = comprehend.create_entity_recognizer(
    RecognizerName="Recognizer-Name-Goes-Here-{}".format(str(uuid.uuid4())),
    LanguageCode="en",
    DataAccessRoleArn="{{Role ARN}}",
    InputDataConfig={
        "EntityTypes": [
            {
                "Type": "{{ENTITY_TYPE}}"
            }
        ],
        "Documents": {
            "S3Uri": "s3://{{Bucket Name}}/{{Bucket Path}}/documents"
        },
        "Annotations": {
            "S3Uri": "s3://{{Bucket Name}}/{{Bucket Path}}/annotations"
        }
    }
)
recognizer_arn = response["EntityRecognizerArn"]
```

Répertoriez tous les outils de reconnaissance : 

```
response = comprehend.list_entity_recognizers()
```

Attendez que le système de reconnaissance d'entités atteigne le statut TRAINED : 

```
while True:
    response = comprehend.describe_entity_recognizer(
        EntityRecognizerArn=recognizer_arn
    )

    status = response["EntityRecognizerProperties"]["Status"]
    if "IN_ERROR" == status:
        sys.exit(1)
    if "TRAINED" == status:
        break

    time.sleep(10)
```

Démarrez une tâche de détection d'entités personnalisée : 

```
response = comprehend.start_entities_detection_job(
    EntityRecognizerArn=recognizer_arn,
    JobName="Detection-Job-Name-{}".format(str(uuid.uuid4())),
    LanguageCode="en",
    DataAccessRoleArn="{{Role ARN}}",
    InputDataConfig={
        "InputFormat": "ONE_DOC_PER_LINE",
        "S3Uri": "s3://{{Bucket Name}}/{{Bucket Path}}/documents"
    },
    OutputDataConfig={
        "S3Uri": "s3://{{Bucket Name}}/{{Bucket Path}}/output"
    }
)
```

## Remplacer les actions de l'API pour les fichiers PDF
<a name="detecting-cer-api-pdf"></a>

Pour les fichiers image et PDF, vous pouvez remplacer les actions d'extraction par défaut à l'aide du `DocumentReaderConfig` paramètre in`InputDataConfig`.

L'exemple suivant définit un fichier JSON nommé my InputDataConfig.json pour définir les `InputDataConfig` valeurs. Il est configuré `DocumentReadConfig` pour utiliser l'`DetectDocumentText`API Amazon Textract pour tous les fichiers PDF.

**Example**  

```
"InputDataConfig": {
  "S3Uri": s3://{{Bucket Name}}/{{Bucket Path}}",
  "InputFormat": "ONE_DOC_PER_FILE",
  "DocumentReaderConfig": {
      "DocumentReadAction": "TEXTRACT_DETECT_DOCUMENT_TEXT",
      "DocumentReadMode": "FORCE_DOCUMENT_READ_ACTION"
  }
}
```

Dans l'`StartEntitiesDetectionJob`opération, spécifiez mon InputDataConfig.json fichier comme `InputDataConfig` paramètre :

```
  --input-data-config file://myInputDataConfig.json  
```

Pour plus d'informations sur les `DocumentReaderConfig` paramètres, consultez[Configuration des options d'extraction de texte](idp-set-textract-options.md).