Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
# Latih pengenal khusus (konsol)
Anda dapat membuat pengenal entitas kustom menggunakan konsol Amazon Comprehend. Bagian ini menunjukkan cara membuat dan melatih pengenal entitas kustom.
**Topics**
## Membuat pengenal entitas khusus menggunakan konsol - format CSV
Untuk membuat pengenal entitas kustom, pertama-tama berikan kumpulan data untuk melatih model Anda. Dengan kumpulan data ini, sertakan salah satu dari berikut ini: sekumpulan dokumen beranotasi atau daftar entitas dan label jenisnya, bersama dengan sekumpulan dokumen yang berisi entitas tersebut. Untuk informasi selengkapnya, lihat [Pengakuan entitas khusus](custom-entity-recognition.md)
**Untuk melatih pengenal entitas kustom dengan file CSV**
1. Masuk ke Konsol Manajemen AWS dan buka konsol Amazon Comprehend di [https://console.aws.amazon.com/comprehend/](https://console.aws.amazon.com/comprehend/)
1. Dari menu sebelah kiri, pilih **Kustomisasi** dan kemudian pilih **Pengenalan entitas khusus**.
1. Pilih **Buat model baru**.
1. Beri nama pengenal. Nama harus unik di dalam Wilayah dan akun.
1. Pilih bahasa.
1. Di bawah **Jenis entitas kustom**, masukkan label kustom yang ingin Anda temukan oleh pengenal di kumpulan data.
Jenis entitas harus huruf besar, dan jika terdiri dari lebih dari satu kata, pisahkan kata-kata dengan garis bawah.
1. Pilih **Tambah jenis**.
1. Jika Anda ingin menambahkan jenis entitas tambahan, masukkan, lalu pilih **Tambah jenis**. Jika Anda ingin menghapus salah satu jenis entitas yang telah ditambahkan, pilih **Hapus jenis**, lalu pilih jenis entitas yang akan dihapus dari daftar. Maksimal 25 jenis entitas dapat dicantumkan.
1. Untuk mengenkripsi pekerjaan pelatihan Anda, pilih **enkripsi Recognizer** dan kemudian pilih apakah akan menggunakan kunci KMS yang terkait dengan akun saat ini, atau satu dari akun lain.
+ Jika Anda menggunakan kunci yang terkait dengan akun saat ini, untuk **ID kunci KMS pilih ID** kunci.
+ Jika Anda menggunakan kunci yang terkait dengan akun yang berbeda, untuk **kunci KMS ARN** masukkan ARN untuk ID kunci.
**catatan**
Untuk informasi selengkapnya tentang membuat dan menggunakan kunci KMS dan enkripsi terkait, lihat [AWS Key Management Service](https://docs.aws.amazon.com/kms/latest/developerguide/overview.html).
1. Di bawah **Spesifikasi data**, pilih format dokumen pelatihan Anda:
+ File **CSV — File** CSV yang melengkapi dokumen pelatihan Anda. File CSV berisi informasi tentang entitas khusus yang akan dideteksi oleh model terlatih Anda. Format file yang diperlukan tergantung pada apakah Anda memberikan anotasi atau daftar entitas.
+ **Augmented manifest** — Dataset berlabel yang diproduksi oleh Amazon Ground Truth SageMaker . File ini dalam format baris JSON. Setiap baris adalah objek JSON lengkap yang berisi dokumen pelatihan dan labelnya. Setiap label menganotasi entitas bernama dalam dokumen pelatihan. Anda dapat menyediakan hingga 5 file manifes tambahan.
Untuk informasi selengkapnya tentang format yang tersedia, dan untuk contoh, lihat[Melatih model pengenal entitas khusus](training-recognizers.md).
1. Di bawah **Jenis pelatihan**, pilih jenis pelatihan yang akan digunakan:
+ **Menggunakan anotasi dan dokumen pelatihan**
+ **Menggunakan daftar entitas dan dokumen pelatihan**
Jika memilih anotasi, masukkan URL file anotasi di Amazon S3. **Anda juga dapat menavigasi ke bucket atau folder di Amazon S3 tempat file anotasi berada dan memilih Browse S3.**
Jika memilih daftar entitas, masukkan URL daftar entitas di Amazon S3. Anda juga dapat menavigasi ke bucket atau folder di Amazon S3 tempat daftar entitas berada dan memilih **Browse** S3.
1. Masukkan URL kumpulan data input yang berisi dokumen pelatihan di Amazon S3. Anda juga dapat menavigasi ke bucket atau folder di Amazon S3 tempat dokumen pelatihan berada dan memilih **Pilih** folder.
1. Di bawah **Set data Uji** pilih cara Anda ingin mengevaluasi kinerja model terlatih Anda - Anda dapat melakukannya untuk anotasi dan jenis pelatihan daftar entitas.
+ **Autosplit**: Autosplit secara otomatis memilih 10% dari data pelatihan yang Anda berikan untuk digunakan sebagai data pengujian
+ (Opsional) **Pelanggan disediakan**: Ketika Anda memilih pelanggan yang disediakan, Anda dapat menentukan dengan tepat data pengujian apa yang ingin Anda gunakan.
1. Jika Anda memilih kumpulan data pengujian yang disediakan Pelanggan, masukkan URL file anotasi di Amazon S3. **Anda juga dapat menavigasi ke bucket atau folder di Amazon S3 tempat file anotasi berada dan memilih Pilih folder.**
1. Di bagian **Pilih peran IAM**, pilih peran IAM yang ada atau buat yang baru.
+ **Pilih peran IAM yang ada** — Pilih opsi ini jika Anda sudah memiliki peran IAM dengan izin untuk mengakses bucket Amazon S3 input dan output.
+ **Buat peran IAM baru** — Pilih opsi ini saat Anda ingin membuat peran IAM baru dengan izin yang tepat untuk Amazon Comprehend untuk mengakses bucket input dan output.
**catatan**
Jika dokumen input dienkripsi, peran IAM yang digunakan harus memiliki izin. `kms:Decrypt` Untuk informasi selengkapnya, lihat [Izin yang diperlukan untuk menggunakan enkripsi KMS](security_iam_id-based-policy-examples.md#auth-kms-permissions).
1. (Opsional) Untuk meluncurkan sumber daya Anda ke Amazon Comprehend dari VPC, masukkan ID VPC di bawah **VPC** atau pilih ID dari daftar drop-down.
1. Pilih subnet di bawah **Subnet (s).** Setelah Anda memilih subnet pertama, Anda dapat memilih yang tambahan.
1. Di bawah **Grup Keamanan**, pilih grup keamanan yang akan digunakan jika Anda menentukannya. Setelah Anda memilih grup keamanan pertama, Anda dapat memilih yang tambahan.
**catatan**
Saat Anda menggunakan VPC dengan pekerjaan pengenalan entitas kustom Anda, yang `DataAccessRole` digunakan untuk operasi Buat dan Mulai harus memiliki izin ke VPC tempat dokumen input dan bucket keluaran diakses.
1. **(Opsional) Untuk menambahkan tag ke pengenal entitas kustom, masukkan pasangan nilai kunci di bawah Tag.** Pilih **Tambahkan tanda**. Untuk menghapus pasangan ini sebelum membuat pengenal, pilih **Hapus tag**.
1. Pilih **Kereta**.
Pengenal baru kemudian akan muncul dalam daftar, menunjukkan statusnya. Pertama kali akan ditampilkan sebagai`Submitted`. Kemudian akan ditampilkan `Training` untuk pengklasifikasi yang memproses dokumen pelatihan, `Trained` untuk pengklasifikasi yang siap digunakan, dan `In error` untuk pengklasifikasi yang memiliki kesalahan. Anda dapat mengklik pekerjaan untuk mendapatkan informasi lebih lanjut tentang pengenal, termasuk pesan kesalahan apa pun.
## Membuat pengenal entitas khusus menggunakan manifes tambahan konsol
**Untuk melatih pengenal entitas kustom dengan dokumen plaintext, PDF, atau word**
1. Masuk ke Konsol Manajemen AWS dan buka konsol [Amazon Comprehend](https://console.aws.amazon.com/comprehend/home?region=us-east-1#api-explorer:).
1. Dari menu sebelah kiri, pilih **Kustomisasi** dan kemudian pilih **Pengenalan entitas khusus**.
1. Pilih **Train Recognizer**.
1. Beri nama pengenal. Nama harus unik di dalam Wilayah dan akun.
1. Pilih bahasa. Catatan: Jika Anda melatih dokumen PDF atau Word, bahasa Inggris adalah bahasa yang didukung.
1. Di bawah **Jenis entitas kustom**, masukkan label kustom yang ingin Anda temukan oleh pengenal di kumpulan data.
Jenis entitas harus huruf besar, dan jika terdiri dari lebih dari satu kata, pisahkan kata-kata dengan garis bawah.
1. Pilih **Tambah jenis**.
1. Jika Anda ingin menambahkan jenis entitas tambahan, masukkan, lalu pilih **Tambah jenis**. Jika Anda ingin menghapus salah satu jenis entitas yang telah ditambahkan, pilih **Hapus jenis**, lalu pilih jenis entitas yang akan dihapus dari daftar. Maksimal 25 jenis entitas dapat dicantumkan.
1. Untuk mengenkripsi pekerjaan pelatihan Anda, pilih **enkripsi Recognizer** dan kemudian pilih apakah akan menggunakan kunci KMS yang terkait dengan akun saat ini, atau satu dari akun lain.
+ Jika Anda menggunakan kunci yang terkait dengan akun saat ini, untuk **ID kunci KMS pilih ID** kunci.
+ Jika Anda menggunakan kunci yang terkait dengan akun yang berbeda, untuk **kunci KMS ARN** masukkan ARN untuk ID kunci.
**catatan**
Untuk informasi selengkapnya tentang membuat dan menggunakan kunci KMS dan enkripsi terkait, lihat [AWS Key Management Service](https://docs.aws.amazon.com/kms/latest/developerguide/overview.html).
1. Di bawah **Data pelatihan**, pilih **Manifes** tambahan sebagai format data Anda:
+ **Augmented manifes** — adalah kumpulan data berlabel yang diproduksi oleh Amazon Ground Truth SageMaker . File ini dalam format baris JSON. Setiap baris dalam file adalah objek JSON lengkap yang berisi dokumen pelatihan dan labelnya. Setiap label menganotasi entitas bernama dalam dokumen pelatihan. Anda dapat menyediakan hingga 5 file manifes tambahan. Jika Anda menggunakan dokumen PDF untuk data pelatihan, Anda harus memilih **manifes Augmented**. Anda dapat menyediakan hingga 5 file manifes tambahan. Untuk setiap file, Anda dapat memberi nama hingga 5 atribut untuk digunakan sebagai data pelatihan.
Untuk informasi selengkapnya tentang format yang tersedia, dan untuk contoh, lihat[Melatih model pengenal entitas khusus](training-recognizers.md).
1. Pilih jenis model pelatihan.
Jika Anda memilih **dokumen Plaintext**, di bawah **Lokasi input**, masukkan URL Amazon S3dari file manifes augmented Amazon SageMaker AIGround Truth. **Anda juga dapat menavigasi ke bucket atau folder di Amazon S3 tempat manifes tambahan berada dan memilih Pilih folder.**
1. Di bawah **Nama atribut**, masukkan nama atribut yang berisi anotasi Anda. Jika file berisi anotasi dari beberapa pekerjaan pelabelan berantai, tambahkan atribut untuk setiap pekerjaan. Dalam hal ini, setiap atribut berisi kumpulan anotasi dari pekerjaan pelabelan. Catatan: Anda dapat memberikan hingga 5 nama atribut untuk setiap file.
1. Pilih **Tambahkan**.
1. Jika Anda memilih **PDF, dokumen Word** di bawah **Lokasi input**, masukkan Amazon S3URL dari file manifes augmented Amazon SageMaker AI Ground Truth. **Anda juga dapat menavigasi ke bucket atau folder di Amazon S3 tempat manifes tambahan berada dan memilih Pilih folder.**
1. Masukkan awalan S3 untuk file data **Anotasi** Anda. Ini adalah dokumen PDF yang Anda beri label.
1. Masukkan awalan S3 untuk dokumen **Sumber** Anda. Ini adalah dokumen PDF asli (objek data) yang Anda berikan ke Ground Truth untuk pekerjaan pelabelan Anda.
1. Masukkan nama atribut yang berisi anotasi Anda. Catatan: Anda dapat memberikan hingga 5 nama atribut untuk setiap file. Atribut apa pun dalam file Anda yang tidak Anda tentukan akan diabaikan.
1. Di bagian peran IAM, pilih peran IAM yang ada atau buat yang baru.
+ **Pilih peran IAM yang ada** — Pilih opsi ini jika Anda sudah memiliki peran IAM dengan izin untuk mengakses bucket Amazon S3 input dan output.
+ **Buat peran IAM baru** — Pilih opsi ini saat Anda ingin membuat peran IAM baru dengan izin yang tepat untuk Amazon Comprehend untuk mengakses bucket input dan output.
**catatan**
Jika dokumen input dienkripsi, peran IAM yang digunakan harus memiliki izin. `kms:Decrypt` Untuk informasi selengkapnya, lihat [Izin yang diperlukan untuk menggunakan enkripsi KMS](security_iam_id-based-policy-examples.md#auth-kms-permissions).
1. (Opsional) Untuk meluncurkan sumber daya Anda ke Amazon Comprehend dari VPC, masukkan ID VPC di bawah **VPC** atau pilih ID dari daftar drop-down.
1. Pilih subnet di bawah **Subnet (s).** Setelah Anda memilih subnet pertama, Anda dapat memilih yang tambahan.
1. Di bawah **Grup Keamanan**, pilih grup keamanan yang akan digunakan jika Anda menentukannya. Setelah Anda memilih grup keamanan pertama, Anda dapat memilih yang tambahan.
**catatan**
Saat Anda menggunakan VPC dengan pekerjaan pengenalan entitas kustom Anda, yang `DataAccessRole` digunakan untuk operasi Buat dan Mulai harus memiliki izin ke VPC tempat dokumen input dan bucket keluaran diakses.
1. **(Opsional) Untuk menambahkan tag ke pengenal entitas kustom, masukkan pasangan nilai kunci di bawah Tag.** Pilih **Tambahkan tanda**. Untuk menghapus pasangan ini sebelum membuat pengenal, pilih **Hapus tag**.
1. Pilih **Kereta**.
Pengenal baru kemudian akan muncul dalam daftar, menunjukkan statusnya. Pertama kali akan ditampilkan sebagai`Submitted`. Kemudian akan ditampilkan `Training` untuk pengklasifikasi yang memproses dokumen pelatihan, `Trained` untuk pengklasifikasi yang siap digunakan, dan `In error` untuk pengklasifikasi yang memiliki kesalahan. Anda dapat mengklik pekerjaan untuk mendapatkan informasi lebih lanjut tentang pengenal, termasuk pesan kesalahan apa pun.