Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

# Addestra riconoscitori di entità personalizzati (API)
<a name="train-cer-model"></a>

Per creare e addestrare un modello di riconoscimento delle entità personalizzato, utilizza l'operazione dell'API Amazon Comprehend [CreateEntityRecognizer](https://docs.aws.amazon.com/comprehend/latest/APIReference/API_CreateEntityRecognizer.html)

**Topics**
+ [Addestramento di riconoscitori di entità personalizzati utilizzando il AWS Command Line Interface](#get-started-api-cer-cli)
+ [Addestramento di riconoscitori di entità personalizzati utilizzando il AWS SDK per Java](#get-started-api-cer-java)
+ [Addestramento di riconoscitori di entità personalizzati utilizzando Python (Boto3)](#cer-python)

## Addestramento di riconoscitori di entità personalizzati utilizzando il AWS Command Line Interface
<a name="get-started-api-cer-cli"></a>

Negli esempi seguenti viene illustrato l'utilizzo dell'`CreateEntityRecognizer`operazione e di altre operazioni APIs associate a AWS CLI. 

Gli esempi sono formattati per Unix, Linux e macOS. Per Windows, sostituisci il carattere di continuazione UNIX barra rovesciata (\$1) al termine di ogni riga con un accento circonflesso (^).

Crea un riconoscimento di entità personalizzato utilizzando il comando `create-entity-recognizer` CLI. Per informazioni sul input-data-config parametro, consulta [CreateEntityRecognizer](https://docs.aws.amazon.com/comprehend/latest/APIReference/API_CreateEntityRecognizer.html)*Amazon Comprehend API* Reference.

```
aws comprehend create-entity-recognizer \
     --language-code en \
     --recognizer-name test-6 \
     --data-access-role-arn "arn:aws:iam::account number:role/service-role/AmazonComprehendServiceRole-role" \
     --input-data-config "EntityTypes=[{Type=PERSON}],Documents={S3Uri=s3://Bucket Name/Bucket Path/documents},
                Annotations={S3Uri=s3://Bucket Name/Bucket Path/annotations}" \
     --region region
```

Elenca tutti i riconoscitori di entità in una regione utilizzando il comando `list-entity-recognizers` CLI.

```
aws comprehend list-entity-recognizers \
     --region region
```

Controlla lo stato del lavoro dei riconoscitori di entità personalizzati utilizzando il comando `describe-entity-recognizer` CLI.

```
aws comprehend describe-entity-recognizer \
     --entity-recognizer-arn arn:aws:comprehend:region:account number:entity-recognizer/test-6 \
     --region region
```

## Addestramento di riconoscitori di entità personalizzati utilizzando il AWS SDK per Java
<a name="get-started-api-cer-java"></a>

Questo esempio crea un riconoscitore di entità personalizzato e addestra il modello utilizzando Java

Per esempi di Amazon Comprehend che utilizzano Java, consulta Esempi di [Amazon Comprehend](https://github.com/awsdocs/aws-doc-sdk-examples/tree/main/javav2/example_code/comprehend) Java.

## Addestramento di riconoscitori di entità personalizzati utilizzando Python (Boto3)
<a name="cer-python"></a>

Istanzia Boto3 SDK: 

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

Crea un riconoscitore di entità: 

```
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"]
```

Elenca tutti i riconoscitori: 

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

Attendi che il riconoscimento raggiunga lo stato 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)
```