翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。
# Insights
Amazon Comprehend では、1 つまたは複数のドキュメントを分析して、そのドキュメントに関する洞察を収集できます。Amazon Comprehend がドキュメントに関して示す洞察には、次のようなものがあります。
+ [エンティティ](how-entities.md) — Amazon Comprehend は、ドキュメントで特定されたエンティティ（人、位置所、場所など）のリストを返します。
+ [Events](how-events.md) — Amazon Comprehend は、特定の種類のイベントと関連する詳細を検出します。
+ [キーフレーズ](how-key-phrases.md) — Amazon Comprehend は、ドキュメントに含まれるキーフレーズを抽出します。例えば、バスケットボールの試合に関するドキュメントでは、チームの名前、会場の名前、最終スコアを返すことができます。
+ [個人を特定できる情報 (PII)](pii.md) — Amazon Comprehend は文書を分析して、住所や銀行口座番号、電話番号など、個人を特定する個人情報を検出します。
+ [主要言語](how-languages.md) — Amazon Comprehend はドキュメント内の主要言語を特定します。Amazon Comprehend は 100 の言語を識別できます。
+ [センチメント](how-sentiment.md) — Amazon Comprehend はドキュメントの主要センチメントを判断します。センチメントは、ポジティブのこともあれば、中立やネガティブ、あるいはそれらが混在することもあります。
+ [ターゲットセンチメント](how-targeted-sentiment.md) — Amazon Comprehend は、ドキュメントに記載されている特定のエンティティのセンチメントを特定します。各メンションのセンチメントは、ポジティブのこともあれば、中立やネガティブ、あるいはそれらが混在することもあります。
+ [構文分析](how-syntax.md) — Amazon Comprehend はドキュメント内の各単語を解析し、その単語の品詞を特定します。たとえば、「It is raining today in Seattle」という文では、「it」は代名詞、「raining」は動詞、「Seattle」は固有名詞と認識されます。
# エンティティ
エンティティとは、人や場所、あるいは商品などの現実世界のオブジェクトの固有の名前をテキストで表したものであり、日付や数量などの測定値を正確に表すことができます。
たとえば、「John moved to 1313 Mockingbird Lane in 2012」というテキストでは、「John」は `PERSON` と認識され、「1313 Mockingbird Lane」は `LOCATION`、「2012」 は`DATE` と認識されます。
各エンティティには、エンティティタイプが正しく検出されたという Amazon Comprehend の信頼レベルを示すスコアも含まれます。スコアの低いエンティティを除外して、誤検出を使ってしまう行うリスクを減らすことができます。
以下の表はエンティティのタイプをまとめています。
| 型 | 説明 |
| --- | --- |
| COMMERCIAL\$1ITEM | ブランド製品 |
| DATE | 日付 (11/25/2017 など)、曜日 (Tuesday)、月 (May)、または時刻 (8:30 a.m.) |
| EVENT | フェスティバル、コンサート、選挙などのイベント |
| LOCATION | 国、都市、湖、建物などの特定の場所 |
| ORGANIZATION | 政府、企業、宗教、スポーツチームなどの大規模な組織 |
| OTHER | 他のどのエンティティカテゴリにも当てはまらないエンティティ |
| PERSON | 個人、グループ、ニックネーム、架空の人物 |
| QUANTITY | 通貨、パーセント、数値、バイト数などの数量。 |
| TITLE | 映画、本、歌など、あらゆる作品や創作作品に付けられた正式名称。 |
エンティティの検出オペレーションは、Amazon Comprehend がサポートする主要言語のいずれかを使用して実行できます。これには、定義済み (カスタムではない) エンティティの検出のみが対象になります。ドキュメントの言語はすべて同じである必要があります。
次の API オペレーションのいずれかを使用して、ドキュメントまたはドキュメントセット内のエンティティを検出できます。
+ [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)
これらのオペレーションは、ドキュメント内のエンティティごとに 1 つの割合で、[API エンティティ](https://docs.aws.amazon.com/comprehend/latest/APIReference/API_Entity.html)オブジェクトのリストを返します。`BatchDetectEntities` オペレーションは、バッチ内のドキュメントごとに 1 つのリストの割合で `Entity` オブジェクトのリストを返します。`StartEntitiesDetectionJob` オペレーションは、ジョブ内のドキュメントごとに `Entity` オブジェクトのリスト 1 つを含むファイルを生成する非同期ジョブを開始します。
次の例は、`DetectEntities` の演算からの応答です。
```
{
"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"
}
```
# Events
**注記**
Amazon Comprehend トピックモデリング、イベント検出、プロンプト安全分類機能は、2026 年 4 月 30 日以降、新規のお客様に利用できなくなります。新しいアカウントでこれらの機能を使用する場合は、この日付より前に使用してください。過去 12 か月以内にこれらの機能を使用したアカウントには、アクションは必要ありません。詳細については、「[Amazon Comprehend 機能の可用性の変更](comprehend-availability-change.md)」を参照してください。
イベント検出を使用して、特定のタイプのイベントとそれに関連するエンティティについてテキストドキュメントを分析することができます。Amazon Comprehend では、非同期分析ジョブを使用して、大量のドキュメントコレクションにまたがるイベント検出を行うことができます。イベント分析ジョブの例を含むイベントの詳細については、「[Amazon Comprehend Events の開始のお知らせ](https://aws.amazon.com/blogs/machine-learning/announcing-the-launch-of-amazon-comprehend-events/)」を参照してください。
## エンティティ
Amazon Comprehend は、入力テキストから、検出されたイベントに関連するエンティティのリストを抽出します。エンティティは、人や位置、あるいは場所などの現実世界のオブジェクトである場合もあれば、測定値や日付、あるいは数量などの概念である場合もあります。エンティティが出現すると、それぞれメンションで識別されます。メンションは、入力テキスト内のエンティティに対するテキスト参照です。一意のエンティティごとに、すべてのメンションが 1 つのリストにまとめられます。このリストには、エンティティが出現する入力テキスト内の各場所の詳細情報が提供されます。Amazon Comprehend は、サポートされているイベントタイプに関連付けられているエンティティのみを検出します。
サポートされているイベントタイプに関連付けられている各エンティティについて、以下の関連情報が返されます。
+ **MenMentions**: 入力テキストにおける同じエンティティの各出現に関する詳細情報。
+ **BeginOffset**: 入力テキストにおけるメンションの開始位置を示す文字オフセット （先頭文字は位置 0）。
+ **EndOffset**: 入力テキストにおけるメンションの終了位置を示す文字オフセット。
+ **Score**: Amazon Comprehend におけるエンティティのタイプの精度の信頼度。
+ **GroupScore**: Amazon Comprehend における、このメンションと同じエンティティの他のメンションとの間のグループ化の正しさの信頼度。
+ **Text**: エンティティのテキスト。
+ **Type**: エンティティのタイプ。サポートされているすべてのエンティティタイプについては、「[エンティティタイプ](#events-entity-types)」を参照してください。
## Events
Amazon Comprehend は、入力テキストで検出されたイベント(サポートされているイベントタイプのイベント)のリストを返します。各イベントについて、以下の関連情報が返されます。
+ **Type**: イベントのタイプ。サポートされているすべてのイベントタイプについては、「[イベントタイプ](#events-types)」を参照してください。
+ **Arguments**: 検出されたイベントに関連する引数のリスト。引数は、検出されたイベントに関連するエンティティ 1 つで構成されます。引数の役割は、誰がいつ、どこで何をしたかなどの関係を表すことです。
+ **EntityIndex**: Amazon Comprehend がこの分析で返したエンティティのリストにあるエンティティを識別するインデックス値。
+ **Role**: 引数のタイプ。この引数のエンティティとイベントとの関係を表します。サポートされているすべての引数の型については、[引数の型](#events-argument-types)を参照してください。
+ **Score**: Amazon Comprehend における役割検出の精度の信頼度。
+ **Triggers**: 検出されたイベントのトリガーのリスト。トリガーとは、イベントの発生を示す 1 つの単語またはフレーズです。
+ **BeginOffset**: 入力テキストにおけるトリガーの開始位置を示す文字オフセット （先頭文字は位置 0）。
+ **EndOffset**: 入力テキストにおけるトリガーの終了位置を示す文字オフセット。
+ **Score**: Amazon Comprehend における検出の精度の信頼度。
+ **Text**: トリガーのテキスト。
+ **GroupScore**: Amazon Comprehend における、このトリガーと同じエンティティの他のトリガーとの間のグループ化の正しさの信頼度。
+ **Type**: このトリガーが示すイベントのタイプ。
## イベント検出結果の形式
イベント検出ジョブが完了すると、Amazon Comprehend は、ジョブの開始時に指定された Amazon S3 上の出力場所に分析結果を書き込みます。
検出された各イベントの出力には、以下の形式でその詳細が提供されます。
```
{
"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"
}, ...
]
}, ...
]
}
```
## サポートされているエンティティ、イベント、引数のタイプ
### エンティティタイプ
| 型 | 説明 |
| --- | --- |
| DATE | 日付または時刻の参照 (具体的か否かを問わず)。 |
| FACILITY | 建物、空港、高速道路、橋、その他の恒久的な人工構造物および不動産の改良。 |
| LOCATION | 道路、都市、州、国、水域、地理座標などの物理的な場所。 |
| MONETARY\$1VALUE | 米国またはその他の通貨でのモノの価値。価値は具体的なこともあれば、概算値のこともあります。 |
| ORGANIZATION | 企業または確立された組織体制で団体。 |
| PERSON | 個人または架空の人物の名前またはニックネーム。 |
| PERSON\$1TITLE | 個人を説明する任意のタイトル。通常は雇用カテゴリー (CEO など) または敬語 (Mr. など)。 |
| QUANTITY | 数値または値と測定単位。 |
| STOCK\$1CODE | AMZN、国際証券識別番号 (ISIN)、統一証券識別手続き委員会 (CUSIP)、証券取引所日報公式リスト (SEDOL) などの株式ティッカーシンボル。 |
### イベントタイプ
| 型 | 説明 |
| --- | --- |
| BANKRUPTCY | 個人または企業が未払いの債務を返済できないこに伴う法的手続き。 |
| EMPLOYMENT | 従業員の採用、解雇、退職、その他の雇用状態の変化があると発生するイベント。 |
| CORPORATE\$1ACQUISTION | 会社が他社の株式または有形資産のほとんどまたは全部の所有権を取得して、その会社の支配権を獲得すると発生するイベント。 |
| INVESTMENT\$1GENERAL | 個人または企業が将来の収入または評価を生み出す見込みのある資産を購入すると発生するイベント。 |
| CORPORATE\$1MERGER | 2 つ以上の会社が合併して新しい法人を設立すると発生するイベント。 |
| IPO | 新規株式発行時に民間企業の株式を一般に公開する新規株式公開（IPO）を行うと発生するベント。 |
| RIGHTS\$1ISSUE | 既存の株主に既存の保有株式に比例して追加の株式を購入するために提供される一群の権利 (新株予約権と呼ばれる)。 |
| SECONDARY\$1OFFERING | 会社の株主による有価証券の売り出し。 |
| SHELF\$1OFFERING | 証券取引委員会 (SEC) の規定。発行者が証券を再登録したり、罰金を科されたりすることなく、新規発行証券を登録し、一定期間にわたってその一部を売却することを許可する規定。シェルフレジストレーションともいいます。 |
| TENDER\$1OFFERING | 会社の株主の株式の一部または全部を購入する申し出。 |
| STOCK\$1SPLIT | 企業の取締役会が、現在の株主に発行する株式数を増やして発行済株式数を増やすと発生するイベント。このイベントは株式の逆分割にも当てはまります。 |
### 引数の型
**BANKRUPTCYの引数の型**
| 引数の型 | 説明 |
| --- | --- |
| FILER | 破産を申請した個人または会社。 |
| DATE | 破産した日付または時刻。 |
| PLACE | 破産が発生した (またはその場所に最も近い) 場所または施設。 |
**EMPLOYMENTの引数の型**
| 型 | 説明 |
| --- | --- |
| EMPLOYEES | 会社に雇用されている人。 |
| EMPLOYEE\$1TITLE | 従業員の役職。 |
| EMPLOYER | 従業員を雇用している個人または会社。 |
| START\$1DATE | 雇用の開始日または時刻。 |
| END\$1DATE | 雇用の終了日または時刻。 |
**CORPORATE\$1ACQUISTION、INVESTMENT\$1GENERAL の引数の型**
| 型 | 説明 |
| --- | --- |
| AMOUNT | 取引に関係する金銭的価値。 |
| INVESTEE | 投資に関係する個人または会社。 |
| INVESTOR | 資産に投資にした個人または会社。 |
| DATE | 買収または投資の日付または時刻。 |
| PLACE | 買収または投資が行われた (またはその場所に最も近い) 場所。 |
**CORPORATE\$1MERGER の引数の型**
| 型 | 説明 |
| --- | --- |
| DATE | 合併の日付または時刻。 |
| NEW\$1COMPANY | 合併で生まれた新しい法人。 |
| PARTICIPANT | 合併に関わった会社。 |
**IPO、RIGHTS\$1ISSUE、SECONDARY\$1OFFERING、SHELF\$1OFFERING、TENDER\$1OFFERING の引数の型**
| 型 | 説明 |
| --- | --- |
| 有効期限 | 売り出しの有効期限または時刻。 |
| INVESTOR | 資産に投資にした個人または会社。 |
| OFFEREE | 売り出しを受けた個人または会社。 |
| OFFERING\$1AMOUNT | 売り出しに関係する金銭的価値。 |
| OFFERING\$1DATE | 売り出しの日付または時刻。 |
| OFFEROR | 売り出しを開始した個人または会社。 |
| OFFEROR\$1TOTAL\$1VALUE | 売り出しに関係する金銭的価値の合計。 |
| RECORD\$1DATE | 売り出しの記録日付または時刻。 |
| SELLING\$1AGENT | 売り出しの販売を促進する個人または会社。 |
| SHARE\$1PRICE | 株式価格に関係する金銭的価値。 |
| SHARE\$1QUANTITY | 売り出しに関係する株式数。 |
| UNDERWRITERS | 売り出しの引受に関係する会社。 |
**STOCK\$1SPLIT の引数の型**
| 型 | 説明 |
| --- | --- |
| COMPANY | 株式分割の株式を発行する会社。 |
| DATE | 株式分割の日付または時刻。 |
| SPLIT\$1RATIO | 株式分割前の現在の株式数に対する新規発行済株式数の増加率。 |
# キーフレーズ
キーフレーズとは、特定のことを説明する名詞句を含む文字列です。一般にはキーフレーズは、名詞 1 つとそれが名詞であることを示す修飾語で構成されます。たとえば、「day」は名詞で、「beautiful day」は冠詞（「a」）と形容詞（「美しい」）を含む名詞句です。各キーフレーズには、文字列が名詞句であるという Amazon Comprehend の信頼度を示すスコアが含まれます。このスコアに基づいて、検出がアプリケーションに必要な信頼度があるかどうかを判断することができます。
キーフレーズの検出オペレーションは、Amazon Comprehend がサポートするプライマリ言語が何であっても実行できます。ドキュメントの言語はすべて同じである必要があります。
次の API オペレーションのいずれかを使用して、ドキュメントまたはドキュメントセット内のキーフレーズを検出できます。
+ [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)
これらのオペレーションでは、ドキュメント内のキーフレーズごとに 1 つの割合で、[KeyPhrase](https://docs.aws.amazon.com/comprehend/latest/APIReference/API_KeyPhrase.html) オブジェクトのリストが返されます。`BatchDetectKeyPhrases` の演算では、バッチ内のドキュメントごとに 1 つずつ、`KeyPhrase` オブジェクトのリストを返します。`StartKeyPhrasesDetectionJob` オペレーションは、ジョブ内のドキュメントごとに `KeyPhrase` オブジェクトのリスト 1 つを含むファイルを生成する非同期ジョブを開始します。
次の例は、`DetectKeyPhrases` の演算からの応答です。
```
{
"LanguageCode": "en",
"KeyPhrases": [
{
"Text": "today",
"Score": 0.89,
"BeginOffset": 14,
"EndOffset": 19
},
{
"Text": "Seattle",
"Score": 0.91,
"BeginOffset": 23,
"EndOffset": 30
}
]
}
```
# 主要言語
Amazon Comprehend を使用してテキストを調べ、主要言語を判断できます。Amazon Comprehend は、RFC 5646 の識別子を使用して言語を識別します。2 文字の ISO 639-1 識別子があり、必要に応じて地域のサブタグがある場合は、それを使用します。それ以外の場合は ISO 639-2 の 3 文字コードを使用します。
RFC 5646 の詳細は、IETF ツールウェブサイトの「[言語識別用タグ](https://tools.ietf.org/html/rfc5646)」を参照してください。
応答には、特定の言語がドキュメント内の主要な言語であるという Amazon Comprehend の信頼レベルを示すスコアが含まれます。各スコアは他のスコアとは無関係です。スコアは、ある言語が文書の特定の割合を占めていることを示すものではありません。
長い文書 (本など) に複数の言語が含まれている場合は、長い文書を小さく分割して、個々の部分に対して `DetectDominantLanguage` 演算を実行できます。その結果を集計して、長い文書に含まれる各言語の割合を判断できます。
Amazon Comprehend の言語検出には次の制約があります。
+ 音声言語検出には対応していません。たとえば、「arigato」を日本語として、「nihao」を中国語として検出しません。
+ インドネシア語とマレー語、ボスニア語、クロアチア語、セルビア語など、近い言語ペアを区別するのが難しい場合があります。
+ 最良の結果を得るには、20 文字以上のテキストを入力してください。
Amazon Comprehend は次の言語を検出します。
| [コード] | Language |
| --- | --- |
| af | アフリカーンス語 |
| am | アムハラ語 |
| ar | アラビア語 |
| as | アッサム語 |
| az | Azerbaijani |
| ba | バシキール語 |
| be | ベラルーシ語 |
| bn | ベンガル語 |
| bs | ボスニア語 |
| bg | ブルガリア語 |
| ca | カタロニア語 |
| ceb | セブアノ語 |
| cs | チェコ語 |
| cv | チュヴァシュ語 |
| cy | ウェールズ語 |
| da | Danish |
| de | German |
| el | Greek |
| en | 英語 |
| eo | エスペラント語 |
| et | エストニア語 |
| eu | バスク語 |
| fa | ペルシャ語 |
| fi | Finnish |
| fr | French |
| gd | スコティッシュゲール語 |
| ga | Irish |
| gl | ガリシア語 |
| gu | グジャラート語 |
| ht | ハイチ語 |
| he | ヘブライ語 |
| ha | ハウサ語 |
| hi | ヒンディー語 |
| hr | クロアチア語 |
| hu | Hungarian |
| hy | Armenian |
| ilo | イロコ語 |
| id | Indonesian |
| is | アイスランド語 |
| it | Italian |
| jv | ジャワ語 |
| ja | Japanese |
| kn | カンナダ語 |
| ka | グルジア語 |
| kk | カザフ語 |
| km | 中部クメール語 |
| ky | キルギス語 |
| ko | Korean |
| ku | クルド語 |
| lo | ラオス語 |
| la | ラテン語 |
| lv | ラトビア語 |
| lt | リトアニア語 |
| lb | ルクセンブルク語 |
| ml | マラヤーラム語 |
| mt | Maltese |
| mr | マラーティー語 |
| mk | マケドニア語 |
| mg | マダガスカル語 |
| mn | モンゴル語 |
| ms | マレー語 |
| my | ビルマ語 |
| ne | ネパール語 |
| new | ネワール語 |
| nl | Dutch |
| no | Norwegian |
| or | オリヤー語 |
| om | オロモ語 |
| pa | パンジャブ語 |
| pl | Polish |
| pt | Portuguese |
| ps | プシュトン語 |
| qu | ケチュア語 |
| ro | Romanian |
| ru | Russian |
| sa | サンスクリット語 |
| si | シンハラ語 |
| sk | スロバキア語 |
| sl | スロベニア語 |
| sd | シンディー |
| so | ソマリ語 |
| es | Spanish |
| sq | アルバニア語 |
| sr | セルビア語 |
| su | スンダ語 |
| sw | スワヒリ語 |
| sv | Swedish |
| ta | タミル語 |
| tt | タタール語 |
| te | テルグ語 |
| tg | タジク語 |
| tl | タガログ語 |
| th | Thai |
| tk | トルクメン語 |
| tr | Turkish |
| ug | ウイグル語 |
| uk | Ukrainian |
| ur | ウルドゥー語 |
| uz | ウズベク語 |
| vi | Vietnamese |
| yi | イディッシュ語 |
| yo | ヨルバ語 |
| zh | 簡体字中国語 |
| zh-TW | 繁体字中国語 |
次の API 演算機能のいずれかを使用して、1 つまたは複数のドキュメントの主要言語を検出できます。
+ [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)
`DetectDominantLanguage` の演算では [DominantLanguage](https://docs.aws.amazon.com/comprehend/latest/APIReference/API_DominantLanguage.html) オブジェクトを返します。`BatchDetectDominantLanguage` の演算では、バッチ内のドキュメントごとに 1 つずつ、`DominantLanguage` オブジェクトのリストを返します。`StartDominantLanguageDetectionJob` の演算では、非同期ジョブが開始され、ジョブ内のドキュメントごとに 1 つずつ、`DominantLanguage` オブジェクトのリストが入ったファイルが作成されます。
次の例は、`DetectDominantLanguage` の演算からの応答です。
```
{
"Languages": [
{
"LanguageCode": "en",
"Score": 0.9793661236763
}
]
}
```
# 感情
Amazon Comprehend を使用して、UTF-8 エンコードしたテキストドキュメントの内容の感情を判定することができます。例えば、感情分析を使用してブログ投稿に対するコメントの感情を判定して、読者がその投稿を気に入ったかどうかを判断することができます。
Amazon Comprehend がサポートする主要言語のどの言語のドキュメントについても感情を判定できます。1つのジョブ内のドキュメントはすべて、同じ言語である必要があります。
テキストに対する感情判定では次の値が返されます。
+ **肯定的** — 全体的に肯定的。
+ **否定的** — 全体的に否定的。
+ **混在** – 肯定的と否定的の両方。
+ **ニュートラル** – 肯定的と否定的のどちらでもない。
次の API オペレーションのいずれかを使用して、1 つまたは複数のドキュメントの感情を検出できます。
+ [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)
これらのオペレーションでは、テキストで最も優勢な感情と各感情のスコアが返されます。スコアはセンチメントが正しく検出された可能性を表します。例えば、次の例では、感情が `Positive` である可能性は 95% です。感情が `Negative` である可能性は 1% 未満です。`SentimentScore` を使用して、検出の正確さがアプリケーションの要件を満たしているかどうかを判断することができます.
`DetectSentiment` オペレーションは、検出された感情を含むオブジェクトと [「SentimentScore](https://docs.aws.amazon.com/comprehend/latest/APIReference/API_SentimentScore.html) オブジェクトを返します。`BatchDetectSentiment` オペレーションは、バッチ内のドキュメントごとに 1 つの割合で、感情と `SentimentScore` オブジェクトのリストを返します。`StartSentimentDetectionJob` オペレーションは非同期ジョブを開始し、ジョブ内のドキュメントごとに 1 つの割合で、感情と `SentimentScore` オブジェクトのリストを含むファイルを生成します。
次の例は、`DetectSentiment` の演算からの応答です。
```
{
"SentimentScore": {
"Mixed": 0.030585512690246105,
"Positive": 0.94992071056365967,
"Neutral": 0.0141543131828308,
"Negative": 0.00893945890665054
},
"Sentiment": "POSITIVE",
"LanguageCode": "en"
}
```
# ターゲット感情
ターゲット感情を使用すると、入力ドキュメント内で特定のエンティティ (ブランドや製品など) に関連付けられた感情を詳細に把握できます。
ターゲット感情と [「感情」](how-sentiment.md) の違いは、出力データの粒度のレベルです。感情分析は、各入力ドキュメントの主要な感情を決定しますが、詳細な分析のためのデータは提供しません。ターゲット感情分析では、各入力ドキュメント内の特定のエンティティのエンティティレベルの感情を判断します。出力データを分析して、肯定的または否定的なフィードバックを得た特定の製品やサービスを判断できます。
たとえば、あるレストランのレビューの中で、顧客が「タコスはおいしかったし、スタッフもフレンドリーだった」というレビューを投稿したとします。このレビューを分析すると、次の結果になります。
+ **感情分析**は、各レストランレビューの全体的な感情が肯定的、否定的、中間、または混合のいずれであるかを判断します。この例では、全体的な感情は肯定的です。
+ **ターゲット感情分析**は、顧客がレビューで言及したレストランのエンティティと属性に対する感情を判断します。この例では、顧客は「タコス」と「スタッフ」について肯定的なコメントをしています。
ターゲット感情では、分析ジョブごとに次の出力が得られます。
+ ドキュメントで言及されているエンティティの識別。
+ 各エンティティメンションに対するエンティティタイプの分類。
+ 言及された各エンティティの感情と感情スコア。
+ 単一エンティティに対応する参照グループ (共通参照グループ)。
[コンソール](get-started-console.md)または [API](using-api-targeted-sentiment.md) を使用して、ターゲット感情分析を実行できます。コンソールと API は、ターゲット感情のリアルタイム分析と非同期分析の両方をサポートします。
Amazon Comprehend は、英語ドキュメントのターゲット感情に対応しています。
チュートリアルを含むターゲット感情の詳細については、 AWS 機械学習ブログの[Amazon Comprehend ターゲット感情を使用してテキストで詳細な感情を抽出する](https://aws.amazon.com/blogs/machine-learning/extract-granular-sentiment-in-text-with-amazon-comprehend-targeted-sentiment/)」を参照してください。
**Topics**
+ [
## エンティティタイプ
](#how-targeted-sentiment-entities)
+ [
## 共参照グループ
](#how-targeted-sentiment-values)
+ [
## 出力ファイルの構成
](#how-targeted-sentiment-output)
+ [
## コンソールを使用したリアルタイム分析
](#how-targeted-sentiment-console)
+ [
## ターゲット感情の出力例
](#how-targeted-sentiment-example)
## エンティティタイプ
ターゲット感情は、次のエンティティタイプを識別します。エンティティが他のどのカテゴリにも属さない場合は、エンティティタイプ「OTHER」(その他) を割り当てます。出力ファイル内の各エンティティには、`"Type": "PERSON"` などのエンティティタイプが含まれます。
**エンティティタイプの定義**
| エンティティタイプ | 定義 |
| --- | --- |
| PERSON | 例としては、個人、グループ、ニックネーム、架空の人物、動物の名前などがあります。 |
| LOCATION | 国、都市、州、住所、地形、水域、自然史跡、天文学的位置などの地理的位置。 |
| ORGANIZATION | 例としては、政府、企業、スポーツチーム、宗教などがあります。 |
| FACILITY | 建物、空港、高速道路、橋、その他の恒久的な人工構造物および不動産の改良。 |
| BRAND | 特定の商品または製品ラインの組織、グループ、または生産者。 |
| COMMERCIAL\$1ITEM | 購入または取得可能な非ジェネリック品目（車両、および 1 つの品目しか生産されていない大型製品を含む）。 |
| MOVIE | 映画またはテレビ番組。考えられるエンティティには、フルネーム、ニックネーム、またはサブタイトルがあります。 |
| MUSIC | 曲 (全体または一部)。また、アルバムやアンソロジーなど、個々の音楽作品のコレクションもあります。 |
| BOOK | 職業的に、または自費出版された本。 |
| SOFTWARE | 正式にリリースされたソフトウェア製品。 |
| GAME | ビデオゲーム、ボードゲーム、一般的なゲーム、スポーツなどのゲーム。 |
| PERSONAL\$1TITLE | 学長、博士、博士などの正式な肩書きと敬称。 |
| EVENT | 例としては、フェスティバル、コンサート、選挙、戦争、会議、プロモーションイベントなどがあります。 |
| DATE | 具体的、一般的、絶対的、相対的であるかを問わず、日付や時刻に関するあらゆる言及。 |
| QUANTITY | すべての測定値とその単位 (通貨、パーセント、数値、バイトなど)。 |
| ATTRIBUTE | 製品の「品質」、電話の「価格」、CPU の「速度」など、エンティティの属性、特性、または特質。 |
| OTHER | 他のカテゴリに属さないエンティティ。 |
## 共参照グループ
ターゲット感情は、各入力ドキュメントの共参照グループを識別します。共参照グループとは、現実世界の 1 つのエンティティに対応するドキュメント内の感情グループです。
**Example**
以下のカスタマーレビューの例では、「spa」はエンティティーであり、そのエンティティータイプは `FACILITY` です。このエンティティには、代名詞 (「it」) としてさらに 2 つの追加言及があります。
![\[ターゲット感情の共参照関係グループ。\]](http://docs.aws.amazon.com/ja_jp/comprehend/latest/dg/images/gs-console-targeted-sentiment4.png)
## 出力ファイルの構成
ターゲットの感情分析ジョブは JSON テキスト出力ファイルを作成します。このファイルには、入力ドキュメントごとに 1 つの JSON オブジェクトが含まれます。各 JSON オブジェクトには、以下のフィールドが含まれています。
+ **エンティティ** — ドキュメント内にあるエンティティの配列。
+ **ファイル** — 入力ドキュメントのファイル名。
+ **行** – 入力ファイルが 1 行につき 1 つのドキュメントである場合、[**エンティティ**]にはファイル内のドキュメントの行番号が含まれます。
**注記**
ターゲット感情が入力テキスト中のエンティティを認識していない場合、エンティティの結果として空の配列を返します。
次の例は、3 行入力されている入力ファイルの**エンティティ**を示しています。入力フォーマットは **ONE\$1DOC\$1PER\$1LINE** であるため、入力の各行は 1 つのドキュメントになります。
```
{ "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
}
```
**エンティティ**配列のエンティティは、文書内で検出されたエンティティ参照の論理グループ（共参照グループと呼ばれる）を含みます。各エンティティの全体構造は以下のとおりです。
```
{"DescriptiveMentionIndex": [0],
"Mentions": [
{mentionD},
{mentionE}
]
}
```
エンティティには以下のフィールドが含まれます。
+ **メンション** — ドキュメント内のエンティティに関するメンションの配列。配列は共参照グループを表します。例については、「[共参照グループ](#how-targeted-sentiment-values)」を参照してください。メンション配列内のメンション順序は、ドキュメント内での位置 (オフセット) の順序です。各メンションには、そのメンションの感情スコアとグループスコアが含まれます。グループスコアは、これらのメンションが同じエンティティに属していることの確実性レベルを示します。
+ **DescriptiveMentionIndex** — エンティティグループに最適な名前を提供するメンション配列内の 1 つ以上のインデックス。たとえば、あるエンティティに**テキスト**値が「ABC Hotel」、「ABC Hotel」、「it」の 3 つのメンションがあるとします。最も良い名前は「ABC Hotel」で、これには [0,1] の DescritiveMentionIndex 値があります。
各メンションには、次のフィールドが含まれます。
+ **BeginOffset** — メンションの開始位置となるドキュメントテキストへのオフセットです。
+ **EndOffset** — メンションが終了するドキュメントテキストへのオフセットです。
+ **GroupScore** — グループ内で言及されているすべてのエンティティが同じエンティティに関連しているという信頼度です。
+ **テキスト** — エンティティを識別するドキュメント内のテキストです。
+ **タイプ** – エンティティのタイプ。Amazon Comprehend は、さまざまな[エンティティタイプ](#how-targeted-sentiment-entities)をサポートしています。
+ **スコア** — エンティティの関連性についてのモデルの信頼性です。値の範囲は 0 ～ 1 で、1 が最も高い信頼度です。
+ **MentionSentiment** — メンションの感情と感情スコアが含まれます。
+ **Sentiment** — メンションの感情。値には、「肯定的」、「中間」、「否定的」、「混合」が含まれます。
+ **SentimentScore** — 可能性のある感情ごとにモデル信頼度を示します。値の範囲は 0 ～ 1 で、1 が最も高い信頼度です。
**Sentiment** 値には以下の意味があります。
+ **肯定的** — エンティティメンションは肯定的な感情を表します。
+ **否定的** — エンティティメンションは否定的な感情を表します。
+ **混合** – 肯定的感情と否定的感情を表すエンティティメンション。
+ **中間** – 肯定的感情または否定的感情のいずれも表さないエンティティメンション。
次の例では、入力ドキュメント内のエンティティのメンションが 1 つしかないため、DescritiveMentionIndex は 0 (Mentions 配列の最初のメンション) です。識別されるエンティティは「I」という名前の PERSON です。感情スコアは中間です。
```
{"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
}
```
## コンソールを使用したリアルタイム分析
Amazon Comprehend コンソールを使用すると、[ターゲット感情](realtime-console-analysis.md#realtime-analysis-console-targeted-sentiment) をリアルタイムで実行できます。サンプルテキストを使用するか、入力テキストボックスに独自のテキストを貼り付けて、 **[分析]**を選択します。
**[インサイト]** パネルでは、コンソールにターゲット感情分析の 3 つのビューが表示されます。
+ **テキスト解析** — テキスト解析を表示し、各エンティティに下線を引きます。下線の色は、分析によってエンティティに割り当てられた感情値 (肯定的、中間、否定的、または混合のいずれか) を表します。コンソールでは、テキスト解析ボックスの右上隅にカラーマッピングが表示されます。エンティティの上にカーソルを置くと、そのエンティティの分析値 (エンティティタイプ、感情スコア) を含むポップアップパネルがコンソールに表示されます。
+ **結果** — テキスト内で識別された各エンティティが参照する行を含むテーブルを表示します。各エンティティについて、この表には[エンティティ](#how-targeted-sentiment-entities)とエンティティスコアが表示されます。この行には、主な感情と各感情値のスコアも含まれています。同じエンティティに 「[共参照グループ](#how-targeted-sentiment-values)」 と呼ばれる複数の参照がある場合、この表には、マスターエンティティに関連付けられた折りたたみ可能な行のセットとしてこれらの参照が表示されます。
**結果** テーブルのエンティティ行にカーソルを合わせると、コンソールは [**テキスト解析)**]パネル内のエンティティメンションを強調表示します。
+ **アプリケーション統合** — API リクエストのパラメータ値と API レスポンスで返された JSON オブジェクトの構造を表示します。JSON オブジェクトのフィールドの説明については、「[出力ファイルの構成](#how-targeted-sentiment-output)」 を参照してください。
### コンソールのリアルタイム分析の例
この例では、以下のテキストを入力として使用します。これはコンソールが提供するデフォルトの入力テキストです。
```
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.
```
この例では、[**分析済みテキスト**] パネルには次の出力が表示されます。テキスト `Zhang Wei` の上にマウスカーソルを合わせると、このエンティティのポップアップパネルが表示されます。
![\[ターゲット感情が分析されたテキスト。\]](http://docs.aws.amazon.com/ja_jp/comprehend/latest/dg/images/gs-console-targeted-sentiment2.png)
**[結果]** テーブルには、エンティティスコア、主要感情、各感情のスコアなど、各エンティティに関する追加の詳細が表示されます。
![\[ターゲット感情の結果テーブル。\]](http://docs.aws.amazon.com/ja_jp/comprehend/latest/dg/images/gs-console-targeted-sentiment3.png)
この例では、ターゲット感情分析では、入力テキストで **あなたの**について言及するたびに、人物エンティティ **Zhang Wei** への参照であることが認識されます。コンソールには、これらのメンションがメインエンティティに関連付けられた折りたたみ可能な行のセットとして表示されます。
![\[ターゲット感情の結果テーブル。\]](http://docs.aws.amazon.com/ja_jp/comprehend/latest/dg/images/gs-console-targeted-sentiment5.png)
**[アプリケーション統合]** パネルには、DetectTargetedSentiment API が生成する JSON オブジェクトが表示されます。詳細な例については、次のセクションを参照してください。
## ターゲット感情の出力例
次の例は、ターゲット感情分析ジョブの出力ファイルを示しています。入力ファイルは次の 3 つのシンプルなドキュメントで構成されています。
```
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.
```
この入力ファイルのターゲット感情分析では、次の出力が生成されます。
```
{"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
}
}
```
# 構文分析
構文分析を使用してドキュメント内の単語を解析し、ドキュメント内の各単語の品詞または構文関数を返します。ドキュメント内の名詞、動詞、形容詞などを識別できます。この情報を利用して、ドキュメントの内容をより深く理解し、単語間の関係を理解できます。
例えば、ドキュメント内の名詞を検索し、その名詞に関連する動詞を探すことができます。「祖母がソファを動かした」のような文には、名詞「祖母」と「ソファ」、動詞「動く」があります。この情報を使用してアプリケーションを構築し、興味のある単語の組み合わせについてテキストを分析することができます。
Amazon Comprehend はソーステキストを解析して、テキスト内の個々の単語を検出し、分析を開始します。テキストが解析されると、各単語にはソーステキストに含まれる品詞が割り当てられます。
Amazon Comprehend では、以下の品詞を識別できます。
| トークン | 品詞 |
| --- | --- |
| ADJ | 形容詞 通常は名詞を修飾する単語。 |
| ADP | 接置詞 前置詞または後置句の頭。 |
| ADV | 副詞 通常は動詞を修飾する単語。形容詞やその他の副詞を修飾することもできる。 |
| AUX | 助動詞 動詞句の動詞に付随する機能語。 |
| CCONJ | 等位接続詞 等位接続詞は、文中の単語、句または節を繋げる働きをし、1 つを他に従属させない。 |
| CONJ | 接続詞 接続詞は、文中の単語、句、節をつなげる。 |
| DET | 限定詞 特定の名詞句を指定する冠詞およびその他の単語。 |
| INTJ | 間投詞 感嘆符または感嘆符の一部として使用される単語。 |
| NOUN | 名詞 人物、場所、モノ、動物、アイデアを表す言葉。 |
| NUM | 数字 数字を表す単語 (通常は限定詞、形容詞、または代名詞)。 |
| O | その他 品詞カテゴリを割り当てることができない単語。 |
| PART | 不変化詞 意味を表すために他の語や句と結び付けられた機能語。 |
| PRON | 代名詞 名詞または名詞句の代わりとなる単語。 |
| PROPN | 固有名詞特定の個人、場所、または物の名前を表す名詞。 |
| PUNCT | 句読点 テキストを区切るアルファベット以外の文字。 |
| SCONJ | 従属接続詞 従属節と文をつなぐ接続詞。従属接続詞の例には、「なぜなら」があります。 |
| SYM | 記号ドル記号 (\$1) や数学記号などの単語のようなエンティティ。 |
| 動詞 | 動詞出来事や行動を示す単語。 |
品詞の詳細については、*Universal Dependencies* のウェブサイトの「[Universal POS tags](http://universaldependencies.org/u/pos/)」を参照してください。
オペレーションは、テキスト内の単語とその単語が表す品詞を識別するトークンを返します。各トークンはソーステキスト内の 1 つの単語を表します。ソース内の単語の位置、テキスト内での単語の品詞、品詞の識別に関する Amazon Comprehend の確実性、およびソーステキストから解析された単語がわかります。
構文トークンのリスト構造は次のとおりです。ドキュメント内の単語ごとに 1 つの構文トークンが生成されます。
```
{
"SyntaxTokens": [
{
"BeginOffset": number,
"EndOffset": number,
"PartOfSpeech": {
"Score": number,
"Tag": "string"
},
"Text": "string",
"TokenId": number
}
]
}
```
各トークンは以下の情報を提供します。
+ `BeginOffset` と `EndOffset` — 入力テキスト内の単語の位置を提供します。
+ `PartOfSpeech` — 2 つの情報を提供します。`Tag` は品詞を識別する情報、`Score` は品詞の識別に関する Amazon Comprehend 構文の確実性を示します。
+ `Text` — 識別された単語を提供します。
+ `TokenId` — トークンの識別子を提供します。識別子は、トークンリストにおけるトークンの位置です。