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。
# リアルタイム分析の実行
カスタム分類子を調教した後で、リアルタイム分析を使用して文書を分類できます。リアルタイム分析では、1 つの文書を入力として受け取り、結果を同期的に返します。カスタム分類では、さまざまな文書タイプをリアルタイム分析の入力として受け入れます。詳細については、「[リアルタイムカスタム分析用の入力](idp-inputs-sync.md)」を参照してください。
画像ファイルまたはスキャンした PDF ドキュメントを分析する予定がある場合は、IAM ポリシーで 2 つの Amazon Textract API メソッド (DetectDocumentText と AnalyzeDocument) を使用するアクセス権限を付与する必要があります。Amazon Comprehend は、テキスト抽出中にこれらのメソッドを呼び出します。ポリシーの例については「[ドキュメント分析アクションを実行するために必要なアクセス許可](security_iam_id-based-policy-examples.md#security-iam-based-policy-perform-cmp-actions)」を参照してください。
カスタム分類モデルを使用してリアルタイム分析を実行するには、エンドポイントを作成する必要があります。
**Topics**
+ [カスタム分類のリアルタイム分析 (コンソール)](custom-sync.md)
+ [カスタム分類のリアルタイム分析 (API)](class-sync-api.md)
+ [リアルタイム分析の出力](outputs-class-sync.md)
# カスタム分類のリアルタイム分析 (コンソール)
Amazon Comprehend コンソールを使用して、カスタム分類モデルを使用したリアルタイム分析を実行できます。
リアルタイム分析を実行するエンドポイントを作成します。エンドポイントには、リアルタイム推論にカスタムモデルを使用できるようにする管理対象リソースが含まれます。
エンドポイントのスループットのプロビジョニングとそれに関連するコストについては、「[Amazon Comprehend エンドポイントの使用法](using-endpoints.md)」を参照してください。
**Topics**
+ [カスタム分類用のエンドポイントの作成](#create-endpoint)
+ [リアルタイムカスタム分類の実行](#cc-real-time-analysis)
## カスタム分類用のエンドポイントの作成
**エンドポイントを作成するには (コンソール)**
1. にサインイン AWS マネジメントコンソール し、[https://console.aws.amazon.com/comprehend/](https://console.aws.amazon.com/comprehend/) で Amazon Comprehend コンソールを開きます。
1. 左側のメニューから [**エンドポイント**] を選択し、[**エンドポイントの作成**] ボタンを選択します。「**エンドポイントの作成**」画面が開きます。
1. エンドポイントに名前を付けます。名前は、自分のアカウント内と現在のリージョンで一意でなければなりません。
1. 新しいエンドポイントをアタッチするカスタムモデルを選択します。ドロップダウンから、モデル名で検索できます。
**注記**
エンドポイントをモデルにアタッチする前に、モデルを作成する必要があります。まだモデルがない場合は、「[調教分類モデル](training-classifier-model.md)」を参照してください。
1. (オプション) エンドポイントにタグを追加するには、[**タグ**] にキーと値のペアを入力し、[**タグを追加**] を選択します。エンドポイントを作成する前にこのペアを削除するには、[**タグを削除**] を選択します
1. エンドポイントに割り当てる推論単位 (IU) の数を入力します。各単位は、1 秒あたり最大 2 つの文書に対して 100 文字/秒のスループットを表します。最大スループットの詳細については、 「[Amazon Comprehend エンドポイントの使用法](using-endpoints.md)」を参照してください。
1. (オプション) 新しいエンドポイントを作成する場合は、IU Estimator を使用することもできます。スループットや 1 秒あたりの分析文字数によっては、必要な推論単位がわかりにくい場合があります。このオプションの手順は、リクエストする IU の数を決定するのに役立ちます。
1. **購入概要**から、時間単位、日単位、月単位の推定エンドポイントコストを確認します。
1. 起動から削除までの間、エンドポイントの料金が発生することを了解している場合は、このチェックボックスを選択してください。
1. [**エンドポイントの作成**] を選択します。
## リアルタイムカスタム分類の実行
エンドポイントを作成したなら、カスタムモデルを使用してリアルタイム分析を実行できます。コンソールからリアルタイム分析を実行するには、2 つの方法があります。以下に示すように、テキストを入力するか、ファイルをアップロードできます。
**カスタムモデル (コンソール) を使用してリアルタイム分析を実行するには**
1. にサインイン AWS マネジメントコンソール し、[https://console.aws.amazon.com/comprehend/](https://console.aws.amazon.com/comprehend/) で Amazon Comprehend コンソールを開きます。
1. 左側のメニューで、[**リアルタイム分析**] を選択します。
1. [**入力タイプ**] で、[**分析タイプ**] に [**カスタム**] を選択します。
1. [**カスタムモデルタイプ**] で [**カスタム分類**] を選択します。
1. [**エンドポイント**] で、使用するエンドポイントを選択します。このエンドポイントは特定のカスタムモデルにリンクしています。
1. 分析用の入力データを指定するには、テキストを入力するか、ファイルをアップロードします。
+ テキストを入力するには
1. **入力テキスト**を選択します。
1. 分析するテキストを入力します。
+ ファイルをアップロードするには
1. [**ファイルをアップロード**] を選択し、アップロードするファイル名を入力します。
1. (オプション) **高度な読み取りアクション**では、デフォルトのテキスト抽出アクションをオーバーライドできます。詳細については、「[テキスト抽出オプションの設定](idp-set-textract-options.md)」を参照してください。
最良の結果を得るには、入力タイプを分類子モデルのタイプと一致させてください。ネイティブ文書をプレーンテキストモデルに送信したり、プレーンテキストをネイティブ文書モデルに送信したりすると、コンソールに警告が表示されます。詳細については、「[調教分類モデル](training-classifier-model.md)」を参照してください。
1. [**分析**] を選択します。Amazon Comprehend は、カスタムモデルを使用して入力データを分析します。Amazon Comprehend には、検出されたクラスと各クラスの信頼性評価が表示されます。
# カスタム分類のリアルタイム分析 (API)
Amazon Comprehend API を使用して、カスタム分類モデルでリアルタイム分析を実行できます。まずリアルタイム分析を実行するエンドポイントを作成します。エンドポイントを作成したら、リアルタイム分類を実行します。
このセクションの例では、UNIX、Linux、macOS 用のコマンド形式を使用しています。Windows の場合は、各行末のバックスラッシュ (\$1) Unix 連結文字をキャレット (^) に置き換えてください。
エンドポイントのスループットのプロビジョニングとそれに関連するコストについては、「[Amazon Comprehend エンドポイントの使用法](using-endpoints.md)」を参照してください。
**Topics**
+ [カスタム分類用のエンドポイントの作成](#create-endpoint-api)
+ [リアルタイムカスタム分類の実行](#cc-real-time-analysis-api)
## カスタム分類用のエンドポイントの作成
次の例は、 AWS CLIを使用した [CreateEndpoint](https://docs.aws.amazon.com/comprehend/latest/APIReference/API_CreateEndpoint.html) API 演算機能を示しています。
```
aws comprehend create-endpoint \
--desired-inference-units number of inference units \
--endpoint-name endpoint name \
--model-arn arn:aws:comprehend:region:account-id:model/example \
--tags Key=My1stTag,Value=Value1
```
Amazon Comprehend は次のように応答します。
```
{
"EndpointArn": "Arn"
}
```
## リアルタイムカスタム分類の実行
カスタム分類モデル用のエンドポイントを作成したなら、そのエンドポイントを使用して [ClassifyDocument](https://docs.aws.amazon.com/comprehend/latest/APIReference/API_ClassifyDocument.html) API 演算を実行します。`text` または `bytes` パラメータを使用してテキストを提供できます。その他の種類の入力には、`bytes` パラメータを利用します。
画像ファイルや PDF ファイルの場合は、`DocumentReaderConfig` パラメーターを使用してデフォルトのテキスト抽出アクションをオーバーライドできます。詳細については、「[テキスト抽出オプションの設定](idp-set-textract-options.md)」を参照してください。
最良の結果を得るには、入力タイプを分類子モデルのタイプと一致させてください。ネイティブ文書をプレーンテキストモデルに送信したり、プレーンテキストファイルをネイティブ文書モデルに送信したりすると、API 応答に警告が含まれます。詳細については、「[調教分類モデル](training-classifier-model.md)」を参照してください。
### の使用 AWS Command Line Interface
以下の例は、classify-document CLI コマンドの使用方法を示しています。
#### を使用してテキストを分類する AWS CLI
次の例では、テキストブロックに対してリアルタイム分類を実行します。
```
aws comprehend classify-document \
--endpoint-arn arn:aws:comprehend:region:account-id:endpoint/endpoint name \
--text 'From the Tuesday, April 16th, 1912 edition of The Guardian newspaper: The maiden voyage of the White Star liner Titanic,
the largest ship ever launched ended in disaster. The Titanic started her trip from Southampton for New York on Wednesday. Late
on Sunday night she struck an iceberg off the Grand Banks of Newfoundland. By wireless telegraphy she sent out signals of distress,
and several liners were near enough to catch and respond to the call.'
```
Amazon Comprehend は次のように応答します。
```
{
"Classes": [
{
"Name": "string",
"Score": 0.9793661236763
}
]
}
```
#### を使用して半構造化ドキュメントを分類する AWS CLI
PDF、Word、画像ファイルのカスタム分類を分析するには、`bytes` パラメーターに入力ファイルを指定して `classify-document` コマンドを実行します。
次の例では、画像を入力ファイルとして使用します。`fileb` オプションを使用して画像ファイルのバイトを Base-64 でエンコードします。詳細については、「 AWS Command Line Interface ユーザーガイド」の[「バイナリラージオブジェクト](https://docs.aws.amazon.com/cli/latest/userguide/cli-usage-parameters-types.html#parameter-type-blob)」を参照してください。
この例では、テキスト抽出オプションを設定するために `config.json` という名前の JSON ファイルも渡しています。
```
$ aws comprehend classify-document \
> --endpoint-arn arn \
> --language-code en \
> --bytes fileb://image1.jpg \
> --document-reader-config file://config.json
```
**config.json** ファイルには次のコンテンツが含まれます。
```
{
"DocumentReadMode": "FORCE_DOCUMENT_READ_ACTION",
"DocumentReadAction": "TEXTRACT_DETECT_DOCUMENT_TEXT"
}
```
Amazon Comprehend は次のように応答します。
```
{
"Classes": [
{
"Name": "string",
"Score": 0.9793661236763
}
]
}
```
詳細については、「Amazon Comprehend API リファレンス」の「[ClassifyDocument](https://docs.aws.amazon.com/comprehend/latest/APIReference/API_ClassifyDocument.html)」を参照してください。
# リアルタイム分析の出力
## テキスト入力の出力
テキスト入力の場合、出力には分類子分析によって特定されたクラスまたはラベルのリストが含まれます。次の例は、2 つのクラスを持つリストを示しています。
```
"Classes": [
{
"Name": "abc",
"Score": 0.2757999897003174,
"Page": 1
},
{
"Name": "xyz",
"Score": 0.2721000015735626,
"Page": 1
}
]
```
## 半構造化入力の出力
半構造化入力ドキュメントまたはテキストファイルの場合、出力には以下の追加フィールドが含まれる場合があります。
+ DocumentMetadata – ドキュメントに関する抽出情報。メタデータには、ドキュメント内のページのリストと、各ページから抽出された文字数が含まれます。リクエストに `Byte` パラメータがあると、このフィールドが応答に含まれます。
+ DocumentType — 入力ドキュメントの各ページのドキュメントタイプ。リクエストに `Byte` パラメータがあると、このフィールドが応答に含まれます。
+ エラー — 入力文書の処理中にシステムが検出したページレベルのエラー。エラーが検出されなかった場合、このフィールドは空です。
+ 警告 — 入力文書の処理中に警告が検出されました。入力文書タイプと指定したエンドポイントに関連付けられているモデルタイプが一致しない場合、応答には警告が含まれます。システムが警告を生成しなかった場合、このフィールドは空になります。
これらの出力フィールドの詳細については、Amazon Comprehend API リファレンスの「[ClassifyDocument](https://docs.aws.amazon.com/comprehend/latest/APIReference/API_ClassifyDocument.html)」を参照してください。
次の例は、1 ページのネイティブ PDF 入力文書の出力例です。
```
{
"Classes": [
{
"Name": "123",
"Score": 0.39570000767707825,
"Page": 1
},
{
"Name": "abc",
"Score": 0.2757999897003174,
"Page": 1
},
{
"Name": "xyz",
"Score": 0.2721000015735626,
"Page": 1
}
],
"DocumentMetadata": {
"Pages": 1,
"ExtractedCharacters": [
{
"Page": 1,
"Count": 2013
}
]
},
"DocumentType": [
{
"Page": 1,
"Type": "NATIVE_PDF"
}
]
}
```