本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。 # 步骤 1：向 Amazon S3 添加文档 在对数据集运行 Amazon Comprehend 实体分析任务之前，您需要创建一个 Amazon S3 存储桶来托管数据、元数据和 Amazon Comprehend 实体分析输出。 **Topics** + [下载示例数据集](#tutorial-search-metadata-add-documents-download-extract) + [创建 Amazon S3 存储桶](#tutorial-search-metadata-add-documents-create-bucket) + [在 S3 存储桶中创建数据和元数据文件夹](#tutorial-search-metadata-add-documents-data-metadata) + [上传输入数据](#tutorial-search-metadata-add-documents-upload-data) ## 下载示例数据集 在 Amazon Comprehend 可以对您的数据运行实体分析任务之前，您必须下载并提取数据集并将其上传到 S3 存储桶。 ### 下载并提取数据集（控制台） 1. 在您的设备上下载 [tutorial-dataset.zip](https://docs.aws.amazon.com/kendra/latest/dg/samples/tutorial-dataset.zip) 文件夹。 1. 解压`tutorial-dataset`文件夹以访问 `data` 文件夹。 ### 下载并提取数据集（终端） 1. 要下载 `tutorial-dataset`，请在终端窗口中运行以下命令： ------ #### [ Linux ] ``` curl -o path/tutorial-dataset.zip https://docs.aws.amazon.com/kendra/latest/dg/samples/tutorial-dataset.zip ``` 其中： + *path/*是您要保存 zip 文件夹的位置的本地文件路径。 ------ #### [ macOS ] ``` curl -o path/tutorial-dataset.zip https://docs.aws.amazon.com/kendra/latest/dg/samples/tutorial-dataset.zip ``` 其中： + *path/*是您要保存 zip 文件夹的位置的本地文件路径。 ------ #### [ Windows ] ``` curl -o path/tutorial-dataset.zip https://docs.aws.amazon.com/kendra/latest/dg/samples/tutorial-dataset.zip ``` 其中： + *path/*是您要保存 zip 文件夹的位置的本地文件路径。 ------ 1. 要从 zip 文件夹中提取数据，请在终端窗口中运行以下命令： ------ #### [ Linux ] ``` unzip path/tutorial-dataset.zip -d path/ ``` 其中： + *path/*是您保存的 zip 文件夹的本地文件路径。 ------ #### [ macOS ] ``` unzip path/tutorial-dataset.zip -d path/ ``` 其中： + *path/*是您保存的 zip 文件夹的本地文件路径。 ------ #### [ Windows ] ``` tar -xf path/tutorial-dataset.zip -C path/ ``` 其中： + *path/*是您保存的 zip 文件夹的本地文件路径。 ------ 在此步骤结束时，您应该将解压缩的文件放在名为 `tutorial-dataset` 的解压缩文件夹中。此文件夹包含一个带有 Apache 2.0 开源属性的 `README` 文件和一个名为 `data` 的文件夹，其中包含本教程的数据集。该数据集由 100 个带有 `.story` 扩展名的文件组成。 ## 创建 Amazon S3 存储桶 下载和提取示例数据文件夹后，您可以将其存储在 Amazon S3 存储桶中。 **重要** 在所有 AWS中，Amazon S3 存储桶的名称必须是唯一的。 ### 创建 S3 存储桶（控制台） 1. 登录 AWS 管理控制台 并打开 Amazon S3 控制台，网址为[https://console.aws.amazon.com/s3/](https://console.aws.amazon.com/s3/)。 1. 在**存储桶**中，选择**创建存储桶**。 1. 对于 **Bucket name**（存储桶名称），请输入唯一名称。 1. 对于**区域**，选择要在其中创建存储桶的 AWS 区域。 **注意** 您必须选择同时支持 Amazon Comprehend 和 Amazon Kendra 的区域。创建存储桶后无法更改其区域。 1. 保留**此存储桶的“阻止公共访问”设置**、**存储桶版本控制**和**标签**的默认设置。 1. 对于**默认加密**，请选择**禁用**。 1. 保留**高级设置**的默认设置。 1. 查看您的存储桶配置，然后选择**创建存储桶**。 ### 创建 S3 存储桶（AWS CLI） 1. 要创建 S3 存储桶，请使用 AWS CLI中的 [create-bucket](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/s3control/create-bucket.html) 命令： ------ #### [ Linux ] ``` aws s3api create-bucket \ --bucket amzn-s3-demo-bucket \ --region aws-region \ --create-bucket-configuration LocationConstraint=aws-region ``` 其中： + amzn-s3-demo-bucket 是您的存储桶名称， + *aws-region*是您要在其中创建存储桶的区域。 ------ #### [ macOS ] ``` aws s3api create-bucket \ --bucket amzn-s3-demo-bucket \ --region aws-region \ --create-bucket-configuration LocationConstraint=aws-region ``` 其中： + amzn-s3-demo-bucket 是您的存储桶名称， + *aws-region*是您要在其中创建存储桶的区域。 ------ #### [ Windows ] ``` aws s3api create-bucket ^ --bucket amzn-s3-demo-bucket ^ --region aws-region ^ --create-bucket-configuration LocationConstraint=aws-region ``` 其中： + amzn-s3-demo-bucket 是您的存储桶名称， + *aws-region*是您要在其中创建存储桶的区域。 ------ **注意** 您必须选择同时支持 Amazon Comprehend 和 Amazon Kendra 的区域。创建存储桶后无法更改其区域。 1. 要确保您的存储桶已成功创建，请使用 [list](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/s3/ls.html) 命令： ------ #### [ Linux ] ``` aws s3 ls ``` ------ #### [ macOS ] ``` aws s3 ls ``` ------ #### [ Windows ] ``` aws s3 ls ``` ------ ## 在 S3 存储桶中创建数据和元数据文件夹 创建 S3 存储桶后，您可以在其中创建数据和元数据文件夹。 ### 在 S3 存储桶中创建文件夹（控制台） 1. 打开 Amazon S3 控制台，网址为 [https://console.aws.amazon.com/s3/](https://console.aws.amazon.com/s3/)。 1. 在**存储桶**中，单击存储桶列表中您的存储桶的名称。 1. 从**对象**选项卡中，选择**创建文件夹**。 1. 对于新文件夹名称，输入 **data**。 1. 对于加密设置，选择**禁用**。 1. 请选择 **Create folder**（创建文件夹）。 1. 重复步骤 3 到 6，创建另一个用于存储 Amazon Kendra 元数据的文件夹，并命名步骤 4 **metadata** 中创建的文件夹。 ### 在 S3 存储桶中创建文件夹（AWS CLI） 1. 要在您的 S3 存储桶中创建 `data` 文件夹，请在 AWS CLI中使用 [put-object](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/s3api/put-object.html) 命令： ------ #### [ Linux ] ``` aws s3api put-object \ --bucket amzn-s3-demo-bucket \ --key data/ ``` 其中： + amzn-s3-demo-bucket 是您的存储桶名称。 ------ #### [ macOS ] ``` aws s3api put-object \ --bucket amzn-s3-demo-bucket \ --key data/ ``` 其中： + amzn-s3-demo-bucket 是您的存储桶名称。 ------ #### [ Windows ] ``` aws s3api put-object ^ --bucket amzn-s3-demo-bucket ^ --key data/ ``` 其中： + amzn-s3-demo-bucket 是您的存储桶名称。 ------ 1. 要在您的 S3 存储桶中创建 `metadata` 文件夹，请在 AWS CLI中使用 [put-object](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/s3api/put-object.html) 命令： ------ #### [ Linux ] ``` aws s3api put-object \ --bucket amzn-s3-demo-bucket \ --key metadata/ ``` 其中： + amzn-s3-demo-bucket 是您的存储桶名称。 ------ #### [ macOS ] ``` aws s3api put-object \ --bucket amzn-s3-demo-bucket \ --key metadata/ ``` 其中： + amzn-s3-demo-bucket 是您的存储桶名称。 ------ #### [ Windows ] ``` aws s3api put-object ^ --bucket amzn-s3-demo-bucket ^ --key metadata/ ``` 其中： + amzn-s3-demo-bucket 是您的存储桶名称。 ------ 1. 为确保您的文件夹已成功创建，请使用 [list](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/s3/ls.html) 命令检查存储桶中的内容： ------ #### [ Linux ] ``` aws s3 ls s3://amzn-s3-demo-bucket/ ``` 其中： + amzn-s3-demo-bucket 是您的存储桶名称。 ------ #### [ macOS ] ``` aws s3 ls s3://amzn-s3-demo-bucket/ ``` 其中： + amzn-s3-demo-bucket 是您的存储桶名称。 ------ #### [ Windows ] ``` aws s3 ls s3://amzn-s3-demo-bucket/ ``` 其中： + amzn-s3-demo-bucket 是您的存储桶名称。 ------ ## 上传输入数据 创建数据和元数据文件夹后，将示例数据集上传到 `data` 文件夹中。 ### 将示例数据集上传到数据文件夹中（控制台） 1. 打开 Amazon S3 控制台，网址为 [https://console.aws.amazon.com/s3/](https://console.aws.amazon.com/s3/)。 1. 在**存储桶**中，从存储桶列表中单击存储桶的名称，然后单击 `data`。 1. 选择**上传**，然后选择**添加文件**。 1. 在对话框中，在本地设备中导航到 `tutorial-dataset` 文件夹内的文件夹 `data`，选择所有文件，然后选择**打开**。 1. 保留**目标**、**权限**和**属性**的默认设置。 1. 选择**上传**。 ### 将示例数据集上传到数据文件夹中（AWS CLI） 1. 要将示例数据上传到 `data` 文件夹，请使用以下 AWS CLI中的 [copy](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/s3/cp.html) 命令： ------ #### [ Linux ] ``` aws s3 cp path/tutorial-dataset/data s3://amzn-s3-demo-bucket/data/ --recursive ``` 其中： + *path/*是设备上`tutorial-dataset`文件夹的文件路径， + amzn-s3-demo-bucket 是您的存储桶名称。 ------ #### [ macOS ] ``` aws s3 cp path/tutorial-dataset/data s3://amzn-s3-demo-bucket/data/ --recursive ``` 其中： + *path/*是设备上`tutorial-dataset`文件夹的文件路径， + amzn-s3-demo-bucket 是您的存储桶名称。 ------ #### [ Windows ] ``` aws s3 cp path/tutorial-dataset/data s3://amzn-s3-demo-bucket/data/ --recursive ``` 其中： + *path/*是设备上`tutorial-dataset`文件夹的文件路径， + amzn-s3-demo-bucket 是您的存储桶名称。 ------ 1. 要确保您的数据集文件已成功上传到 `data` 文件夹中，请使用 AWS CLI中的 [list](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/s3/ls.html) 命令： ------ #### [ Linux ] ``` aws s3 ls s3://amzn-s3-demo-bucket/data/ ``` 其中： + amzn-s3-demo-bucket 是您的 S3 存储桶名称。 ------ #### [ macOS ] ``` aws s3 ls s3://amzn-s3-demo-bucket/data/ ``` 其中： + amzn-s3-demo-bucket 是您的 S3 存储桶名称。 ------ #### [ Windows ] ``` aws s3 ls s3://amzn-s3-demo-bucket/data/ ``` 其中： + amzn-s3-demo-bucket 是您的 S3 存储桶名称。 ------ 在此步骤结束时，您将有一个 S3 存储桶，其中的数据集存储在 `data` 文件夹中，还有一个用于存储您的 Amazon Kendra 元数据的空 `metadata` 文件夹。