自然語言處理服務(wù)Amazon Comprehend現(xiàn)支持Word和PDF文件格式

AWS更新自然語言處理服務(wù)Amazon Comprehend，開始支持Word和PDF文件，讓用戶可以從這些類型的文件截取資料。Amazon Comprehend能夠分析不同語言的文本，并且識(shí)別這些文本的內(nèi)容，諸如人名、地點(diǎn)、品牌和產(chǎn)品等，同時(shí)還能理解文本中的關(guān)鍵句子和情緒，或?qū)Υ罅课募膬?nèi)容，依照主題加以分類。

無論是開設(shè)銀行賬戶、申請(qǐng)保險(xiǎn)或是房屋借款等程序，皆大量使用紙質(zhì)文件，而這些文件動(dòng)輒超過百頁(yè)，對(duì)于企業(yè)來說，手動(dòng)處理這些文件是一件繁瑣的工作，不只需要人工，而且速度緩慢容易出錯(cuò)，而借由使用Amazon Comprehend，可以大幅加速文件的創(chuàng)建和管理，并且降低出錯(cuò)幾率。

Amazon Comprehend新的解決方案，可處理PDF、Word和原始文本等文件格式，或是筆記和列表等布局，并進(jìn)行內(nèi)容截取和分析，AWS提到，這次推出的解決方案，結(jié)合自然語言處理和光學(xué)字符識(shí)別技術(shù)，能夠減少企業(yè)文件的預(yù)處理和后處理工作量，用戶不再需要將文件轉(zhuǎn)換成原始文本，就能夠使用自定義命名實(shí)體識(shí)別（NER）功能。

過去Amazon Comprehend只能處理純文本文件，這需要用戶先將文件整理成機(jī)器可讀的文本，但用戶現(xiàn)在能夠利用Amazon Comprehend以相同的API，直接從PDF和Word中的文本或是列表等不同文件布局，截取特定詞語。

新的Amazon Comprehend自定義實(shí)體識(shí)別模型，綜合分析結(jié)構(gòu)上下文和自然語言上下文，從文件中的任何位置，截取自定義詞語實(shí)體。AWS提到，用戶對(duì)于每一種實(shí)體類型，只要提供250個(gè)文件和100個(gè)注解，即可訓(xùn)練模型并且開始使用該功能，而為了要掃描PDF并截取空間位置，Amazon Comprehend會(huì)調(diào)用Amazon Textract服務(wù)，來執(zhí)行必要的處理。

這項(xiàng)新功能有助于企業(yè)處理保險(xiǎn)、抵押、金融等業(yè)務(wù)中的文件處理工作流程，通常這些文件布局復(fù)雜，用戶也不需要頁(yè)面上的每一個(gè)人信息料點(diǎn)，因此截取特定信息存在困難，而Amazon Comprehend這項(xiàng)新功能，可以使用機(jī)器學(xué)習(xí)，使用單個(gè)模型和API調(diào)用，快速截取自定義的詞語，像是處理汽車或健康保險(xiǎn)文件中的索賠金額，甚至是在抵押貸款中，截取申請(qǐng)人姓名、共同簽署人或是其他財(cái)務(wù)文件信息等。