Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

# Trainieren Sie benutzerdefinierte Entitätserkenner (API)
<a name="train-cer-model"></a>

Verwenden Sie den Amazon Comprehend [CreateEntityRecognizer](https://docs.aws.amazon.com/comprehend/latest/APIReference/API_CreateEntityRecognizer.html)API-Vorgang, um ein benutzerdefiniertes Entitätserkennungsmodell zu erstellen und zu trainieren

**Topics**
+ [Schulung von benutzerdefinierten Entitätserkennern mit dem AWS Command Line Interface](#get-started-api-cer-cli)
+ [Schulung von benutzerdefinierten Entitätserkennern mit dem AWS SDK für Java](#get-started-api-cer-java)
+ [Trainieren von benutzerdefinierten Entitätserkennern mit Python (Boto3)](#cer-python)

## Schulung von benutzerdefinierten Entitätserkennern mit dem AWS Command Line Interface
<a name="get-started-api-cer-cli"></a>

Die folgenden Beispiele demonstrieren die Verwendung des `CreateEntityRecognizer` Vorgangs und anderer zugehöriger APIs mit dem AWS CLI. 

Die Beispiele sind für Unix, Linux und macOS formatiert. Ersetzen Sie unter Windows den umgekehrten Schrägstrich (\\), das Unix-Fortsetzungszeichen, am Ende jeder Zeile durch ein Caret-Zeichen oder Zirkumflex (^).

Erstellen Sie mit dem `create-entity-recognizer` CLI-Befehl einen benutzerdefinierten Entity Recognizer. Informationen zum Parameter input-data-config finden Sie [CreateEntityRecognizer](https://docs.aws.amazon.com/comprehend/latest/APIReference/API_CreateEntityRecognizer.html)in der *Amazon Comprehend* API-Referenz.

```
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}}
```

Listet alle Entitätserkenner in einer Region mit dem `list-entity-recognizers` CLI-Befehl auf.

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

Überprüfen Sie den Jobstatus von benutzerdefinierten Entitätserkennern mit dem `describe-entity-recognizer` CLI-Befehl.

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

## Schulung von benutzerdefinierten Entitätserkennern mit dem AWS SDK für Java
<a name="get-started-api-cer-java"></a>

In diesem Beispiel wird ein benutzerdefinierter Entitätserkenner erstellt und das Modell mithilfe von Java trainiert

Beispiele für Amazon Comprehend, die Java verwenden, finden Sie unter [Amazon Comprehend](https://github.com/awsdocs/aws-doc-sdk-examples/tree/main/javav2/example_code/comprehend) Java-Beispiele.

## Trainieren von benutzerdefinierten Entitätserkennern mit Python (Boto3)
<a name="cer-python"></a>

Instanziieren Sie das Boto3-SDK: 

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

Entitätserkennung erstellen: 

```
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"]
```

Alle Erkennungsprogramme auflisten: 

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

Warten Sie, bis der Recognizer den Status TRAINIERT erreicht hat: 

```
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)
```