Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
# Skema JSON untuk Kondisi Aktivasi Loop Manusia di Amazon Augmented AI
`HumanLoopActivationConditions`Ini adalah parameter input dari [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateFlowDefinition.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateFlowDefinition.html)API. Parameter ini adalah string berformat JSON. JSON memodelkan kondisi di mana loop manusia dibuat ketika kondisi tersebut dievaluasi terhadap respons dari API layanan AI terintegrasi (seperti `Rekognition.DetectModerationLabels` atau). `Textract.AnalyzeDocument` Respon ini disebut sebagai *inferensi*. Misalnya, Amazon Rekognition mengirimkan inferensi label moderasi dengan skor kepercayaan terkait. Dalam contoh ini, inferensi adalah perkiraan terbaik model dari label yang sesuai untuk sebuah gambar. Untuk Amazon Textract, inferensi dibuat pada asosiasi antara blok teks (*pasangan kunci-nilai*), seperti asosiasi antara `Name:` dan `Sue` dalam bentuk serta konten dalam blok teks, atau *blok kata*, seperti 'Nama'.
Berikut ini adalah skema untuk JSON. Di tingkat atas, `HumanLoopActivationConditions` memiliki array JSON,`Conditions`. Setiap anggota array ini adalah kondisi independen yang, jika dievaluasi`true`, menghasilkan Amazon A2I membuat loop manusia. Setiap kondisi independen tersebut dapat berupa kondisi sederhana atau kondisi yang kompleks. Kondisi sederhana memiliki atribut berikut:
+ `ConditionType`: Atribut ini mengidentifikasi jenis kondisi. Setiap API layanan AWS AI yang terintegrasi dengan Amazon A2I mendefinisikan kumpulan yang diizinkannya sendiri. `ConditionTypes`
+ `DetectModerationLabels`Rekognition — API ini mendukung `ModerationLabelConfidenceCheck` dan nilai-nilai. `Sampling` `ConditionType`
+ Textract `AnalyzeDocument` - API ini mendukung`ImportantFormKeyConfidenceCheck`,`MissingImportantFormKey`, dan `Sampling` `ConditionType` nilai-nilai.
+ `ConditionParameters`- Ini adalah objek JSON yang membuat parameter kondisi. Himpunan atribut yang diizinkan dari objek ini tergantung pada nilai`ConditionType`. Masing-masing `ConditionType` mendefinisikan set sendiri. `ConditionParameters`
Seorang anggota `Conditions` array dapat memodelkan kondisi yang kompleks. Hal ini dicapai dengan secara logis menghubungkan kondisi sederhana menggunakan operator `And` dan `Or` logis dan menyarangkan kondisi sederhana yang mendasarinya. Hingga dua tingkat bersarang didukung.
```
{
"$schema": "http://json-schema.org/draft-07/schema#",
"definitions": {
"Condition": {
"type": "object",
"properties": {
"ConditionType": {
"type": "string"
},
"ConditionParameters": {
"type": "object"
}
},
"required": [
"ConditionType"
]
},
"OrConditionArray": {
"type": "object",
"properties": {
"Or": {
"type": "array",
"minItems": 2,
"items": {
"$ref": "#/definitions/ComplexCondition"
}
}
}
},
"AndConditionArray": {
"type": "object",
"properties": {
"And": {
"type": "array",
"minItems": 2,
"items": {
"$ref": "#/definitions/ComplexCondition"
}
}
}
},
"ComplexCondition": {
"anyOf": [
{
"$ref": "#/definitions/Condition"
},
{
"$ref": "#/definitions/OrConditionArray"
},
{
"$ref": "#/definitions/AndConditionArray"
}
]
}
},
"type": "object",
"properties": {
"Conditions": {
"type": "array",
"items": {
"$ref": "#/definitions/ComplexCondition"
}
}
}
}
```
**catatan**
Kondisi aktivasi loop manusia tidak tersedia untuk alur kerja tinjauan manusia yang terintegrasi dengan jenis tugas khusus. `HumanLoopActivationConditions`Parameter dinonaktifkan untuk jenis tugas khusus.
**Topics**
+ [Gunakan Kondisi Aktivasi Loop Manusia Skema JSON dengan Amazon Texttract](a2i-json-humantaskactivationconditions-textract-example.md)
+ [Gunakan Kondisi Aktivasi Loop Manusia Skema JSON dengan Amazon Rekognition](a2i-json-humantaskactivationconditions-rekognition-example.md)
# Gunakan Kondisi Aktivasi Loop Manusia Skema JSON dengan Amazon Texttract
Saat digunakan dengan Amazon A2I, `AnalyzeDocument` operasi mendukung input berikut dalam parameter: `ConditionType`
+ `ImportantFormKeyConfidenceCheck`— Gunakan kondisi ini untuk membuat loop manusia ketika keyakinan inferensi berada dalam kisaran yang ditentukan untuk kunci formulir dokumen dan blok kata. *Kunci formulir* adalah kata apa pun dalam dokumen yang dikaitkan dengan input. Input disebut *nilai*. Bersama-sama, kunci bentuk dan nilai disebut sebagai pasangan *kunci-nilai*. *Blok kata* mengacu pada kata-kata yang dikenali Amazon Textract di dalam blok teks yang terdeteksi. Untuk mempelajari selengkapnya tentang blok dokumen Amazon Textract, lihat [Dokumen dan Blokir Objek di Panduan](https://docs.aws.amazon.com/textract/latest/dg/how-it-works-document-layout.html) Pengembang *Amazon Textract*.
+ `MissingImportantFormKey`— Gunakan kondisi ini untuk membuat loop manusia ketika Amazon Textract tidak mengidentifikasi kunci atau alias terkait dalam dokumen.
+ `Sampling`— Gunakan kondisi ini untuk menentukan persentase formulir untuk dikirim ke manusia untuk ditinjau, terlepas dari skor kepercayaan inferensi. Gunakan kondisi ini untuk melakukan hal berikut:
+ Audit model ML Anda dengan mengambil sampel secara acak semua formulir yang dianalisis oleh model Anda dan mengirimkan persentase tertentu kepada manusia untuk ditinjau.
+ Dengan menggunakan `ImportantFormKeyConfidenceCheck` kondisi tersebut, sampel secara acak persentase kesimpulan yang memenuhi kondisi yang ditentukan `ImportantFormKeyConfidenceCheck` untuk memulai loop manusia dan hanya mengirim persentase yang ditentukan kepada manusia untuk ditinjau.
**catatan**
Jika Anda mengirim permintaan yang sama ke `AnalyzeDocument` beberapa kali, hasilnya `Sampling` tidak berubah untuk inferensi input itu. Misalnya, jika Anda membuat `AnalyzeDocument` permintaan sekali, dan `Sampling` tidak memulai loop manusia, permintaan berikutnya `AnalyzeDocument` dengan konfigurasi yang sama tidak memulai loop manusia.
## `ImportantFormKeyConfidenceCheck`Input dan Hasil
`ImportantFormKeyConfidenceCheck``ConditionType`Mendukung yang berikut ini`ConditionParameters`:
+ `ImportantFormKey`— String yang mewakili kunci dalam pasangan kunci-nilai yang terdeteksi oleh Amazon Ttract yang perlu ditinjau oleh pekerja manusia. Jika nilai parameter ini adalah nilai catch-all khusus (\$1), maka semua kunci dianggap cocok dengan kondisi tersebut. Anda dapat menggunakan ini untuk memodelkan kasus di mana setiap pasangan nilai kunci yang memenuhi ambang kepercayaan tertentu memerlukan tinjauan manusia.
+ `ImportantFormKeyAliases`— Array yang mewakili ejaan alternatif atau ekuivalen logis untuk kunci bentuk penting.
+ `KeyValueBlockConfidenceEquals`
+ `KeyValueBlockConfidenceLessThan`
+ `KeyValueBlockConfidenceLessThanEquals`
+ `KeyValueBlockConfidenceGreaterThan`
+ `KeyValueBlockConfidenceGreaterThanEquals`
+ `WordBlockConfidenceEquals`
+ `WordBlockConfidenceLessThan`
+ `WordBlockConfidenceLessThanEquals`
+ `WordBlockConfidenceGreaterThan`
+ `WordBlockConfidenceGreaterThanEquals`
Saat Anda menggunakan `ImportantFormKeyConfidenceCheck``ConditionType`, Amazon A2I mengirimkan blok nilai kunci dan inferensi blok kata dari blok nilai kunci dan alias terkait yang Anda tentukan dalam dan untuk tinjauan manusia. `ImportantFormKey` `ImportantFormKeyAliases`
Saat membuat definisi alur, jika Anda menggunakan templat tugas pekerja default yang disediakan di bagian **alur kerja peninjauan manusia** di konsol Amazon SageMaker AI, nilai kunci dan inferensi blok yang dikirim untuk tinjauan manusia oleh kondisi aktivasi ini disertakan dalam UI pekerja. Jika Anda menggunakan template tugas pekerja kustom, Anda harus menyertakan `{{ task.input.selectedAiServiceResponse.blocks }}` elemen untuk menyertakan data input nilai awal (inferensi) dari Amazon Textract. Untuk contoh template kustom yang menggunakan elemen masukan ini, lihat[Contoh Template Kustom untuk Amazon Texttract](a2i-custom-templates.md#a2i-custom-templates-textract-sample).
## `MissingImportantFormKey`Input dan Hasil
`MissingImportantFormKey``ConditionType`Mendukung yang berikut ini`ConditionParameters`:
+ `ImportantFormKey`— String yang mewakili kunci dalam pasangan kunci-nilai yang terdeteksi oleh Amazon Ttract yang perlu ditinjau oleh pekerja manusia.
+ `ImportantFormKeyAliases`— Array yang mewakili ejaan alternatif atau ekuivalen logis untuk kunci bentuk penting.
Saat Anda menggunakan `MissingImportantFormKey``ConditionType`, jika kunci masuk `ImportantFormKey` atau alias di tidak `ImportantFormKeyAliases` disertakan dalam inferensi Amazon Textract, formulir tersebut dikirim ke manusia untuk ditinjau dan tidak ada pasangan nilai kunci yang diprediksi disertakan. Misalnya, jika Amazon Textract hanya diidentifikasi `Address` dan `Phone` dalam bentuk, tetapi tidak ada `ImportantFormKey` `Name` (dalam tipe `MissingImportantFormKey` kondisi) formulir tersebut akan dikirim ke manusia untuk ditinjau tanpa ada kunci formulir yang terdeteksi (`Address`dan`Phone`).
Jika Anda menggunakan templat tugas pekerja default yang disediakan di konsol SageMaker AI, tugas akan dibuat meminta pekerja untuk mengidentifikasi kunci dalam `ImportantFormKey` dan nilai terkait. Jika Anda menggunakan template tugas pekerja khusus, Anda perlu menyertakan elemen HTML `` khusus untuk mengonfigurasi tugas ini.
## Sampling Input dan Hasil
`Sampling``ConditionType`Mendukung `RandomSamplingPercentage``ConditionParameters`. Input untuk `RandomSamplingPercentage` harus bilangan real antara 0,01 dan 100. Angka ini mewakili persentase data yang memenuhi syarat untuk tinjauan manusia dan dikirim ke manusia untuk ditinjau. Jika Anda menggunakan `Sampling` kondisi tanpa kondisi lain, angka ini mewakili persentase dari semua kesimpulan yang dihasilkan yang dibuat oleh `AnalyzeDocument` operasi dari satu permintaan yang dikirim ke manusia untuk ditinjau.
Jika Anda menentukan `Sampling` kondisi tanpa jenis kondisi lain, semua nilai kunci dan kesimpulan blok dikirim ke pekerja untuk ditinjau.
Saat membuat definisi alur, jika Anda menggunakan templat tugas pekerja default yang disediakan di bagian **alur kerja tinjauan Manusia** di konsol SageMaker AI, semua nilai kunci dan inferensi blok yang dikirim untuk tinjauan manusia oleh kondisi aktivasi ini disertakan dalam UI pekerja. Jika Anda menggunakan template tugas pekerja kustom, Anda harus menyertakan `{{ task.input.selectedAiServiceResponse.blocks }}` elemen untuk menyertakan data input nilai awal (inferensi) dari Amazon Textract. Untuk contoh template kustom yang menggunakan elemen masukan ini, lihat[Contoh Template Kustom untuk Amazon Texttract](a2i-custom-templates.md#a2i-custom-templates-textract-sample).
## Contoh
Meskipun hanya satu kondisi yang perlu dievaluasi `true` untuk memulai loop manusia, Amazon A2I mengevaluasi semua kondisi untuk setiap objek yang dianalisis oleh Amazon Textract. Peninjau manusia diminta untuk meninjau kunci formulir penting untuk semua kondisi yang dievaluasi. `true`
**Contoh 1: Deteksi kunci formulir penting dengan skor kepercayaan dalam rentang tertentu yang memulai loop manusia**
Contoh berikut menunjukkan `HumanLoopActivationConditions` JSON yang memulai loop manusia jika salah satu dari tiga kondisi berikut terpenuhi:
+ Amazon Textract `AnalyzeDocument` API mengembalikan pasangan kunci-nilai yang kuncinya adalah salah `Employee Name` satu`EmployeeName`,, atau, dengan keyakinan blok nilai kunci kurang dari 60 dan kepercayaan masing-masing blok kata yang membentuk kunci dan nilai kurang dari 85. `Name`
+ Amazon Textract `AnalyzeDocument` API mengembalikan pasangan kunci-nilai yang kuncinya adalah salah satu dari `Pay Date` `PayDate``DateOfPay`,`pay-date`,, atau, dengan keyakinan blok nilai kunci kurang dari 65 dan kepercayaan masing-masing blok kata yang membentuk kunci dan nilai menjadi kurang dari 85.
+ Amazon Textract `AnalyzeDocument` API mengembalikan pasangan kunci-nilai yang kuncinya adalah salah `Gross Pay` satu`GrossAmount`,, atau, dengan keyakinan blok nilai kunci kurang dari 60 dan kepercayaan masing-masing blok kata yang membentuk kunci dan nilai kurang dari 85. `GrossPay`
```
{
"Conditions": [
{
"ConditionType": "ImportantFormKeyConfidenceCheck",
"ConditionParameters": {
"ImportantFormKey": "Employee Name",
"ImportantFormKeyAliases": [
"Name",
"EmployeeName"
],
"KeyValueBlockConfidenceLessThan": 60,
"WordBlockConfidenceLessThan": 85
}
},
{
"ConditionType": "ImportantFormKeyConfidenceCheck",
"ConditionParameters": {
"ImportantFormKey": "Pay Date",
"ImportantFormKeyAliases": [
"PayDate",
"DateOfPay",
"pay-date"
],
"KeyValueBlockConfidenceLessThan": 65,
"WordBlockConfidenceLessThan": 85
}
},
{
"ConditionType": "ImportantFormKeyConfidenceCheck",
"ConditionParameters": {
"ImportantFormKey": "Gross Pay",
"ImportantFormKeyAliases": [
"GrossPay",
"GrossAmount"
],
"KeyValueBlockConfidenceLessThan": 60,
"WordBlockConfidenceLessThan": 85
}
}
]
}
```
**Contoh 2: Gunakan `ImportantFormKeyConfidenceCheck`**
Dalam contoh berikut, jika Amazon Textract mendeteksi pasangan kunci-nilai yang kepercayaannya untuk blok nilai kunci kurang dari 60 dan kurang dari 90 untuk blok kata yang mendasarinya, itu menciptakan loop manusia. Peninjau manusia diminta untuk meninjau semua pasangan nilai kunci formulir yang cocok dengan perbandingan nilai kepercayaan.
```
{
"Conditions": [
{
"ConditionType": "ImportantFormKeyConfidenceCheck",
"ConditionParameters": {
"ImportantFormKey": "*",
"KeyValueBlockConfidenceLessThan": 60,
"WordBlockConfidenceLessThan": 90
}
}
]
}
```
**Contoh 3: Gunakan Sampling**
Dalam contoh berikut, 5% kesimpulan yang dihasilkan dari permintaan Amazon `AnalyzeDocument` Textract dikirim ke pekerja manusia untuk ditinjau. Semua pasangan nilai kunci yang terdeteksi yang dikembalikan oleh Amazon Ttract dikirim ke pekerja untuk ditinjau.
```
{
"Conditions": [
{
"ConditionType": "Sampling",
"ConditionParameters": {
"RandomSamplingPercentage": 5
}
}
]
}
```
**Contoh 4: Gunakan `MissingImportantFormKey`**
Dalam contoh berikut, jika `Mailing Address` atau aliasnya`Mailing Address:`, hilang dari kunci yang terdeteksi oleh Amazon Textract, tinjauan manusia dimulai. Saat menggunakan templat tugas pekerja default, UI pekerja meminta pekerja untuk mengidentifikasi kunci `Mailing Address` atau `Mailing Address:` dan nilai terkaitnya.
```
{
"ConditionType": "MissingImportantFormKey",
"ConditionParameters": {
"ImportantFormKey": "Mailing Address",
"ImportantFormKeyAliases": ["Mailing Address:"]
}
}
```
**Contoh 5: Gunakan Sampling dan `ImportantFormKeyConfidenceCheck` dengan operator `And`**
Dalam contoh ini, 5% pasangan nilai kunci yang terdeteksi oleh Amazon Textract yang kuncinya adalah `Pay Date` salah satu dari `PayDate``DateOfPay`,,, `pay-date` atau, dengan kepercayaan blok nilai kunci kurang dari 65 dan kepercayaan dari masing-masing blok kata yang membentuk kunci dan nilai kurang dari 85, dikirim ke pekerja untuk ditinjau.
```
{
"Conditions": [
{
"And": [
{
"ConditionType": "Sampling",
"ConditionParameters": {
"RandomSamplingPercentage": 5
}
},
{
"ConditionType": "ImportantFormKeyConfidenceCheck",
"ConditionParameters": {
"ImportantFormKey": "Pay Date",
"ImportantFormKeyAliases": [
"PayDate",
"DateOfPay",
"pay-date"
],
"KeyValueBlockConfidenceLessThan": 65,
"WordBlockConfidenceLessThan": 85
}
}
]
}
]
}
```
**Contoh 6: Gunakan Sampling dan `ImportantFormKeyConfidenceCheck` dengan operator `And`**
Gunakan contoh ini untuk mengonfigurasi alur kerja tinjauan manusia Anda agar selalu mengirimkan kesimpulan kepercayaan rendah dari pasangan nilai kunci tertentu untuk tinjauan manusia dan sampel inferensi kepercayaan tinggi dari pasangan nilai kunci pada tingkat yang ditentukan.
Dalam contoh berikut, tinjauan manusia dimulai dengan salah satu cara berikut:
+ Pasangan nilai kunci yang terdeteksi yang kuncinya adalah salah satu dari`Pay Date`,`PayDate`,`DateOfPay`, atau`pay-date`, dengan nilai kunci dan kepercayaan blok kata kurang dari 60, dikirim untuk ditinjau oleh manusia. Hanya kunci `Pay Date` formulir (dan aliasnya) dan nilai terkait yang dikirim ke pekerja untuk ditinjau.
+ 5% dari pasangan nilai kunci yang terdeteksi yang kuncinya adalah salah satu dari`Pay Date`,`PayDate`,`DateOfPay`, atau`pay-date`, dengan nilai kunci dan kepercayaan blok kata lebih besar dari 90, dikirim untuk ditinjau oleh manusia. Hanya kunci `Pay Date` formulir (dan aliasnya) dan nilai terkait yang dikirim ke pekerja untuk ditinjau.
```
{
"Conditions": [
{
"Or": [
{
"ConditionType": "ImportantFormKeyConfidenceCheck",
"ConditionParameters": {
"ImportantFormKey": "Pay Date",
"ImportantFormKeyAliases": [
"PayDate",
"DateOfPay",
"pay-date"
],
"KeyValueBlockConfidenceLessThan": 60,
"WordBlockConfidenceLessThan": 60
}
},
{
"And": [
{
"ConditionType": "Sampling",
"ConditionParameters": {
"RandomSamplingPercentage": 5
}
},
{
"ConditionType": "ImportantFormKeyConfidenceCheck",
"ConditionParameters": {
"ImportantFormKey": "Pay Date",
"ImportantFormKeyAliases": [
"PayDate",
"DateOfPay",
"pay-date"
],
"KeyValueBlockConfidenceLessThan": 90
"WordBlockConfidenceGreaterThan": 90
}
}
]
}
]
}
]
}
```
**Contoh 7: Gunakan Sampling dan `ImportantFormKeyConfidenceCheck` dengan operator `Or`**
Dalam contoh berikut, `AnalyzeDocument` operasi Amazon Textract mengembalikan pasangan kunci-nilai yang kuncinya adalah salah satu dari `Pay Date``PayDate`,`DateOfPay`,`pay-date`, atau, dengan keyakinan blok nilai kunci kurang dari 65 dan kepercayaan dari masing-masing blok kata yang membentuk kunci dan nilai kurang dari 85. Selain itu, 5% dari semua bentuk lain memulai loop manusia. Untuk setiap formulir yang dipilih secara acak, semua pasangan nilai kunci yang terdeteksi untuk formulir tersebut dikirim ke manusia untuk ditinjau.
```
{
"Conditions": [
{
"Or": [
{
"ConditionType": "Sampling",
"ConditionParameters": {
"RandomSamplingPercentage": 5
}
},
{
"ConditionType": "ImportantFormKeyConfidenceCheck",
"ConditionParameters": {
"ImportantFormKey": "Pay Date",
"ImportantFormKeyAliases": [
"PayDate",
"DateOfPay",
"pay-date"
],
"KeyValueBlockConfidenceLessThan": 65,
"WordBlockConfidenceLessThan": 85
}
}
}
]
}
]
}
```
# Gunakan Kondisi Aktivasi Loop Manusia Skema JSON dengan Amazon Rekognition
Saat digunakan dengan Amazon A2I, operasi Amazon `DetectModerationLabels` Rekognition mendukung input berikut dalam parameter: `ConditionType`
+ `ModerationLabelConfidenceCheck`— Gunakan tipe kondisi ini untuk membuat loop manusia ketika kepercayaan inferensi rendah untuk satu atau lebih label yang ditentukan.
+ `Sampling`— Gunakan kondisi ini untuk menentukan persentase dari semua kesimpulan untuk dikirim ke manusia untuk ditinjau. Gunakan kondisi ini untuk melakukan hal berikut:
+ Audit model ML Anda dengan mengambil sampel secara acak semua inferensi model Anda dan mengirimkan persentase tertentu kepada manusia untuk ditinjau.
+ Dengan menggunakan `ModerationLabelConfidenceCheck` kondisi tersebut, sampel secara acak persentase kesimpulan yang memenuhi kondisi yang ditentukan `ModerationLabelConfidenceCheck` untuk memulai loop manusia dan hanya mengirim persentase yang ditentukan kepada manusia untuk ditinjau.
**catatan**
Jika Anda mengirim permintaan yang sama ke `DetectModerationLabels` beberapa kali, hasilnya `Sampling` tidak berubah untuk inferensi input itu. Misalnya, jika Anda membuat `DetectModerationLabels` permintaan sekali, dan `Sampling` tidak memulai loop manusia, permintaan berikutnya `DetectModerationLabels` dengan konfigurasi yang sama tidak memulai loop manusia.
Saat membuat definisi alur, jika Anda menggunakan templat tugas pekerja default yang disediakan di bagian **Alur kerja tinjauan manusia** di konsol Amazon SageMaker AI, inferensi yang dikirim untuk tinjauan manusia berdasarkan kondisi aktivasi ini akan disertakan dalam UI pekerja saat pekerja membuka tugas Anda. Jika Anda menggunakan template tugas pekerja kustom, Anda perlu menyertakan elemen HTML `` khusus untuk mengakses kesimpulan ini. Untuk contoh template kustom yang menggunakan elemen HTML ini, lihat[Contoh Template Kustom untuk Amazon Rekognition](a2i-custom-templates.md#a2i-custom-templates-rekognition-sample).
## `ModerationLabelConfidenceCheck`Masukan
Untuk ini `ModerationLabelConfidenceCheck``ConditionType`, berikut `ConditionParameters` ini didukung:
+ `ModerationLabelName`— Nama yang tepat (peka huruf besar/kecil) dari yang [ModerationLabel](https://docs.aws.amazon.com/rekognition/latest/dg/API_ModerationLabel.html)terdeteksi oleh operasi Amazon Rekognition. `DetectModerationLabels` Anda dapat menentukan nilai catch-all khusus (\$1) untuk menunjukkan label moderasi apa pun.
+ `ConfidenceEquals`
+ `ConfidenceLessThan`
+ `ConfidenceLessThanEquals`
+ `ConfidenceGreaterThan`
+ `ConfidenceGreaterThanEquals`
Saat Anda menggunakan `ModerationLabelConfidenceCheck``ConditionType`, Amazon A2I mengirimkan inferensi label untuk label yang Anda tentukan `ModerationLabelName` untuk tinjauan manusia.
## Input Pengambilan Sampel
`Sampling``ConditionType`Mendukung `RandomSamplingPercentage``ConditionParameters`. Input untuk `RandomSamplingPercentage` prameter harus bilangan real antara 0,01 dan 100. Angka ini mewakili persentase kesimpulan yang memenuhi syarat untuk tinjauan manusia yang dikirim ke manusia untuk ditinjau. Jika Anda menggunakan `Sampling` kondisi tanpa kondisi lain, angka ini mewakili persentase dari semua kesimpulan yang dihasilkan dari satu `DetectModerationLabel` permintaan yang dikirim ke manusia untuk ditinjau.
## Contoh
**Contoh 1: Gunakan `ModerationLabelConfidenceCheck` dengan `And` operator**
Contoh `HumanLoopActivationConditions` kondisi berikut memulai loop manusia ketika satu atau lebih dari kondisi berikut terpenuhi:
+ Amazon Rekognition mendeteksi label moderasi dengan `Graphic Male Nudity` kepercayaan antara 90 dan 99.
+ Amazon Rekognition mendeteksi label moderasi dengan `Graphic Female Nudity` kepercayaan antara 80 dan 99.
Perhatikan penggunaan operator `Or` dan `And` logis untuk memodelkan logika ini.
Meskipun hanya satu dari dua kondisi di bawah `Or` operator yang perlu dievaluasi `true` untuk menciptakan loop manusia, Amazon Augmented AI mengevaluasi semua kondisi. Peninjau manusia diminta untuk meninjau label moderasi untuk semua kondisi yang dievaluasi. `true`
```
{
"Conditions": [{
"Or": [{
"And": [{
"ConditionType": "ModerationLabelConfidenceCheck",
"ConditionParameters": {
"ModerationLabelName": "Graphic Male Nudity",
"ConfidenceLessThanEquals": 99
}
},
{
"ConditionType": "ModerationLabelConfidenceCheck",
"ConditionParameters": {
"ModerationLabelName": "Graphic Male Nudity",
"ConfidenceGreaterThanEquals": 90
}
}
]
},
{
"And": [{
"ConditionType": "ModerationLabelConfidenceCheck",
"ConditionParameters": {
"ModerationLabelName": "Graphic Female Nudity",
"ConfidenceLessThanEquals": 99
}
},
{
"ConditionType": "ModerationLabelConfidenceCheck",
"ConditionParameters": {
"ModerationLabelName": "Graphic Female Nudity",
"ConfidenceGreaterThanEquals": 80
}
}
]
}
]
}]
}
```
**Contoh 2: Gunakan `ModerationLabelConfidenceCheck` dengan nilai catch-all (\$1)**
Dalam contoh berikut, jika ada label moderasi dengan kepercayaan lebih besar dari atau sama dengan 75 terdeteksi, loop manusia dimulai. Peninjau manusia diminta untuk meninjau semua label moderasi dengan skor kepercayaan lebih besar dari atau sama dengan 75.
```
{
"Conditions": [
{
"ConditionType": "ModerationLabelConfidenceCheck",
"ConditionParameters": {
"ModerationLabelName": "*",
"ConfidenceGreaterThanEquals": 75
}
}
]
}
```
**Contoh 3: Gunakan Sampling**
Dalam contoh berikut, 5% kesimpulan Amazon Rekognition dari permintaan dikirim ke `DetectModerationLabels` pekerja manusia. Saat menggunakan templat tugas pekerja default yang disediakan di konsol SageMaker AI, semua label moderasi yang dikembalikan oleh Amazon Rekognition dikirim ke pekerja untuk ditinjau.
```
{
"Conditions": [
{
"ConditionType": "Sampling",
"ConditionParameters": {
"RandomSamplingPercentage": 5
}
}
]
}
```
**Contoh 4: Gunakan Sampling dan `ModerationLabelConfidenceCheck` dengan operator `And`**
Dalam contoh ini, 5% dari kesimpulan Amazon Rekognition dari `Graphic Male Nudity` label moderasi dengan kepercayaan lebih besar dari 50 dikirim pekerja untuk ditinjau. Saat menggunakan templat tugas pekerja default yang disediakan di konsol SageMaker AI, hanya inferensi `Graphic Male Nudity` label yang dikirim ke pekerja untuk ditinjau.
```
{
"Conditions": [
{
"And": [
{
"ConditionType": "Sampling",
"ConditionParameters": {
"RandomSamplingPercentage": 5
}
},
{
"ConditionType": "ModerationLabelConfidenceCheck",
"ConditionParameters": {
"ModerationLabelName": "Graphic Male Nudity",
"ConfidenceGreaterThan": 50
}
}
]
}
]
}
```
**Contoh 5: Gunakan Sampling dan `ModerationLabelConfidenceCheck` dengan operator `And`**
Gunakan contoh ini untuk mengonfigurasi alur kerja tinjauan manusia Anda agar selalu mengirimkan kesimpulan kepercayaan rendah dari label tertentu untuk tinjauan manusia dan sampel inferensi kepercayaan tinggi dari label pada tingkat tertentu.
Dalam contoh berikut, tinjauan manusia dimulai dengan salah satu cara berikut:
+ Inferensi untuk label `Graphic Male Nudity` moderasi dengan skor kepercayaan kurang dari 60 selalu dikirim untuk tinjauan manusia. Hanya `Graphic Male Nudity` label yang dikirim ke pekerja untuk ditinjau.
+ 5% dari semua kesimpulan untuk label `Graphic Male Nudity` moderasi dengan skor kepercayaan lebih besar dari 90 dikirim untuk tinjauan manusia. Hanya `Graphic Male Nudity` label yang dikirim ke pekerja untuk ditinjau.
```
{
"Conditions": [
{
"Or": [
{
"ConditionType": "ModerationLabelConfidenceCheck",
"ConditionParameters": {
"ModerationLabelName": "Graphic Male Nudity",
"ConfidenceLessThan": 60
}
},
{
"And": [
{
"ConditionType": "Sampling",
"ConditionParameters": {
"RandomSamplingPercentage": 5
}
},
{
"ConditionType": "ModerationLabelConfidenceCheck",
"ConditionParameters": {
"ModerationLabelName": "Graphic Male Nudity",
"ConfidenceGreaterThan": 90
}
}
]
}
]
}
]
}
```
**Contoh 6: Gunakan Sampling dan `ModerationLabelConfidenceCheck` dengan operator `Or`**
Dalam contoh berikut, loop manusia dibuat jika respons inferensi Amazon Rekognition berisi label 'Graphic Male Nudity' dengan kepercayaan inferensi lebih besar dari 50. Selain itu, 5% dari semua kesimpulan lainnya memulai loop manusia.
```
{
"Conditions": [
{
"Or": [
{
"ConditionType": "Sampling",
"ConditionParameters": {
"RandomSamplingPercentage": 5
}
},
{
"ConditionType": "ModerationLabelConfidenceCheck",
"ConditionParameters": {
"ModerationLabelName": "Graphic Male Nudity",
"ConfidenceGreaterThan": 50
}
}
]
}
]
}
```