기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
# Ground Truth를 사용한 텍스트 레이블 지정
Ground Truth를 사용하여 텍스트에 레이블을 지정합니다. Ground Truth는 명명된 엔터티 인식, 단일 레이블 텍스트 분류 및 다중 레이블 텍스트 분류를 위한 텍스트 레이블링을 지원합니다. 다음 주제에서는 이러한 기본 제공 작업 유형에 대한 정보와 해당 작업 유형을 사용하여 레이블 지정 작업을 생성하는 데 도움이 되는 지침을 제공합니다.
**작은 정보**
지원되는 파일 유형 및 입력 데이터 할당량에 대한 자세한 내용은 [입력 데이터](sms-data-input.md)을 참조하세요.
**Topics**
+ [명명된 엔터티 인식을 사용하여 텍스트 정보 추출](sms-named-entity-recg.md)
+ [텍스트 분류로 텍스트 범주화(단일 레이블)](sms-text-classification.md)
+ [텍스트 분류를 사용하여 텍스트 분류(다중 레이블)](sms-text-classification-multilabel.md)
# 명명된 엔터티 인식을 사용하여 텍스트 정보 추출
비정형 텍스트에서 정보를 추출하여 미리 정의된 범주로 분류하려면 Amazon SageMaker Ground Truth NER(개체명 인식) 레이블 지정 작업을 사용합니다. 전통적으로 NER은 *이름이 지정된 엔티티*라고 하는 명사 구를 찾기 위해 텍스트 데이터를 탐색하고 각각 ‘사람’, ‘조직’, ‘브랜드’와 같은 레이블로 분류하는 작업을 합니다. 이 작업을 확장하여 더 긴 문자 영역에 레이블을 지정하고 사용자가 지정한 미리 정의된 레이블로 해당 시퀀스를 범주화할 수 있습니다. Amazon SageMaker AI 콘솔의 Ground Truth 섹션 또는 [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html) 작업을 사용하여 명명된 엔터티 인식 레이블링 작업을 생성할 수 있습니다.
NER 레이블 지정 작업을 수행할 때 작업자는 더 큰 텍스트 블록 내의 특정 단어나 구에 레이블을 적용합니다. 레이블을 선택한 다음 커서를 사용하여 레이블이 적용되는 텍스트 부분을 강조 표시하여 적용합니다. Ground Truth의 NER 도구는 중복 주석, 컨텍스트 내 레이블 선택, 단일 강조 표시에 대한 다중 레이블 선택을 지원합니다. 또한, 작업자는 키보드를 사용하여 레이블을 빠르게 선택할 수 있습니다.
**중요**
입력 매니페스트 파일을 수동으로 생성하는 경우 레이블을 지정하려는 텍스트를 식별하는 데 `"source"`를 사용하세요. 자세한 내용은 [입력 데이터](sms-data-input.md) 섹션을 참조하세요.
## 개체명 인식 레이블 지정 작업 생성(콘솔)
[레이블 지정 작업 생성(콘솔)](sms-create-labeling-job-console.md) 지침에 따라 SageMaker AI 콘솔에서 명명된 엔터티 인식 레이블링 작업을 생성하는 방법을 학습할 수 있습니다. 10단계에서 **작업 범주** 드롭다운 메뉴에서 **텍스트**를 선택하고 작업 유형으로 **개체명 인식**을 선택합니다.
Ground Truth에서는 작업에 레이블을 지정할 때 다음과 유사한 작업자 UI를 제공합니다. 콘솔을 사용하여 레이블 지정 작업을 생성할 때 작업자가 작업을 완료하는 데 도움이 되는 지침과 작업자가 선택할 수 있는 레이블을 지정합니다.
![\[SageMaker AI 콘솔에서 명명된 엔터티 인식 레이블링 작업을 생성하는 방법을 보여주는 Gif.\]](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/images/sms/gifs/nertool.gif)
## 개체명 인식 레이블 지정 작업 생성(API)
SageMaker API 작업 `CreateLabelingJob`을 사용하여 개체명 인식 레이블 지정 작업을 생성하려면, 이 API는 모든 AWS SDKs에 대해이 작업을 정의합니다. 이 작업에 지원되는 언어별 SDK 목록을 보려면 [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html)의 **참고 항목** 섹션을 검토하세요.
[레이블 지정 작업 생성(API)](sms-create-labeling-job-api.md)의 지침에 따라 요청을 구성하는 동안 다음을 수행합니다.
+ 이 작업 유형에 대한 주석 전 Lambda 함수는 `PRE-NamedEntityRecognition`로 끝납니다. 해당 리전의 주석 전 Lambda ARN을 찾으려면 [PreHumanTaskLambdaArn](https://docs.aws.amazon.com/sagemaker/latest/dg/API_HumanTaskConfig.html#SageMaker-Type-HumanTaskConfig-PreHumanTaskLambdaArn)을 참조하세요.
+ 이 작업 유형에 대한 주석 통합 Lambda 함수는 `ACS-NamedEntityRecognition`로 끝납니다. 사용자 리전에 대한 주석 통합 Lambda ARN을 찾으려면 [AnnotationConsolidationLambdaArn](https://docs.aws.amazon.com/sagemaker/latest/dg/API_AnnotationConsolidationConfig.html#SageMaker-Type-AnnotationConsolidationConfig-AnnotationConsolidationLambdaArn)을 참조하세요.
+ `[HumanTaskUiArn](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_UiConfig.html#sagemaker-Type-UiConfig-HumanTaskUiArn)`에 대해 다음과 같은 ANR을 제공해야 합니다.
```
arn:aws:sagemaker:aws-region:394669845002:human-task-ui/NamedEntityRecognition
```
레이블 지정 작업을 생성하는 데 사용하는 AWS 리전으로 `aws-region`을 바꿉니다. 예를 들어 미국 서부(캘리포니아 북부)에서 레이블 지정 작업을 생성하는 경우 `us-west-1`을 사용합니다.
+ `instructions` 파라미터를 사용하여 레이블 범주 구성 파일에 작업자 지침을 제공하세요. `shortInstruction` 및 `fullInstruction` 필드에 문자열 또는 HTML 마크업 언어를 사용할 수 있습니다. 자세한 내용은 [레이블 범주 구성 파일에 작업자 지침 제공하기](#worker-instructions-ner) 섹션을 참조하세요.
```
"instructions": {"shortInstruction":"Add header
Add Instructions
", "fullInstruction":"Add additional instructions.
"}
```
다음은 미국 동부(버지니아 북부) 리전에 레이블 지정 작업을 생성하는 [AWS Python SDK(Boto3) 요청](https://boto3.amazonaws.com/v1/documentation/api/latest/reference/services/sagemaker.html#SageMaker.Client.create_labeling_job)의 예제입니다. 빨간색으로 된 모든 파라미터는 사양과 리소스로 대체해야 합니다.
```
response = client.create_labeling_job(
LabelingJobName='example-ner-labeling-job',
LabelAttributeName='label',
InputConfig={
'DataSource': {
'S3DataSource': {
'ManifestS3Uri': 's3://bucket/path/manifest-with-input-data.json'
}
},
'DataAttributes': {
'ContentClassifiers': [
'FreeOfPersonallyIdentifiableInformation'|'FreeOfAdultContent',
]
}
},
OutputConfig={
'S3OutputPath': 's3://bucket/path/file-to-store-output-data',
'KmsKeyId': 'string'
},
RoleArn='arn:aws:iam::*:role/*',
LabelCategoryConfigS3Uri='s3://bucket/path/label-categories.json',
StoppingConditions={
'MaxHumanLabeledObjectCount': 123,
'MaxPercentageOfInputDatasetLabeled': 123
},
HumanTaskConfig={
'WorkteamArn': 'arn:aws:sagemaker:region:*:workteam/private-crowd/*',
'UiConfig': {
'HumanTaskUiArn': 'arn:aws:sagemaker:us-east-1:394669845002:human-task-ui/NamedEntityRecognition'
},
'PreHumanTaskLambdaArn': 'arn:aws:lambda:us-east-1:432418664414:function:PRE-NamedEntityRecognition',
'TaskKeywords': [
'Named entity Recognition',
],
'TaskTitle': 'Named entity Recognition task',
'TaskDescription': 'Apply the labels provided to specific words or phrases within the larger text block.',
'NumberOfHumanWorkersPerDataObject': 1,
'TaskTimeLimitInSeconds': 28800,
'TaskAvailabilityLifetimeInSeconds': 864000,
'MaxConcurrentTaskCount': 1000,
'AnnotationConsolidationConfig': {
'AnnotationConsolidationLambdaArn': 'arn:aws:lambda:us-east-1:432418664414:function:ACS-NamedEntityRecognition'
},
Tags=[
{
'Key': 'string',
'Value': 'string'
},
]
)
```
### 레이블 범주 구성 파일에 작업자 지침 제공하기
`CreateLabelingJob`에서 `LabelCategoryConfigS3Uri` 파라미터를 사용하여 식별하는 레이블 범주 구성 파일에 작업자 지침을 제공해야 합니다. 이 지침을 사용하여 작업자가 수행하고자 하는 작업에 대한 세부 정보를 제공하고 작업자가 도구를 효율적으로 사용하도록 도울 수 있습니다.
`instructions` 파라미터의 `shortInstruction` 및 `fullInstruction`을 각각 사용하여 짧고 긴 지침을 제공합니다. 이러한 명령 유형에 대해 자세히 알아보려면 [지침 페이지 생성](sms-creating-instruction-pages.md)을 참조하세요.
다음은 개체명 인식 레이블 지정 작업에 사용할 수 있는 지침이 포함된 레이블 범주 구성 파일의 예입니다.
```
{
"document-version": "2018-11-28",
"labels": [
{
"label": "label1",
"shortDisplayName": "L1"
},
{
"label": "label2",
"shortDisplayName": "L2"
},
{
"label": "label3",
"shortDisplayName": "L3"
},
{
"label": "label4",
"shortDisplayName": "L4"
},
{
"label": "label5",
"shortDisplayName": "L5"
}
],
"instructions": {
"shortInstruction": "Enter description of the labels that workers have
to choose from
Add examples to help workers understand the label
",
"fullInstruction": "
- Read the text carefully.
- Highlight words, phrases, or sections of the text.
- Choose the label that best matches what you have highlighted.
- To change a label, choose highlighted text and select a new label.
- To remove a label from highlighted text, choose the X next to the
abbreviated label name on the highlighted text.
- You can select all of a previously highlighted text, but not a portion of it.
"
}
}
```
## 개체명 인식 출력 데이터
개체명 인식 레이블 지정 작업을 생성하면, 출력 데이터는 API 사용 시 `S3OutputPath` 파라미터에 지정된 Amazon S3 버킷 또는 콘솔의 **작업 개요** 섹션의 **출력 데이터세트 위치** 필드에 있습니다.
Ground Truth에서 생성된 출력 매니페스트 파일 및 Ground Truth에서 출력 데이터 저장에 사용하는 파일 구조에 대한 자세한 내용은 [작업 출력 데이터 레이블 지정](sms-data-output.md)을 참조하세요.
# 텍스트 분류로 텍스트 범주화(단일 레이블)
기사 및 텍스트를 미리 정의된 범주로 분류하려면 텍스트 분류를 사용합니다. 예를 들어 텍스트 분류를 사용하여 검토 시 전달되는 감성 또는 텍스트 섹션의 기본이 되는 감정을 식별할 수 있습니다. Amazon SageMaker Ground Truth 텍스트 분류를 사용하여 작업자에게 사용자가 정의한 범주로 텍스트를 정렬하도록 합니다. Amazon SageMaker AI 콘솔의 Ground Truth 섹션 또는 [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html) 작업을 사용하여 텍스트 분류 레이블링 작업을 생성합니다.
**중요**
입력 매니페스트 파일을 수동으로 생성하는 경우 레이블을 지정하려는 텍스트를 식별하는 데 `"source"`를 사용하세요. 자세한 내용은 [입력 데이터](sms-data-input.md) 섹션을 참조하세요.
## 텍스트 분류 레이블 지정 작업 생성(콘솔)
[레이블 지정 작업 생성(콘솔)](sms-create-labeling-job-console.md) 지침에 따라 SageMaker AI 콘솔에서 텍스트 분류 레이블링 작업을 생성하는 방법을 학습할 수 있습니다. 10단계에서 **작업 범주** 드롭다운 메뉴에서 **텍스트**를 선택하고 작업 유형으로 **텍스트 분류(단일 레이블)**를 선택합니다.
Ground Truth에서는 작업에 레이블을 지정할 때 다음과 유사한 작업자 UI를 제공합니다. 콘솔을 사용하여 레이블 지정 작업을 생성할 때 작업자가 작업을 완료하는 데 도움이 되는 지침과 작업자가 선택할 수 있는 레이블을 지정합니다.
![\[SageMaker AI 콘솔에서 텍스트 분류 레이블링 작업을 생성하는 방법을 보여주는 Gif.\]](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/images/sms/gifs/single-label-text.gif)
## 텍스트 분류 레이블 지정 작업 생성(API)
텍스트 분류 레이블 지정 작업을 생성하려면 SageMaker API 작업 `CreateLabelingJob`을 사용합니다. 이 API는 모든 AWS SDKs에 대해이 작업을 정의합니다. 이 작업에 지원되는 언어별 SDK 목록을 보려면 [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html)의 **참고 항목** 섹션을 검토하세요.
[레이블 지정 작업 생성(API)](sms-create-labeling-job-api.md)의 지침에 따라 요청을 구성하는 동안 다음을 수행합니다.
+ 이 작업 유형에 대한 주석 전 Lambda 함수는 `PRE-TextMultiClass`로 끝납니다. 해당 리전의 주석 전 Lambda ARN을 찾으려면 [PreHumanTaskLambdaArn](https://docs.aws.amazon.com/sagemaker/latest/dg/API_HumanTaskConfig.html#SageMaker-Type-HumanTaskConfig-PreHumanTaskLambdaArn)을 참조하세요.
+ 이 작업 유형에 대한 주석 통합 Lambda 함수는 `ACS-TextMultiClass`로 끝납니다. 해당 리전에 대한 주석 통합 Lambda ARN을 찾으려면 [AnnotationConsolidationLambdaArn](https://docs.aws.amazon.com/sagemaker/latest/dg/API_AnnotationConsolidationConfig.html#SageMaker-Type-AnnotationConsolidationConfig-AnnotationConsolidationLambdaArn)을 참조하세요.
다음은 미국 동부(버지니아 북부) 리전에 레이블 지정 작업을 생성하는 [AWS Python SDK(Boto3) 요청](https://boto3.amazonaws.com/v1/documentation/api/latest/reference/services/sagemaker.html#SageMaker.Client.create_labeling_job)의 예시입니다. 빨간색으로 된 모든 파라미터는 사양과 리소스로 대체해야 합니다.
```
response = client.create_labeling_job(
LabelingJobName='example-text-classification-labeling-job,
LabelAttributeName='label',
InputConfig={
'DataSource': {
'S3DataSource': {
'ManifestS3Uri': 's3://bucket/path/manifest-with-input-data.json'
}
},
'DataAttributes': {
'ContentClassifiers': [
'FreeOfPersonallyIdentifiableInformation'|'FreeOfAdultContent',
]
}
},
OutputConfig={
'S3OutputPath': 's3://bucket/path/file-to-store-output-data',
'KmsKeyId': 'string'
},
RoleArn='arn:aws:iam::*:role/*,
LabelCategoryConfigS3Uri='s3://bucket/path/label-categories.json',
StoppingConditions={
'MaxHumanLabeledObjectCount': 123,
'MaxPercentageOfInputDatasetLabeled': 123
},
HumanTaskConfig={
'WorkteamArn': 'arn:aws:sagemaker:region:*:workteam/private-crowd/*',
'UiConfig': {
'UiTemplateS3Uri': 's3://bucket/path/worker-task-template.html'
},
'PreHumanTaskLambdaArn': 'arn:aws:lambda:us-east-1:432418664414:function:PRE-TextMultiClass,
'TaskKeywords': [
Text classification',
],
'TaskTitle': Text classification task',
'TaskDescription': 'Carefully read and classify this text using the categories provided.',
'NumberOfHumanWorkersPerDataObject': 123,
'TaskTimeLimitInSeconds': 123,
'TaskAvailabilityLifetimeInSeconds': 123,
'MaxConcurrentTaskCount': 123,
'AnnotationConsolidationConfig': {
'AnnotationConsolidationLambdaArn': 'arn:aws:lambda:us-east-1:432418664414:function:ACS-TextMultiClass'
},
Tags=[
{
'Key': 'string',
'Value': 'string'
},
]
)
```
### 텍스트 분류 레이블 지정 작업을 위한 템플릿 제공
API를 사용하여 레이블 지정 작업을 생성하는 경우 `UiTemplateS3Uri`의 작업자 태스크 템플릿을 제공해야 합니다. 다음 템플릿을 복사하고 수정합니다. [https://docs.aws.amazon.com/sagemaker/latest/dg/sms-creating-instruction-pages.html#sms-creating-quick-instructions](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-creating-instruction-pages.html#sms-creating-quick-instructions), [https://docs.aws.amazon.com/sagemaker/latest/dg/sms-creating-instruction-pages.html#sms-creating-full-instructions](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-creating-instruction-pages.html#sms-creating-full-instructions) 및 `header`만 수정합니다.
이 템플릿을 S3에 업로드하고 `UiTemplateS3Uri`에서 이 파일에 대한 S3 URI를 제공합니다.
```
{{ task.input.taskObject }}
- Read the text carefully.
- Read the examples to understand more about the options.
- Choose the appropriate labels that best suit the text.
Enter description of the labels that workers have to choose from
Add examples to help workers understand the label
```
## 텍스트 분류 출력 데이터
텍스트 분류 레이블 지정 작업을 생성하면 출력 데이터는 API 사용 시 `S3OutputPath` 파라미터에 지정된 Amazon S3 버킷 또는 콘솔의 **작업 개요** 섹션의 **출력 데이터세트 위치** 필드에 있습니다.
Ground Truth에서 생성된 출력 매니페스트 파일 및 Ground Truth에서 출력 데이터 저장에 사용하는 파일 구조에 대한 자세한 내용은 [작업 출력 데이터 레이블 지정](sms-data-output.md) 섹션을 참조하세요.
텍스트 분류 레이블 지정 작업에 대한 출력 매니페스트 파일의 예제를 보려면 [분류 작업 출력](sms-data-output.md#sms-output-class) 섹션을 참조하세요.
# 텍스트 분류를 사용하여 텍스트 분류(다중 레이블)
기사 및 텍스트를 미리 정의된 여러 범주로 분류하려면 다중 레이블 텍스트 분류 작업 유형을 사용합니다. 예를 들어, 이 작업 유형을 사용하여 텍스트로 전달된 둘 이상의 감정을 식별할 수 있습니다. 다음 섹션에서는 콘솔 및 API에서 다중 레이블 텍스트 분류 작업을 생성하는 방법에 대한 정보를 제공합니다.
다중 레이블 텍스트 분류 작업을 수행할 때 작업자는 적용 가능한 모든 레이블을 선택해야 하며, 최소 하나 이상의 레이블은 선택해야 합니다. 이 작업 유형을 사용하여 작업을 생성할 때 최대 50개의 레이블 범주를 제공할 수 있습니다.
Amazon SageMaker Ground Truth에서는 레이블이 적용되지 않는 ‘없음’ 범주를 제공하지 않습니다. 작업자에게 이 옵션을 제공하려면 다중 레이블 텍스트 분류 작업을 생성할 때 "없음" 또는 "기타"와 유사한 레이블을 포함합니다.
작업자가 각 문서 또는 텍스트 선택에 대해 단일 레이블을 선택하도록 제한하려면 [텍스트 분류로 텍스트 범주화(단일 레이블)](sms-text-classification.md) 작업 유형을 사용합니다.
**중요**
입력 매니페스트 파일을 수동으로 생성하는 경우 레이블을 지정하려는 텍스트를 식별하는 데 `"source"`를 사용하세요. 자세한 내용은 [입력 데이터](sms-data-input.md) 섹션을 참조하세요.
## 다중 레이블 텍스트 분류 레이블 지정 작업 생성(콘솔)
[레이블 지정 작업 생성(콘솔)](sms-create-labeling-job-console.md) 지침에 따라 Amazon SageMaker AI 콘솔에서 다중 레이블 텍스트 분류 레이블링 작업을 생성하는 방법을 학습할 수 있습니다. 10단계에서 **작업 범주** 드롭다운 메뉴에서 **텍스트**를 선택하고 작업 유형으로 **텍스트 분류(다중 레이블)**를 선택합니다.
Ground Truth에서는 작업에 레이블을 지정할 때 다음과 유사한 작업자 UI를 제공합니다. 콘솔을 사용하여 레이블 지정 작업을 생성할 때 작업자가 작업을 완료하는 데 도움이 되는 지침과 작업자가 선택할 수 있는 레이블을 지정합니다.
![\[Amazon SageMaker AI 콘솔에서 다중 레이블 텍스트 분류 레이블링 작업을 생성하는 방법을 보여주는 Gif.\]](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/images/sms/gifs/multi-label-text.gif)
## 다중 레이블 텍스트 분류 레이블 지정 작업 생성(API)
다중 레이블 텍스트 분류 레이블 지정 작업을 생성하려면 SageMaker API 작업 `CreateLabelingJob`을 사용합니다. 이 API는 모든 AWS SDKs에 대해이 작업을 정의합니다. 이 작업에 지원되는 언어별 SDK 목록을 보려면 [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html)의 **참고 항목** 섹션을 검토하세요.
[레이블 지정 작업 생성(API)](sms-create-labeling-job-api.md)의 지침에 따라 요청을 구성하는 동안 다음을 수행합니다.
+ 이 작업 유형에 대한 주석 전 Lambda 함수는 `PRE-TextMultiClassMultiLabel`로 끝납니다. 해당 리전의 주석 전 Lambda ARN을 찾으려면 [PreHumanTaskLambdaArn](https://docs.aws.amazon.com/sagemaker/latest/dg/API_HumanTaskConfig.html#SageMaker-Type-HumanTaskConfig-PreHumanTaskLambdaArn)을 참조하세요.
+ 이 작업 유형에 대한 주석 통합 Lambda 함수는 `ACS-TextMultiClassMultiLabel`로 끝납니다. 해당 리전에 대한 주석 통합 Lambda ARN을 찾으려면 [AnnotationConsolidationLambdaArn](https://docs.aws.amazon.com/sagemaker/latest/dg/API_AnnotationConsolidationConfig.html#SageMaker-Type-AnnotationConsolidationConfig-AnnotationConsolidationLambdaArn)을 참조하세요.
다음은 미국 동부(버지니아 북부) 리전에 레이블 지정 작업을 생성하는 [AWS Python SDK(Boto3) 요청](https://boto3.amazonaws.com/v1/documentation/api/latest/reference/services/sagemaker.html#SageMaker.Client.create_labeling_job)의 예시입니다. 빨간색으로 된 모든 파라미터는 사양과 리소스로 대체해야 합니다.
```
response = client.create_labeling_job(
LabelingJobName='example-multi-label-text-classification-labeling-job,
LabelAttributeName='label',
InputConfig={
'DataSource': {
'S3DataSource': {
'ManifestS3Uri': 's3://bucket/path/manifest-with-input-data.json'
}
},
'DataAttributes': {
'ContentClassifiers': [
'FreeOfPersonallyIdentifiableInformation'|'FreeOfAdultContent',
]
}
},
OutputConfig={
'S3OutputPath': 's3://bucket/path/file-to-store-output-data',
'KmsKeyId': 'string'
},
RoleArn='arn:aws:iam::*:role/*,
LabelCategoryConfigS3Uri='s3://bucket/path/label-categories.json',
StoppingConditions={
'MaxHumanLabeledObjectCount': 123,
'MaxPercentageOfInputDatasetLabeled': 123
},
HumanTaskConfig={
'WorkteamArn': 'arn:aws:sagemaker:region:*:workteam/private-crowd/*',
'UiConfig': {
'UiTemplateS3Uri': 's3://bucket/path/custom-worker-task-template.html'
},
'PreHumanTaskLambdaArn': 'arn:aws:lambda::function:PRE-TextMultiClassMultiLabel,
'TaskKeywords': [
'Text Classification',
],
'TaskTitle': 'Multi-label text classification task',
'TaskDescription': 'Select all labels that apply to the text shown',
'NumberOfHumanWorkersPerDataObject': 123,
'TaskTimeLimitInSeconds': 123,
'TaskAvailabilityLifetimeInSeconds': 123,
'MaxConcurrentTaskCount': 123,
'AnnotationConsolidationConfig': {
'AnnotationConsolidationLambdaArn': 'arn:aws:lambda:us-east-1:432418664414:function:ACS-TextMultiClassMultiLabel'
},
Tags=[
{
'Key': 'string',
'Value': 'string'
},
]
)
```
### 다중 레이블 텍스트 분류에 대한 템플릿 생성
API를 사용하여 레이블 지정 작업을 생성하는 경우 `UiTemplateS3Uri`의 작업자 태스크 템플릿을 제공해야 합니다. 다음 템플릿을 복사하고 수정합니다. [https://docs.aws.amazon.com/sagemaker/latest/dg/sms-creating-instruction-pages.html#sms-creating-quick-instructions](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-creating-instruction-pages.html#sms-creating-quick-instructions), [https://docs.aws.amazon.com/sagemaker/latest/dg/sms-creating-instruction-pages.html#sms-creating-full-instructions](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-creating-instruction-pages.html#sms-creating-full-instructions) 및 `header`만 수정합니다.
이 템플릿을 S3에 업로드하고 `UiTemplateS3Uri`에서 이 파일에 대한 S3 URI를 제공합니다.
```
{{ task.input.taskObject }}
- Read the text carefully.
- Read the examples to understand more about the options.
- Choose the appropriate labels that best suit the text.
Enter description of the labels that workers have to choose from
Add examples to help workers understand the label
```
사용자 지정 템플릿을 생성하는 방법은 [사용자 지정 레이블 지정 워크플로](sms-custom-templates.md) 섹션을 참조하세요.
## 다중 레이블 텍스트 분류 출력 데이터
다중 레이블 텍스트 분류 레이블 지정 작업을 생성하면 출력 데이터는 API 사용 시 `S3OutputPath` 파라미터에 지정된 Amazon S3 버킷 또는 콘솔의 **작업 개요** 섹션의 **출력 데이터세트 위치** 필드에 있습니다.
Ground Truth에서 생성된 출력 매니페스트 파일 및 Ground Truth에서 출력 데이터 저장에 사용하는 파일 구조에 대한 자세한 내용은 [작업 출력 데이터 레이블 지정](sms-data-output.md) 섹션을 참조하세요.
다중 레이블 텍스트 분류 레이블 지정 작업에 대한 출력 매니페스트 파일의 예제를 보려면 [다중 레이블 분류 작업 출력](sms-data-output.md#sms-output-multi-label-classification) 섹션을 참조하세요.