As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

# Treinar reconhecedores personalizados de entidades (API)
<a name="train-cer-model"></a>

Para criar e treinar um modelo personalizado de reconhecimento de entidades, use a operação da API Amazon [CreateEntityRecognizer](https://docs.aws.amazon.com/comprehend/latest/APIReference/API_CreateEntityRecognizer.html)Comprehend

**Topics**
+ [Treinamento de reconhecedores de entidades personalizados usando o AWS Command Line Interface](#get-started-api-cer-cli)
+ [Treinamento de reconhecedores de entidades personalizados usando o AWS SDK para Java](#get-started-api-cer-java)
+ [Treinar reconhecedores personalizados de entidades usando Python (Boto3)](#cer-python)

## Treinamento de reconhecedores de entidades personalizados usando o AWS Command Line Interface
<a name="get-started-api-cer-cli"></a>

Os exemplos a seguir demonstram o uso da operação `CreateEntityRecognizer` e de outras APIs associadas à AWS CLI. 

O exemplo está formatado para Unix, Linux e macOS. Para Windows, substitua o caractere de continuação Unix de barra invertida (\\) no final de cada linha por um circunflexo (^).

Crie um reconhecedor personalizado de entidades usando o comando `create-entity-recognizer` da CLI. *Para obter informações sobre o parâmetro input-data-config, consulte na Referência da API [CreateEntityRecognizer](https://docs.aws.amazon.com/comprehend/latest/APIReference/API_CreateEntityRecognizer.html)Amazon Comprehend.*

```
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}}
```

Liste todos os reconhecedores de entidades em uma região usando o comando `list-entity-recognizers` da CLI.

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

Verifique o status do trabalho dos reconhecedores personalizados de entidades usando o comando `describe-entity-recognizer` da CLI.

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

## Treinamento de reconhecedores de entidades personalizados usando o AWS SDK para Java
<a name="get-started-api-cer-java"></a>

Este exemplo cria um reconhecedor personalizado de entidade e treina o modelo usando Java

Para obter exemplos do Amazon Comprehend com Java, consulte [exemplos em Java para o Amazon Comprehend](https://github.com/awsdocs/aws-doc-sdk-examples/tree/main/javav2/example_code/comprehend).

## Treinar reconhecedores personalizados de entidades usando Python (Boto3)
<a name="cer-python"></a>

Instancie o SDK do Boto3: 

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

Crie um reconhecedor de entidades: 

```
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"]
```

Listar todos os reconhecedores: 

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

Aguarde até que o reconhecedor atinja o status TREINADO: 

```
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)
```