Amazon Comprehend 是 Amazon Web Services (AWS) 提供的一項全託管的自然語言處理 (NLP) 服務。它利用機器學習來分析文本內容，並從中提取有用的洞察和關係，而不需要使用者具備機器學習專業知識。
Amazon Comprehend 的主要功能和用途：
Amazon Comprehend 提供了多種功能，可以應用於各種文本分析任務：
- 實體辨識 (Entity Recognition)：
- 預訓練模型：自動識別文本中預定義的實體，例如：
- 人名 (People)
- 地點 (Locations)
- 組織 (Organizations)
- 日期/時間 (Dates/Times)
- 數量 (Quantities)
- 事件 (Events)
- 產品 (Products)
- 等等。
- 自訂實體辨識 (Custom Entity Recognition)：如果你需要識別特定領域或業務相關的術語（例如保單號碼、產品型號等），你可以提供自己的數據來訓練自訂模型。
- 情感分析 (Sentiment Analysis)：
- 判斷文本表達的整體情感是正面 (Positive)、負面 (Negative)、中性 (Neutral) 或混合 (Mixed)。
- 目標情感分析 (Targeted Sentiment)：進一步分析文本中特定實體（例如某個產品、品牌）的情感。
- 關鍵詞/關鍵短語提取 (Key Phrase Extraction)：
- 從文本中自動提取重要的詞語或短語，幫助你快速理解文本的核心內容。
- 語言偵測 (Language Detection)：
- 自動識別文本所使用的主要語言。Comprehend 支援多種語言。
- 文件分類 (Document Classification)：
- 預訓練模型：可以對文本進行預設分類。
- 自訂分類 (Custom Classification)：你可以根據自己的業務需求，訓練模型將文件自動歸類到你定義的類別中（例如將客戶支援票證分類為「退貨申請」、「技術問題」、「產品查詢」等）。
- 主題建模 (Topic Modeling / Document Clustering)：
- 分析大量文件集合，自動找出其中隱藏的主題或模式，將相似的文件分組。這對於理解大量非結構化數據（如客戶評論、新聞文章）的趨勢非常有用。
- 個人身份資訊 (PII) 偵測和匿名化 (PII Detection and Redaction)：
- 自動識別並標記文本中的敏感個人身份資訊 (PII)，例如姓名、地址、銀行帳號、電話號碼、電子郵件等。
- 提供對 PII 進行匿名化 (redaction) 的功能，以保護隱私和符合法規。
- 語法分析 (Syntax Analysis)：
- 分析文本的語法結構，識別單詞的詞性（名詞、動詞、形容詞等）以及它們在句子中的關係。
Amazon Comprehend 的應用場景
- 客戶服務與支援：
- 分析客戶評論、電子郵件、聊天記錄和社群媒體貼文，以了解客戶對產品或服務的情感和趨勢。
- 自動分類支援工單，以便快速路由到正確的部門。
- 從客戶互動中提取關鍵資訊（例如問題類型、產品名稱）。
- 媒體與內容分析：
- 分析新聞文章、部落格文章、社群媒體內容，以識別熱門話題、重要人物或事件。
- 自動標記內容，方便搜尋和推薦。
- 法律與合規：
- 從法律文件、合同中提取關鍵資訊和條款。
- 偵測和匿名化敏感的個人身份資訊，以符合資料隱私法規（如 GDPR、CCPA）。
- 金融服務：
- 處理金融文件、保險索賠，提取重要數據和關係。
- 分析交易文本以偵測潛在的詐騙模式。
- 市場研究：
- 分析市場趨勢報告、競爭對手分析和消費者意見。
Amazon Comprehend 與 Amazon Bedrock 的關係
雖然 Amazon Comprehend 和 Amazon Bedrock 都提供 AI 文本分析功能，但它們的重點略有不同：- Amazon Comprehend 專注於預訓練的 NLP 任務和自訂特定 NLP 模型。它提供了開箱即用的 API，用於執行常見的文本分析任務（如情感、實體、關鍵短語等），並且你可以使用自己的數據來訓練更精確的自訂分類器或實體識別器。它更像是「現成」的 NLP 工具箱。
- Amazon Bedrock 則是一個基礎模型服務平台。它讓你能夠存取和部署各種大型基礎模型 (FM)，這些模型比 Comprehend 的預訓練模型更通用、更強大，能夠執行更複雜的生成式 AI 任務（例如生成長篇文本、回答開放式問題、程式碼生成等）。Bedrock 允許你對這些基礎模型進行微調或使用 RAG 技術來客製化，以適應你的特定使用場景。
可以這樣理解：Comprehend 提供的是「專門的錘子」來解決特定的 NLP 問題，而 Bedrock 提供的是一個「更通用的工具箱」，裡面有多種「生成式 AI 的機器」（基礎模型），你可以用它們來創造各種新的 AI 應用。在某些情況下，你甚至可以將兩者結合使用，例如先用 Comprehend 提取關鍵資訊，然後將這些資訊作為 Bedrock 中基礎模型的輸入。
計費方式
Amazon Comprehend 採用按使用量付費 (pay-as-you-go) 的模式，主要根據：
- 處理的字符數：對於大多數標準 NLP API（如情感分析、實體辨識、關鍵短語提取、語言偵測等），費用是按處理的字符數（通常以 100 個字符為一個單位）計算。
- 自訂模型的訓練和部署：自訂模型的訓練按小時計費，模型管理按月計費，而模型推理（使用自訂模型進行分析）則可能按字符數或按照預置的推理單位 (Inference Unit) 的使用時間計費。
- 主題建模：按處理的文件大小 (MB) 計費。
AWS 也提供免費試用層 (Free Tier)，讓你可以免費體驗 Comprehend 的部分功能。
總之，Amazon Comprehend 是一個功能強大且易於使用的服務，可以幫助企業從大量的非結構化文本數據中提取有價值的洞察，從而改善業務流程、提升客戶體驗和做出更明智的決策。
