Amazon Comprehend는 자연어 처리(natural language processing, NLP)로 문서의 감정(sentiment), 개체(entity), 핵심 문구(key phrase), 언어(language) 등을 분석한다. 사전 훈련 분석(pre-trained analysis)을 사용하면 사용자가 학습 자료를 직접 준비하지 않아도 된다. 조직만의 문서 범주나 고유한 개체를 인식하려면 사용자 지정 분류(custom classification)나 사용자 지정 개체 인식(custom entity recognition)을 검토한다. 대량 문서는 비동기(asynchronous), 작은 요청은 실시간(real-time) 방식으로 처리할 수 있다. 일반 입력은 UTF-8 텍스트이며, 일부 사용자 지정 기능이 다른 파일 형식을 지원한다고 해서 모든 분석 기능이 그 형식을 받는 것은 아니다.
플라이휠(flywheel)은 새 데이터로 모델을 학습하고 버전별 평가를 관리하는 기능이다. 모델을 한 번 만든 뒤 끝내지 않고 성능 변화에 따라 버전을 관리할 때 사용한다. 주제 모델링(topic modeling)은 비슷한 문서를 묶어 주제를 찾는 작업이므로 정답 범주를 제공하는 지도 분류(supervised classification)와 구분한다. 사용자 지정 실시간 엔드포인트(endpoint)는 가동 시간에 따른 비용을 고려해야 한다. Comprehend의 콘텐츠 저장과 모델 개선용 사용 조건도 별도로 확인하며, Bedrock의 데이터 정책을 그대로 적용하지 않는다.
자체 예시: 리뷰의 ‘배송 지연’ 언급 추출과 ‘반품 접수’ 대화 의도 처리는 서로 다른 요구다.
적용 범위: 기능별 지원 언어와 파일 형식이 다르다. 개인정보 탐지는 일반 분석과 구분해 PII·PHI 비교를 읽는다.