テキスト分析と自然言語処理 - Amazon Comprehend で実現するインテリジェントなテキスト解析基盤

テキスト分析の課題と Amazon Comprehend の概要

業務データの多くは、カスタマーレビュー、サポートチケット、SNS 投稿、契約書といった非構造化のテキストとして蓄積され、そのままでは集計も検索も難しい状態に置かれています。Amazon Comprehend は、機械学習を活用してテキストからインサイトを抽出するフルマネージドの自然言語処理 (NLP) サービスです。感情分析 (Sentiment Analysis)、エンティティ認識 (Named Entity Recognition)、キーフレーズ抽出、言語検出、構文解析、PII (個人識別情報) 検出などの機能を API 呼び出しだけで利用でき、業界固有のカテゴリや用語にはカスタム分類とカスタムエンティティ認識で対応します。なお、トピックモデリング、イベント検出、プロンプト安全性分類の 3 機能は 2026 年 4 月 30 日に maintenance 段階へ移行し、新規の顧客は利用を開始できません (既存顧客は継続して利用でき、AWS も運用とサポートを続けています)。これから文書群のトピックを整理する仕組みを作る場合は、あらかじめ決めたカテゴリ体系に沿わせるならカスタム分類、カテゴリを固定できない探索的な分析なら Amazon Bedrock の基盤モデルに要約・分類させる構成が現実的な代替になります。日本語を含む多言語に対応し、グローバルなテキストデータの分析にも活用できます。以下は Comprehend でエンティティ認識を実行する CLI 例です。

aws comprehend detect-entities \
  --text '東京都渋谷区の株式会社サンプルが 2026 年 3 月に新サービスを発表しました' \
  --language-code ja \
  --region ap-northeast-1

感情分析とエンティティ認識の実践活用

Comprehend の感情分析は、テキストを Positive、Negative、Neutral、Mixed の 4 カテゴリに分類し、各カテゴリの信頼度スコアを返します。カスタマーレビューの自動分類、SNS 投稿のブランド評判モニタリング、サポートチケットの優先度判定など、幅広いユースケースに適用できます。エンティティ認識は、テキスト中の固有表現を自動的に抽出します。標準で用意されているエンティティタイプは人名、組織名、場所、日付、数量、商業アイテム、イベント、肩書き、その他の 9 種類で、契約書からの当事者名抽出やニュース記事からの企業名と金額の抽出はこの範囲で実現できます。一方、薬品名や症状といった医療領域の用語は標準のタイプに含まれないため、Amazon Comprehend Medical を使うか、カスタムエンティティ認識で専用のモデルを構築する必要があります。PII (個人識別情報) 検出機能は、テキスト中の電話番号、メールアドレス、クレジットカード番号などの個人情報を自動検出し、マスキングやリダクション処理に活用できます。

カスタム分類とカスタムエンティティ認識

Comprehend のカスタム分類機能は、業界固有のカテゴリ体系に基づくテキスト分類モデルを構築できます。訓練データとして分類済みテキストの CSV ファイルを S3 にアップロードするだけで、 Comprehend が自動的にモデルを訓練し、エンドポイントとしてデプロイします。カスタムエンティティ認識では、標準のエンティティタイプに含まれない業界固有の用語 (製品名、社内コード、専門用語など) を認識するモデルを構築できます。アノテーションモードとエンティティリストモードの 2 つの訓練方式を提供し、データの準備状況に応じて選択できます。 SageMaker との連携により、 Comprehend のカスタムモデルをさらに高度にチューニングしたり、 Comprehend の出力を SageMaker の後続パイプラインに渡して追加の分析を行うことも可能です。 Flywheel 機能を使えば、モデルの継続的な改善サイクルを自動化し、新しいデータが蓄積されるたびにモデルを再訓練して精度を向上させることができます。

バッチ分析とリアルタイム分析のアーキテクチャ

Comprehend は、バッチ分析とリアルタイム分析の 2 つの処理モードを提供します。バッチ分析は S3 に保存された大量のテキストデータを非同期で処理し、結果を S3 に出力します。数百万件のカスタマーレビューの一括感情分析や、過去のサポートチケットをカスタム分類モデルで部門別・原因別に振り分ける処理など、大規模データの処理に適しています。トピックモデリングによる自動的なトピック抽出は maintenance 段階へ移行して新規の顧客は利用できないため、この種の棚卸しはカテゴリを自分で定義するカスタム分類に置き換えて設計します。リアルタイム分析は API エンドポイントを通じて即座に結果を返し、チャットボットの意図分類やリアルタイムのコンテンツモデレーションに活用できます。API Gateway と Lambda を組み合わせたサーバーレスアーキテクチャにより、リクエスト量に応じた自動スケーリングとコスト最適化を実現できます。Kinesis Data Streams との統合で、ストリーミングデータのリアルタイム分析パイプラインも構築可能です。分析結果を DynamoDB や OpenSearch に保存し、ダッシュボードで可視化することで、テキストデータからのインサイトを組織全体で共有できます。

Comprehend の料金

Comprehend の料金は処理したテキスト量で課金されます (2026 年 8 月時点・バージニア北部および東京。以下の単価は両リージョンで同額)。感情分析、エンティティ抽出、キーフレーズ抽出などの標準 API は 1 ユニット (100 文字) 単位で、月間 1,000 万ユニットまでが 0.0001 USD/ユニット、1,000 万を超える分が 0.00005 USD/ユニット、5,000 万を超える分が 0.000025 USD/ユニットの階層制です。PII 検出も 0.0001 USD/ユニットです。カスタムモデルはこれとは別の課金体系で、モデルのトレーニングが 0.000833 USD/秒 (3.00 USD/時間の秒単位課金)、学習済みモデルの管理が 1 モデルあたり 0.50 USD/月、非同期ジョブでの推論が 0.0005 USD/ユニットです。リアルタイムエンドポイントを立てる場合は、プロビジョニングした推論ユニット (IU) 1 つあたり 0.0005 USD/秒 で、エンドポイントが起動している間は推論の有無にかかわらず課金されます (最低課金 60 秒・1 IU の目安スループットは 100 文字/秒)。コスト設計で注意したいのは、非同期にすれば安くなるわけではない点です。標準 API は同期呼び出しでも非同期ジョブでも単価が同じで、下がるのは上記のボリューム階層に乗ったときだけです。一方カスタムモデルでは、常時課金されるリアルタイムエンドポイントを立てずに済む非同期ジョブの方が、随時発生するバッチ処理では有利になります。2025 年 7 月 15 日より前に作成した旧アカウントの 12 か月無料枠では、月間 5 万ユニットの各 API が対象でした。それ以降の新規アカウントには最大 200 ドルのクレジット制無料プランが適用されます (最新の条件は AWS 公式サイトを参照)。

まとめ - テキスト分析基盤の構築指針

Amazon Comprehend は、テキスト分析と自然言語処理をフルマネージドで提供し、機械学習の専門知識がなくても高精度なテキスト解析を実現します。感情分析、エンティティ認識、PII 検出などの標準機能に加え、業界固有のカテゴリ体系や専門用語に対応したカスタムモデルを構築できます。SageMaker との連携による高度なモデルチューニングと、S3 上の大量テキストに対するバッチ分析、API Gateway と Lambda によるリアルタイム分析の使い分けにより、大規模データの一括処理からリアルタイムのコンテンツ分析まで、幅広いユースケースに対応できます。