Hinzufügen von Automation mit Liquid

Unser benutzerdefiniertes Vorlagensystem verwendet Liquid zur Automatisierung. Es handelt sich um eine Open-Source-Inline-Auszeichnungssprache. In Liquid handelt es sich beim Text zwischen einzelnen geschweiften Klammern und Prozentzeichen um eine Anweisung oder einen Tag, die bzw. der einen Vorgang wie Steuerungsablauf oder Iteration durchführt. Text zwischen doppelten geschweiften Klammern ist eine Variable oder ein Objekt zum Ausgeben des Werts.

Am häufigsten wird Liquid zum Analysieren der Daten aus Ihrer Eingabe-Manifestdatei und zum Auslesen der relevanten Variablen verwendet, um die Aufgabe zu erstellen. Ground Truth generiert die Aufgaben automatisch, sofern keine Lambda-Vorverarbeitung angegeben ist. Das von Ground Truth oder Lambda zur Vorverarbeitung zurückgegebene taskInput-Objekt ist das task.input-Objekt in Ihren Vorlagen.

Die Eigenschaften in Ihrem Eingabemanifest werden als event.dataObject an Ihre Vorlage übergeben.

{
  "source": "This is a sample text for classification",
  "labels": [ "angry" , "sad" , "happy" , "inconclusive" ],
  "header": "What emotion is the speaker feeling?"
}

<crowd-classifier 
  name='tweetFeeling'
  categories='{{ task.input.labels | to_json }}'
  header='{{ task.input.header }}' >
<classification-target>
  {{ task.input.source }}
</classification-target>

Beachten Sie im vorherigen Beispiel das Hinzufügen von | to_json zur labels-Eigenschaft. Hierbei handelt es sich um einen Filter, durch den das Eingabemanifest-Array in eine JSON-Darstellung des Arrays umgewandelt wird. Variablenfilter werden im nächsten Abschnitt erläutert.

Die folgende Liste enthält zwei Arten von Liquid-Tags, die für Sie nützlich sein könnten, um die Verarbeitung von Vorlageneingabedaten zu automatisieren. Wenn Sie einen der folgenden Tag-Typen auswählen, werden Sie zur Liquid-Dokumentation weitergeleitet.

Weitere Informationen und Dokumentationen finden Sie auf der Liquid-Homepage.

Variablenfilter

Zusätzlich zu den Standard-Liquid-Filtern und Aktionen bietet Ground Truth einige zusätzliche Filter. Filter werden angewendet, indem ein Pipe-Zeichen (|) nach dem Variablennamen platziert und dann ein Filtername angegeben wird. Filter können verkettet werden in Form von:

{{ <content> | <filter> | <filter> }}

Autoescape und explizites Escape

Standardmäßig werden Eingaben durch HTML geschützt, um Verwirrung zwischen Ihrem variablen Text und HTML zu verhindern. Sie können den escape-Filter explizit hinzufügen, um es für den Leser der Quelle Ihrer Vorlage ersichtlicher zu machen, dass das Escaping durchgeführt wird.

escape_once

escape_once stellt sicher, dass, wenn Sie Ihren Code bereits durch Escape-Zeichen geschützt haben, er nicht zusätzlich erneut durch Escape-Zeichen geschützt wird. Damit beispielsweise & nicht zu & wird.

skip_autoescape

skip_autoescape ist nützlich, wenn Ihre Inhalte als HTML verwendet werden sollen. Beispiel: Sie haben ein paar Textabsätze und einige Bilder in den vollständigen Anweisungen für einen Begrenzungsrahmen.

to_json

to_jsonkodiert, was Sie an JSON (JavaScript Object Notation) weitergeben. Wenn Sie ein Objekt bereitstellen, wird dieses serialisiert.

grant_read_access

grant_read_access nimmt einen S3-URI entgegen und codiert ihn in eine HTTPS-URL mit einem kurzlebigen Zugriffstoken für diese Ressource. Dadurch ist es möglich, Auftragnehmern Foto-, Audio- oder Videoobjekte anzuzeigen, die in S3-Buckets gespeichert sind, auf die nicht anders öffentlich zugegriffen werden kann.

s3_presign

Der s3_presign-Filter funktioniert genauso wie der grant_read_access-Filter. s3_presign nimmt einen Amazon-S3-URI und kodiert ihn in eine HTTPS-URL mit einem kurzlebigen Zugriffstoken für diese Ressource. Dadurch ist es möglich, Foto-, Audio- oder Videoobjekte anzuzeigen, die in S3-Buckets gespeichert sind, auf die Auftragnehmer nicht anders öffentlich zugreifen können.

auto-escape: {{ "Have you read 'James & the Giant Peach'?" }}
explicit escape: {{ "Have you read 'James & the Giant Peach'?" | escape }}
explicit escape_once: {{ "Have you read 'James & the Giant Peach'?" | escape_once }}
skip_autoescape: {{ "Have you read 'James & the Giant Peach'?" | skip_autoescape }}
to_json: {{ jsObject | to_json }}                
grant_read_access: {{ "s3://amzn-s3-demo-bucket/myphoto.png" | grant_read_access }}
s3_presign: {{ "s3://amzn-s3-demo-bucket/myphoto.png" | s3_presign }}

auto-escape: Have you read 'James & the Giant Peach'?
explicit escape: Have you read 'James & the Giant Peach'?
explicit escape_once: Have you read 'James & the Giant Peach'?
skip_autoescape: Have you read 'James & the Giant Peach'?
to_json: { "point_number": 8, "coords": [ 59, 76 ] }
grant_read_access: https://s3.amazonaws.com/amzn-s3-demo-bucket/myphoto.png?<access token and other params>
s3_presign: https://s3.amazonaws.com/amzn-s3-demo-bucket/myphoto.png?<access token and other params>

<script src="https://assets.crowd.aws/crowd-html-elements.js"></script>
<crowd-form>
  <crowd-classifier 
    name="tweetFeeling"
    categories="['positive', 'negative', 'neutral', 'cannot determine']"
    header="Which term best describes this tweet?" 
  >
    <classification-target>
       {{ task.input.source }}
    </classification-target>

    <full-instructions header="Analyzing a sentiment">
      Try to determine the feeling the author 
      of the tweet is trying to express. 
      If none seem to match, choose "other."
    </full-instructions>

    <short-instructions>
      Pick the term best describing the sentiment 
      of the tweet. 
    </short-instructions>

  </crowd-classifier>
</crowd-form>