ค้นหาเนื้อหา Alfresco อย่างชาญฉลาดโดยใช้ Amazon Kendra PlatoBlockchain Data Intelligence ค้นหาแนวตั้ง AI.

ค้นหาเนื้อหา Alfresco อย่างชาญฉลาดโดยใช้ Amazon Kendra

อเมซอน เคนดรา เป็นบริการค้นหาอัจฉริยะที่ขับเคลื่อนโดยการเรียนรู้ของเครื่อง (ML) ด้วย Amazon Kendra คุณสามารถรวมเนื้อหาจากที่เก็บเนื้อหาที่หลากหลายลงในดัชนีแบบรวมศูนย์ที่ช่วยให้คุณค้นหาข้อมูลองค์กรทั้งหมดของคุณได้อย่างรวดเร็วและค้นหาคำตอบที่ถูกต้องที่สุด หลายองค์กรใช้แพลตฟอร์มการจัดการเนื้อหา กลางแจ้ง เพื่อจัดเก็บเนื้อหาของพวกเขา ข้อกำหนดหลักประการหนึ่งสำหรับลูกค้าองค์กรจำนวนมากที่ใช้ Alfresco คือความสามารถในการค้นหาข้อมูลที่ถูกต้องในเอกสารทั้งหมดในแหล่งข้อมูลได้อย่างง่ายดายและปลอดภัย

เรารู้สึกตื่นเต้นที่จะประกาศตัวอย่างสาธารณะของตัวเชื่อมต่อ Amazon Kendra Alfresco คุณสามารถจัดทำดัชนีเนื้อหา Alfresco กรองประเภทของเนื้อหาที่คุณต้องการจัดทำดัชนี และค้นหาข้อมูลของคุณใน Alfresco ได้อย่างง่ายดายด้วยการค้นหาอัจฉริยะของ Amazon Kendra และตัวเชื่อมต่อ Alfresco OnPrem

โพสต์นี้แสดงวิธีใช้ตัวเชื่อมต่อ Amazon Kendra Alfresco OnPrem เพื่อกำหนดค่าตัวเชื่อมต่อเป็นแหล่งข้อมูลสำหรับดัชนี Amazon Kendra ของคุณและค้นหาเอกสาร Alfresco ของคุณ ตามการกำหนดค่าของตัวเชื่อมต่อ Alfresco คุณสามารถซิงโครไนซ์ตัวเชื่อมต่อเพื่อรวบรวมข้อมูลและจัดทำดัชนีเนื้อหา Alfresco ประเภทต่างๆ เช่น Wiki และบล็อก ตัวเชื่อมต่อยังนำเข้าข้อมูลรายการควบคุมการเข้าถึง (ACL) สำหรับแต่ละไฟล์ ข้อมูล ACL จะใช้สำหรับการกรองบริบทของผู้ใช้ โดยที่ผลการค้นหาสำหรับข้อความค้นหาจะถูกกรองตามสิ่งที่ผู้ใช้มีสิทธิ์เข้าถึง

เบื้องต้น

หากต้องการลองใช้ตัวเชื่อมต่อ Amazon Kendra สำหรับ Alfresco โดยใช้โพสต์นี้เป็นข้อมูลอ้างอิง คุณต้องมีสิ่งต่อไปนี้:

ค้นหาเนื้อหา Alfresco อย่างชาญฉลาดโดยใช้ Amazon Kendra PlatoBlockchain Data Intelligence ค้นหาแนวตั้ง AI.

กำหนดค่าแหล่งข้อมูลโดยใช้ตัวเชื่อมต่อ Amazon Kendra สำหรับ Alfresco

หากต้องการเพิ่มแหล่งข้อมูลลงในดัชนี Amazon Kendra โดยใช้ตัวเชื่อมต่อ Alfresco OnPrem คุณสามารถใช้ดัชนีที่มีอยู่หรือ สร้างดัชนีใหม่. จากนั้นทำตามขั้นตอนต่อไปนี้ สำหรับข้อมูลเพิ่มเติมเกี่ยวกับหัวข้อนี้ โปรดดูที่ คู่มือนักพัฒนา Amazon Kendra.

  1. บนคอนโซล Amazon Kendra ให้เปิดดัชนีของคุณแล้วเลือก แหล่งข้อมูล ในบานหน้าต่างนำทาง
  2. Choose เพิ่มแหล่งข้อมูล.
  3. ภายใต้ กลางแจ้งเลือก เพิ่มตัวเชื่อมต่อ.
  4. ตัว Vortex Indicator ได้ถูกนำเสนอลงในนิตยสาร ระบุรายละเอียดแหล่งข้อมูล ป้อนชื่อและคำอธิบายแล้วเลือก ถัดไป.
  5. ตัว Vortex Indicator ได้ถูกนำเสนอลงในนิตยสาร กำหนดการเข้าถึงและความปลอดภัย ส่วนสำหรับ URL ไซต์ Alfrescoป้อนชื่อโฮสต์ Alfresco
  6. ในการกำหนดค่าใบรับรอง SSL คุณสามารถสร้างใบรับรองที่ลงนามด้วยตนเองสำหรับการตั้งค่านี้โดยใช้ openssl x509 -in pattern.pem -out alfresco.crt และเพิ่มใบรับรองนี้ไปยัง an บริการจัดเก็บข้อมูลอย่างง่ายของ Amazon (Amazon S3) ถัง เลือก เรียกดู S3 และเลือกบัคเก็ต S3 ที่มีใบรับรอง SSL
  7. สำหรับ รหัสไซต์ให้ป้อนรหัสไซต์ Alfresco ที่คุณต้องการค้นหาเอกสาร
    ค้นหาเนื้อหา Alfresco อย่างชาญฉลาดโดยใช้ Amazon Kendra PlatoBlockchain Data Intelligence ค้นหาแนวตั้ง AI.
  8. ภายใต้ การยืนยันตัวตนคุณมีสองทางเลือก:
    1. ใช้ Secrets Manager เพื่อ สร้างข้อมูลรับรองการพิสูจน์ตัวตน Alfresco ใหม่ คุณต้องมี ชื่อผู้ใช้และรหัสผ่านของผู้ดูแลระบบ Alfresco
    2. ใช้ความลับของตัวจัดการความลับที่มีอยู่ซึ่งมี ข้อมูลรับรองการตรวจสอบ Alfresco คุณต้องการให้ตัวเชื่อมต่อเข้าถึง
  9. Choose บันทึกและเพิ่มความลับ.
    ค้นหาเนื้อหา Alfresco อย่างชาญฉลาดโดยใช้ Amazon Kendra PlatoBlockchain Data Intelligence ค้นหาแนวตั้ง AI.
  10. สำหรับ บทบาท IAMเลือก สร้างบทบาทใหม่ หรือเลือกบทบาท IAM ที่มีอยู่ซึ่งกำหนดค่าด้วยนโยบาย IAM ที่เหมาะสมเพื่อเข้าถึงข้อมูลลับของ Secrets Manager ดัชนี Amazon Kendra และแหล่งข้อมูล
  11. Choose ถัดไป.
    ค้นหาเนื้อหา Alfresco อย่างชาญฉลาดโดยใช้ Amazon Kendra PlatoBlockchain Data Intelligence ค้นหาแนวตั้ง AI.
  12. ตัว Vortex Indicator ได้ถูกนำเสนอลงในนิตยสาร กำหนดการตั้งค่าการซิงค์ ให้ข้อมูลเกี่ยวกับขอบเขตการซิงค์และกำหนดการรันของคุณ
    คุณสามารถรวมไฟล์ที่จะรวบรวมข้อมูลโดยใช้รูปแบบการรวมหรือแยกไฟล์โดยใช้รูปแบบการยกเว้น
  13. Choose ถัดไป.
    ค้นหาเนื้อหา Alfresco อย่างชาญฉลาดโดยใช้ Amazon Kendra PlatoBlockchain Data Intelligence ค้นหาแนวตั้ง AI.
  14. ตัว Vortex Indicator ได้ถูกนำเสนอลงในนิตยสาร ตั้งค่าการแมปฟิลด์ คุณสามารถเลือกกำหนดค่าการแมปฟิลด์เพื่อระบุวิธีการจับคู่ชื่อฟิลด์ Alfresco กับแอตทริบิวต์หรือแง่มุมของ Amazon Kendra
  15. Choose ถัดไป.
  16. ตรวจสอบการตั้งค่าของคุณและยืนยันเพื่อเพิ่มแหล่งข้อมูล
  17. หลังจากเพิ่มแหล่งข้อมูลแล้ว ให้เลือก แหล่งข้อมูล ในบานหน้าต่างนำทาง เลือกแหล่งข้อมูลที่เพิ่มใหม่ แล้วเลือก ซิงค์ทันที เพื่อเริ่มการซิงโครไนซ์แหล่งข้อมูลกับดัชนี Amazon Kendra
    ค้นหาเนื้อหา Alfresco อย่างชาญฉลาดโดยใช้ Amazon Kendra PlatoBlockchain Data Intelligence ค้นหาแนวตั้ง AI.
    กระบวนการซิงค์อาจใช้เวลาประมาณ 10-15 นาที ขณะนี้คุณสามารถค้นหาเนื้อหา Alfresco ที่จัดทำดัชนีโดยใช้คอนโซลการค้นหาหรือแอปพลิเคชันการค้นหา คุณสามารถค้นหาด้วย ACL ได้ด้วยขั้นตอนเพิ่มเติมต่อไปนี้
  18. ไปที่หน้าดัชนีที่คุณสร้างขึ้นและบน การควบคุมการเข้าถึงของผู้ใช้ เลือกแท็บ แก้ไขการตั้งค่า.
    ค้นหาเนื้อหา Alfresco อย่างชาญฉลาดโดยใช้ Amazon Kendra PlatoBlockchain Data Intelligence ค้นหาแนวตั้ง AI.
  19. ภายใต้ การตั้งค่าการควบคุมการเข้าถึงให้เลือก ใช่.
  20. สำหรับ ประเภทโทเค็นเลือก JSON.
  21. Choose ถัดไป.
    ค้นหาเนื้อหา Alfresco อย่างชาญฉลาดโดยใช้ Amazon Kendra PlatoBlockchain Data Intelligence ค้นหาแนวตั้ง AI.
  22. Choose บันทึก.
    ค้นหาเนื้อหา Alfresco อย่างชาญฉลาดโดยใช้ Amazon Kendra PlatoBlockchain Data Intelligence ค้นหาแนวตั้ง AI.

รอสักครู่เพื่อให้ดัชนีได้รับการอัปเดตโดยการเปลี่ยนแปลง ตอนนี้ มาดูกันว่าคุณสามารถดำเนินการค้นหาอัจฉริยะด้วย Amazon Kendra ได้อย่างไร

ทำการค้นหาอย่างชาญฉลาดด้วย Amazon Kendra

ก่อนที่คุณจะลองค้นหาบนคอนโซล Amazon Kendra หรือใช้ API ตรวจสอบให้แน่ใจว่าการซิงค์แหล่งข้อมูลเสร็จสมบูรณ์ ในการตรวจสอบ ให้ดูแหล่งข้อมูลและตรวจสอบว่าการซิงค์ครั้งล่าสุดสำเร็จหรือไม่

ค้นหาเนื้อหา Alfresco อย่างชาญฉลาดโดยใช้ Amazon Kendra PlatoBlockchain Data Intelligence ค้นหาแนวตั้ง AI.

  1. ในการเริ่มต้นการค้นหาของคุณ บนคอนโซล Amazon Kendra ให้เลือก ค้นหาเนื้อหาที่จัดทำดัชนี ในบานหน้าต่างนำทาง
    คุณถูกเปลี่ยนเส้นทางไปยังคอนโซลการค้นหาของ Amazon Kendra ตอนนี้ คุณสามารถค้นหาข้อมูลจากเอกสาร Alfresco ที่คุณจัดทำดัชนีโดยใช้ Amazon Kendra
  2. สำหรับโพสต์นี้ เราค้นหาเอกสารที่จัดเก็บไว้ใน Alfresco, AWS
    ค้นหาเนื้อหา Alfresco อย่างชาญฉลาดโดยใช้ Amazon Kendra PlatoBlockchain Data Intelligence ค้นหาแนวตั้ง AI.
  3. แสดง ทดสอบการสืบค้นด้วยโทเค็นการเข้าถึง และเลือก ใช้โทเค็น.
    ค้นหาเนื้อหา Alfresco อย่างชาญฉลาดโดยใช้ Amazon Kendra PlatoBlockchain Data Intelligence ค้นหาแนวตั้ง AI.
  4. สำหรับ ชื่อผู้ใช้ป้อนที่อยู่อีเมลที่เชื่อมโยงกับบัญชี Alfresco ของคุณ
  5. Choose ใช้.
    ค้นหาเนื้อหา Alfresco อย่างชาญฉลาดโดยใช้ Amazon Kendra PlatoBlockchain Data Intelligence ค้นหาแนวตั้ง AI.

ขณะนี้ผู้ใช้สามารถดูได้เฉพาะเนื้อหาที่เข้าถึงได้เท่านั้น ในตัวอย่างของเรา user test@amazon.com ไม่มีสิทธิ์เข้าถึงเอกสารใดๆ บน Alfresco ดังนั้นจึงไม่มีสิ่งใดปรากฏให้เห็น

ค้นหาเนื้อหา Alfresco อย่างชาญฉลาดโดยใช้ Amazon Kendra PlatoBlockchain Data Intelligence ค้นหาแนวตั้ง AI.

ข้อ จำกัด

ตัวเชื่อมต่อมีข้อจำกัดดังต่อไปนี้:

  • ในการเขียนนี้ เราสนับสนุนเฉพาะ Alfresco OnPrem เท่านั้น ไม่รองรับ Alfresco PAAS
  • ตัวเชื่อมต่อไม่รวบรวมข้อมูลเอนทิตีต่อไปนี้: ปฏิทิน การอภิปราย รายการข้อมูล ลิงก์ และไฟล์ระบบ
  • ในระหว่างการแสดงตัวอย่างสาธารณะ เรารองรับเฉพาะการตรวจสอบสิทธิ์ขั้นพื้นฐานเท่านั้น สำหรับการสนับสนุนสำหรับการรับรองความถูกต้องในรูปแบบอื่นๆ โปรดติดต่อตัวแทน Amazon ของคุณ

ทำความสะอาด

เพื่อหลีกเลี่ยงค่าใช้จ่ายในอนาคต ให้ล้างทรัพยากรที่คุณสร้างขึ้นซึ่งเป็นส่วนหนึ่งของโซลูชันนี้ หากคุณสร้างดัชนี Amazon Kendra ใหม่ขณะทดสอบโซลูชันนี้ ให้ลบออก หากคุณเพิ่มแหล่งข้อมูลใหม่โดยใช้ตัวเชื่อมต่อ Amazon Kendra สำหรับ Alfresco เท่านั้น ให้ลบแหล่งข้อมูลนั้น

สรุป

ด้วยตัวเชื่อมต่อ Amazon Kendra Alfresco องค์กรของคุณสามารถค้นหาเนื้อหาได้อย่างปลอดภัยโดยใช้การค้นหาอัจฉริยะที่ขับเคลื่อนโดย Amazon Kendra

หากต้องการเรียนรู้เพิ่มเติมเกี่ยวกับตัวเชื่อมต่อ Amazon Kendra Alfresco โปรดดูที่ คู่มือนักพัฒนา Amazon Kendra.

สำหรับข้อมูลเพิ่มเติมเกี่ยวกับตัวเชื่อมต่อในตัวอื่นๆ ของ Amazon Kendra ไปยังแหล่งข้อมูลยอดนิยม โปรดดูที่ ตัวเชื่อมต่อดั้งเดิมของ Amazon Kendra.


เกี่ยวกับผู้เขียน

ค้นหาเนื้อหา Alfresco อย่างชาญฉลาดโดยใช้ Amazon Kendra PlatoBlockchain Data Intelligence ค้นหาแนวตั้ง AI.วิกัส ชาห์ เป็น Enterprise Solutions Architect ที่บริการเว็บของ Amazon เขาเป็นคนกระตือรือร้นด้านเทคโนโลยีที่ชอบช่วยเหลือลูกค้าในการค้นหาโซลูชันที่เป็นนวัตกรรมเพื่อรับมือกับความท้าทายทางธุรกิจที่ซับซ้อน สาขาที่เขาสนใจคือ ML, IoT, วิทยาการหุ่นยนต์ และสตอเรจ ในเวลาว่าง Vikas สนุกกับการสร้างหุ่นยนต์ การเดินป่า และการเดินทาง

ประทับเวลา:

เพิ่มเติมจาก AWS Machine Learning AWS

วิเคราะห์การใช้จ่ายของ Amazon SageMaker และกำหนดโอกาสในการเพิ่มประสิทธิภาพต้นทุนตามการใช้งาน ส่วนที่ 3: งานการประมวลผลและข้อมูล Wrangler | บริการเว็บอเมซอน

โหนดต้นทาง: 1843425
ประทับเวลา: May 30, 2023