{"isProfanity":true,"score":0.8,"severity":70,"flaggedFor":["insult"],"language":"en","dialect":"general"}
curl --location --request POST 'https://zylalabs.com/api/11452/retrieve+text+media+censorship+api/21612/text+analyzer' --header 'Authorization: Bearer YOUR_API_KEY'
--data-raw '{
"message": "I hate you"
}'
साइन अप करने के बाद, प्रत्येक डेवलपर को एक पर्सनल API एक्सेस की असाइन की जाती है, जो अक्षरों और अंकों का एक यूनिक संयोजन होता है, जिसका उपयोग हमारे API एंडपॉइंट तक पहुंचने के लिए किया जाता है। प्रमाणीकरण के लिए पाठ मीडिया सेंसरशिप पुनः प्राप्त करें API के साथ बस अपने बेयरर टोकन को Authorization हेडर में शामिल करें।
| हेडर | विवरण |
|---|---|
Authorization
|
आवश्यक
होना चाहिए Bearer access_key. जब आप सब्सक्राइब हों तो ऊपर "Your API Access Key" देखें।
|
कोई लंबी अवधि की प्रतिबद्धता नहीं। कभी भी अपग्रेड, डाउनग्रेड या कैंसल करें। फ्री ट्रायल में 50 रिक्वेस्ट तक शामिल हैं।
(वार्षिक बिलिंग के साथ 2 महीने बचाएँ 🎉)
पाठ विश्लेषक अंत बिंदु संरचित डेटा लौटाता है जिसमें विश्लेषित पाठ में अपमानजनक भाषा के संकेत शामिल होते हैं प्रमुख आउटपुट में शामिल है कि क्या पाठ में अपशब्द हैं एक गंभीरता स्कोर एक जोखिम स्कोर झंडा लगाई गई श्रेणियाँ पाठ की भाषा और पहचाना गया बोली
उत्तर डेटा में प्रमुख फ़ील्ड्स हैं `isProfanity` (बूलियन), `score` (संख्यात्मक), `severity` (संख्यात्मक), `flaggedFor` (श्रेणियों की सूची), `language` (स्ट्रिंग), और `dialect` (स्ट्रिंग) ये फ़ील्ड्स पहचान लिए गए आपत्तिजनक भाषा की प्रकृति और गंभीरता के बारे में जानकारी प्रदान करती हैं
प्रतिक्रिया डेटा JSON प्रारूप में संगठित किया गया है जिसमें प्रत्येक कुंजी विश्लेषण के एक विशेष पहलू का प्रतिनिधित्व करती है उदाहरण के लिए `isProfanity` इंगित करता है कि क्या टेक्स्ट अपमानजनक है जबकि `flaggedFor` संकेतक के लिए कारणों की सूची बनाता है जिससे स्वचालित प्रणालियों द्वारा आसान पार्सिंग और व्याख्या की जा सके
टेक्स्ट एनालाइज़र एंडपॉइंट आक्रामक भाषा की उपस्थिति, गंभीरता स्तर, जोखिम स्कोर, झंडा फहराए गए सामग्री की श्रेणियाँ और टेक्स्ट की भाषा और बोली की जानकारी प्रदान करता है यह समग्र विश्लेषण उपयोगकर्ता-जनित सामग्री की विषाक्तता को समझने में मदद करता है
उपयोगकर्ता टेक्स्ट एनालाइज़र एंडपॉइंट पर भेजे गए इनपुट टेक्स्ट को समायोजित करके अपने डेटा अनुरोधों को कस्टमाइज़ कर सकते हैं जबकि एंडपॉइंट अतिरिक्त पैरामीटर स्वीकार नहीं करता टेक्स्ट की सामग्री स्वयं विभिन्न परिदृश्यों का परीक्षण करने और विभिन्न प्रकार की भाषा का विश्लेषण करने के लिए भिन्न हो सकती है
पाठ विश्लेषक डेटा के लिए सामान्य उपयोग के मामलों में सामाजिक मीडिया प्लेटफार्मों के लिए सामग्री मॉडरेशन वेबसाइटों पर उपयोगकर्ता टिप्पणियों का फ़िल्टर करना उत्पीड़न को रोकने के लिए चैट अनुप्रयोगों को सुधारना और विषाक्त भाषा की पहचान करके सामुदायिक दिशानिर्देशों का पालन सुनिश्चित करना शामिल है
डेटा सटीकता निचले भाषा मॉडलों के निरंतर अपडेट और विभिन्न डेटासेट्स के खिलाफ नियमित मूल्यांकन के माध्यम से बनाए रखी जाती है यह सुनिश्चित करता है कि एपीआई विभिन्न संदर्भों और बोलियों में आपत्तिजनक भाषा को प्रभावी ढंग से पहचान और वर्गीकृत कर सके
प्रतिक्रिया में मानक डेटा पैटर्न में यह स्पष्ट संकेत होता है कि क्या पाठ अशुद्ध है (`isProfanity`) एक संख्यात्मक स्कोर जो भाषा की गंभीरता को दर्शाता है और `flaggedFor` में श्रेणियों की एक सूची होती है उपयोगकर्ताओं को JSON प्रतिक्रिया में सुसंगत प्रारूप और संरचना की उम्मीद कर सकते हैं