{"isProfanity":true,"score":0.8,"severity":70,"flaggedFor":["insult"],"language":"en","dialect":"general"}
curl --location --request POST 'https://zylalabs.com/api/11429/text+censure+api/21589/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 निंदा 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 🎉)
अग्रणी कंपनियों का भरोसा
यह एपीआई टेक्स्ट में आपत्तिजनक भाषा का स्वचालित रूप से पता लगाने के लिए एक उन्नत प्रणाली प्रदान करता है, जिससे अनुचित शब्दों, अपमानों और संभावित हानिकारक अभिव्यक्तियों की सटीक पहचान संभव होती है। इसका मुख्य उद्देश्य वास्तविक समय में टेक्स्ट का मूल्यांकन करने में मदद करना है, जिससे उपयोगकर्ता-जनित सामग्री की सुरक्षा और गुणवत्ता में सुधार होता है। जब एक टेक्स्ट इनपुट के रूप में भेजा जाता है, तो एपीआई एक संरचित विश्लेषण लौटाता है जिसमें संदेश में मौजूद विषाक्तता के स्तर को समझने के लिए आवश्यक कई संकेतक शामिल होते हैं
सबसे महत्वपूर्ण विशेषताओं में से एक isProfanity है, जो एक Boolean मान है जो बताता है कि क्या टेक्स्ट में आपत्तिजनक या अनुचित भाषा है। यह एक स्कोर भी प्रदान करता है, जो अनुमानित संभावना का एक मात्रात्मक पैमाना है कि टेक्स्ट को अपशब्द माना जाएगा। यह मान विशेष रूप से उन वातावरणों में उपयोगी है जहाँ विभिन्न संदर्भों या दर्शकों के लिए निस्तारण थ्रेशोल्ड को समायोजित करने की आवश्यकता होती है
एपीआई में एक गंभीरता क्षेत्र भी शामिल है, जो पहचानी गई भाषा की गंभीरता के स्तर को वर्गीकृत करता है। यह वर्गीकरण हल्के मामलों, जैसे सुनिकी अभिव्यक्तियों, और अधिक गंभीर स्थितियों, जैसे सीधे अपमान या अत्यधिक विषाक्त भाषा के बीच अंतर करने की अनुमति देता है। स्पष्टता के लिए, प्रतिक्रिया में flaggedFor भी विशेष रूप से निर्दिष्ट है, यह एक श्रेणी सेट है जो बताता है कि टेक्स्ट को क्यों झंडा दिया गया, जिससे स्वचालित प्रणालियाँ अधिक सूचित निर्णय ले सकें
टेक्स्ट एनालाइज़र अंत बिंदु संरचित डेटा लौटाता है जिसमें विश्लेषित टेक्स्ट में आपत्तिजनक भाषा के संकेत शामिल होते हैं मुख्य आउटपुट में यह शामिल है कि क्या टेक्स्ट में अभद्र भाषा है एक गंभीरता स्कोर एक जोखिम स्कोर ध्वजांकित श्रेणियाँ टेक्स्ट की भाषा और पहचाना गया बोलनुसार शामिल है
प्रतिक्रिया डेटा के मुख्य क्षेत्र `isProfanity` (बूलियन), `score` (संख्यात्मक), `severity` (संख्यात्मक), `flaggedFor` (श्रेणियों का एरे), `language` (स्ट्रिंग), और `dialect` (स्ट्रिंग) हैं यह क्षेत्र पता लगाए गए आपत्तिजनक भाषा की प्रकृति और गंभीरता के बारे में जानकारी प्रदान करते हैं
प्रतिक्रिया डेटा को JSON प्रारूप में संगठित किया गया है जिसमें प्रत्येक कुंजी विश्लेषण के एक विशिष्ट पहलू का प्रतिनिधित्व करती है उदाहरण के लिए `isProfanity` यह संकेत करता है कि पाठ आक्रामक है जबकि `flaggedFor` ध्वज लगाने के कारणों को सूचीबद्ध करता है जिससे स्वचालित सिस्टम द्वारा आसान पार्सिंग और व्याख्या संभव होती है
पाठ विश्लेषक अंतिम बिंदु अपमानजनक भाषा की उपस्थिति, गंभीरता स्तर, जोखिम स्कोर, ध्वजांकित सामग्री की श्रेणियाँ, और पाठ की भाषा और बोलियों की जानकारी प्रदान करता है यह व्यापक विश्लेषण उपयोगकर्ता-जनित सामग्री की विषाक्तता को समझने में मदद करता है
उपयोगकर्ता टेक्स्ट विश्लेषक अंत बिंदु को भेजे गए इनपुट टेक्स्ट को समायोजित करके अपने डेटा अनुरोधों को अनुकूलित कर सकते हैं जबकि अंत बिंदु अतिरिक्त पैरामीटर स्वीकार नहीं करता है टेक्स्ट की सामग्री स्वयं विभिन्न परिस्थितियों का परीक्षण करने और विभिन्न प्रकार की भाषा का विश्लेषण करने के लिए भिन्न हो सकती है
Text Analyzer डेटा के लिए सामान्य उपयोग के मामले में सोशल मीडिया प्लेटफार्मों के लिए सामग्री का मॉडरेशन वेबसाइटों पर उपयोगकर्ता टिप्पणियों को फ़िल्टर करना अनुप्रयोगों में चैट को बढ़ाना ताकि उत्पीड़न को रोका जा सके और विषाक्त भाषा की पहचान करके सामुदायिक दिशानिर्देशों के अनुपालन को सुनिश्चित करना शामिल है
डेटा सटीकता को अंतर्निहित भाषा मॉडलों के निरंतर अपडेट और विविध डेटासेट्स के खिलाफ नियमित मूल्यांकन के माध्यम से बनाए रखा जाता है यह सुनिश्चित करता है कि एपीआई विभिन्न संदर्भों और बोलियों में अपमानजनक भाषा को प्रभावी ढंग से पहचान और वर्गीकृत कर सके
प्रतिक्रिया में मानक डेटा पैटर्न में यह स्पष्ट संकेत शामिल होता है कि क्या पाठ अभद्र है (`isProfanity`), एक संख्या जो भाषा की गंभीरता को दर्शाती है, और `flaggedFor` में श्रेणियों की एक सूची होती है उपयोगकर्ताओं को JSON प्रतिक्रिया में सुसंगत स्वरूपण और संरचना की अपेक्षा कर सकते हैं