{"success":true,"data":{"sentiment":"neutral","confidence":0.01,"score":0,"breakdown":{"positive":0,"negative":0,"neutral":1},"wordCount":2,"sentimentWords":{"positive":[],"negative":[]},"emotions":{"joy":0,"anger":0,"fear":0,"sadness":0,"surprise":0,"disgust":0},"subjectivity":0},"timestamp":"2025-07-28T16:55:29.762Z","processingTime":4}
curl --location --request POST 'https://zylalabs.com/api/9163/text+sentiment+fetcher+api/16570/sentiment+analyzer' --header 'Authorization: Bearer YOUR_API_KEY'
--data-raw '{
"text": "Hello world",
"language": "en"
}'
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 टेक्स्ट सेंटिमेंट फ़ेचर 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 🎉)
टेक्स्ट सेंटिमेंटFetchकर एपीआई एक उन्नत पाठ विश्लेषण समाधान है जो आपको किसी भी लिखित सामग्री की भावनात्मक टोन की पहचान करने की अनुमति देता है यह उपकरण एक पाठ इनपुट को संसाधित करता है और एक विस्तृत विश्लेषण लौटाता है जिसमें समग्र सेंटिमेंट वर्गीकरण (सकारात्मक नकारात्मक या तटस्थ) शामिल होता है साथ ही एक विश्वास स्कोर और प्रत्येक श्रेणी का प्रतिशत टूटना शामिल होता है
एपीआई प्रतिक्रिया में एक सेंटिमेंट फ़ील्ड शामिल होता है जो प्रमुख सेंटिमेंट को इंगित करता है साथ ही एक स्कोर और विश्वास स्तर जो दर्शाता है कि पाठ की भावनात्मक प्रवृत्ति कितनी स्पष्ट है इसके अलावा टूटने वाले अनुभाग में सकारात्मकता नकारात्मकता और तटस्थता के प्रतिशत को तोड़ा जाता है जिससे आप मिलेजुले या अस्पष्ट पाठ में भी भावनात्मक बारीकियों को समझ सकते हैं
एक और उल्लेखनीय विशेषता भावनात्मक कीवर्ड का निष्कर्षण है जिन्हें पहचाना गया है कि यह ज्ञात स्वर के लिए जिम्मेदार हैं जो सामग्री को अनुकूलित करने विज्ञापन अभियानों को समायोजित करने या ऑनलाइन प्रतिष्ठा को ट्रैक करने के लिए उपयोगी है विश्लेषण में मूल भावनाओं (खुशी उदासी डर आश्चर्य घृणा और गुस्सा) का एक घटक भी शामिल होता है जो कंप्यूटेशनल साइकोलॉजी कार्यों ग्राहक निगरानी या वास्तविक समय की बातचीत विश्लेषण के लिए आदर्श है
इसके अलावा पाठ की विषयवाचकता की गणना की जाती है यह इंगित करता है कि यह एक राय है या एक वस्तुनिष्ठ कथन है यह मीडिया विश्लेषण उत्पाद मूल्यांकन या खुले सर्वेक्षण विश्लेषण जैसे संदर्भों में उपयोगी है
एक तेज और सटीक प्रतिक्रिया के साथ (कम processingTime) यह एपीआई ग्राहक सेवा मार्केटिंग मानव संसाधन सामाजिक प्लेटफार्मों आभासी सहायकों और बहुत कुछ में आसानी से एकीकृत करने के लिए डिज़ाइन किया गया है इसका लचीला डिज़ाइन और बहुभाषी समर्थन इसे वेब और मोबाइल अनुप्रयोगों दोनों में लागू करने की अनुमति देता है
संक्षेप में टेक्स्ट सेंटिमेंटFetchकर एपीआई भाषा की भावनात्मक सामग्री में गहरा अंतर्दृष्टि प्रदान करता है जिससे व्यवसायों और डेवलपर्स को मानव इंटरैक्शन को बेहतर ढंग से समझनें यूजर अनुभव में सुधार करने और सटीक भावनात्मक डेटा के आधार पर निर्णय लेने में मदद मिलती है
सेंटिमेंट एनालाइजर एन्डपॉइंट इनपुट टेक्स्ट का विस्तृत विश्लेषण लौटाता है जिसमें समग्र सेंटिमेंट वर्गीकरण (सकारात्मक नकारात्मक तटस्थ) एक आत्मविश्वास स्कोर सेंटिमेंट श्रेणियों का प्रतिशत विभाजन भावनात्मक कीवर्ड बुनियादी भावनाएं और व्यक्तिवाद शामिल हैं
प्रतिक्रिया में मुख्य क्षेत्रों में "भावना" (प्रमुख भावना), "विश्वास" (वर्गीकरण की निश्चितता), "विभाजन" (सकारात्मकता, नकारात्मकता, तटस्थता का प्रतिशत), "कीवर्ड" (भावनात्मक कीवर्ड), "भावनाएँ" (पाई गई बुनियादी भावनाएँ), और "विषयकता" (राय बनाम वस्तुनिष्ठता) शामिल हैं
प्रतिक्रियाओं के डेटा को एक JSON प्रारूप में संरचित किया गया है जिसमें भावना विश्लेषण परिणामों के लिए शीर्ष स्तर के क्षेत्र हैं प्रत्येक क्षेत्र विशिष्ट अंतर्दृष्टि प्रदान करता है जैसे भावना वर्गीकरण विश्वास स्तर और विस्तृत विवरण जिससे इसे प्रोग्रामेटिक रूप से पार्स करना और उपयोग करना आसान हो जाता है
सेंटिमेंट एनालाइज़र एंडपॉइंट के लिए मुख्य पैरामीटर "पाठ" है जो विश्लेषण करने के लिए इनपुट स्ट्रिंग की आवश्यकता होती है उपयोगकर्ता विभिन्न पाठ इनपुट प्रदान करके अपने अनुरोधों को अनुकूलित कर सकते हैं ताकि उन्हें अनुकूलित सेंटिमेंट विश्लेषण परिणाम मिले
विशेष उपयोग के मामलों में ग्राहक प्रतिक्रिया की निगरानी करना मार्केटिंग सामग्री को अनुकूलित करना सोशल मीडिया इंटरैक्शन का विश्लेषण करना सर्वेक्षणों में भावनात्मक विश्लेषण करना और चैटबॉट्स या वर्चुअल असिस्टेंट में उपयोगकर्ता अनुभव को बढ़ाना शामिल है
डेटा की सटीकता उन्नत प्राकृतिक भाषा प्रसंस्करण एल्गोरिदम के माध्यम से बनाए रखी जाती है जो लगातार विविध पाठ नमूनों से सीखती हैं नियमित अपडेट और गुणवत्ता जांच यह सुनिश्चित करती है कि मॉडल भाषा की बारीकियों और विकसित हो रहे भावनाओं के अभिव्यक्तियों के अनुसार ढलता है
उपयोगकर्ता लौटाए गए डेटा का लाभ उठाकर ग्राहक भावना में प्रवृत्तियों की पहचान कर सकते हैं भावनात्मक अंतर्दृष्टियों के आधार पर विपणन रणनीतियों को अनुकूलित कर सकते हैं और पाठ में दर्शाई गई उपयोगकर्ता राय और भावनाओं को समझकर उत्पाद विकास को बेहतर बना सकते हैं
यदि इनपुट पाठ बहुत छोटा या अस्पष्ट है तो एपीआई कम आत्मविश्वास स्कोर या अधूरे विश्लेषण लौटा सकता है उपयोगकर्ताओं को सुनिश्चित करना चाहिए कि पाठ पर्याप्त रूप से वर्णनात्मक हो और ऐसे मामलों को संभालने के लिए बैकअप तंत्र लागू करने पर विचार करना चाहिए