{
"error": false,
"sentiment": {
"kind": "negative",
"confidence": 1
},
"tone": {
"kind": "professional",
"confidence": 0.33
},
"insult": 0.02,
"violence": 0.01,
"sexuality": 0.06,
"substance_abuse": 0.1,
"hate_speech": 0.03,
"profanity": 0.05,
"political_content": 0.04,
"medical_content": 0.04,
"advertisement": 0.08,
"educational_content": 0.05,
"entertainment": 0.19,
"humor": 0.04,
"sarcasm_and_irony": 0.05,
"clickbait": 0.04,
"spoilers": 0.13,
"misinformation": 0.1,
"copyright_infringement": 0.09,
"urgency_and_scams": 0.15,
"toxicity": 0.09,
"userLabels": {
"isTechSupportRequest": 0.09,
"isBillingSupportRequest": 0.94,
"isRefundRequest": 0.99,
"mentionsCompetitor": 0.01
}
}
curl --location --request POST 'https://zylalabs.com/api/13862/textinsights+-+custom+text+classification+api/31878/analyze' --header 'Authorization: Bearer YOUR_API_KEY'
--data-raw '{
"text": "Hello, i would like to request a refund",
"includeDefaultPreset": true,
"userLabels": {
"isTechSupportRequest": "Is this a technical support request?",
"isBillingSupportRequest": "Is this a billing support request?",
"isRefundRequest": "Is the user requesting a refund?",
"mentionsCompetitor": "Does the text mention a competing company?"
}
}'
Após se cadastrar, cada desenvolvedor recebe uma chave de acesso à API pessoal, uma combinação única de letras e dígitos para acessar nosso endpoint de API. Para autenticar com a TextInsights - Classificação de texto personalizada API basta incluir seu token Bearer no cabeçalho Authorization.
| Cabeçalho | Descrição |
|---|---|
Authorization
|
Obrigatório
Deve ser Bearer access_key. Veja "Sua chave de acesso à API" acima quando você estiver inscrito.
|
Sem compromisso de longo prazo. Faça upgrade, downgrade ou cancele a qualquer momento. O teste gratuito inclui até 50 requisições.
(Economize 2 meses com cobrança anual 🎉)
Classificação com rótulos personalizados para identificar categorias como isTechSupportRequest, isAdvertisement, isCatMentioned ou isHateSpeech, e qualquer coisa que você quiser
O endpoint de análise retorna um objeto JSON contendo insights sobre o texto de entrada Isso inclui insights padrão como sentimento tom e vários sinais de conteúdo além de rótulos definidos pelo usuário que indicam categorias específicas relevantes para sua aplicação
Os campos-chave na resposta incluem "error" (indicando sucesso ou falha), "sentiment" (com tipo e confiança), "tone" (com tipo e confiança), e "userLabels" (mostrando as pontuações de confiança para rótulos personalizados definidos pelo usuário)
Os dados de resposta são estruturados como um objeto JSON Inclui um campo "error" de nível superior seguido por objetos aninhados para "sentiment" e "tone" e um objeto "userLabels" que lista rótulos personalizados com suas respectivas pontuações de confiança
O endpoint de análise aceita um parâmetro de texto contendo o texto a ser analisado Além disso os usuários podem definir rótulos personalizados especificando os nomes e descrições dos rótulos em sua solicitação para adaptar a análise às suas necessidades
O endpoint de análise fornece insights sobre sentimento, tom e vários sinais de conteúdo, como discurso de ódio, profanidade e categorias definidas pelo usuário Isso permite uma compreensão abrangente do contexto e das implicações do texto
Os usuários podem aproveitar os dados retornados para identificar tendências monitorar conteúdo quanto à conformidade ou melhorar a experiência do usuário categorizando texto com base em etiquetas personalizadas Por exemplo negócios podem filtrar solicitações de suporte ou detectar conteúdo prejudicial usando as percepções fornecidas
Casos de uso típicos incluem automação de suporte ao cliente moderação de conteúdo análise de sentimento para marketing e categorização de conteúdo gerado pelo usuário As empresas podem adaptar a API para atender a necessidades específicas como identificar pedidos de reembolso ou detectar anúncios
A precisão dos dados é mantida por meio de atualizações contínuas e melhorias nos algoritmos subjacentes A API aproveita técnicas de aprendizado de máquina para garantir que os insights fornecidos sejam relevantes e confiáveis adaptando-se a novos padrões e tendências lingüísticas