Acerca de la API:
La API de Reconocimiento de Categorías de Texto es un servicio de aprendizaje automático que ayuda a los usuarios a clasificar automáticamente texto en varias categorías predefinidas. Se puede utilizar para clasificar y organizar grandes cantidades de datos de texto, y también se puede usar para mejorar los resultados de búsqueda y proporcionar recomendaciones más relevantes a los usuarios. Es fácil de usar e integra sin problemas en aplicaciones existentes.
Envía el texto a analizar y recibe un puntaje de confianza entre las categorías predefinidas. Más cerca de 1 significa que es más probable que el texto esté relacionado con esa categoría.
Clasificación de contenido: La API se puede utilizar para clasificar el contenido de texto en categorías específicas, como artículos de noticias, publicaciones de blogs, descripciones de productos, etc. Esto puede ser útil para organizar y clasificar grandes cantidades de datos de texto.
Clasificación de documentos: La API se puede utilizar para clasificar documentos, como currículums, en categorías predefinidas basadas en su contenido.
Mejora de búsqueda: La API se puede utilizar para clasificar consultas y resultados de búsqueda en categorías relevantes, lo cual puede mejorar la precisión y la relevancia de los resultados de búsqueda.
Sistemas de recomendación: La API se puede utilizar para clasificar elementos o contenido en categorías específicas, lo que puede utilizarse para proporcionar recomendaciones más relevantes a los usuarios.
Detección de spam: La API se puede utilizar para clasificar mensajes de texto o correos electrónicos como spam o no spam, lo que puede ser útil para filtrar contenido no deseado o irrelevante.
Además del número de llamadas a la API por mes, no hay otras limitaciones.
Pasa el texto del que deseas reconocer su categoría.
La API categorizará el texto y recuperará el puntaje de confianza, donde un valor más cercano a 1 significa que el texto tiene más probabilidades de pertenecer a esa categoría.
Categoría de Texto - Características del Endpoint
| Objeto | Descripción |
|---|---|
text |
[Requerido] Text to recognize the category from. |
{"keyword":{"hello":1,"world":1},"topic":{"greeting":0.5,"macrocosm":0.5,"explorer":0.5,"english":0.5,"community":0.5,"city":0.5,"cartographer":0.5,"atlas":0.5,"astronomy":0.5,"tour":0.5},"version":"7.5.7","author":"Zylalabs","email":"[email protected]","result_code":"200","result_msg":"Success"}
curl --location --request GET 'https://zylalabs.com/api/880/text+category+recognizer+api/667/text+categorization?text=hello world' --header 'Authorization: Bearer YOUR_API_KEY'
| Encabezado | Descripción |
|---|---|
Autorización
|
[Requerido] Debería ser Bearer access_key. Consulta "Tu Clave de Acceso a la API" arriba cuando estés suscrito. |
Sin compromiso a largo plazo. Mejora, reduce o cancela en cualquier momento. La Prueba Gratuita incluye hasta 50 solicitudes.
El punto final de categorización de texto devuelve un objeto JSON que contiene palabras clave clasificadas, temas y sus puntajes de confianza asociados. Esto ayuda a los usuarios a entender cuán estrechamente se alinea el texto con categorías predefinidas.
Los campos clave en la respuesta incluyen "keyword" (con palabras clave de categoría y puntuaciones), "topic" (con temas más amplios y puntuaciones), "version" (versión de la API), "author" (información del proveedor) y "result_code" y "result_msg" (estado de la solicitud).
Los datos de respuesta están estructurados como un objeto JSON. Incluye objetos anidados para "palabra clave" y "tema", cada uno conteniendo los nombres de categorías como claves y sus puntajes de confianza como valores, permitiendo un fácil análisis y procesamiento.
El endpoint proporciona información sobre palabras clave y temas categorizados relacionados con el texto de entrada, junto con puntajes de confianza que indican la fuerza de la categorización, lo que ayuda a entender el contexto del texto.
Los usuarios pueden personalizar sus solicitudes variando el texto de entrada que proporcionan al endpoint. La API analiza el contenido del texto para devolver categorías y puntuaciones relevantes basadas en su contenido.
Los casos de uso típicos incluyen la clasificación de contenido para blogs o artículos, la clasificación de documentos para currículos, la mejora de los resultados de búsqueda, el perfeccionamiento de los sistemas de recomendación y el filtrado de mensajes de spam basado en la categorización del contenido.
La precisión de los datos se mantiene a través de algoritmos de aprendizaje automático que aprenden continuamente de nuevas entradas de datos. Las actualizaciones regulares y el entrenamiento en conjuntos de datos diversos ayudan a mejorar el rendimiento y la fiabilidad del modelo.
Los usuarios pueden esperar una respuesta estructurada con puntajes de confianza que generalmente varían de 0 a 1 para cada categoría. Los puntajes más altos indican una relevancia más fuerte, lo que permite a los usuarios priorizar categorías según sus necesidades.
Nivel de Servicio:
100%
Tiempo de Respuesta:
1.694ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
4.649ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
728ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
10.469ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
1.942ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
308ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
235ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
308ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
1.971ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
1.855ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
5.864ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
11.821ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
20.003ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
527ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
1.440ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
779ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
12.041ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
1.151ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
10.646ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
20.003ms