Content Clarity es una solución avanzada de procesamiento del lenguaje natural (NLP) diseñada para proporcionar un análisis textual profundo y detallado. Esta API permite a los usuarios integrar capacidades avanzadas de comprensión y análisis de texto en sus aplicaciones y sistemas. Su objetivo es facilitar la interpretación y procesamiento de grandes volúmenes de datos textuales, proporcionando información valiosa y mejorando la interacción con el contenido. La API identifica y extrae entidades clave de los textos, como nombres de personas, lugares, organizaciones, fechas y eventos. Esto permite estructurar y clasificar la información relevante, facilitando la organización de datos y la búsqueda de información específica dentro de grandes volúmenes de texto.
La API también clasifica textos en categorías predefinidas según su contenido. Esto ayuda a organizar y etiquetar datos de manera eficiente, mejorando la capacidad de filtrar y gestionar información en aplicaciones de contenido y sistemas de gestión documental.
La API de Content Clarity ofrece soporte para múltiples idiomas, lo que la hace versátil y adecuada para aplicaciones globales. Esto es esencial para empresas que operan en mercados internacionales y necesitan analizar textos en diferentes idiomas.
En conclusión, la API de Content Clarity es una herramienta poderosa para el análisis y comprensión de textos. Ofrece una gama completa de capacidades de procesamiento del lenguaje natural, lo que permite a los usuarios obtener perspectivas profundas y detalladas de sus datos textuales. Su versatilidad y capacidades de integración hacen de esta API una elección valiosa para una amplia variedad de aplicaciones, desde el análisis de sentimientos hasta la automatización del soporte al cliente y la investigación. Con soporte para múltiples idiomas y una interfaz fácil de usar, facilita la incorporación de análisis textual avanzado en cualquier sistema o aplicación.
La API recibe texto en formato JSON y proporciona un análisis detallado, incluyendo la extracción de entidades, análisis de sentimientos y clasificación de contenido, también en formato JSON.
Análisis de Sentimientos en Reseñas de Productos: Evaluar la percepción del cliente sobre productos o servicios a través del análisis de sentimientos en reseñas y comentarios, identificando áreas de mejora y oportunidades de mercado.
Monitoreo de la Reputación de la Marca: Analizar menciones en redes sociales, artículos de noticias y blogs para rastrear la percepción pública de la marca y gestionar la reputación en línea.
Automatización del Soporte al Cliente: Utilizar análisis de sentimientos y extracción de entidades para automatizar respuestas en sistemas de soporte al cliente, mejorando la precisión y relevancia de las respuestas.
Clasificación y Organización de Documentos: Clasificar automáticamente grandes volúmenes de documentos, correos electrónicos o artículos en categorías predefinidas, facilitando su organización y recuperación en sistemas de gestión documental.
Análisis de Retroalimentación de Encuestas: Procesar y analizar respuestas de encuestas para extraer temas y sentimientos predominantes, ayudando a las empresas a entender mejor las necesidades y opiniones de los clientes.
Además del número de solicitudes a la API permitidas por mes, no hay otras limitaciones.
Para utilizar este punto final, envíe una solicitud POST con el texto en el cuerpo. Recibirá un análisis detallado de entidades, sentimiento y clasificación en la respuesta.
Analizar texto - Características del Endpoint
| Objeto | Descripción |
|---|---|
Cuerpo de la Solicitud |
[Requerido] Json |
{"outputs": {"positive": 0.9636364579200745, "negative": 0.9174758791923523, "neutral": 0.537473201751709}, "truncated": false}
curl --location --request POST 'https://zylalabs.com/api/5052/content+clarity+api/6420/analyze+text' --header 'Authorization: Bearer YOUR_API_KEY'
--data-raw '{
"labels": [
"positive",
"negative",
"neutral"
],
"text": "Characterize movie review: I rented I AM CURIOUS-YELLOW from my video store because of all the controversy that surrounded it when it was first released in 1967. I also heard that at first it was seized by U.S. customs if it ever tried to enter this country, therefore being a fan of films considered controversial I really had to see this for myself.
The plot is centered around a young Swedish drama student named Lena who wants to learn everything she can about life. In particular she wants to focus her attentions to making some sort of documentary on what the average Swede thought about certain political issues such as the Vietnam War and race issues in the United States. In between asking politicians and ordinary denizens of Stockholm about their opinions on politics, she has sex with her drama teacher, classmates, and married men.
What kills me about I AM CURIOUS-YELLOW is that 40 years ago, this was considered pornographic. Really, the sex and nudity scenes are few and far between, even then it's not shot like some cheaply made porno. While my countrymen mind find it shocking, in reality sex and nudity are a major staple in Swedish cinema. Even Ingmar Bergman, arguably their answer to good old boy John Ford, had sex scenes in his films.
I do commend the filmmakers for the fact that any sex shown in the film is shown for artistic purposes rather than just to shock people and make money to be shown in pornographic theaters in America. I AM CURIOUS-YELLOW is a good film for anyone wanting to study the meat and potatoes (no pun intended) of Swedish cinema. But really, this film doesn't have much of a plot."
}'
| 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.
Para utilizar esta API, envíe una solicitud POST con el texto a analizar. Recibirá una evaluación de sentimiento con puntajes para positivo, negativo y neutral.
La API de Claridad de Contenido analiza el texto para evaluar el sentimiento, identificar entidades y clasificar el contenido, proporcionando información detallada sobre la naturaleza y el tono del texto.
Hay diferentes planes que se adaptan a todos, incluyendo una prueba gratuita para una pequeña cantidad de solicitudes, pero su tarifa está limitada para prevenir el abuso del servicio.
Zyla ofrece una amplia gama de métodos de integración para casi todos los lenguajes de programación. Puedes utilizar estos códigos para integrarlos en tu proyecto según sea necesario.
La API devuelve información detallada sobre la edad e historia de un dominio, incluyendo años, meses y días desde su creación, así como las fechas de expiración y actualización.
El punto final Analyze Text devuelve un objeto JSON que contiene resultados de análisis detallados, incluyendo puntajes de sentimiento (positivo, negativo, neutral), extracción de entidades y clasificación de contenido.
Los campos clave en los datos de respuesta incluyen puntajes de sentimiento "positivo", "negativo" y "neutral", junto con entidades extraídas y sus clasificaciones, proporcionando una visión completa del sentimiento y contenido del texto.
Los datos de respuesta están estructurados en un formato JSON, con un objeto "outputs" que contiene puntajes de sentimiento y detalles adicionales de análisis, lo que hace que sea fácil de analizar y utilizar en aplicaciones.
El punto final de Análisis de Texto proporciona análisis de sentimientos, extracción de entidades (por ejemplo, nombres, fechas) y clasificación de contenido, permitiendo a los usuarios obtener información sobre el tono emocional del texto y los temas clave.
Los usuarios pueden personalizar sus solicitudes ajustando el texto de entrada enviado en la solicitud POST, lo que permite un análisis adaptado basado en contenido o contexto específicos.
La API de Claridad del Contenido utiliza algoritmos avanzados de procesamiento del lenguaje natural entrenados en conjuntos de datos diversos, asegurando una amplia comprensión del lenguaje y el contexto para un análisis preciso.
La precisión de los datos se mantiene a través de un entrenamiento continuo del modelo y validación contra muestras de texto del mundo real, asegurando que la API proporcione resultados de análisis confiables y relevantes.
Los casos de uso típicos incluyen el análisis de sentimientos para reseñas de productos, la supervisión de la reputación de la marca, la automatización de la atención al cliente y la clasificación de documentos, ayudando a las organizaciones a obtener información práctica a partir de datos textuales.
Nivel de Servicio:
100%
Tiempo de Respuesta:
349ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
1.765ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
1.293ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
1.002ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
823ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
12.328ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
39ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
326ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
477ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
689ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
37ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
9ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
30ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
1.491ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
1.166ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
39ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
9ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
2.185ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
539ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
1.809ms