{
"tool": "text-sentiment",
"count": 1,
"results": [
{
"text": "I love this product, it works great.",
"sentiment": "positive",
"compound": 0.8519,
"positive": 0.675,
"negative": 0,
"neutral": 0.325,
"words": 7
}
]
}
curl --location --request GET 'https://zylalabs.com/api/14725/text+sentiment+scoring+api/38084/sentiment+analysis?items=I love this product, it works great.&maxItems=20&splitSentences=false' --header 'Authorization: Bearer YOUR_API_KEY'
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 भावना स्कोरिंग 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।
आइटम क्वेरी पैरामीटर को 25 तक मानों के साथ भेजें (कई मानों को | (पाइप) से अलग करें; किसी मान में अर्धविराम को रखा जाएगा), उदाहरण के लिए items=मुझे यह उत्पाद पसंद है, यह शानदार काम करता है.. वैकल्पिक पैरामीटर: maxItems, splitSentences
JSON के साथ टूल, गिनती और परिणामों की एक श्रृंखला है प्रत्येक परिणाम पंक्ति में इस पृष्ठ पर उदाहरण प्रतिक्रिया के समान फ़ील्ड होते हैं
एक कॉल को एक अनुरोध के रूप में गिना जाता है भले ही यह एक साथ 25 पाठों के लिए कहता हो एक ही कॉल में अधिक विकल्प या उच्च सीमा के लिए पूछने पर भी यह एक अनुरोध के रूप में ही गिना जाता है
अधिकांश कॉल 2 से 15 सेकंड में वापस आते हैं 80 सेकंड के बाद आपको HTTP 503 मिलता है जिसमें Retry-After होता है कम आइटम भेजें और पुन: प्रयास करें
वैकल्पिक क्वेरी पैरामीटर: maxItems, splitSentences। प्रत्येक को इस पृष्ठ पर पैरामीटर के अंतर्गत इसकी अनुमति प्राप्त मानों या सीमा के साथ सूचीबद्ध किया गया है। उन सीमाओं से बाहर के मान HTTP 400 लौटाते हैं जिसमें अनुमति प्राप्त सीमा है
JSON के साथ एक त्रुटि संदेश: 400 एक गायब या अमान्य पैरामीटर के लिए (अनुमत मानों के साथ) 422 जब कोई आइटम प्रक्रिया में नहीं आ सकता (प्रत्येक के लिए एक कारण के साथ) 429 दर सीमा के पार और 503 व्यस्त होने या 80 सेकंड से अधिक होने पर Retry-After के साथ यदि केवल कुछ आइटम विफल होते हैं तो आपको उन आइटम के लिए पंक्तियों के साथ 200 मिलता है
सेंटिमेंट एनालYSIS एंडपॉइंट प्रत्येक टेक्स्ट इनपुट के लिए सेंटिमेंट स्कोर्स लौटाता है, जिन्हें सकारात्मक, नकारात्मक या तटस्थ के रूप में वर्गीकृत किया जाता है। यह एक अंकात्मक स्कोर प्रदान करता है साथ ही अतिरिक्त मेट्रिक्स जैसे यौगिक स्कोर, सकारात्मक, नकारात्मक और तटस्थ प्रतिशत और शब्द गणना।
प्रतिक्रिया डेटा के मुख्य क्षेत्र में "पाठ" (मूल इनपुट), "भावना" (कुल भावना श्रेणी), "संवहनीय" (एक मानकीकृत स्कोर), "सकारात्मक," "नकारात्मक," "तटस्थ" (भावना प्रतिशत), और "शब्द" (इनपुट का शब्द गणना) शामिल हैं
प्रतिक्रिया डेटा JSON प्रारूप में संरचित है जिसमें एक "उपकरण" पहचानकर्ता एक "गणना" प्रोसेस किए गए आइटम की और एक "परिणाम" सरणी शामिल है परिणाम सरणी में प्रत्येक आइटम एक इनपुट पाठ के अनुरूप है और इसके भावनात्मक विश्लेषण विवरण शामिल हैं
भावना विश्लेषण अंतिम बिंदु पाठों की भावना पर जानकारी प्रदान करता है जिसमें भावना वर्ग (सकारात्मक नकारात्मक तटस्थ) संख्यात्मक स्कोर और भावना प्रतिशत का विवरण शामिल है जो उपयोगकर्ताओं को कुल भावना को प्रभावी रूप से समझने की अनुमति देता है
उपयोगकर्ता अपने अनुरोधों को वैकल्पिक पैरामीटर जैसे "maxItems" का उपयोग करके परिणामों की संख्या सीमित करने और "splitSentences" का उपयोग करके किसी पाठ के भीतर व्यक्तिगत वाक्यों का विश्लेषण करने के लिए कस्टमाइज़ कर सकते हैं ये पैरामीटर विश्लेषण को विशिष्ट आवश्यकताओं के अनुसार अनुकूलित करने में मदद करते हैं
मानक डेटा पैटर्न में विभिन्न इनपुट्स के बीच भावनात्मक श्रेणियों का मिश्रण शामिल होता है जिसमें विभिन्न यौगिक स्कोर होते हैं उपयोगकर्ताओं को सकारात्मक नकारात्मक और तटस्थ प्रतिशतों की एक श्रृंखला देखने की उम्मीद कर सकते हैं जो विश्लेषित पाठों में भावनात्मक विविधता को दर्शाते हैं
डेटा की सटीकता उन्नत प्राकृतिक भाषा प्रसंस्करण एल्गोरिदम के माध्यम से बनाए रखी जाती है जो पाठ के संदर्भ और भावना का विश्लेषण करते हैं मॉडल में निरंतर अपडेट और सुधार यह सुनिश्चित करते हैं कि यह भाषा की बारीकियों और विकसित संवेदनाओं के प्रदर्शन के प्रति अनुकूल हो
किसी विशिष्ट उपयोग के मामलों में ग्राहक समीक्षा का विश्लेषण करना सामाजिक मीडिया की भावना की निगरानी करना उत्पाद फीडबैक का मूल्यांकन करना और बाजार अनुसंधान करना शामिल है व्यवसाय संवेदनाओं के स्कोर का उपयोग निर्णय लेने और ग्राहक जुड़ाव रणनीतियों को बढ़ाने के लिए कर सकते हैं