बिगफाइव सेंटिमेंट एनालिसिस एपीआई एक शक्तिशाली उपकरण है जो पाठ का विश्लेषण करने और उसमें व्यक्त भावनाओं और व्यक्तित्व लक्षणों का निर्धारण करने के लिए उन्नत मशीन लर्निंग एल्गोरिदम का उपयोग करता है। यह एपीआई बिग फाइव व्यक्तित्व लक्षणों के मॉडल पर आधारित है, जिसे मनोविज्ञान और सामाजिक विज्ञान अनुसंधान में व्यापक रूप से उपयोग किया जाता है, और यह पाठ को पांच मुख्य श्रेणियों में वर्गीकृत करता है: खुलापन, जिम्मेदारी, बहिर्मुखता, सहानुभूति, और न्यूरोटिज़म।
इस एपीआई का एक प्रमुख लाभ इसकी पाठ का विस्तृत विश्लेषण प्रदान करने की क्षमता है, जो न केवल संपूर्ण भावना की पहचान करता है बल्कि उसमें व्यक्त विशिष्ट भावनाओं और व्यक्तित्व लक्षणों को भी पहचानता है। यह डेवलपर्स को पाठ और उसके पीछे के लोगों के बारे में गहरी समझ प्राप्त करने की अनुमति देता है।
यह एपीआई सामाजिक मीडिया पोस्ट, ग्राहक समीक्षाएँ, सर्वेक्षण प्रतिक्रियाएँ, और बहुत कुछ जैसे विस्तृत पाठ पर उपयोग किया जा सकता है। यह ग्राहक फीडबैक का विश्लेषण करने, ग्राहक प्राथमिकताओं को समझने और सामाजिक मीडिया पोस्ट में पैटर्न की पहचान करने जैसे विभिन्न उपयोग मामलों में उपयोगी हो सकता है।
यह एपीआई किसी भी एप्लिकेशन में आसानी से एकीकृत किया जा सकता है, और इसे एक सरल एपीआई कॉल के माध्यम से एक्सेस किया जा सकता है। यह संरचित प्रारूप में परिणाम लौटाता है, जिससे डेवलपर्स को अपने एप्लिकेशनों में डेटा का उपयोग करना आसान हो जाता है।
कुल मिलाकर, बिगफाइव सेंटिमेंट एनालिसिस एपीआई एक शक्तिशाली उपकरण है जो डेवलपर्स को पाठ और उसके पीछे के लोगों के बारे में गहरी समझ प्राप्त करने में मदद कर सकता है। बिग फाइव व्यक्तित्व लक्षण मॉडल के आधार पर पाठ का विस्तृत विश्लेषण प्रदान करना डेवलपर्स को अपने उपयोगकर्ताओं के लिए बेहतर और अधिक व्यक्तिगत अनुभव बनाने में मदद कर सकता है।
एक JSON में एक पाठ पारित करें और एपीआई व्यक्ति द्वारा लिखे गए पाठ से बिग फाइव मनोवैज्ञानिक लक्षण निकालता है। इनमें खुलापन, जिम्मेदारी, बहिर्मुखता, सहानुभूति, और न्यूरोटिज़म शामिल हैं जिसे ओशन के रूप में भी जाना जाता है।
सोशल मीडिया मॉनिटरिंग: बिगफाइव सेंटिमेंट एनालिसिस एपीआई का उपयोग सामाजिक मीडिया पोस्ट का विश्लेषण करने और उपयोगकर्ताओं द्वारा व्यक्त भावनाओं और व्यक्तित्व लक्षणों का निर्धारण करने के लिए किया जा सकता है, जो उपभोक्ता भावना और व्यवहार में मूल्यवान अंतर्दृष्टि प्रदान करता है।
ग्राहक फीडबैक विश्लेषण: एपीआई का उपयोग सर्वेक्षण, समीक्षाओं और अन्य स्रोतों से ग्राहक फीडबैक का विश्लेषण करने के लिए किया जा सकता है, जिससे कंपनियों को ग्राहक प्राथमिकताओं को समझने और सुधार के लिए क्षेत्रों की पहचान करने में मदद मिलती है।
भर्ती और एचआर: एपीआई का उपयोग नौकरी के आवेदकों के रिज़्यूमे और कवर लेटर्स का विश्लेषण करने के लिए किया जा सकता है ताकि उन व्यक्तित्व लक्षणों की पहचान की जा सके जो किसी विशेष नौकरी की आवश्यकताओं से सबसे अधिक मेल खाते हैं।
बाजार अनुसंधान: एपीआई का उपयोग फोकस समूहों, इंटरव्यू और सर्वेक्षणों से पाठ डेटा का विश्लेषण करने के लिए किया जा सकता है, जिससे उपभोक्ता व्यवहार और प्राथमिकताओं में पैटर्न की पहचान की जा सके।
सामग्री निर्माण: एपीआई का उपयोग सामग्री निर्माताओं द्वारा उनकी लिखित सामग्री की प्रभावशीलता का मूल्यांकन करने के लिए किया जा सकता है, जिससे उन भावनाओं और व्यक्तित्व लक्षणों की पहचान की जा सके जो उनके दर्शकों के साथ प्रतिध्वनित होते हैं।
स्वास्थ्य देखभाल: एपीआई का उपयोग रोगी फीडबैक का विश्लेषण करने और उन भावनाओं और व्यक्तित्व लक्षणों को निर्धारित करने के लिए किया जा सकता है जो कुछ लक्षणों या स्थितियों से जुड़े हो सकते हैं, जो स्वास्थ्य पेशेवरों के लिए मूल्यवान अंतर्दृष्टि प्रदान करते हैं।
महीने में एपीआई कॉल सीमाओं के अलावा, कोई अन्य सीमाएँ नहीं हैं।
यह अंत बिंदु व्यक्ति द्वारा लिखित पाठ से बिग फाइव मनोवैज्ञानिक गुणों को निकालता है इनमें शामिल हैं: ओपननेस, कॉन्सिएंटियसनेस, एक्स्ट्रावर्जन, एग्रीएबिलिटी, न्यूरोटिसिज्म जिसे ओशन भी कहा जाता है
बिग फाइव जांचें - एंडपॉइंट फीचर्स
| ऑब्जेक्ट | विवरण |
|---|---|
रिक्वेस्ट बॉडी |
[आवश्यक] Json |
{"text":"I am 30 years old man. I studied physics and currently work as a software engineer. I am married and have a couple of kids. What else I can tell... I am open to new experiences and like to chat. I am being nasty sometimes.","inventories":["big5"],"scoring":{"big5":{"agreeableness":{"quantile":0.394,"score":-0.628,"confidence":0.095,"confidence_text":"low"},"conscientiousness":{"quantile":0.473,"score":-0.115,"confidence":0.012,"confidence_text":"very low"},"extraversion":{"quantile":0.585,"score":0.424,"confidence":0.133,"confidence_text":"low"},"neuroticism":{"quantile":0.568,"score":0.371,"confidence":0.116,"confidence_text":"low"},"openness":{"quantile":0.614,"score":0.59,"confidence":0.059,"confidence_text":"low"}}},"lang":"en"}
curl --location --request POST 'https://zylalabs.com/api/950/bigfive+sentiment+analysis+api/772/check+bigfive' --header 'Authorization: Bearer YOUR_API_KEY'
--data-raw '{
"text": "I am 30 years old man. I studied physics and currently work as a software engineer. I am married and have a couple of kids. What else I can tell... I am open to new experiences and like to chat. I am being nasty sometimes.",
"inventories": [
"big5"
],
"lang": "en"
}'
| 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।
"चेक बिगफाइव" एंडपॉइंट एक JSON ऑब्जेक्ट लौटाता है जिसमें निकाले गए बिग फाइव पर्सनैलिटी ट्रेट्स (ओपननेस, कॉन्सcientiousness, एक्स्ट्रावर्जन, एग्रीबिलिटी, न्यूरोटिसिज्म) के साथ क्वांटाइल स्कोर, कॉन्फिडेंस लेवल और वर्णनात्मक कॉन्फिडेंस टेक्स्ट शामिल होता है "POST JSON to XML" एंडपॉइंट एक XML दस्तावेज लौटाता है जो 'रूट' टैग में लिपटा होता है जिसमें इनपुट JSON के आधार पर संरचित डेटा होता है
"Check BigFive" एंडपॉइंट के लिए, कुंजी फ़ील्ड में "text" (इनपुट पाठ), "inventories" (विशेषता श्रेणियाँ), और "scoring" (प्रत्येक व्यक्तिगत विशेषता के लिए विस्तृत स्कोर) शामिल हैं। XML प्रतिक्रिया में, कुंजी फ़ील्ड इनपुट डेटा संरचना पर निर्भर करते हैं, सामान्यतः विभिन्न चिकित्सा या व्यक्तिगत विशेषताओं को शामिल करना।
"Check BigFive" एंडपॉइंट JSON प्रारूप में डेटा लौटाता है जिसे स्कोरिंग और गुणों के लिए नेस्टेड ऑब्जेक्ट्स के साथ संरचित किया गया है "POST JSON to XML" एंडपॉइंट XML प्रारूप में डेटा लौटाता है जिसे 'root' टैग के तहत व्यवस्थित किया गया है जिसमें विभिन्न डेटा पॉइंट्स का प्रतिनिधित्व करने वाले चाइल्ड एलिमेंट्स होते हैं
"Check BigFive" अंत बिंदु एकल पैरामीटर स्वीकार करता है: विश्लेषण के लिए पाठ वाला JSON वस्तु "POST JSON to XML" अंत बिंदु 1MiB आकार तक के JSON वस्तु को स्वीकार करता है उपयोगकर्ताओं को यह सुनिश्चित करना चाहिए कि उनका इनपुट इन विनिर्देशों के अनुसार हो सफल प्रसंस्करण के लिए
"Check BigFive" एंडपॉइंट से प्रतिक्रिया एक मुख्य ऑब्जेक्ट में व्यवस्थित की गई है जिसमें इनपुट पाठ, इन्वेंटरीज और विस्तृत गुण स्कोर के साथ एक स्कोरिंग ऑब्जेक्ट शामिल है XML प्रतिक्रिया पदानुक्रम में संरचित है जिसमें तत्व 'root' टैग के अंतर्गत निहित हैं जो इनपुट डेटा की संरचना को दर्शाते हैं
विशिष्ट उपयोग के मामले में सोशल मीडिया की भावना का विश्लेषण करना ग्राहक प्रतिक्रिया का मूल्यांकन करना नौकरी के आवेदकों के व्यक्तित्व लक्षणों का आकलन करना बाजार अनुसंधान करना और सामग्री निर्माण रणनीतियों को बढ़ाना शामिल हैं प्रत्येक उपयोग के मामले में बिग फाइव व्यक्तित्व लक्षणों द्वारा प्रदान की गई अंतर्दृष्टियों का लाभ उठाया जाता है
उपयोगकर्ता लौटाए गए डेटा का उपयोग कर सकते हैं व्यक्तित्व गुण स्कोरों की व्याख्या करके निर्णय लेने के लिए जैसे कि विपणन रणनीतियों को अनुकूलित करना या उपयोगकर्ता सहभागिता को सुधारना आत्मविश्वास स्तर और वर्णनात्मक पाठ विश्लेषण की विश्वसनीयता का आकलन करने में मदद करते हैं आगे की कार्रवाइयों में मार्गदर्शन करते हैं
बिगफाइव सेंटिमेंट एनालिसिस एपीआई उन्नत मशीन लर्निंग एल्गोरिदम का उपयोग करता है जो विभिन्न डेटा सेट्स पर प्रशिक्षित होते हैं ताकि व्यक्तित्व गुणों की निकासी में सटीकता सुनिश्चित की जा सके निरंतर मॉडल मूल्यांकन और अपडेट डेटा की गुणवत्ता और प्रासंगिकता बनाए रखने में मदद करते हैं जिससे प्रदान किए गए अंतर्दृष्टि की विश्वसनीयता बढ़ती है
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
0ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
0ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
0ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
280ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
17ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
228ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
5,626ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
94ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
0ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
3,898ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
17ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
94ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
575ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
1,281ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
620ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
46ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
1,134ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
48ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
3,251ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
295ms