भावनात्मक विश्लेषण—जिसे राय खनन के रूप में भी जाना जाता है—पाठ विश्लेषण में एक महत्वपूर्ण प्रगति है। इसके आधार पर, यह एक स्वचालित प्रक्रिया है जिसे लिखित सामग्री में व्यक्त भावनात्मक स्वर को व्याख्या और मात्रात्मक बनाने के लिए डिज़ाइन किया गया है। बुनियादी सकारात्मक या नकारात्मक वर्गीकरण से अति आगे, यह तकनीक खुशी, ग़ुस्सा, उदासी और आश्चर्य जैसे सूक्ष्म मानव भावनाओं की पहचान करती है।
मूड एनालिसिस एपीआई प्राकृतिक भाषा प्रसंस्करण (NLP) और मशीन लर्निंग में एक महत्वपूर्ण कूद का प्रतीक है। कच्चे पाठ को भावनात्मक रूप से समृद्ध अंतर्दृष्टियों में बदलकर, यह उपयोगकर्ताओं को किसी भी सामग्री के पीछे की भावना को तुरंत समझने में सक्षम बनाता है।
इस एपीआई को विशेष बनाता है इसकी अद्वितीय बहुपरकारिता। यह लगभग किसी भी प्रकार के पाठ का विश्लेषण कर सकता है, जिससे यह एक वैश्विक रूप से जुड़े हुए दुनिया में एक आवश्यक उपकरण बन जाता है। व्यवसाय विभिन्न दर्शकों से भावनात्मक संकेतों का लाभ उठा सकते हैं, भाषाओं, क्षेत्रों और संस्कृतियों के पार मूल्यवान दृष्टिकोण प्राप्त कर सकते हैं।
मूड एनालिसिस एपीआई की एक और महत्वपूर्ण ताकत इसकी संदर्भात्मक बुद्धिमत्ता है। यह अलग-अलग शब्दों का विश्लेषण करने के बजाय, पूर्ण संदर्भ पर विचार करता है—व्यंग्य, विडंबना, या सूक्ष्म भावनात्मक संकेतों से संबंधित मामलों में सटीकता को बढ़ाता है जिन्हें पारंपरिक मॉडल चूक सकते हैं।
संक्षेप में, मूड एनालिसिस एपीआई पाठ से भावनात्मक बुद्धिमत्ता निकालने का एक शक्तिशाली समाधान है। इसकी गहरी भावना पहचान, संदर्भ की जागरूकता, वास्तविक-समय प्रदर्शन, और व्यापक अनुप्रयोगिता के साथ, यह व्यवसायों, संगठनों, और व्यक्तियों को तेजी से डेटा-प्रेरित दुनिया में अधिक सूचित, भावनाओं के प्रति जागरूक निर्णय लेने में सक्षम बनाता है।
[{"label":"joy","score":0.9640277624130249},{"label":"sadness","score":0.012908090837299824},{"label":"disgust","score":0.012041660957038403},{"label":"anger","score":0.004565613344311714},{"label":"neutral","score":0.004244835581630468},{"label":"fear","score":0.0013242153218016028},{"label":"surprise","score":0.0008878417429514229}]
curl --location --request POST 'https://zylalabs.com/api/2912/mood+analysis+api/3038/get+analysis' --header 'Authorization: Bearer YOUR_API_KEY'
--data-raw '[
{
"id": "1",
"language": "en",
"text": "I love Zyla"
}
]'
| 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।
इस एपीआई का उपयोग करने के लिए उपयोगकर्ता को एक पाठ निर्दिष्ट करना होगा जिसका भावनाओं का विश्लेषण करना है
हर किसी के लिए विभिन्न योजनाएं हैं जिसमें छोटे मात्रा में अनुरोधों के लिए एक मुफ्त योजना शामिल है लेकिन इसकी दर सेवा के दुरुपयोग को रोकने के लिए सीमित है
Zyla लगभग सभी प्रोग्रामिंग भाषाओं के लिए एक विस्तृत श्रृंखला के एकीकरण विधियों को प्रदान करता है आप अपनी आवश्यकता के अनुसार इन कोड का उपयोग अपने प्रोजेक्ट के साथ एकीकृत करने के लिए कर सकते हैं
मूड एनालिसिस एपीआई एक शक्तिशाली उपकरण है जिसे पाठ्य सामग्री के भीतर भावनात्मक लहजे का विश्लेषण और व्याख्या करने के लिए डिज़ाइन किया गया है जो दिए गए पाठ में व्यक्त किए गए प्रमुख मूड पर अंतर्दृष्टि प्रदान करता है
मूड एनालिसिस एपीआई एक JSON ऑब्जेक्ट लौटाता है जिसमें इनपुट टेक्स्ट का विश्लेषण होता है इसे सात भावनाओं में वर्गीकृत किया जाता है: क्रोध, घृणा, भय, खुशी, तटस्थ, दुःख और आश्चर्य साथ ही उनके संबंधित आत्मविश्वास स्कोर भी होते हैं
प्रतिक्रिया डेटा में मुख्य क्षेत्र "लेबल" है जो पहचानी गई भावना को दर्शाता है और "स्कोर" है जो 0 से 1 के पैमाने पर उस भावना के आत्मविश्वास स्तर को दर्शाता है
प्रतिक्रिया डेटा वस्तुओं की एक सूची के रूप में व्यवस्थित किया गया है प्रत्येक में एक "लेबल" है जो भावना के लिए है और एक "स्कोर" है जो विश्लेषित पाठ में उस भावना की ताकत को दर्शाता है
मूड एनालिसिस एपीआई के लिए प्राथमिक पैरामीटर "टेक्स्ट" पैरामीटर है जो उस पाठ्य सामग्री को contain करना चाहिए जिसे आप भावनात्मक वर्गीकरण के लिए विश्लेषित करना चाहते हैं
उपयोगकर्ता अपने अनुरोधों को "टेक्स्ट" पैरामीटर के तहत विभिन्न टेक्स्ट इनपुट प्रदान करके अनुकूलित कर सकते हैं जिससे सामाजिक मीडिया पोस्ट या ग्राहक समीक्षाओं जैसे विभिन्न प्रकार की सामग्री का विश्लेषण किया जा सके
विशिष्ट उपयोग के मामलों में सामाजिक मीडिया की भावनाओं का विश्लेषण करना ग्राहक फीडबैक का मूल्यांकन करना ब्रांड की प्रतिष्ठा की निगरानी करना सामग्री रणनीतियों का अनुकूलन करना और संकट संचार का प्रबंधन करना शामिल है
डेटा की सटीकता विभिन्न डेटा सेट्स पर अंतर्निहित मशीन लर्निंग मॉडलों के निरंतर प्रशिक्षण के माध्यम से बनाए रखी जाती है जिससे एपीआई भावनात्मक अभिव्यक्तियों और भाषा के सूक्ष्मताओं की एक विस्तृत श्रृंखला को कैप्चर कर सके
उपयोगकर्ता लौटाए गए डेटा का उपयोग "लेबल" और "स्कोर" फ़ील्ड को व्याख्या करके पाठ के भावनात्मक स्वर को समझने के लिए कर सकते हैं जिससे मार्केटिंग रणनीतियों और ग्राहक सहभागिता जैसे क्षेत्रों में सूचित निर्णय लेने में मदद मिलती है
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
432ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
1,322ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
522ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
5,025ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
2,845ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
358ms
सर्विस लेवल:
99%
रिस्पॉन्स टाइम:
1,834ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
1,775ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
876ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
878ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
3,471ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
1,930ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
342ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
334ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
66ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
1,507ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
432ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
3,825ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
358ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
968ms