{
"Happy": 1.0,
"Angry": 0.0,
"Surprise": 0.0,
"Sad": 0.0,
"Fear": 0.0
}
curl --location --request POST 'https://zylalabs.com/api/10880/text+to+feelings+fetch+api/20584/emotion+detection' --header 'Authorization: Bearer YOUR_API_KEY'
--data-raw 'I am very happy to use this API.'
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 भावनाओं को लाने के लिए पाठ 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। फ्री ट्रायल में 50 रिक्वेस्ट तक शामिल हैं।
(वार्षिक बिलिंग के साथ 2 महीने बचाएँ 🎉)
अग्रणी कंपनियों का भरोसा
टेक्स्ट टू फीलिंग्स फेच एपीआई आपको किसी भी टेक्स्ट में मौजूद भावनाओं की पहचान करने और उन्हें मापने की अनुमति देता है इसका लक्ष्य लिखित भाषा के पीछे की भावनात्मक ध्वनि को समझने में मदद करना है जो मानव इंटरएक्शन को अनुकूलित करने, संचार में सुधार करने और सामग्री विश्लेषण को समृद्ध करने के लिए मूल्यवान जानकारी प्रदान करता है
एक टेक्स्ट प्राप्त होने पर एपीआई इसकी भाषाई सामग्री का विश्लेषण करता है और एक सेट में मूल भावनाओं को लौटाता है जैसे खुशी, क्रोध, sadness, आश्चर्य और डर प्रत्येक के साथ एक संख्या मान जुड़ा होता है जो इसकी तीव्रता या उपस्थिति के स्तर को इंगित करता है इन मानों को 0 से 1 के स्कोर के रूप में व्यक्त किया गया है जो आपको टेक्स्ट में प्रमुख भावनाओं और दूसरों के प्रकट होने की सीमा को सही तरीके से निर्धारित करने की अनुमति देता है
यह सेवा खासकर भावनात्मक विश्लेषण, ग्राहक सेवा, मार्केटिंग, सामाजिक शोध, सामाजिक मीडिया निगरानी, चैटबॉट विकास और समीक्षा विश्लेषण के क्षेत्रों में अनुप्रयोगों के लिए उपयोगी है कंपनियां इसका उपयोग अपने ग्राहकों की भावनात्मक स्थिति का आकलन करने, विज्ञापन अभियानों पर प्रतिक्रिया मापने या संवेदनशील टोन के अनुसार स्वचालित संचार को समायोजित करने के लिए कर सकती हैं
संक्षेप में टेक्स्ट टू फीलिंग्स फेच एपीआई टेक्स्ट को अर्थपूर्ण भावनात्मक जानकारी में परिवर्तित करने के लिए एक शक्तिशाली और लचीला समाधान है इसके साथ डेवलपर्स और विश्लेषक शब्दों के पीछे की भावनाओं को बेहतर ढंग से समझ सकते हैं और उपयोगकर्ताओं या दर्शकों की भावनात्मक स्थिति के आधार पर अधिक सूचित निर्णय ले सकते हैं
भावना पहचान अंत बिंदु एक JSON वस्तु लौटाता है जिसमें पांच बुनियादी भावनाओं के लिए स्कोर शामिल हैं: खुशी, गुस्सा, उद sadness , आश्चर्य, और डर हर भावना को 0 से 1 के बीच एक संख्यात्मक मान द्वारा दर्शाया गया है जो विश्लेषित पाठ में इसकी तीव्रता को दर्शाता है
प्रतिक्रिया डेटा में मुख्य क्षेत्र "खुश," "गुस्सा," "उदास," "आश्चर्य," और "डर" हैं प्रत्येक क्षेत्र एक भावना के साथ संबंधित है और उस भावना की तीव्रता को दर्शाने वाला एक स्कोर शामिल है जो प्रदान किए गए पाठ में है
प्रतिक्रिया डेटा को एक JSON ऑब्जेक्ट के रूप में व्यवस्थित किया गया है जिसमें भावनाओं के लेबल कुंजी के रूप में हैं और उनके संबंधित तीव्रता स्कोर मान के रूप में हैं यह ढांचा पाठ की भावनात्मक सामग्री को आसानी से पार्स और व्याख्या करने की अनुमति देता है
सामान्य उपयोग के मामलों में ग्राहक फीडबैक के लिए भावना विश्लेषण उपयोगकर्ता भावनाओं के आधार पर चैटबॉट इंटरैक्शन को बढ़ाना सामाजिक मीडिया की भावना की निगरानी करना और मार्केटिंग अभियानों या सामग्री के प्रति भावनात्मक प्रतिक्रियाओं का विश्लेषण करना शामिल हैं
उपयोगकर्ता इमोशन डिटेक्शन एंडपॉइंट को विभिन्न टेक्स्ट इनपुट प्रदान करके अपने डेटा अनुरोधों को अनुकूलित कर सकते हैं एपीआई प्रस्तुत किए गए विशेष टेक्स्ट का विश्लेषण करता है जिससे विभिन्न सामग्री के आधार पर अनुकूलित भावनात्मक अंतर्दृष्टियों की अनुमति मिलती है
डेटा की सटीकता को उन्नत प्राकृतिक भाषा प्रसंस्करण एल्गोरिदम के माध्यम से बनाए रखा जाता है जो भाषाई पैटर्न और संदर्भ का विश्लेषण करते हैं मॉडल में निरंतर अपडेट और सुधार यह सुनिश्चित करते हैं कि यह विकसित होती भाषा के उपयोग और भावनात्मक अभिव्यक्ति के अनुकूलन करता है
मानक डेटा पैटर्न में पाठ की tono के आधार पर भावनाओं के लिए विभिन्न तीव्रता स्कोर शामिल होते हैं उदाहरण के लिए एक पाठ जो खुशी व्यक्त करता है वह उच्च खुशी स्कोर और अन्य भावनाओं के लिए कम स्कोर दे सकता है जबकि संघर्ष वाला पाठ अधिक गुस्सा और डर के स्कोर दिखा सकता है
उपयोगकर्ता प्राप्त डेटा का उपयोग स्कोर की व्याख्या करके पाठ के भावनात्मक स्वर को समझने के लिए कर सकते हैं उदाहरण के लिए उच्च खुशी स्कोर सकारात्मक भावना का संकेत दे सकता है जो ग्राहक सेवा या सामग्री निर्माण रणनीतियों में प्रतिक्रियाओं का मार्गदर्शन करता है