एपीआई के बारे में:
यह एपीआई भाषा प्रोसेसिंग तकनीकों का उपयोग करके वित्तीय संबंधित पाठ में निहित भावना को पहचानती है
यह एपीआई एक पाठ प्राप्त करेगी और यह सकारात्मक, तटस्थ और नकारात्मक के बीच भावना स्कोर प्रदान करेगी
यह एपीआई उन वित्तीय वेबसाइटों के लिए अच्छी है जो सामग्री को भावना के आधार पर छांटना चाहती हैं
उनके लिए एक महान विकल्प जो सामग्री को स्क्रैप करते हैं और स्क्रैप किए गए पाठ की भावना की जांच करने की आवश्यकता होती है
प्रति माह एपीआई कॉल की सीमाओं के अलावा, कोई अन्य सीमाएँ नहीं हैं
{"type":"positive","score":0.917220858,"ratio":1,"keywords":[{"word":"love","score":0.917220858}],"version":"7.5.7","author":"twinword inc.","email":"[email protected]","result_code":"200","result_msg":"Success"}
curl --location --request GET 'https://zylalabs.com/api/839/financial+sentiment+analysis+api/7799/sentiment+analysis?text=I love tennis' --header 'Authorization: Bearer YOUR_API_KEY'
| 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।
सेन्टिमेंट विश्लेषण एंडपॉइंट एक भावनात्मक स्कोर लौटाता है जिसे सकारात्मक, तटस्थ या नकारात्मक के रूप में वर्गीकृत किया जाता है साथ ही एक संख्या स्कोर अनुपात और भावनाओं से जुड़े कीवर्ड भी लौटाता है
प्रतिक्रिया में प्रमुख क्षेत्र "प्रकार" (भावना श्रेणी), "स्कोर" (संख्यात्मक भावना स्कोर), "अनुपात" (भावना अनुपात) और "कीवर्ड" (उनके स्कोर के साथ महत्वपूर्ण शब्दों की सूची) हैं
प्रतिक्रिया डेटा JSON प्रारूप में संरचित है जिसमें भावना प्रकार, स्कोर, अनुपात, कीवर्ड, संस्करण, लेखक, ईमेल, परिणाम कोड और परिणाम संदेश के लिए फ़ील्ड शामिल हैं
भावना विश्लेषण समाप्ति बिंदु के लिए प्राथमिक पैरामीटर वह पाठ स्ट्रिंग है जिसे आप भावना के लिए विश्लेषित करना चाहते हैं
उपयोगकर्ता वापस किए गए डेटा का उपयोग वित्तीय सामग्री को वर्गीकृत करने के लिए कर सकते हैं समय के साथ भावनाओं में प्रवृत्तियों की पहचान करने के लिए या भावना विश्लेषण के आधार पर सामग्री को अनुकूलित करके उपयोगकर्ता सहभागिता को बढ़ाने के लिए
प्रमुख उपयोग के मामले समाचार लेखों का बाजार भावना के लिए विश्लेषण करना वित्तीय उत्पादों पर ग्राहक प्रतिक्रिया का मूल्यांकन करना और भावना के आधार पर वित्तीय ब्लॉग पोस्ट को छांटना शामिल हैं
डेटा की सटीकता को उन्नत भाषा प्रोसेसिंग तकनीकों और विविध वित्तीय पाठों पर निरंतर मॉडल प्रशिक्षण के माध्यम से बनाए रखा जाता है ताकि विश्वसनीय भावना पहचान सुनिश्चित हो सके
उपयोगकर्ता भावना स्कोर में स्थायी पैटर्न की अपेक्षा कर सकते हैं जिसमें सकारात्मक भावनाएँ अक्सर अनुकूल वित्तीय समाचार से जुड़ी होती हैं और नकारात्मक भावनाएँ मंदी या संकट से संबंधित होती हैं
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
1,503ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
46ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
48ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
86ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
17ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
1,771ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
674ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
228ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
500ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
13ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
1,738ms
सर्विस लेवल:
94%
रिस्पॉन्स टाइम:
658ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
129ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
1,441ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
507ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
17ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
176ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
148ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
46ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
48ms