इंसल्ट डिटेक्शन एपीआई एक अत्याधुनिक मशीन लर्निंग मॉडल है जिसे उपयोगकर्ता द्वारा उत्पन्न टेक्स्ट में विषैला और हानिकारक सामग्री को स्वतः पहचानने और चिह्नित करने के लिए डिज़ाइन किया गया है। यह एपीआई प्राकृतिक भाषा प्रसंस्करण (एनएलपी) और मशीन लर्निंग की शक्ति का उपयोग करके टेक्स्ट का विश्लेषण और वर्गीकरण करती है, जिससे यह सामग्री मॉडरेशन, ऑनलाइन सुरक्षा और सामाजिक नेटवर्क प्रबंधन जैसे विभिन्न अनुप्रयोगों के लिए एक मूल्यवान संपत्ति बन जाती है।
इंसल्ट डिटेक्शन एपीआई की मुख्य कार्यक्षमता इसकी असाधारण क्षमता पर आधारित है जो विभिन्न प्रकार की विषैले सामग्री जैसे नफरत भाषण, अपमानजनक भाषा, बेइज्जती और अभद्रता को सटीकता से पहचानने और वर्गीकृत करने में सक्षम है। लेबल की गई विषैला टेक्स्ट के बड़े डेटा सेट का लाभ उठाते हुए, मॉडल को ऐसे पैटर्न और भाषाई संकेतकों को पहचानने के लिए प्रशिक्षित किया गया है जो हानिकारक भाषा को दर्शाते हैं, जिससे यह अद्वितीय सटीकता और दक्षता के साथ वास्तविक समय में भविष्यवाणियाँ करने में सक्षम होता है।
एक सहज और उपयोग में आसान इंटरफेस के साथ, एपीआई को मौजूदा प्लेटफ़ॉर्म और अनुप्रयोगों में एक सीधा प्रोसेस है। इसका मजबूत डिज़ाइन उपयोगकर्ताओं को एपीआई की कार्यात्मकता तक सरलता से पहुंचने की अनुमति देता है, जिससे यह विभिन्न संगठनों और कंपनियों के लिए सुलभ बन जाता है। यह समावेशिता सभी उपयोगकर्ताओं के लिए एक सुरक्षित और अधिक सम्मानजनक डिजिटल स्थान को बढ़ावा देने में महत्वपूर्ण भूमिका निभाती है।
इसके अलावा, इंसल्ट डिटेक्शन एपीआई कई प्रोग्रामिंग भाषाओं का समर्थन करता है, जो इसकी बहुपरकारिता और विभिन्न सॉफ़्टवेयर पारिस्थितिकाओं के साथ संगतता को बढ़ाता है। यह लचीलापन उपयोगकर्ताओं को विभिन्न प्लेटफार्मों पर एपीआई को तैनात करने की अनुमति देता है, चाहे उनके पसंदीदा कोडिंग भाषा कुछ भी हो, और यह प्रमुख बदलाव की आवश्यकता के बिना Smooth इंटीग्रेशन प्रक्रिया सुनिश्चित करता है।
अंत में, इंसल्ट डिटेक्शन एपीआई एक सुरक्षित और अधिक सम्मानजनक ऑनलाइन वातावरण को बढ़ावा देने की दिशा में एक महत्वपूर्ण कदम का प्रतिनिधित्व करता है। यह उपकरण संगठनों को विषैला सामग्री को स्वचालित रूप से पहचानने और संबोधित करने में सक्षम बनाता है, जो साइबरबूलिंग, नफरत भाषण और अपमानजनक भाषा के खिलाफ लगातार प्रयासों में योगदान करता है।
यह पैरामीटर्स प्राप्त करेगा और आपको एक JSON प्रदान करेगा।
सोशल मीडिया सामग्री मॉडरेशन: सोशल मीडिया प्लेटफ़ॉर्म एपीआई का उपयोग विषैले टिप्पणियों, नफरत भाषण और अपमानजनक भाषा को स्वचालित रूप से पहचानने और फ़िल्टर करने के लिए कर सकते हैं, अपने समुदाय के लिए एक सुरक्षित और सकारात्मक उपयोगकर्ता अनुभव सुनिश्चित करते हैं।
ऑनलाइन फ़ोरम प्रबंधन: सामुदायिक फ़ोरम उपयोगकर्ता द्वारा उत्पन्न सामग्री की निगरानी के लिए एपीआई का उपयोग कर सकते हैं और विषैले या हानिकारक पोस्ट को जल्दी से हटा सकते हैं, सदस्यों के लिए एक सम्मानजनक और रचनात्मक वातावरण बनाए रखते हैं।
चैट अनुप्रयोग: चैट अनुप्रयोग और संदेश मंच एपीआई को स्वचालित रूप से विषैले पोस्ट को चिह्नित और फ़िल्टर करने के लिए एकीकृत कर सकते हैं, उपयोगकर्ताओं के बीच स्वस्थ संचार को बढ़ावा देते हैं।
सामग्री प्रकाशन प्लेटफ़ॉर्म: सामग्री प्रकाशन प्लेटफ़ॉर्म, जैसे ब्लॉग और समाचार वेबसाइटें, एपीआई का उपयोग उपयोगकर्ता टिप्पणियों को पूर्व-फ़िल्टर करने के लिए कर सकते हैं और लेखों और पोस्टों के साथ विषैले सामग्री के प्रकट होने से रोक सकते हैं।
ई-लर्निंग प्लेटफ़ॉर्म: ई-लर्निंग प्लेटफ़ॉर्म और शैक्षिक वेबसाइटें एपीआई का लाभ उठा सकती हैं ताकि चर्चा और टिप्पणियों में उपयोग की जाने वाली किसी भी विषैले या अनुचित भाषाओं की निगरानी और फ़िल्टर कर सकें, छात्रों और शिक्षकों के लिए एक सुरक्षित शिक्षण वातावरण बनाते हुए।
बेसिक प्लान: 1,000 एपीआई कॉल। 1 अनुरोध प्रति सेकंड।
प्रो प्लान: 4,500 एपीआई कॉल। 1 अनुरोध प्रति सेकंड।
प्रो प्लस प्लान: 10,000 एपीआई कॉल। 2 अनुरोध प्रति सेकंड।
विषाक्तता पहचान - एंडपॉइंट फीचर्स
| ऑब्जेक्ट | विवरण |
|---|---|
रिक्वेस्ट बॉडी |
[आवश्यक] Json |
{"toxic":0.78711975,"indecent":0.9892319,"threat":0.0083886795,"offensive":0.37052566,"erotic":0.14190358,"spam":0.08707619}
curl --location --request POST 'https://zylalabs.com/api/2262/insult+detection+api/2128/toxicity+detection' --header 'Authorization: Bearer YOUR_API_KEY'
--data-raw '{
"text": "This is an example comment to analyze."
}'
| 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 आपको टेक्स्ट दर्ज करना होगा
विभिन्न योजनाएँ हैं जो सभी के अनुकूल हैं जिनमें प्रति दिन छोटे अनुरोधों के लिए एक मुफ्त योजना शामिल है लेकिन इसकी दरों की सीमा है ताकि सेवा का दुरुपयोग रोका जा सके
Zyla लगभग सभी प्रोग्रामिंग भाषाओं के लिए एक विस्तृत श्रृंखला के एकीकरण तरीकों की पेशकश करता है आप अपने प्रोजेक्ट के साथ एकीकृत करने के लिए इन कोड का इस्तेमाल कर सकते हैं जैसे आपको आवश्यकता हो
अपमान पहचान एपीआई एक संवेदनशील उपकरण है जिसे पाठ सामग्री में आपत्तिजनक भाषा और अपमानों की पहचान करने के लिए डिज़ाइन किया गया है
विषाक्तता पहचान अंत बिंदु एक JSON ऑब्जेक्ट लौटाता है जिसमें स्कोर होते हैं जो इनपुट पाठ में विभिन्न प्रकार के विषाक्त सामग्री की संभावना को दर्शाते हैं जैसे "विषाक्त" "अश्लील" "धमकी" "आपत्तिजनक" "कामोत्तेजक" और "स्पैम"
प्रतिक्रिया डेटा के मुख्य क्षेत्रों में "toxic" "indecent" "threat" "offensive" "erotic" और "spam" शामिल हैं प्रत्येक को 0 और 1 के बीच एक फ्लोटिंग-पॉइंट स्कोर के रूप में दर्शाया गया है जो कि उस प्रकार की सामग्री की संभावना को इंगित करता है
प्रतिक्रिया डेटा JSON प्रारूप में व्यवस्थित है जहां प्रत्येक कुंजी विषाक्तता के एक प्रकार के अनुसार है और संबंधित मान एक संख्यात्मक स्कोर है जो विश्लेषित पाठ में उस विषाक्तता की संभावना को दर्शाता है
जहरीलेपन पहचान अंत बिंदु के लिए मुख्य पैरामीटर इनपुट टेक्स्ट है जिसे अनुरोध के शरीर में प्रदान किया जाना चाहिए उपयोगकर्ता अपने विश्लेषण के लिए सबमिट किए जाने वाले टेक्स्ट सामग्री को बदलकर अपने अनुरोध को अनुकूलित कर सकते हैं
उपयोगकर्ता प्राप्त डेटा का उपयोग करके स्कोर की व्याख्या कर सकते हैं ताकि पाठ में विषाक्तता के स्तर का निर्धारण किया जा सके उदाहरण के लिए एक उच्च "विषाक्त" स्कोर समुचयन क्रियाओं को प्रेरित कर सकता है जबकि निम्न स्कोर स्वीकार्य सामग्री का संकेत दे सकते हैं
डिटेक्शन डेटा के लिए सामान्य उपयोग के मामले सोशल मीडिया पर टिप्पणियों को मध्यम करना चैट अनुप्रयोगों में संदेशों को फ़िल्टर करना और ऑनलाइन फोरम और शैक्षिक प्लेटफार्मों पर सम्मानजनक संचार सुनिश्चित करना शामिल हैं
डेटा की सटीकता एक बड़े लेबल किए गए डेटासेट का उपयोग करके मशीन लर्निंग मॉडल को प्रशिक्षित करने के माध्यम से बनाए रखी जाती है साथ ही यूजर फीडबैक और नए डेटा पैटर्न के आधार पर लगातार अपडेट और सुधार किए जाते हैं
गुणवत्ता जांचों में मानक डेटा सेट के खिलाफ मॉडल के प्रदर्शन का नियमित मूल्यांकन फॉल्स पॉजिटिव/नेगेटिव की निगरानी और उपयोगकर्ता फीडबैक तंत्र शामिल हैं ताकि समय के साथ पहचान क्षमताओं को सुधार सके
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
816ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
1,815ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
696ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
290ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
4,565ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
1,771ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
6,721ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
502ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
922ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
534ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
5,427ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
151ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
868ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
1,415ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
5,497ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
849ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
1,480ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
327ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
9,854ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
3,832ms