{"predictionLabel":"balanced","prediction":2,"probability":0.58762056,"score":[0.028662512,0.052958846,0.018296719,0.31246138,0.58762056],"probabilities":[{"classification":"offensive","score":0.028662512},{"classification":"hostile","score":0.052958846},{"classification":"sexual","score":0.018296719},{"classification":"nice","score":0.31246138},{"classification":"balanced","score":0.58762056}],"text":"dobrze jest"}
curl --location --request POST 'https://zylalabs.com/api/11591/text+moderation+and+hate+speech+recognition+api/21870/message+moderation' --header 'Authorization: Bearer YOUR_API_KEY'
--data-raw '{
"text": "dobrze jest"
}'
{"prediction":true,"probability":0.9730605,"score":3.5868523,"text":"To jest świetny produkt, bardzo polecam!"}
curl --location --request POST 'https://zylalabs.com/api/11591/text+moderation+and+hate+speech+recognition+api/21871/product+review+sentiment' --header 'Authorization: Bearer YOUR_API_KEY'
--data-raw '{
"text": "To jest świetny produkt, bardzo polecam!"
}'
{"prediction":false,"probability":0.00732994,"score":-4.908431,"text":"Nowoczesne wartości są ważne"}
curl --location --request POST 'https://zylalabs.com/api/11591/text+moderation+and+hate+speech+recognition+api/21872/hate+speech+recognition' --header 'Authorization: Bearer YOUR_API_KEY'
--data-raw '{
"text": "Nowoczesne wartości są ważne"
}'
注册后,每个开发者都会被分配一个个人 API 访问密钥,这是一个唯一的字母和数字组合,用于访问我们的 API 端点。要使用 文本审核和仇恨言论识别 API 进行身份验证,只需在 Authorization 标头中包含您的 bearer token。
| 标头 | 描述 |
|---|---|
授权
|
必需
应为 Bearer access_key. 订阅后,请查看上方的"您的 API 访问密钥"。
|
无长期承诺。随时升级、降级或取消。 免费试用包括最多 50 个请求。
(年度计费可节省 2 个月 🎉)
先进的机器学习驱动内容审核和情感分析
完整的内容审核解决方案,拥有3个由ML.NET模型驱动的专业端点。非常适合面向讲波兰语的用户的平台、论坛、电商评论和社交媒体应用。
✓ 本地波兰语支持
✓ 带概率评分的JSON响应
✓ 具有OpenAPI 3.1文档的RESTful API
✓ 快速响应时间(✓ 无数据存储 - 关注隐私)
每个端点返回JSON数据 “消息审核”端点提供消息意图的预测 “产品评论情感”端点返回情感分析结果 “仇恨言论识别”端点指示文本中仇恨言论的存在
关键字段包括“predictionLabel”和“probability”在“Moderação de Mensagens”响应中,“prediction”和“score”在“Sentimento da Revisão do Produto”中,以及“prediction”和“probability”在“Reconhecimento de Discurso de Ódio”中
响应数据以JSON格式结构化,每个端点返回与其功能相关的特定字段。例如 "Moderação de Mensagens" 包含一个详细分类分数的 "score" 数组,而 "Sentimento da Revisão do Produto" 提供一个布尔值 "prediction" 指示情感
每个端点接受一个包含要分析文本的JSON负载 例如 "产品评论情感分析" 接受产品评论 而 "消息审核" 接受用户消息 没有指定其他自定义参数
“消息调节”提供了用户消息意图的见解 “产品评审情感”评估产品评审情感 “仇恨言论识别”识别文本中的仇恨言论 每个端点关注文本调节的不同方面
用户可以利用“预测”和“概率”字段来衡量情感或意图 例如在“产品评论情感”中较高的概率分数表示强烈的积极情感,而“消息干预”分数则帮助识别用户互动的语气
数据准确性通过在多样化数据集上训练的机器学习模型得以保持 持续的模型评估和更新确保API能够适应不断变化的语言使用和上下文 从而增强预测的可靠性
典型的使用案例包括为电子商务筛选产品评论、审核社交媒体内容以及在社区论坛中识别仇恨言论 这些应用程序有助于维护积极的用户体验并确保遵守社区标准