{
"error": false,
"sentiment": {
"kind": "negative",
"confidence": 1
},
"tone": {
"kind": "professional",
"confidence": 0.33
},
"insult": 0.02,
"violence": 0.01,
"sexuality": 0.06,
"substance_abuse": 0.1,
"hate_speech": 0.03,
"profanity": 0.05,
"political_content": 0.04,
"medical_content": 0.04,
"advertisement": 0.08,
"educational_content": 0.05,
"entertainment": 0.19,
"humor": 0.04,
"sarcasm_and_irony": 0.05,
"clickbait": 0.04,
"spoilers": 0.13,
"misinformation": 0.1,
"copyright_infringement": 0.09,
"urgency_and_scams": 0.15,
"toxicity": 0.09,
"userLabels": {
"isTechSupportRequest": 0.09,
"isBillingSupportRequest": 0.94,
"isRefundRequest": 0.99,
"mentionsCompetitor": 0.01
}
}
curl --location --request POST 'https://zylalabs.com/api/13862/textinsights+-+custom+text+classification+api/31878/analyze' --header 'Authorization: Bearer YOUR_API_KEY'
--data-raw '{
"text": "Hello, i would like to request a refund",
"includeDefaultPreset": true,
"userLabels": {
"isTechSupportRequest": "Is this a technical support request?",
"isBillingSupportRequest": "Is this a billing support request?",
"isRefundRequest": "Is the user requesting a refund?",
"mentionsCompetitor": "Does the text mention a competing company?"
}
}'
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 文本洞察 - 自定义文本分类 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 🎉)
使用自定义标签进行分类,以识别像isTechSupportRequest、isAdvertisement、isCatMentioned或isHateSpeech等类别,以及您想要的任何内容
分析端点返回一个包含有关输入文本见解的JSON对象 这包括默认见解如情感 音调和各种内容信号以及用户定义的标签以指示与您的应用程序相关的特定类别
响应中的关键字段包括“错误”(指示成功或失败)、“情感”(带有善意和信心)、“语气”(带有善意和信心)以及“用户标签”(显示用户定义的自定义标签的置信度分数)
响应数据的结构为JSON对象包括一个顶层的“error”字段,后面是嵌套的“sentiment”和“tone”对象,以及一个“userLabels”对象,其中列出了自定义标签及其对应的置信分数
分析端点接受一个文本参数,该参数包含待分析的文本。此外,用户可以通过在请求中指定标签名称和描述来自定义标签,以便根据自己的需要调整分析。
分析端点提供有关情感、语气以及各种内容信号的见解,例如仇恨言论、粗俗语言和用户定义的类别。这使得对文本的上下文和含义有全面的理解
用户可以利用返回的数据来识别趋势 监控内容的合规性 或通过基于自定义标签对文本进行分类来增强用户体验 例如 企业可以利用提供的洞察信息过滤支持请求或检测有害内容
典型的使用案例包括客户支持自动化 内容审核 营销情感分析以及对用户生成内容的分类 企业可以根据特定需求定制API 例如识别退款请求或检测广告
数据准确性通过对基础算法的持续更新和改进得以保持 该API利用机器学习技术确保提供的见解相关且可靠 适应新的语言模式和趋势