एपीआई के बारे में:
टेक्स्ट क्लासिफिकेशन एपीआई असंरचित टेक्स्ट डेटा को पूर्व-निर्धारित श्रेणियों में व्यवस्थित करने के लिए एक शक्तिशाली उपकरण है। एपीआई टेक्स्ट डेटा का विश्लेषण और वर्गीकृत करने के लिए उन्नत मशीन लर्निंग एल्गोरिदम का उपयोग करता है, जिससे इसे समझना और प्रबंधित करना आसान हो जाता है। यह समाचार वेबसाइटों, सामग्री प्रबंधन प्रणालियों और ग्राहक सेवा प्लेटफार्मों जैसे असंरचित टेक्स्ट डेटा के बड़े मात्रा में काम करने वाले अनुप्रयोगों के लिए विशेष रूप से सहायक है।
टेक्स्ट क्लासिफिकेशन एपीआई का एक प्रमुख लाभ यह है कि यह स्वचालित रूप से टेक्स्ट डेटा को पूर्व-निर्धारित श्रेणियों में वर्गीकृत करने की क्षमता रखता है। यह टेक्स्ट डेटा को संरचना और व्यवस्थित करने में मदद करता है, जिससे इसे खोजने, फ़िल्टर करने और विश्लेषण करने में आसानी होती है। एपीआई को टेक्स्ट डेटा को "खेल" या "राजनीति" जैसे सरल विषयों से लेकर "वित्त" या "प्रौद्योगिकी" जैसे अधिक जटिल श्रेणियों तक वर्गीकृत करने के लिए उपयोग किया जा सकता है।
टेक्स्ट क्लासिफिकेशन एपीआई का एक और लाभ यह है कि यह वास्तविक समय में बड़े मात्रा में टेक्स्ट डेटा को संभालने की क्षमता रखता है। एपीआई एक साथ कई टेक्स्ट डेटा के टुकड़ों को संसाधित कर सकता है, जिससे बड़े मात्रा में टेक्स्ट डेटा को जल्दी और कुशलता से वर्गीकृत और प्रबंधित करना संभव हो जाता है। यह समाचार वेबसाइटों या ग्राहक सेवा प्लेटफार्मों जैसे बड़े मात्रा के टेक्स्ट डेटा के त्वरित प्रसंस्करण की आवश्यकता वाले अनुप्रयोगों के लिए विशेष रूप से सहायक हो सकता है।
अंत में, टेक्स्ट क्लासिफिकेशन एपीआई असंरचित टेक्स्ट डेटा को व्यवस्थित और प्रबंधित करने के लिए एक मूल्यवान उपकरण है। टेक्स्ट डेटा को पूर्व-निर्धारित श्रेणियों में वर्गीकृत करने, वास्तविक समय में बड़े मात्रा में टेक्स्ट डेटा को संभालने, और उन्नत मशीन लर्निंग एल्गोरिदम का उपयोग करने की इसकी क्षमता के साथ, यह कई प्रकार के अनुप्रयोगों के लिए एक आदर्श समाधान है।
उस टेक्स्ट को पास करें जिसे आप वर्गीकृत करना चाहते हैं।
भावात्मक विश्लेषण - टेक्स्ट संदेश, ट्वीट, या उत्पाद समीक्षा के भावनात्मक स्वर का निर्धारण करें।
स्पैम डिटेक्शन - आने वाले ईमेल संदेशों को स्पैम या नॉन-स्पैम के रूप में वर्गीकृत करें।
समाचार वर्गीकरण - समाचार लेखों को खेल, राजनीति, या मनोरंजन जैसे श्रेणियों में व्यवस्थित करें।
विषय वर्गीकरण - दस्तावेजों, ब्लॉग पोस्ट, या समाचार लेखों को विशिष्ट विषयों या विषयों में वर्गीकृत करें।
भाषा पहचान - दिए गए टेक्स्ट की भाषा का स्वचालित रूप से पता लगाएं।
इरादा वर्गीकरण - ग्राहक सेवा चैटबॉट या वर्चुअल सहायक बातचीत में उपयोगकर्ता के इरादे का निर्धारण करें।
प्रति माह एपीआई कॉल सीमाओं के अलावा, कोई अन्य सीमा नहीं है।
{"keywords":["hello","world"],"categories":["World Globes"],"keywords_scored":{"hello":1,"world":1},"categories_scored":{"World Globes":0.05883232666666667},"taxonomy_set":"product_categories","version":"7.5.7","author":"Zylalabs","email":"[email protected]","result_code":"200","result_msg":"Success"}
curl --location --request POST 'https://zylalabs.com/api/1215/text+classification+api/1055/categorize?text=hello world' --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।
कैटेगराइज एंडपॉइंट संरचित डेटा लौटाता है जिसमें पहचाने गए कीवर्ड्स श्रेणीबद्ध परिणाम और उनके संबंधित स्कोर शामिल हैं प्रतिक्रिया यह बताती है कि पाठ पूर्व परिभाषित श्रेणियों में कितनी अच्छी तरह समाहित होता है
प्रतिक्रिया में प्रमुख क्षेत्रों में "कीवर्ड" (पहचाने गए शब्द) "श्रेणियाँ" (पूर्वानुमानित वर्गीकरण) "कीवर्ड_स्कोर" (प्रत्येक कीवर्ड के लिए स्कोर) और "श्रेणियाँ_स्कोर" (प्रत्येक श्रेणी के लिए विश्वास स्कोर) शामिल हैं
प्रतिक्रिया डेटा JSON प्रारूप में व्यवस्थित है जिसमें कीवर्ड और श्रेणियों के लिए आरोही शामिल हैं साथ ही स्कोर किए गए कीवर्ड और श्रेणियों के लिए वस्तुएं हैं जिससे आसानी से पार्सिंग और विश्लेषण संभव होता है
श्रेणीबद्ध करने वाले एन्डपॉइंट के लिए मुख्य मानक वह पाठ इनपुट है जिसे श्रेणीबद्ध करने की आवश्यकता है उपयोगकर्ता अपने विश्लेषण के लिए विभिन्न पाठ नमूने प्रदान करके अपनी अनुरोधों को अनुकूलित कर सकते हैं
उपयोगकर्ता लौटाए गए कीवर्ड और श्रेणियों का लाभ उठाकर खोज कार्यक्षमता को बढ़ा सकते हैं सामग्री संगठन में सुधार कर सकते हैं और पाठ से श्रेणीबद्ध अंतर्दृष्टियों के आधार पर उपयोगकर्ता अनुभव को अनुकूलित कर सकते हैं
नियमित उपयोग के मामले में समाचार लेखों को व्यवस्थित करना समर्थन प्रणाली में ग्राहक पूछताछ को वर्गीकृत करना और प्लेटफार्मों पर सामग्री खोज को बढ़ाना शामिल है जैसे कि ब्लॉग पोस्ट या उत्पाद वर्णन को श्रेणीबद्ध करना
डेटा की सटीकता को निरंतर प्रशिक्षण के माध्यम से बनाए रखा जाता है जिससे अंतर्निहित मशीन लर्निंग मॉडलों को विविध डेटासेट के साथ अपडेट किया जाता है ताकि वर्गीकरण प्रदर्शन और प्रासंगिकता में सुधार किया जा सके
गुणवत्ता जांचों में ज्ञात डेटा सेट्स के खिलाफ मॉडल के परिणामों का प्रमाणीकरण नियमित प्रदर्शन आकलन और उपयोगकर्ता प्रतिक्रिया तंत्र शामिल हैं ताकि समय के साथ वर्गीकरण सटीकता को सुधार सकें
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
144ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
1,415ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
13,319ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
147ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
138ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
6,275ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
424ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
847ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
816ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
1,132ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
533ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
385ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
670ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
2,815ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
656ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
131ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
205ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
462ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
5,157ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
151ms