टेक्स्ट इमोशन एक्सट्रैक्शन एपीआई एक उन्नत टेक्स्ट विश्लेषण समाधान है जो आपको किसी भी लिखित सामग्री के भावनात्मक स्वर को पहचानने की अनुमति देता है यह उपकरण टेक्स्ट इनपुट को संसाधित करता है और एक विस्तृत विश्लेषण लौटाता है जिसमें समग्र भावना वर्गीकरण (सकारात्मक नकारात्मक या तटस्थ) शामिल होता है साथ ही एक विश्वास स्कोर और प्रत्येक श्रेणी का प्रतिशत टूटना भी होता है
एपीआई प्रतिक्रिया में एक भावना क्षेत्र शामिल होता है जो प्रमुख भावना को इंगित करता है साथ ही एक स्कोर और विश्वास स्तर होता है जो दर्शाता है कि टेक्स्ट की भावनात्मक प्रवृत्ति कितनी स्पष्ट है इसके अलावा टूटने वाला भाग सकारात्मकता नकारात्मकता और तटस्थता के प्रतिशत को विभाजित करता है जिससे आप मिली-जुली या अस्पष्ट पाठ में भी भावनात्मक बारीकियों को समझ सकते हैं
एक और उल्लेखनीय विशेषता भावनात्मक कीवर्ड का निष्कर्षण है जो पहचाना जाता है कि वह प्रकट स्वर के लिए जिम्मेदार हैं जो सामग्री को अनुकूलित करने विज्ञापन अभियानों को समायोजित करने या ऑनलाइन प्रतिष्ठा को ट्रैक करने में सहायक होता है विश्लेषण में मूल भावनाओं (खुशी दुख भय आश्चर्य घृणा और गुस्सा) का एक घटक भी शामिल होता है जो गणनात्मक मनोविज्ञान कार्य ग्राहक निगरानी या वास्तविक समय की बातचीत विश्लेषण के लिए आदर्श है
इसके अलावा टेक्स्ट की व्यक्तिवाद की गणना की जाती है यह इंगित करता है कि क्या यह एक राय है या एक वस्तुनिष्ठ बिफलना यह मीडिया विश्लेषण उत्पाद मूल्यांकन या ओपन सर्वेक्षण विश्लेषण जैसे संदर्भों में उपयोगी है
एक तेज और सटीक प्रतिक्रिया के साथ (कम प्रसंस्करण समय) यह एपीआई ग्राहक सेवा मार्केटिंग मानव संसाधन सामाजिक प्लेटफार्मों आभासी सहायक और कई अन्य स्थानों में आसानी से एकीकृत करने के लिए डिज़ाइन किया गया है इसका लचीला डिज़ाइन और बहु-भाषा समर्थन इसे वेब और मोबाइल अनुप्रयोगों दोनों में लागू करने की अनुमति देता है
संक्षेप में टेक्स्ट इमोशन एक्सट्रैक्शन एपीआई भाषा की भावनात्मक सामग्री में गहरी अंतर्दृष्टि प्रदान करता है जो व्यवसायों और डेवलपर्स को मानवीय इंटरैक्शन को बेहतर समझने उपयोगकर्ता अनुभव को बेहतर बनाने और सटीक भावनात्मक डेटा के आधार पर निर्णय लेने में मदद करता है
{"success":true,"data":{"sentiment":"neutral","confidence":0.01,"score":0,"breakdown":{"positive":0,"negative":0,"neutral":1},"wordCount":2,"sentimentWords":{"positive":[],"negative":[]},"emotions":{"joy":0,"anger":0,"fear":0,"sadness":0,"surprise":0,"disgust":0},"subjectivity":0},"timestamp":"2025-07-28T16:55:29.762Z","processingTime":4}
curl --location --request POST 'https://zylalabs.com/api/9159/text+emotion+extraction+api/16567/sentiment+analyzer' --header 'Authorization: Bearer YOUR_API_KEY'
--data-raw '{
"text": "Hello world",
"language": "en"
}'
| 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।
सेंटिमेंट एनालाइज़र एंडपॉइंट इनपुट टेक्स्ट का विस्तृत विश्लेषण लौटाता है जिसमें कुल सेंटिमेंट वर्गीकरण (सकारात्मक नकारात्मक तटस्थ) एक आत्मविश्वास स्कोर सेंटिमेंट श्रेणियों का प्रतिशत विश्लेषण भावनात्मक कीवर्ड मूल भावनाएँ और व्यक्तिपरकता शामिल हैं
प्रतिक्रिया में मुख्य क्षेत्र "भावना" (प्रमुख भावना), "विश्वास" (वर्गीकरण की निश्चितता), "विभाजन" (सकारात्मकता, नकारात्मकता, तटस्थता का प्रतिशत), "कीवर्ड" (भावात्मक कीवर्ड), "भावनाएँ" (पाई गई मूल भावनाएँ), और "विषयता" (राय बनाम वस्तुनिष्ठता) शामिल हैं
प्रतिक्रिया डेटा एक JSON प्रारूप में संरचित है, जिसमें संवेदनशीलता विश्लेषण परिणामों के लिए शीर्ष-स्तरीय फ़ील्ड हैं। प्रत्येक फ़ील्ड विशिष्ट अंतर्दृष्टियाँ प्रदान करता है, जैसे कि संवेदनशीलता वर्गीकरण, आत्मविश्वास स्तर, और विस्तृत विश्लेषण, जिससे इसे प्रोग्रामेटिक रूप से पार्स और उपयोग करना आसान हो जाता है
Sentiment Analyzer अंत बिंदु के लिए प्राथमिक पैरामीटर "text" है जो विश्लेषण के लिए आवश्यक इनपुट स्ट्रिंग है उपयोगकर्ता अपने अनुरोधों को कस्टमाइज़ कर सकते हैं विभिन्न पाठ इनपुट प्रदान करके अनुकूलित भावनात्मक विश्लेषण परिणाम प्राप्त करने के लिए
विशिष्ट उपयोग के मामलों में ग्राहक फीडबैक की निगरानी करना विपणन सामग्री का अनुकूलन करना सामाजिक मीडिया इंटरैक्शन का विश्लेषण करना सर्वेक्षणों में भावनात्मक विश्लेषण करना और चैटबॉट या वर्चुअल असिस्टेंट में उपयोगकर्ता अनुभव को बढ़ाना शामिल हैं
डेटा की सटीकता उन्नत प्राकृतिक भाषा प्रसंस्करण एल्गोरिदम के माध्यम से बनाए रखी जाती है जो विविध पाठ नमूनों से लगातार सीखते हैं नियमित अपडेट और गुणवत्ता जांच यह सुनिश्चित करती हैं कि मॉडल भाषा के बारीकियों और विकसित होने वाले भावनाओं के प्रति अनुकूल हो
उपयोगकर्ता प्राप्त किए गए डेटा का उपयोग ग्राहक भावना में रुझान पहचानने के लिए कर सकते हैं भावनात्मक अंतर्दृष्टियों के आधार पर विपणन रणनीतियों को अनुकूलित करने के लिए और पाठ में दर्शाए गए उपयोगकर्ता राय और भावनाओं को समझकर उत्पाद विकास को बेहतर बनाने के लिए
यदि इनपुट पाठ बहुत छोटा या अस्पष्ट है तो एपीआई कम विश्वास स्कोर या अधूरे विश्लेषण लौटा सकता है उपयोगकर्ताओं को सुनिश्चित करना चाहिए कि पाठ पर्याप्त रूप से वर्णनात्मक हो और ऐसे मामलों को संभालने के लिए बैकअप तंत्र लागू करने पर विचार करना चाहिए
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
268ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
1,469ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
8,434ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
839ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
343ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
19,082ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
581ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
16ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
848ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
1,041ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
485ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
1,371ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
876ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
307ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
363ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
1,704ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
1,861ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
0ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
358ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
986ms