{
"Happy": 1.0,
"Angry": 0.0,
"Surprise": 0.0,
"Sad": 0.0,
"Fear": 0.0
}
curl --location --request POST 'https://zylalabs.com/api/10879/emotion+extraction+from+text+api/20586/emotion+detection' --header 'Authorization: Bearer YOUR_API_KEY'
--data-raw 'I am very happy to use this API.'
साइन अप करने के बाद, प्रत्येक डेवलपर को एक पर्सनल API एक्सेस की असाइन की जाती है, जो अक्षरों और अंकों का एक यूनिक संयोजन होता है, जिसका उपयोग हमारे API एंडपॉइंट तक पहुंचने के लिए किया जाता है। प्रमाणीकरण के लिए पाठ से भावनाओं का निष्कर्षण API के साथ बस अपने बेयरर टोकन को Authorization हेडर में शामिल करें।
| 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।
(वार्षिक बिलिंग के साथ 2 महीने बचाएँ 🎉)
टेक्स्ट से इमोशन एक्सट्रैक्शन एपीआई आपको किसी भी टेक्स्ट में मौजूद भावनाओं की पहचान करने और उन्हें मापने की अनुमति देता है इसका लक्ष्य लिखित भाषा के पीछे की भावनात्मक टोन को समझने में मदद करना है मूल्यवान जानकारी प्रदान करना जिससे मानव इंटरएक्शन को बेहतर बनाया जा सके संचार में सुधार किया जा सके और कंटेंट विश्लेषण को समृद्ध किया जा सके
टेक्स्ट प्राप्त होने पर एपीआई इसकी भाषाई सामग्री का विश्लेषण करता है और खुशी गुस्सा sadness आश्चर्य और डर जैसी मूल भावनाओं का एक सेट लौटाता है प्रत्येक के साथ एक संख्यात्मक मान जो इसकी तीव्रता या उपस्थिति के स्तर को इंगित करता है ये मान 0 से 1 के स्कोर के रूप में व्यक्त किए जाते हैं जो आपको टेक्स्ट में प्रमुख भावना और अन्य की प्रकट होने की सीमा को सही ढंग से निर्धारित करने की अनुमति देते हैं
यह सेवा भावनात्मक विश्लेषण ग्राहक सेवा मार्केटिंग सामाजिक शोध सामाजिक मीडिया निगरानी चैटबोट विकास और समीक्षा विश्लेषण के क्षेत्रों में अनुप्रयोगों के लिए विशेष रूप से उपयोगी है कंपनियां इसका उपयोग अपने ग्राहकों की भावनात्मक स्थिति का आकलन करने विज्ञापन अभियानों पर प्रतिक्रिया को मापने या पहचाने गए टोन के अनुसार स्वचालित संचार को समायोजित करने के लिए कर सकती हैं
संक्षेप में टेक्स्ट से इमोशन एक्सट्रैक्शन एपीआई टेक्स्ट को अर्थपूर्ण भावनात्मक जानकारी में बदलने के लिए एक शक्तिशाली और लचीला समाधान है इसके साथ डेवलपर्स और विश्लेषक शब्दों के पीछे की भावनाओं को बेहतर तरीके से समझ सकते हैं और उपयोगकर्ताओं या दर्शकों की भावनात्मक स्थिति के आधार पर अधिक सूचित निर्णय ले सकते हैं
भावना पहचान सेवा एक JSON वस्तु लौटाती है जिसमें पाँच बुनियादी भावनाओं के स्कोर होते हैं: खुशी, गुस्सा, उदासी, आश्चर्य, और डर प्रत्येक भावना को 0 से 1 के बीच एक संख्यात्मक मान द्वारा दर्शाया गया है जो विश्लेषित पाठ में उसकी तीव्रता को बताता है
प्रतिक्रिया डेटा के प्रमुख क्षेत्र "खुश," "गुस्सा," "उदास," "आश्चर्य," और "डर" हैं प्रत्येक क्षेत्र एक भावना के अनुरूप है और उस भावना की तीव्रता को दर्शाने वाला एक स्कोर शामिल है जो दिए गए पाठ में मौजूद है
प्रतिक्रिया डेटा को एक JSON ऑब्जेक्ट के रूप में व्यवस्थित किया गया है जिसमें भावनाओं के लेबल कुंजी के रूप में और उनके संबंधित तीव्रता स्कोर मानों के रूप में हैं यह संरचना पाठ की भावनात्मक सामग्री के आसान पार्सिंग और व्याख्या की अनुमति देती है
विशिष्ट उपयोग के मामलों में ग्राहक फीडबैक के लिए भावना विश्लेषण उपयोगकर्ता भावनाओं के आधार पर चैटबॉट इंटरैक्शन को बेहतर बनाना सामाजिक मीडिया भावना की निगरानी करना और विपणन अभियानों या सामग्री के लिए भावनात्मक प्रतिक्रियाओं का विश्लेषण करना शामिल है
उपयोगकर्ता इमोशन डिटेक्शन एंडपॉइंट पर विभिन्न टेक्स्ट इनपुट प्रदान करके अपने डेटा अनुरोधों को कस्टमाइज़ कर सकते हैं एपीआई द्वारा प्रस्तुत विशिष्ट टेक्स्ट का विश्लेषण किया जाता है जिससे विभिन्न सामग्री के आधार पर अनुकूलित भावनात्मक अंतर्दृष्टि की अनुमति मिलती है
डेटा की सटीकता उन्नत प्राकृतिक भाषा प्रसंस्करण एल्गोरिदम के माध्यम से बनाए रखी जाती है जो भाषाई पैटर्न और संदर्भ का विश्लेषण करते हैं मॉडल में निरंतर अपडेट और सुधार यह सुनिश्चित करते हैं कि यह विकसित होती हुई भाषा के उपयोग और भावनात्मक अभिव्यक्ति के अनुसार अनुकूलित होता है
मानक डेटा पैटर्न में भावनाओं के लिए विभिन्न तीव्रता स्कोर शामिल होते हैं जो पाठ के स्वर पर आधारित होते हैं उदाहरण के लिए एक पाठ जो खुशी व्यक्त करता है वह उच्च खुशी स्कोर और अन्य भावनाओं के लिए कम स्कोर उत्पन्न कर सकता है जबकि एक पाठ जिसमें संघर्ष होता है वह अधिक क्रोध और डर के स्कोर दिखा सकता है
उपयोगकर्ता वापस किए गए डेटा का उपयोग करके स्कोरों की व्याख्या करके पाठ के भावनात्मक स्वर को समझ सकते हैं उदाहरण के लिए एक उच्च खुशी स्कोर सकारात्मक भावना का संकेत दे सकता है जो ग्राहक सेवा या सामग्री निर्माण रणनीतियों में प्रतिक्रियाओं का मार्गदर्शन करता है