{
"Happy": 1.0,
"Angry": 0.0,
"Surprise": 0.0,
"Sad": 0.0,
"Fear": 0.0
}
curl --location --request POST 'https://zylalabs.com/api/10881/text+emotion+analysis+api/20585/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 भावना विश्लेषण 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 🎉)
अग्रणी कंपनियों का भरोसा
टेक्स्ट इमोशन एनालिसिस एपीआई आपको किसी भी पाठ में मौजूद भावनाओं की पहचान करने और मापने की अनुमति देती है। इसका लक्ष्य लिखित भाषा के पीछे के भावनात्मक स्वर को समझने में मदद करना है, जो मानव इंटरैक्शन को अनुकूलित करने, संचार में सुधार करने और सामग्री विश्लेषण को समृद्ध करने के लिए मूल्यवान जानकारी प्रदान करता है।
एक पाठ प्राप्त करने पर, एपीआई इसकी भाषाई सामग्री का विश्लेषण करती है और खुशी, गुस्सा, उदासी, आश्चर्य और डर जैसे मूलभूत भावनाओं का एक सेट लौटाती है, जिसमें प्रत्येक के साथ एक संख्या मान होता है जो इसकी तीव्रता या स्तर को दर्शाता है। ये मान 0 से 1 तक के स्कोर के रूप में व्यक्त किए जाते हैं, जिससे आप पाठ में प्रमुख भावना और अन्य के प्रकट होने की सीमा को सटीकता से निर्धारित कर सकते हैं।
यह सेवा विशेष रूप से भावनात्मक विश्लेषण, ग्राहक सेवा, मार्केटिंग, सामाजिक अनुसंधान, सोशल मीडिया निगरानी, चैटबॉट विकास और समीक्षा विश्लेषण के क्षेत्रों में अनुप्रयोगों के लिए उपयोगी है। कंपनियां इसका उपयोग अपने ग्राहकों की भावनात्मक स्थिति का आकलन करने, विज्ञापन अभियानों पर प्रतिक्रिया को मापने, या पाए गए स्वर के अनुसार स्वचालित संचार को समायोजित करने के लिए कर सकती हैं।
संक्षेप में, टेक्स्ट इमोशन एनालिसिस एपीआई पाठ को अर्थपूर्ण भावनात्मक जानकारी में बदलने के लिए एक शक्तिशाली और लचीला समाधान है। इसके साथ, डेवलपर्स और विश्लेषक शब्दों के पीछे भावनाओं को बेहतर ढंग से समझ सकते हैं और उपयोगकर्ताओं या दर्शकों की भावनात्मक स्थिति के आधार पर अधिक सूचित निर्णय ले सकते हैं।
भावनाओं की पहचान संबंधी कार्यक्षेत्र एक JSON ऑब्जेक्ट लौटाता है जिसमें पांच मूल भावनाओं के लिए स्कोर होते हैं: खुशी, गुस्सा, उदासी, आश्चर्य और डर प्रत्येक भावना को 0 से 1 के बीच एक संख्या के द्वारा दर्शाया गया है जो विश्लेषित पाठ में उसकी तीव्रता को दर्शाता है
प्रतिक्रिया डेटा के प्रमुख क्षेत्र "खुश," "गुस्सा," "उदास," "आश्चर्य," और "डर" हैं। प्रत्येक क्षेत्र एक भावना से संबंधित है और उसमें एक स्कोर होता है जो प्रदान किए गए पाठ में उस भावना की तीव्रता को दर्शाता है
प्रतिक्रिया डेटा को एक JSON ऑब्जेक्ट के रूप में व्यवस्थित किया गया है जिसमें भावना के लेबल कुंजी के रूप में हैं और उनके संबंधित तीव्रता स्कोर मान के रूप में हैं यह संरचना पाठ के भावनात्मक सामग्री के आसान पार्सिंग और व्याख्या की अनुमति देती है
विशिष्ट उपयोग के मामले में ग्राहक फीडबैक के लिए भावनात्मक विश्लेषण उपयोगकर्ता की भावनाओं के आधार पर चैटबोट इंटरैक्शन को बेहतर बनाना सोशल मीडिया की स्थिति की निगरानी करना और मार्केटिंग अभियानों या सामग्री के प्रति भावनात्मक प्रतिक्रिया का विश्लेषण करना शामिल हैं
उपयोगकर्ता इमोशन डिटेक्शन एंडपॉइंट को विभिन्न पाठ इनपुट प्रदान करके अपने डेटा अनुरोधों को अनुकूलित कर सकते हैं एपीआई विशिष्ट पाठ का विश्लेषण करता है जो प्रस्तुत किया गया है जिससे विभिन्न सामग्री के आधार पर अनुकूलित भावनात्मक अंतर्दृष्टि प्राप्त होती है
डेटा सटीकता उन्नत प्राकृतिक भाषा संसाधन 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 भाषा के उपयोग और भावनात्मक अभिव्यक्ति के अनुसार अनुकूल हो जाता है
मानक डेटा पैटर्न में पाठ के स्वर के आधार पर भावनाओं के लिए विभिन्न तीव्रता स्कोर शामिल होते हैं उदाहरण के लिए एक पाठ जो खुशी व्यक्त करता है वह उच्च खुशी स्कोर और अन्य भावनाओं के लिए निम्न स्कोर दे सकता है जबकि एक पाठ जिसमें संघर्ष हो सकता है वह उच्च गुस्सा और डर स्कोर दिखा सकता है
उपयोगकर्ता प्राप्त डेटा का उपयोग करके स्कोर की व्याख्या करके पाठ के भावनात्मक स्वर को आंक सकते हैं उदाहरण के लिए उच्च खुशी स्कोर सकारात्मक भावना को दर्शा सकता है जो ग्राहक सेवा या सामग्री निर्माण रणनीतियों में प्रतिक्रियाओं को मार्गदर्शित करता है