{"negative":[],"positive":[],"score":0,"scored_words":0,"verdict":"neutral","words":2}
curl --location --request POST 'https://pr213-testing.zylalabs.com/api/3194/mood+gauge+api/3414/sentiment+analysis' --header 'Authorization: Bearer YOUR_API_KEY'
--data-raw '{
"text": "Hello world"
}'
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 मूड गेज 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।
(वार्षिक बिलिंग के साथ 2 महीने बचाएँ 🎉)
अग्रणी कंपनियों का भरोसा
Mood Gauge API एक उन्नत प्राकृतिक भाषा प्रसंस्करण (NLP) उपकरण है जिसे पाठ सामग्री में निहित भावनात्मक स्वर को पहचानने और मूल्यांकन करने के लिए डिज़ाइन किया गया है। उन्नत भाषाई एल्गोरिदम और मशीन लर्निंग तकनीकों का उपयोग करते हुए, यह तकनीक लिखित संचार में व्यक्त भावनाओं, मनोदशाओं और दृष्टिकोणों को स्वचालित रूप से निकालने की अनुमति देती है। Mood Gauge API का मुख्य लक्ष्य पाठ के विषयगत पहलुओं के बारे में मूल्यवान जानकारी प्रदान करना है, जो लेखक द्वारा व्यक्त की गई भावनाओं की सूक्ष्म समझ प्रदान करता है।
असल में, Mood Gauge API पाठ के संदर्भात्मक संकेतों, भाषाई पैटर्नों और अर्थसूचनात्मक संरचनाओं का विश्लेषण करके काम करता है। यह पाठ में भावनाओं को पहचानने और वर्गीकृत करने के लिए विस्तृत डेटा सेट पर प्रशिक्षित होता है। यह प्रणाली नियम-आधारित एल्गोरिदम और मशीन लर्निंग मॉडलों के संयोजन का लाभ उठाती है, जो मानव भाषा की जटिलताओं को सटीकता से व्याख्या करने के लिए तैयार की गई हैं।
भावना वर्गीकरण चरण वह जगह है जहां Mood Gauge API का दिल वास करता है। एक प्रशिक्षित मॉडल का उपयोग करते हुए, प्रणाली इनपुट पाठ का मूल्यांकन करती है और प्रशिक्षण डेटा से सीखे गए पैटर्न के आधार पर भावना लेबल निर्दिष्ट करती है। यह वर्गीकरण सकारात्मक भावनाओं से लेकर नकारात्मक भावनाओं तक भिन्न हो सकता है, जो संतोष या असंतोष को दर्शाती हैं। तटस्थ भावनाओं को भी पहचाना जाता है जहां पाठ में स्पष्ट भावनात्मक स्वर की कमी होती है।
Mood Gauge API की एक ताकत यह है कि यह विभिन्न क्षेत्रों और उद्योगों में अनुकूलता दिखाती है। चाहे इसे सोशल मीडिया मॉनिटरिंग, ग्राहक भावना विश्लेषण, ब्रांड प्रतिष्ठा प्रबंधन या बाजार अनुसंधान में लागू किया जाए, Mood Gauge API मूल्यवान जानकारी प्रदान करती है जो निर्णय निर्माताओं को विकसित हो रहे रुझानों और भावनाओं पर प्रभावी रूप से प्रतिक्रिया करने में सक्षम बनाती है। जन भावना को मापकर और उभरते पैटर्नों की पहचान करते हुए, कंपनियां अपनी रणनीतियों को सुधार सकते हैं, ग्राहक संतोष में सुधार कर सकते हैं और समस्याओं का पूर्व-निवेदन कर सकते हैं।
संक्षेप में, Mood Gauge API प्राकृतिक भाषा प्रसंस्करण के क्षेत्र में एक मौलिक प्रगति का प्रतिनिधित्व करती है, क्योंकि यह पाठ सामग्री से भावना के स्वचालित निष्कर्षण को सक्षम करती है। विभिन्न उद्योगों में आवेदन के साथ, यह तकनीक निर्णय लेने की प्रक्रियाओं को सुधारने, दर्शकों की भावना को समझने और मानव संचार के विशाल परिदृश्य में मूल्यवान जानकारी प्रकट करने में महत्वपूर्ण भूमिका निभाती है।
यह पैरामीटर प्राप्त करेगा और आपको JSON प्रदान करेगा।
सोशल मीडिया मॉनिटरिंग: ब्रांड, उत्पाद या विषय के प्रति जन भावना का मापने के लिए उपयोगकर्ताओं की टिप्पणियों, ट्वीट्स और पोस्टों का विश्लेषण करना।
ग्राहक फीडबैक विश्लेषण: ग्राहक समीक्षा और फीडबैक का मूल्यांकन करना ताकि संतोष के स्तर को समझा जा सके और सुधार के क्षेत्रों की पहचान की जा सके।
ब्रांड प्रतिष्ठा प्रबंधन: ब्रांड या कंपनी की प्रतिष्ठा को प्रबंधित और बढ़ाने के लिए ऑनलाइन उल्लेखों और समीक्षाओं पर नज़र रखना।
बाजार अनुसंधान: उपभोक्ता प्राथमिकताओं, उभरते रुझानों और प्रतिस्पर्धियों की ताकत और कमजोरियों को समझने के लिए बाजार भावना का आकलन करना।
उत्पाद लॉन्च मूल्यांकन: उत्पाद लॉन्च से पहले, दौरान और बाद में भावना का विश्लेषण करना ताकि प्रतिक्रिया को मापा जा सके और रणनीतिक समायोजन किए जा सकें।
महीने में API कॉलों की संख्या के अलावा, कोई अन्य सीमाएँ नहीं हैं।
इस एपीआई का उपयोग करने के लिए उपयोगकर्ताओं को भावना विश्लेषण प्राप्त करने के लिए एक पाठ दर्ज करना होगा
मूड गेज एपीआई एक विशेष सेवा है जो उन्नत प्राकृतिक भाषा प्रसंस्करण (एनएलपी) एल्गोरिदम का उपयोग करके पाठ सामग्री में व्यक्त भावनात्मक स्वर या मूड का मूल्यांकन और वर्गीकरण करती है यह लिखित संचार में संवेदनाओं और भावनाओं को मापन करने का एक प्रणालीबद्ध तरीका प्रदान करती है
Zyla लगभग सभी प्रोग्रामिंग भाषाओं के लिए एक विस्तृत श्रृंखला के एकीकरण विधियों प्रदान करता है आप इन कोड्स का उपयोग अपनी परियोजना के साथ एकीकृत करने के लिए कर सकते हैं जैसे आपको आवश्यकता है
अलग-अलग योजनाएँ हैं जो सभी के लिए उपयुक्त हैं जिसमें समाप्त अनुरोधों के लिए एक मुफ्त ट्रायल शामिल है लेकिन इसकी दर का सीमा है ताकि सेवा के दुरुपयोग को रोका जा सके
मूड गेज एपीआई एक जेसन वस्तु लौटाता है जिसमें भावनात्मक विश्लेषण के परिणाम शामिल होते हैं जिसमें भावनाओं का वर्गीकरण (सकारात्मक, नकारात्मक, तटस्थ) एक भावनात्मक स्कोर और विश्लेषित शब्दों के बारे में विवरण शामिल होता है
प्रतिक्रिया में मुख्य क्षेत्रों में "नकारात्मक" और "सकारात्मक" वर्गीकरण के लिए पहचान की गई भावनाएँ शामिल हैं "स्कोर" जो समग्र भावना की ताकत को दर्शाता है "निर्णय" भावना वर्गीकरण के लिए और "शब्द" विश्लेषण किए गए शब्दों की संख्या को दिखाते हैं
मूड गेज एपीआई के लिए प्राथमिक पैरामीटर "टेक्स्ट" इनपुट है जिसमें वह पाठ्य सामग्री होनी चाहिए जिसे आप भावना के लिए विश्लेषित करना चाहते हैं
प्रतिक्रिया डेटा एक JSON ऑब्जेक्ट के रूप में संरचित है जिसमें सकारात्मक और नकारात्मक भावनाओं के लिए ऐरे, एक संख्यात्मक स्कोर, एक निर्णय जो समग्र भावना को इंगित करता है, और विश्लेषित शब्दों की संख्या होती है जिससे इसे समझना आसान होता है
विशिष्ट उपयोग के मामलों में ब्रांड भावनाओं के लिए सोशल मीडिया टिप्पणियों का विश्लेषण करना ग्राहक प्रतिक्रिया का मूल्यांकन करना सेवा सुधार के लिए और रणनीतिक निर्णय लेने के लिए बाजार के रुझानों की निगरानी करना शामिल है
डेटा की सटीकता को विविध डेटा सेट्स पर व्यापक प्रशिक्षण के माध्यम से बनाए रखा जाता है उन्नत एनएलपी एल्गोरिदम और मशीन लर्निंग तकनीकों का उपयोग करके विश्वसनीय भावनात्मक वर्गीकरण सुनिश्चित किया जाता है
प्रतिक्रिया में "नकारात्मक" और "सकारात्मक" Arrays उन शब्दों की सूची देते हैं जो प्रत्येक भावना से जुड़े होते हैं "स्कोर" भावना की ताकत को मापता है "निर्णय" संपूर्ण भावना का सारांश देता है और "शब्द" संसाधित कुल शब्दों की संख्या को इंगित करता है
उपयोगकर्ता प्राप्त डेटा का उपयोग सार्वजनिक भावना को समझने ट्रेंड्स की पहचान करने और अपने पाठ इनपुट में भावना स्कोर और विशेष शब्दों के संबंधों का विश्लेषण करके सूचित निर्णय लेने के लिए कर सकते हैं