Çok az çabayla müşterilerinizin ürününüz hakkında gerçek zamanlı olarak nasıl hissettiğini anlıyor musunuz? Kulağa sihir gibi geliyor ama OpenAI'nin API'si bunu gerçeğe dönüştürebilir.

Dijital ortamda, eyleme dönüştürülebilir verilere, özellikle de müşterilerinize ilişkin belirli içgörülere erişim elde etmek, sizi rekabette oldukça öne geçirebilir.

Duyarlılık analizi, güvenilir sonuçlar ürettiği için popüler bir strateji haline geldi. İnsanların ürününüzle ilgili görüşlerini ve algılarını programlı olarak belirlemek için kullanabilirsiniz. Önemli iş kararları vermek için kullanabileceğiniz diğer önemli veri noktalarını keşfedebilirsiniz.

OpenAI'nin API'leri gibi araçlarla, müşterileriniz hakkında ayrıntılı ve eyleme dönüştürülebilir içgörüleri analiz edebilir ve oluşturabilirsiniz. Kullanıcı girdilerini analiz etmek için gelişmiş tweet sınıflandırıcı API'sini nasıl entegre edeceğinizi öğrenmek için okumaya devam edin.

GPT'ye Giriş

OpenAI'nin Üretken Önceden Eğitilmiş Dönüştürücüsü (GPT-3), büyük miktarda metin verisi üzerinde eğitilmiş büyük bir dil modelidir ve kendisine beslenen herhangi bir sorguya hızlı bir şekilde yanıt üretme yeteneği verir. kullanır

instagram viewer
doğal dil işleme sorguları anlamak ve işlemek için teknikler — kullanıcıların istemleri.

GPT-3, kullanıcı istemlerini işleme ve konuşma biçiminde yanıt verme yeteneği nedeniyle popülerlik kazanmıştır.

Bu model, müşterilerin ürünlere, markanıza ve diğer önemli metriklere yönelik duyarlılığını doğru bir şekilde değerlendirmek ve belirlemek için kullanabileceğiniz için duyarlılık analizinde özellikle önemlidir.

GPT Kullanarak Duyarlılık Analizine Dalın

Duygu analizi, cümleler ve paragraflar gibi metinsel verilerde ifade edilen duygunun tanımlanmasını ve kategorize edilmesini içeren doğal bir dil işleme görevidir.

GPT, duyguları analiz etmeyi mümkün kılan sıralı verileri işleyebilir. Tüm analiz süreci, modelin pozitif, negatif veya nötr olarak kategorize edilmiş büyük etiketli metin verileri veri kümeleriyle eğitilmesini içerir.

Ardından, yeni metin verilerinin duyarlılığını belirlemek için eğitilmiş bir model kullanabilirsiniz. Temel olarak model, metnin kalıplarını ve yapılarını analiz ederek duyguları tanımlamayı öğrenir. Daha sonra kategorize eder ve bir yanıt üretir.

Ayrıca GPT, sosyal medya veya müşteri geri bildirimi gibi niş alanlardan gelen verileri değerlendirmek için ince ayar yapılabilir. Bu, modeli söz konusu alana özgü duygu ifadeleriyle eğiterek belirli bağlamlarda doğruluğunu artırmaya yardımcı olur.

Entegre OpenAI Gelişmiş Tweet Sınıflandırıcı

Bu API, olumlu, olumsuz veya nötr duygulara sahip olup olmadıklarını belirlemek için mesajlar veya tweetler gibi metin verilerini analiz etmek için doğal dil işleme tekniklerini kullanır.

Örneğin, bir metnin olumlu bir tonu varsa API bunu "olumlu" olarak sınıflandırır, aksi takdirde "negatif" veya "nötr" olarak etiketlenir.

Ayrıca, kategorileri özelleştirebilir ve duyguyu açıklamak için daha spesifik kelimeler kullanabilirsiniz. Örneğin, belirli metin verilerini "olumlu" olarak etiketlemek yerine, "mutlu" gibi daha açıklayıcı bir kategori seçebilirsiniz.

Gelişmiş Tweet Sınıflandırıcıyı Yapılandırma

Başlamak için şuraya gidin: OpenAI Geliştirici Konsoluve bir hesap için kaydolun. React uygulamanızdan gelişmiş tweet sınıflandırıcı API ile etkileşime geçmek için API anahtarınıza ihtiyacınız olacak.

Genel bakış sayfasında, Profil sağ üstteki düğmeyi seçin ve API anahtarlarını görüntüle.

Sonra üzerine tıklayın Yeni gizli anahtar oluştur uygulamanız için yeni bir API anahtarı oluşturmak için. Bir sonraki adımda kullanmak üzere anahtarın bir kopyasını aldığınızdan emin olun.

Bir React İstemcisi Oluşturun

Hızlıca React projenizi önyükleyin yerel olarak. Ardından, proje klasörünüzün kök dizininde bir tane oluşturun. .env API gizli anahtarınızı tutmak için dosya.

REACT_APP_OPEN_AI_API_KEY="API anahtarınız"

Bu projenin kodunu burada bulabilirsiniz. GitHub deposu.

App.js Bileşenini Yapılandırma

Aç kaynak/Uygulama.js dosya, standart React kodunu silin ve aşağıdakiyle değiştirin:

  1. Aşağıdaki içe aktarmaları yapın:
    içe aktarmak'./Uygulama.css';
    içe aktarmak Tepki ver, {useState} itibaren'tepki';
  2. Analizden sonra bir kullanıcının mesajını ve duyarlılığını tutmak için işlevsel Uygulama bileşenini ve durum değişkenlerini tanımlayın.
    işlevUygulama() {
    sabit [mesaj, setMessage] = useState("");
    sabit [duyarlılık, setSentiment] = useState("");
  3. Gelişmiş Tweet'e eşzamansız POST HTTP istekleri yapacak bir işleyici işlevi oluşturun Analiz etmek için kullanıcının mesajı ve istek gövdesindeki API anahtarı boyunca geçen sınıflandırıcı duygular.
  4. İşlev daha sonra API'den gelen yanıtı bekler, onu JSON olarak ayrıştırır ve ayrıştırılan verilerden seçimler dizisindeki yaklaşım değerini çıkarır.
  5. Son olarak, işleyici işlevi, durumunu duyarlılık değeriyle güncellemek için setSentiment işlevini tetikler.
    sabit API_KEY = işlem.env. REACT_APP_OPEN_AI_API_KEY;
    sabit APIBODY ={
    'model': "metin-davinci-003",
    'çabuk': "Bu mesajın duygusu nedir?" + mesaj,
    "max_tokens": 60,
    "top_p": 1.0,
    "frekans_cezası": 0.0,
    "varlık_cezası": 0.0,
     }
    zaman uyumsuzişlevkoluTıklayın() {
    beklemek gidip getirmek(' https://api.openai.com/v1/completions', {
     yöntem: 'POSTALAMAK',
     başlıklar: {
    'İçerik türü': "uygulama/json",
    'yetki': Taşıyıcı ${API_KEY}`
     },
     vücut: JSON.stringify (APIBODY)
     }).Daha sonra(cevap => {
    geri dönmek yanıt.json()
     }).Daha sonra((veri) => {
    konsol.log (veri);
     setSentiment (veri.seçimler[0].text.trim());
     }).yakalamak((hata) => {
    konsol.hata (hata);
     });
     };

İstek gövdesi birkaç parametre içerir, bunlar:

  • model: hangi OpenAI modelinin kullanılacağını belirtir; bu durumda text-davinci-003.
  • bilgi istemi: verilen mesajın duyarlılığını analiz etmek için kullanacağınız bilgi istemi.
  • max_tokens: modelin bilgi işlem gücünün aşırı veya gereksiz kullanımını önlemek ve genel performansını iyileştirmek için modele beslenen maksimum jeton sayısını belirtir.
  • top_p, frekans_cezası ve varlık_cezası: bu parametreler modelin çıkışını ayarlar.

Son olarak, mesaj kutusuna ve gönder düğmesine geri dönün:

geri dönmek (
"Uygulama">
"Uygulama başlığı">
 Duygu Analizi Uygulaması</h2>
"giriş">
 Sınıflandırılacak mesajı girin </p>


 sınıfAdı="metinAlan"
 tür="metin"
 yer tutucu="Mesajını yaz..."
 sütunlar={50}
 satırlar={10}
 onChange={(e) => setMessage (e.target.value)}
 />
 </div>




"Cevap">








ihracatvarsayılan Uygulama;

Bir Kullanıcı İstemi Oluşturun

İsteğe bağlı olarak, mesajın nasıl analiz edileceğini tanımlamanıza izin verecek bir bilgi istemi giriş alanı oluşturabilirsiniz.

Örneğin, belirli bir mesajın duyarlılığını "pozitif" olarak almak yerine, modele şu komutu verebilirsiniz: yanıtlar üretin ve birden ona kadar bir ölçekte sıralayın; burada bir aşırı derecede olumsuz, on ise aşırı derecede olumsuzdur pozitif.

Bu kodu şuraya ekle: Uygulama.js bileşen. Bilgi istemi için bir durum değişkeni tanımlayın:

sabit [soru, setPrompt] = useState("");

Bilgi istemi değişkeni verilerini kullanmak için APIBODY'deki istemi değiştirin:

sabit APIBODY = {
// ...
'çabuk': bilgi istemi + mesaj,
// ...
 }

Mesaj metin alanının hemen üstüne bir bilgi istemi giriş alanı ekleyin:

 sınıfAdı="çabuk"
 tür="metin"
 yer tutucu="Sorunu girin..."
 onChange={(e) => setPrompt (e.target.value)}
 />

Yapılan değişiklikleri güncellemek için geliştirme sunucusunu çalıştırın ve http://localhost: 3000, işlevselliği test etmek için.

Duyarlılık analizi, müşterilerin deneyimlerine ve görüşlerine ilişkin değerli içgörüler sağlayabilen temel bir iş uygulamasıdır. müşterilerinize, daha iyi müşteri deneyimleri ve daha fazla gelir sağlayabilecek bilinçli kararlar vermenizi sağlar.

OpenAI API'leri gibi yapay zeka araçlarının yardımıyla, gerçek zamanlı olarak doğru ve güvenilir müşteri duyguları elde etmek için analiz ardışık düzenlerinizi kolaylaştırabilirsiniz.