OpenAI API का उपयोग करके एक सेंटीमेंट एनालिसिस रिएक्ट एप्लिकेशन बनाएं

डिजिटल परिदृश्य में, कार्रवाई योग्य डेटा तक पहुंच प्राप्त करना, विशेष रूप से आपके ग्राहकों के बारे में विशिष्ट जानकारी, आपको प्रतिस्पर्धा से आगे रख सकती है।

भावना विश्लेषण एक लोकप्रिय रणनीति बन गई है क्योंकि यह विश्वसनीय परिणाम उत्पन्न करती है। आप अपने उत्पाद के बारे में लोगों के विचारों और धारणाओं को प्रोग्रामेटिक रूप से पहचानने के लिए इसका उपयोग कर सकते हैं। आप अन्य महत्वपूर्ण डेटा बिंदुओं की खोज कर सकते हैं जिनका उपयोग आप प्रमुख व्यावसायिक निर्णय लेने के लिए कर सकते हैं।

OpenAI के API जैसे उपकरणों के साथ, आप अपने ग्राहकों के बारे में विस्तृत और कार्रवाई योग्य जानकारी का विश्लेषण और निर्माण कर सकते हैं। उपयोगकर्ताओं के इनपुट का विश्लेषण करने के लिए इसके उन्नत ट्वीट क्लासिफायर एपीआई को कैसे एकीकृत किया जाए, यह जानने के लिए आगे पढ़ें।

जीपीटी का परिचय

OpenAI का जनरेटिव पूर्व-प्रशिक्षित ट्रांसफॉर्मर (GPT-3) एक बड़ा भाषा मॉडल है जो बड़ी मात्रा में टेक्स्ट डेटा पर प्रशिक्षित होता है, जो इसे फीड की गई किसी भी क्वेरी के लिए तुरंत प्रतिक्रिया उत्पन्न करने की क्षमता देता है। यह उपयोग करता है

प्राकृतिक भाषा प्रसंस्करण प्रश्नों को समझने और संसाधित करने की तकनीकें — उपयोगकर्ताओं के संकेत।

GPT-3 ने उपयोगकर्ता के संकेतों को संसाधित करने और संवादी प्रारूप में प्रतिक्रिया देने की अपनी क्षमता के कारण लोकप्रियता हासिल की है।

यह मॉडल भावना विश्लेषण में विशेष रूप से आवश्यक है क्योंकि आप इसका उपयोग उत्पादों, अपने ब्रांड और अन्य प्रमुख मैट्रिक्स के प्रति ग्राहकों की भावनाओं का सटीक आकलन और निर्धारण करने के लिए कर सकते हैं।

GPT का उपयोग करके मनोभाव विश्लेषण में गोता लगाएँ

भाव विश्लेषण एक प्राकृतिक भाषा प्रसंस्करण कार्य है जिसमें पाठ डेटा जैसे वाक्यों और पैराग्राफों में व्यक्त भावना को पहचानना और वर्गीकृत करना शामिल है।

GPT भावनाओं का विश्लेषण करना संभव बनाते हुए अनुक्रमिक डेटा को संसाधित कर सकता है। संपूर्ण विश्लेषण प्रक्रिया में लेबल किए गए टेक्स्ट डेटा के बड़े डेटासेट के साथ मॉडल को प्रशिक्षित करना शामिल है जिसे सकारात्मक, नकारात्मक या तटस्थ के रूप में वर्गीकृत किया गया है।

फिर आप नए टेक्स्ट डेटा की भावना निर्धारित करने के लिए प्रशिक्षित मॉडल का उपयोग कर सकते हैं। अनिवार्य रूप से, मॉडल पाठ के पैटर्न और संरचनाओं का विश्लेषण करके भावनाओं की पहचान करना सीखता है। यह तब इसे वर्गीकृत करता है और प्रतिक्रिया उत्पन्न करता है।

इसके अलावा, GPT को सोशल मीडिया या ग्राहक प्रतिक्रिया जैसे आला डोमेन से डेटा का आकलन करने के लिए ठीक किया जा सकता है। यह विशिष्ट संदर्भों में उस विशेष डोमेन के लिए विशिष्ट भाव अभिव्यक्ति के साथ मॉडल को प्रशिक्षित करके इसकी सटीकता में सुधार करने में मदद करता है।

एकीकृत OpenAI उन्नत ट्वीट क्लासिफायरियर

यह एपीआई संदेश या ट्वीट जैसे टेक्स्ट डेटा का विश्लेषण करने के लिए प्राकृतिक भाषा प्रसंस्करण तकनीकों का उपयोग करता है ताकि यह निर्धारित किया जा सके कि उनमें सकारात्मक, नकारात्मक या तटस्थ भावनाएं हैं या नहीं।

उदाहरण के लिए, यदि पाठ में सकारात्मक स्वर है, तो एपीआई इसे "सकारात्मक" के रूप में वर्गीकृत करेगा अन्यथा, इसे "नकारात्मक" या "तटस्थ" के रूप में लेबल किया जाएगा।

इसके अलावा, आप श्रेणियों को अनुकूलित कर सकते हैं और भावना का वर्णन करने के लिए अधिक विशिष्ट शब्दों का उपयोग कर सकते हैं। उदाहरण के लिए, केवल विशेष पाठ डेटा को "सकारात्मक" के रूप में लेबल करने के बजाय, आप "खुश" जैसी अधिक वर्णनात्मक श्रेणी चुन सकते हैं।

उन्नत ट्वीट क्लासिफायरियर को कॉन्फ़िगर करें

आरंभ करने के लिए, पर जाएँ OpenAI का डेवलपर कंसोल, और एक खाते के लिए साइन अप करें। अपने रिएक्ट एप्लिकेशन से उन्नत ट्वीट क्लासिफायर एपीआई के साथ बातचीत करने के लिए आपको अपनी एपीआई कुंजी की आवश्यकता होगी।

अवलोकन पृष्ठ पर, पर क्लिक करें प्रोफ़ाइल शीर्ष दाईं ओर बटन, और चयन करें एपीआई कुंजी देखें.

फिर क्लिक करें नई गुप्त कुंजी बनाएँ अपने आवेदन के लिए एक नई एपीआई कुंजी उत्पन्न करने के लिए। अगले चरण में उपयोग के लिए कुंजी की एक प्रति लेना सुनिश्चित करें।

एक रिएक्ट क्लाइंट बनाएँ

जल्दी से अपने रिएक्ट प्रोजेक्ट को बूटस्ट्रैप करें स्थानीय रूप से। अगला, अपने प्रोजेक्ट फ़ोल्डर की रूट डायरेक्टरी में, एक बनाएँ .env अपनी एपीआई गुप्त कुंजी रखने के लिए फ़ाइल।

REACT_APP_OPEN_AI_API_KEY='आपकी एपीआई कुंजी'

आप इस प्रोजेक्ट का कोड इसमें पा सकते हैं गिटहब रिपॉजिटरी.

App.js घटक को कॉन्फ़िगर करें

खोलें src/App.js फ़ाइल, बॉयलरप्लेट रिएक्ट कोड को हटा दें, और इसे निम्नलिखित से बदलें:

1. निम्नलिखित आयात करें:

   आयात'./App.css';
   आयात प्रतिक्रिया, {useState} से'प्रतिक्रिया';

2. विश्लेषण के बाद उपयोगकर्ता के संदेश और उसकी भावना को धारण करने के लिए कार्यात्मक ऐप घटक और राज्य चर को परिभाषित करें।

   समारोहअनुप्रयोग() {
   कॉन्स्ट [संदेश, सेटमैसेज] = यूज़स्टेट ("");
   कॉन्स्ट [भावना, सेटसेंटिमेंट] = यूज़स्टेट ("");

3. एक हैंडलर फ़ंक्शन बनाएं जो उन्नत ट्वीट के लिए अतुल्यकालिक POST HTTP अनुरोध करेगा विश्लेषण करने के लिए अनुरोध निकाय में उपयोगकर्ता के संदेश और एपीआई कुंजी के साथ गुजरने वाला क्लासिफायरियर भावनाओं।
4. फ़ंक्शन तब एपीआई से प्रतिक्रिया का इंतजार करेगा, इसे JSON के रूप में पार्स करेगा, और पार्स किए गए डेटा से विकल्प सरणी में भावना मान निकालेगा।
5. अंत में, हैंडलर फ़ंक्शन सेंटीमेंट मान के साथ अपनी स्थिति को अपडेट करने के लिए सेटसेंटिमेंट फ़ंक्शन को ट्रिगर करेगा।

   कॉन्स्ट API_KEY = प्रक्रिया.env। REACT_APP_OPEN_AI_API_KEY;
   कॉन्स्ट एपीआईबॉडी ={
   'नमूना': "टेक्स्ट-डेविंसी-003",
   'तत्पर': "इस संदेश की भावना क्या है?" + संदेश,
   'max_tokens': 60,
   'top_p': 1.0,
   'frequency_penalty': 0.0,
   'उपस्थिति_जुर्माना': 0.0,
    }
   asyncसमारोहहैंडलक्लिक करें() {
   इंतजार लाना(' https://api.openai.com/v1/completions', {
    तरीका: 'डाक',
    हेडर: {
   'सामग्री प्रकार': 'आवेदन/जेसन',
   'प्राधिकरण': 'वाहक ${API_KEY}`
    },
    शरीर: JSON.stringify (एपीआईबॉडी)
    })।तब(जवाब => {
   वापस करना प्रतिक्रिया.जेसन ()
    })।तब((आंकड़े) => {
   सांत्वना देनालॉग (डेटा);
    सेट सेंटिमेंट (डेटा.विकल्प [0].पाठ.ट्रिम ());
    })।पकड़ना((गलती) => {
   सांत्वना देनात्रुटि (त्रुटि);
    });
    };

अनुरोध निकाय में कुछ पैरामीटर हैं, ये हैं:

• मॉडल: निर्दिष्ट करता है कि किस OpenAI मॉडल का उपयोग करना है; text-davinci-003 इस मामले में।
• संकेत: वह संकेत जिसका उपयोग आप दिए गए संदेश की भावना का विश्लेषण करने के लिए करेंगे।
• max_tokens: मॉडल की कंप्यूटिंग शक्ति के अत्यधिक या अनावश्यक उपयोग को रोकने और इसके समग्र प्रदर्शन में सुधार करने के लिए मॉडल में फीड किए गए टोकन की अधिकतम संख्या निर्दिष्ट करता है।
• top_p, फ़्रीक्वेंसी_पेनल्टी और उपस्थिति_पेनल्टी: ये पैरामीटर मॉडल के आउटपुट को समायोजित करते हैं।

अंत में, मैसेज बॉक्स और सबमिट बटन लौटाएं:

वापस करना (
"अनुप्रयोग">
"ऐप-हेडर">
 भावना विश्लेषण अनुप्रयोग</h2>
"इनपुट">
 /p>
 वर्गनाम ="टेक्स्ट एरिया"
 टाइप ="मूलपाठ"
 प्लेसहोल्डर ="अपना संदेश टाइप करें..."
 कोल्स = {50}
 पंक्तियाँ = {10}
 onChange = {(ई) => सेटमैसेज (e.target.value)}
 />
 </div>

"जवाब">
 संदेश भाव प्राप्त करें </button>
 {भावना! == ""? <पी> संदेश {भावना} है पी>: व्यर्थ}
 </div>
 </header>
 </div>
 );
}



निर्यातगलती करना अनुप्रयोग;

एक उपयोगकर्ता संकेत बनाएँ

आप वैकल्पिक रूप से, संदेश का विश्लेषण करने के तरीके को परिभाषित करने की अनुमति देने के लिए एक त्वरित इनपुट फ़ील्ड बना सकते हैं।

उदाहरण के लिए, किसी विशेष संदेश के लिए भावना के रूप में "सकारात्मक" प्राप्त करने के बजाय, आप मॉडल को निर्देश दे सकते हैं प्रतिक्रियाएं उत्पन्न करें और उन्हें एक से दस के पैमाने पर रैंक करें, जहां एक बेहद नकारात्मक है जबकि दस बेहद नकारात्मक है सकारात्मक।

इस कोड को इसमें जोड़ें ऐप.जेएस अवयव। संकेत के लिए एक राज्य चर परिभाषित करें:

कॉन्स्ट [प्रॉम्प्ट, सेटप्रॉम्प्ट] = यूज़स्टेट ("");

शीघ्र चर डेटा का उपयोग करने के लिए APIBODY पर संकेत को संशोधित करें:

कॉन्स्ट एपीआईबॉडी = {
// ...
'तत्पर': शीघ्र + संदेश,
// ...
 }

संदेश टेक्स्टारिया के ठीक ऊपर एक त्वरित इनपुट फ़ील्ड जोड़ें:

 वर्गनाम ="तत्पर"
 टाइप ="मूलपाठ"
 प्लेसहोल्डर ="प्रॉम्प्ट दर्ज करें ..."
 onChange={(e) => setPrompt (e.target.value)}
 />

किए गए परिवर्तनों को अद्यतन करने और आगे बढ़ने के लिए विकास सर्वर को स्पिन करें http://localhost: कार्यक्षमता का परीक्षण करने के लिए 3000।

मनोभाव विश्लेषण एक आवश्यक व्यावसायिक अभ्यास है जो किसी व्यक्ति के अनुभवों और विचारों में मूल्यवान अंतर्दृष्टि प्रदान कर सकता है आपके ग्राहक, आपको सूचित निर्णय लेने में सक्षम बनाते हैं जिससे बेहतर ग्राहक अनुभव और राजस्व में वृद्धि हो सकती है।

ओपनएआई एपीआई जैसे एआई टूल्स की मदद से, आप वास्तविक समय में सटीक और विश्वसनीय ग्राहक भावनाओं को प्राप्त करने के लिए अपनी विश्लेषण पाइपलाइनों को सुव्यवस्थित कर सकते हैं।