Да ли разумете како се ваши купци осећају о вашем производу у реалном времену, уз мало труда? Звучи као магија, али ОпенАИ АПИ то може учинити стварношћу.

У дигиталном окружењу, добијање приступа корисним подацима, посебно специфичним увидима о вашим клијентима, може вас ставити далеко испред конкуренције.

Анализа сентимента је постала популарна стратегија јер генерише поуздане резултате. Можете га користити да програмски идентификујете ставове и перцепције људи о вашем производу. Можете открити друге важне тачке података које можете користити за доношење кључних пословних одлука.

Помоћу алата као што су АПИ-ји ОпенАИ-а, можете анализирати и генерисати детаљне и корисне увиде о својим клијентима. Читајте даље да бисте научили како да интегришете свој напредни АПИ за класификатор твитова за анализу уноса корисника.

Увод у ГПТ

ОпенАИ-јев генеративни унапред обучени трансформатор (ГПТ-3) је велики језички модел обучен на огромним количинама текстуалних података, дајући му могућност брзог генерисања одговора на било који упит који се у њега уноси. Користи се

instagram viewer
обрада природног језика технике за разумевање и обраду упита упите корисника.

ГПТ-3 је стекао популарност због своје способности да обрађује корисничке упите и одговара у конверзацијском формату.

Овај модел је посебно важан у анализи сентимента јер га можете користити да прецизно процените и одредите сентимент купаца према производима, вашем бренду и другим кључним показатељима.

Уроните у анализу расположења користећи ГПТ

Анализа осећања је задатак обраде природног језика који укључује идентификацију и категоризацију осећања израженог у текстуалним подацима као што су реченице и пасусе.

ГПТ може да обрађује секвенцијалне податке што омогућава анализу осећања. Цео процес анализе укључује обуку модела са великим скуповима података означених текстуалних података који су категорисани као позитивни, негативни или неутрални.

Затим можете користити обучени модел да одредите расположење нових текстуалних података. У суштини, модел учи да идентификује осећања анализирајући обрасце и структуре текста. Затим га категорише и генерише одговор.

Штавише, ГПТ се може фино подесити да процени податке из нишних домена, као што су друштвени медији или повратне информације купаца. Ово помаже у побољшању његове тачности у специфичним контекстима обучавањем модела са изразима осећања јединственим за тај одређени домен.

Интегрисани ОпенАИ напредни твит класификатор

Овај АПИ користи технике обраде природног језика за анализу текстуалних података као што су поруке или твитови да би се утврдило да ли имају позитивна, негативна или неутрална осећања.

На пример, ако текст има позитиван тон, АПИ ће га категорисати као „позитиван“, иначе ће бити означен као „негативан“ или „неутралан“.

Штавише, можете прилагодити категорије и користити конкретније речи да опишете осећај. На пример, уместо једноставног означавања одређених текстуалних података као „позитивних“, могли бисте да изаберете описнију категорију као што је „срећан“.

Конфигуришите напредни класификатор твитова

Да бисте започели, пређите на Конзола за програмере ОпенАИ, и региструјте се за налог. Биће вам потребан ваш АПИ кључ за интеракцију са напредним АПИ-јем класификатора твита из ваше Реацт апликације.

На страници са прегледом кликните на Профил дугме у горњем десном углу и изаберите Погледајте АПИ кључеве.

Затим кликните на Креирајте нови тајни кључ да генеришете нови АПИ кључ за вашу апликацију. Обавезно узмите копију кључа за употребу у следећем кораку.

Креирајте Реацт клијента

Брзо покрените свој Реацт пројекат локално. Затим, у основном директоријуму фасцикле вашег пројекта, креирајте а .енв датотеку за чување вашег тајног кључа АПИ-ја.

РЕАЦТ_АПП_ОПЕН_АИ_АПИ_КЕИ='ваш АПИ кључ'

Овде можете пронаћи код овог пројекта ГитХуб спремиште.

Конфигуришите Апп.јс компоненту

Отвори срц/Апп.јс датотеку, избришите шаблонски Реацт код и замените га следећим:

  1. Направите следеће увозе:
    увоз'./Апп.цсс';
    увоз Реагујте, {усеСтате} из'реаговати';
  2. Дефинишите функционалну компоненту апликације и променљиве стања за чување поруке корисника и његовог расположења након анализе.
    функцијаАпликација() {
    конст [мессаге, сетМессаге] = усеСтате("");
    конст [сентимент, сетСентимент] = усеСтате("");
  3. Креирајте функцију руковања која ће асинхроне ПОСТ ХТТП захтеве постављати напредном твиту Класификатор који прослеђује поруку корисника и АПИ кључ у телу захтева за анализу осећања.
  4. Функција ће затим чекати одговор од АПИ-ја, анализирати га као ЈСОН и издвојити вредност сентимента у низу избора из рашчлањених података.
  5. На крају, функција руковаоца ће покренути функцију сетСентимент да ажурира своје стање са вредношћу сентимента.
    конст АПИ_КЕИ = процесс.енв. РЕАЦТ_АПП_ОПЕН_АИ_АПИ_КЕИ;

    конст АПИБОДИ ={
    'модел': "тект-давинци-003",
    'промпт': „Какав је осећај ове поруке?“ + порука,
    'мак_токенс': 60,
    'топ_п': 1.0,
    'фрекуенци_пеналти': 0.0,
    'пресенце_пеналти': 0.0,
    }

    асинцфункцијахандлеЦлицк() {
    чекати донеси (' https://api.openai.com/v1/completions', {
    метод: 'ПОШТА',
    заглавља: ​​{
    'Тип садржаја': 'апплицатион/јсон',
    'овлашћење': `Носилац ${АПИ_КЕИ}`
    },
    тело: ЈСОН.стрингифи (АПИБОДИ)
    }).онда(одговор => {
    повратак респонсе.јсон()
    }).онда((података) => {
    конзола.лог (подаци);
    сетСентимент (дата.цхоицес[0].тект.трим());
    }).улов((грешка) => {
    конзола.еррор (грешка);
    });
    };

Тело захтева садржи неколико параметара, а то су:

  • модел: одређује који ОпенАИ модел да се користи; тект-давинци-003 у овом случају.
  • промпт: промпт који ћете користити да анализирате сентимент дате поруке.
  • мак_токенс: специфицира максималан број токена који се уносе у модел како би се спречило прекомерно или непотребно коришћење рачунарске снаге модела и побољшале његове укупне перформансе.
  • топ_п, фрекуенци_пеналти и пресент_пеналти: ови параметри прилагођавају излаз модела.

На крају, вратите оквир за поруку и дугме за слање:

повратак (
"Апликација">
„Заглавље апликације“>

Апликација за анализу расположења</h2>
"улазни">

Унесите поруку да бисте класификовали </p>

цлассНаме="тектАреа"
типе="текст"
плацехолдер=„Унесите своју поруку...“
цолс={50}
ровс={10}
онЦханге={(е) => сетМессаге (е.таргет.валуе)}
/>
</div>

"Одговор">

извозУобичајено Апликација;

Креирајте кориснички упит

Опционо можете да креирате поље за унос промпта које ће вам омогућити да дефинишете како да анализирате поруку.

На пример, уместо да будете „позитивни“ као сентимент за одређену поруку, можете да упутите модел да генеришите одговоре и рангирајте их на скали од један до десет, где је један изузетно негативан, а десет екстремно позитивним.

Додајте овај код у Апп.јс саставни део. Дефинишите променљиву стања за промпт:

конст [промпт, сетПромпт] = усеСтате("");

Измените промпт на АПИБОДИ да бисте користили податке променљиве промпта:

конст АПИБОДИ = {
// ...
'промпт': упит + порука,
// ...
}

Додајте поље за унос упита, одмах изнад поља за текст поруке:

 цлассНаме="брзи"
типе="текст"
плацехолдер=„Ентер промпт...“
онЦханге={(е) => сетПромпт (е.таргет.валуе)}
/>

Покрените развојни сервер да бисте ажурирали направљене промене и пређите на http://localhost: 3000 за тестирање функционалности.

Анализа осећања је суштинска пословна пракса која може пружити вредан увид у искуства и мишљења својим клијентима, омогућавајући вам да доносите информисане одлуке које могу довести до побољшања корисничког искуства и повећања прихода.

Уз помоћ АИ алата као што су ОпенАИ АПИ-ји, можете да поједноставите своје цевоводе анализе да бисте добили тачна и поуздана осећања купаца у реалном времену.