Creați o aplicație React de analiză a sentimentelor folosind API-ul OpenAI

În peisajul digital, obținerea accesului la date acționabile, în special informații specifice despre clienții dvs., vă poate pune cu mult înaintea concurenței.

Analiza sentimentelor a devenit o strategie populară, deoarece generează rezultate fiabile. Îl puteți folosi pentru a identifica în mod programatic părerile și percepțiile oamenilor despre produsul dvs. Puteți descoperi alte date importante pe care le puteți folosi pentru a lua decizii cheie de afaceri.

Cu instrumente precum API-urile OpenAI, puteți analiza și genera informații detaliate și acționabile despre clienții dvs. Citiți mai departe pentru a afla cum să integrați API-ul său avansat de clasificare a tweeturilor pentru a analiza intrările utilizatorilor.

O introducere în GPT

Generative Pre-Trained Transformer (GPT-3) de la OpenAI este un model de limbaj mare antrenat pe cantități uriașe de date text, oferindu-i capacitatea de a genera rapid răspunsuri la orice interogare introdusă în acesta. Se foloseste

procesarea limbajului natural tehnici de înțelegere și procesare a interogărilor — solicitările utilizatorilor.

GPT-3 a câștigat popularitate datorită capacității sale de a procesa solicitările utilizatorului și de a răspunde într-un format conversațional.

Acest model este esențial în special în analiza sentimentelor, deoarece îl puteți utiliza pentru a evalua și determina cu precizie sentimentul clienților față de produse, marca dvs. și alte valori cheie.

Aprofundați-vă în analiza sentimentelor folosind GPT

Analiza sentimentelor este o sarcină de procesare a limbajului natural care implică identificarea și clasificarea sentimentelor exprimate în date textuale, cum ar fi propoziții și paragrafe.

GPT poate procesa date secvențiale, făcând posibilă analizarea sentimentelor. Întregul proces de analiză implică antrenarea modelului cu seturi mari de date text etichetate care sunt clasificate fie pozitive, negative sau neutre.

Puteți utiliza apoi un model antrenat pentru a determina sentimentul noilor date text. În esență, modelul învață să identifice sentimentele analizând modele și structuri ale textului. Apoi îl clasifică și generează un răspuns.

În plus, GPT poate fi reglat fin pentru a evalua datele din domenii de nișă, cum ar fi rețelele sociale sau feedback-ul clienților. Acest lucru ajută la îmbunătățirea acurateței sale în contexte specifice prin antrenarea modelului cu expresii de sentiment unice pentru acel domeniu anume.

Clasificator avansat de tweet-uri OpenAI integrat

Acest API folosește tehnici de procesare a limbajului natural pentru a analiza datele text, cum ar fi mesajele sau tweet-urile, pentru a determina dacă au sentimente pozitive, negative sau neutre.

De exemplu, dacă un text are un ton pozitiv, API-ul îl va clasifica drept „pozitiv”, în caz contrar, va fi etichetat ca „negativ” sau „neutru”.

Mai mult, puteți personaliza categoriile și puteți folosi cuvinte mai specifice pentru a descrie sentimentul. De exemplu, în loc să etichetați pur și simplu anumite date text drept „pozitive”, puteți alege o categorie mai descriptivă precum „fericit”.

Configurați clasificatorul avansat de tweet-uri

Pentru a începe, mergeți la Consola pentru dezvoltatori OpenAIși creați un cont. Veți avea nevoie de cheia dvs. API pentru a interacționa cu API-ul avansat de clasificare de tweet din aplicația dvs. React.

Pe pagina de prezentare generală, faceți clic pe Profil butonul din dreapta sus și selectați Vedeți cheile API.

Apoi faceți clic pe Creați o nouă cheie secretă pentru a genera o nouă cheie API pentru aplicația dvs. Asigurați-vă că luați o copie a cheii pentru utilizare la pasul următor.

Creați un client React

Repede porniți proiectul dvs. React la nivel local. Apoi, în directorul rădăcină al folderului de proiect, creați un .env fișier pentru a deține cheia dvs. secretă API.

REACT_APP_OPEN_AI_API_KEY=„cheia dvs. API”

Puteți găsi codul acestui proiect în aceasta Depozitul GitHub.

Configurați componenta App.js

Deschide src/App.js fișier, ștergeți codul boilerplate React și înlocuiți-l cu următorul:

1. Efectuați următoarele importuri:

   import„./App.css”;
   import Reacționează, {useState} din'reacţiona';

2. Definiți componenta funcțională a aplicației și variabilele de stare pentru a reține mesajul utilizatorului și sentimentul acestuia după analiză.

   funcţieApp() {
   const [mesaj, setMessage] = useState("");
   const [sentiment, setSentiment] = useState("");

3. Creați o funcție de gestionare care va face solicitări HTTP POST asincrone către Tweet-ul avansat Clasificatorul transmite mesajul utilizatorului și cheia API în corpul cererii pentru a analiza sentimente.
4. Funcția va aștepta apoi răspunsul de la API, îl va analiza ca JSON și va extrage valoarea sentimentului din matricea choices din datele analizate.
5. În cele din urmă, funcția de gestionare va declanșa funcția setSentiment pentru a-și actualiza starea cu valoarea sentimentului.

   const API_KEY = process.env. REACT_APP_OPEN_AI_API_KEY;
   const APIBODY ={
   'model': „text-davinci-003”,
   'prompt': „Care este sentimentul acestui mesaj?” + mesaj,
   „max_tokens”: 60,
   'top_p': 1.0,
   „frecvență_penalizare”: 0.0,
   „penalizare_prezență”: 0.0,
    }
   asincronfuncţiehandleClick() {
   așteaptă aduce(' https://api.openai.com/v1/completions', {
    metodă: 'POST',
    antete: {
   'Tipul de conținut': „aplicație/json”,
   'autorizare': `Purtător ${API_KEY}`
    },
    corp: JSON.stringify (APIBODY)
    }).apoi(raspuns => {
   întoarcere response.json()
    }).apoi((date) => {
   consolă.log (date);
    setSentiment (data.choices[0].text.trim());
    }).captură((eroare) => {
   consolă.eroare (eroare);
    });
    };

Corpul cererii conține câțiva parametri, aceștia sunt:

• model: specifică ce model OpenAI să folosească; text-davinci-003 în acest caz.
• prompt: promptul pe care îl veți folosi pentru a analiza sentimentul mesajului dat.
• max_tokens: specifică numărul maxim de jetoane introduse în model pentru a preveni utilizarea excesivă sau inutilă a puterii de calcul a modelului și pentru a îmbunătăți performanța generală a acestuia.
• top_p, frequency_penalty și prezență_penalty: acești parametri ajustează rezultatul modelului.

În cele din urmă, returnați caseta de mesaj și butonul de trimitere:

întoarcere (
„Aplicație”>
„Aplicație-antet”>
 Aplicație de analiză a sentimentelor</h2>
"intrare">
 Introduceți mesajul pentru a clasifica </p>
 className=„textArea”
 tip="text"
 substituent="Tastați mesajul dvs..."
 cols={50}
 rânduri={10}
 onChange={(e) => setMessage (e.target.value)}
 />
 </div>

"Raspuns">
 Obține sentimentul mesajului</button>
 {sentiment !== ""? <p> Mesajul este {sentiment} p>: nul}
 </div>
 </header>
 </div>
 );
}



exportMod implicit Aplicație;

Creați un prompt utilizator

Opțional, puteți crea un câmp de introducere prompt pentru a vă permite să definiți modul de analizare a mesajului.

De exemplu, în loc să deveniți „pozitiv” ca sentiment pentru un anumit mesaj, puteți instrui modelul să facă acest lucru generați răspunsuri și clasați-le pe o scară de la unu la zece, unde unul este extrem de negativ în timp ce zece este extrem pozitiv.

Adăugați acest cod la App.js componentă. Definiți o variabilă de stare pentru prompt:

const [prompt, setPrompt] = useState("");

Modificați promptul pe APIBODY pentru a utiliza datele variabilei promptului:

const APIBODY = {
// ...
'prompt': prompt + mesaj,
// ...
 }

Adăugați un câmp de introducere prompt, chiar deasupra zonei de text a mesajului:

 className="prompt"
 tip="text"
 substituent=„Introduceți promptul...”
 onChange={(e) => setPrompt (e.target.value)}
 />

Rotiți serverul de dezvoltare pentru a actualiza modificările făcute și mergeți la http://localhost: 3000 pentru a testa funcționalitatea.

Analiza sentimentelor este o practică esențială de afaceri care poate oferi informații valoroase despre experiențele și opiniile clienții dvs., permițându-vă să luați decizii informate care pot duce la experiențe îmbunătățite ale clienților și la creșterea veniturilor.

Cu ajutorul instrumentelor AI, cum ar fi API-urile OpenAI, vă puteți eficientiza conductele de analiză pentru a obține sentimentele exacte și de încredere ale clienților în timp real.