Hozzon létre egy hangulatelemző reakcióalkalmazást az OpenAI API használatával

A digitális környezetben, ha hozzáférhet a használható adatokhoz, különösen az ügyfelekkel kapcsolatos konkrét információkhoz, jóval a versenytársak előtt állhat.

A hangulatelemzés népszerű stratégiává vált, mivel megbízható eredményeket hoz létre. Használhatja arra, hogy programozottan azonosítsa az emberek véleményét és véleményét a termékről. Felfedezhet más fontos adatpontokat, amelyek segítségével kulcsfontosságú üzleti döntéseket hozhat.

Az olyan eszközökkel, mint az OpenAI API-k, elemezhet és generálhat részletes és használható betekintést ügyfeleiről. Olvasson tovább, ha megtudhatja, hogyan integrálhatja a fejlett tweet osztályozó API-t a felhasználók bemeneteinek elemzéséhez.

Bevezetés a GPT-be

Az OpenAI Generative Pre-trained Transformer (GPT-3) egy nagyméretű nyelvi modell, amely hatalmas mennyiségű szöveges adatra van kiképezve, és lehetővé teszi számára, hogy gyorsan generáljon válaszokat bármilyen bevitt lekérdezésre. Kihasználja

természetes nyelvi feldolgozás technikák a lekérdezések megértéséhez és feldolgozásához — a felhasználók utasításait.

A GPT-3 népszerűsége annak köszönhető, hogy képes feldolgozni a felhasználói kéréseket és válaszolni párbeszédes formátumban.

Ez a modell különösen fontos a hangulatelemzésben, mivel segítségével pontosan felmérheti és meghatározhatja az ügyfelek termékekkel, márkájával és más kulcsfontosságú mutatókkal kapcsolatos véleményét.

Merüljön el a GPT segítségével végzett érzelemelemzésben

A hangulatelemzés egy természetes nyelvi feldolgozási feladat, amely magában foglalja a szöveges adatokban, például mondatokban és bekezdésekben kifejezett érzések azonosítását és kategorizálását.

A GPT képes szekvenciális adatokat feldolgozni, lehetővé téve a hangulatok elemzését. A teljes elemzési folyamat magában foglalja a modell betanítását a címkézett szöveges adatok nagy adatkészleteivel, amelyek pozitív, negatív vagy semleges kategóriába sorolhatók.

Ezután egy betanított modell segítségével meghatározhatja az új szöveges adatok hangulatát. Lényegében a modell megtanulja azonosítani az érzéseket a szöveg mintáinak és szerkezeteinek elemzésével. Ezután kategorizálja, és választ generál.

Ezenkívül a GPT finomhangolható a szűk tartományokból származó adatok értékeléséhez, például a közösségi médiából vagy az ügyfelek visszajelzéseiből. Ez segít javítani a pontosságát meghatározott kontextusokban azáltal, hogy a modellt az adott tartományra jellemző érzelemkifejezésekkel tanítja.

Integrált OpenAI Advanced Tweet osztályozó

Ez az API természetes nyelvi feldolgozási technikákat használ a szöveges adatok, például az üzenetek vagy tweetek elemzésére annak megállapítására, hogy pozitív, negatív vagy semleges érzelmekkel rendelkeznek-e.

Például, ha egy szöveg pozitív tónusú, az API "pozitív" kategóriába sorolja, ellenkező esetben "negatív" vagy "semleges" címkével látja el.

Ezenkívül személyre szabhatja a kategóriákat, és pontosabb szavakat használhat az érzés leírására. Például ahelyett, hogy bizonyos szöveges adatokat egyszerűen „pozitívként” címkézne fel, választhat egy leíróbb kategóriát, például a „boldog”.

Konfigurálja a Speciális Tweet-osztályozót

A kezdéshez menjen a következőhöz Az OpenAI fejlesztői konzolja, és regisztráljon egy fiókot. Szüksége lesz az API-kulcsára a React alkalmazás fejlett tweet-osztályozó API-jával való interakcióhoz.

Az áttekintő oldalon kattintson a Profil gombot a jobb felső sarokban, és válassza ki API-kulcsok megtekintése.

Ezután kattintson a gombra Hozzon létre új titkos kulcsot új API-kulcs létrehozásához az alkalmazáshoz. Ügyeljen arra, hogy a következő lépésben használhassa a kulcsot.

Hozzon létre egy React klienst

Gyorsan indítsa el a React projektet helyileg. Ezután a projektmappa gyökérkönyvtárában hozzon létre egy .env fájlt, hogy tárolja az API titkos kulcsát.

REACT_APP_OPEN_AI_API_KEY='az API-kulcsod'

A projekt kódját itt találja meg GitHub adattár.

Konfigurálja az App.js komponenst

Nyissa meg a src/App.js fájlban törölje a React kódot, és cserélje ki a következőre:

1. Végezze el a következő importálást:

   import'./App.css';
   import Reagálj, {useState} tól től'reagál';

2. Határozza meg a funkcionális alkalmazáskomponenst és az állapotváltozókat, amelyek az elemzés után a felhasználó üzenetét és hangulatát tárolják.

   funkcióApp() {
   const [message, setMessage] = useState("");
   const [sentiment, setSentiment] = useState("");

3. Hozzon létre egy kezelő függvényt, amely aszinkron POST HTTP kéréseket küld a speciális tweetnek A felhasználó üzenetét és az API-kulcsot továbbító osztályozó a kérés törzsében az elemzéshez érzelmek.
4. A függvény ezután megvárja az API válaszát, JSON-ként elemzi, és az elemzett adatokból kivonja a véleményértéket a választási tömbben.
5. Végül a kezelő függvény elindítja a setSentiment függvényt, hogy frissítse állapotát a hangulatértékkel.

   const API_KEY = process.env. REACT_APP_OPEN_AI_API_KEY;
   const APIBODY ={
   'modell': "text-davinci-003",
   'gyors': – Mi ennek az üzenetnek a hangulata? + üzenet,
   "max_tokens": 60,
   "top_p": 1.0,
   'frekvencia_büntetés': 0.0,
   'presence_penalty': 0.0,
    }
   asyncfunkciófogantyúKattintson() {
   várja fetch(' https://api.openai.com/v1/completions', {
    módszer: 'POST',
    fejlécek: {
   'Tartalom típus': "applikáció/json",
   "felhatalmazás": ` Hordozó ${API_KEY}`
    },
    test: JSON.stringify (APIBODY)
    }).akkor(válasz => {
   Visszatérés response.json()
    }).akkor((adat) => {
   konzol.log (adatok);
    setSentiment (data.choices[0].text.trim());
    }).fogás((hiba) => {
   konzol.error (hiba);
    });
    };

A kérés törzse néhány paramétert tartalmaz, ezek a következők:

• modell: meghatározza, hogy melyik OpenAI modellt kell használni; text-davinci-003 ebben az esetben.
• prompt: a prompt, amelyet az adott üzenet hangulatának elemzésére fog használni.
• max_tokens: meghatározza a modellbe betáplált tokenek maximális számát, hogy megakadályozza a modell számítási teljesítményének túlzott vagy szükségtelen felhasználását, és javítsa általános teljesítményét.
• top_p, frekvencia_büntetés és jelenlét_büntetés: ezek a paraméterek módosítják a modell kimenetét.

Végül küldje vissza az üzenetdobozt és a küldés gombot:

Visszatérés (
"Alkalmazás">
"Alkalmazás fejléc">
 Érzelemelemző alkalmazás</h2>
"bemenet">
 Írja be az üzenetet a < osztályozáshoz/p>
 osztálynév="textArea"
 típus="szöveg"
 helyőrző="Írja be az üzenetet..."
 cols={50}
 sorok={10}
 onChange={(e) => setMessage (e.target.value)}
 />
 </div>

"Válasz">
 Érje el az üzenetet</button>
 { érzés !== ""? <p> Az üzenet: {sentiment} p>: nulla}
 </div>
 </header>
 </div>
 );
}



exportalapértelmezett App;

Hozzon létre egy felhasználói parancsot

Opcionálisan létrehozhat egy prompt beviteli mezőt, amely lehetővé teszi az üzenet elemzésének meghatározását.

Például ahelyett, hogy egy adott üzenethez „pozitív” lenne, utasíthatja a modellt, hogy generáljon válaszokat, és rangsorolja őket egy egytől tízig terjedő skálán, ahol az egyik rendkívül negatív, míg a tíz nagyon pozitív.

Adja hozzá ezt a kódot a App.js összetevő. Adja meg a prompt állapotváltozóját:

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

Módosítsa az APIBODY promptot a prompt változó adatainak használatához:

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

Adjon hozzá egy felszólító beviteli mezőt közvetlenül az üzenet szövegterülete fölé:

 osztálynév="gyors"
 típus="szöveg"
 helyőrző="Enter prompt..."
 onChange={(e) => setPrompt (e.target.value)}
 />

Pörgesd fel a fejlesztői kiszolgálót az elvégzett változtatások frissítéséhez, és menj tovább a következőhöz http://localhost: 3000 a funkcionalitás teszteléséhez.

A hangulatelemzés alapvető üzleti gyakorlat, amely értékes betekintést nyújthat a vállalat tapasztalataiba és véleményébe ügyfelei számára, lehetővé téve, hogy tájékozott döntéseket hozzon, amelyek jobb ügyfélélményhez és nagyobb bevételhez vezethetnek.

Az AI-eszközök, például az OpenAI API-k segítségével egyszerűsítheti elemzési folyamatait, hogy valós időben pontos és megbízható vásárlói véleményeket kapjon.