Vytvorte aplikáciu reakcie na analýzu sentimentu pomocou rozhrania OpenAI API

V digitálnom prostredí vás získanie prístupu k použiteľným údajom, najmä konkrétnym informáciám o vašich zákazníkoch, môže výrazne predbehnúť konkurenciu.

Analýza sentimentu sa stala populárnou stratégiou, pretože generuje spoľahlivé výsledky. Môžete ho použiť na programovú identifikáciu názorov ľudí a vnímania vášho produktu. Môžete objaviť ďalšie dôležité dátové body, ktoré môžete použiť na prijímanie kľúčových obchodných rozhodnutí.

Pomocou nástrojov, ako sú rozhrania API OpenAI, môžete analyzovať a generovať podrobné a použiteľné informácie o svojich zákazníkoch. Čítajte ďalej a zistite, ako integrovať jeho pokročilé rozhranie API na klasifikáciu tweetov na analýzu vstupov používateľov.

Úvod do GPT

Generative Pre-trained Transformer (GPT-3) od OpenAI je veľký jazykový model trénovaný na obrovské množstvo textových údajov, čo mu dáva schopnosť rýchlo generovať odpovede na akýkoľvek dotaz, ktorý je doň zaradený. Využíva sa

spracovanie prirodzeného jazyka techniky na pochopenie a spracovanie otázok — výzvy používateľov.

GPT-3 si získal popularitu vďaka svojej schopnosti spracovávať výzvy používateľov a odpovedať v konverzačnom formáte.

Tento model je obzvlášť dôležitý pri analýze sentimentu, pretože ho môžete použiť na presné posúdenie a určenie sentimentu zákazníkov k produktom, vašej značke a ďalším kľúčovým metrikám.

Ponorte sa do analýzy sentimentu pomocou značky GPT

Analýza sentimentu je úlohou spracovania prirodzeného jazyka, ktorá zahŕňa identifikáciu a kategorizáciu sentimentu vyjadreného v textových údajoch, ako sú napríklad vety a odseky.

GPT dokáže spracovať sekvenčné údaje, čo umožňuje analyzovať pocity. Celý proces analýzy zahŕňa trénovanie modelu s veľkými súbormi údajov označených textových údajov, ktoré sú kategorizované ako pozitívne, negatívne alebo neutrálne.

Potom môžete použiť natrénovaný model na určenie sentimentu nových textových údajov. Model sa v podstate učí identifikovať pocity pomocou analýzy vzorov a štruktúr textu. Potom ho kategorizuje a vygeneruje odpoveď.

Okrem toho je možné GPT vyladiť tak, aby vyhodnocovala údaje z okrajových domén, ako sú sociálne médiá alebo spätná väzba od zákazníkov. To pomáha zlepšiť jeho presnosť v špecifických kontextoch trénovaním modelu s výrazmi sentimentu jedinečnými pre túto konkrétnu doménu.

Integrovaný OpenAI Advanced Tweet Classifier

Toto API používa techniky spracovania prirodzeného jazyka na analýzu textových údajov, ako sú správy alebo tweety, aby sa zistilo, či majú pozitívne, negatívne alebo neutrálne pocity.

Napríklad, ak má text pozitívny tón, API ho kategorizuje ako „pozitívny“, inak bude označený ako „negatívny“ alebo „neutrálny“.

Okrem toho si môžete prispôsobiť kategórie a použiť špecifickejšie slová na opis sentimentu. Napríklad namiesto jednoduchého označenia konkrétnych textových údajov ako „pozitívnych“ si môžete vybrať popisnejšiu kategóriu, ako je „šťastný“.

Nakonfigurujte rozšírený klasifikátor tweetov

Ak chcete začať, prejdite na Konzola pre vývojárov OpenAIa zaregistrujte si účet. Na interakciu s pokročilým API klasifikátora tweetov z vašej aplikácie React budete potrebovať kľúč API.

Na stránke prehľadu kliknite na Profil vpravo hore a vyberte Zobraziť kľúče API.

Potom kliknite na Vytvorte nový tajný kľúč vygenerovať nový kľúč API pre vašu aplikáciu. Nezabudnite si vziať kópiu kľúča na použitie v ďalšom kroku.

Vytvorte klienta React

rýchlo spustite svoj projekt React lokálne. Ďalej v koreňovom adresári priečinka projektu vytvorte a .env súbor, ktorý bude obsahovať váš tajný kľúč API.

REACT_APP_OPEN_AI_API_KEY='váš kľúč API'

Kód tohto projektu nájdete v tomto úložisko GitHub.

Nakonfigurujte komponent App.js

Otvor src/App.js súbor, odstráňte štandardný kód reakcie a nahraďte ho nasledujúcim:

1. Vykonajte nasledujúce importy:

   importovať'./App.css';
   importovať Reagovať, {useState} od'reagovať';

2. Definujte funkčný komponent aplikácie a stavové premenné, ktoré budú uchovávať správu používateľa a jeho sentiment po analýze.

   funkciuApp() {
   konšt [správa, nastaviťSprávu] = useState("");
   konšt [sentiment, setSentiment] = useState("");

3. Vytvorte funkciu obsluhy, ktorá bude odosielať asynchrónne požiadavky POST HTTP na rozšírený Tweet Klasifikátor odovzdávajúci správu používateľa a kľúč API v tele požiadavky na analýzu pocity.
4. Funkcia potom počká na odpoveď z API, analyzuje ju ako JSON a extrahuje hodnotu sentimentu v poli volieb z analyzovaných údajov.
5. Nakoniec funkcia obsluhy spustí funkciu setSentiment, aby aktualizovala svoj stav hodnotou sentimentu.

   konšt API_KEY = process.env. REACT_APP_OPEN_AI_API_KEY;
   konšt APIBODY ={
   'Model': "text-davinci-003",
   'prompt': "Aký je sentiment tejto správy?" + správa,
   'max_tokens': 60,
   'top_p': 1.0,
   'frequency_penalty': 0.0,
   'presence_penalty': 0.0,
    }
   asyncfunkciuhandleClick() {
   čakať priniesť (' https://api.openai.com/v1/completions', {
    metóda: 'POST',
    hlavičky: {
   'Druh obsahu': 'application/json',
   'autorizácia': „Nosič ${API_KEY}`
    },
    telo: JSON.stringify (APIBODY)
    }).potom(odpoveď => {
   vrátiť response.json()
    }).potom((údajov) => {
   konzoly.log (údaje);
    setSentiment (data.choices[0].text.trim());
    }).catch((chyba) => {
   konzoly.chyba (chyba);
    });
    };

Telo požiadavky obsahuje niekoľko parametrov, ktorými sú:

• model: určuje, ktorý model OpenAI sa má použiť; text-davinci-003 v tomto prípade.
• výzva: výzva, ktorú použijete na analýzu sentimentu danej správy.
• max_tokens: určuje maximálny počet tokenov vložených do modelu, aby sa zabránilo nadmernému alebo zbytočnému využívaniu výpočtového výkonu modelu a zlepšil sa jeho celkový výkon.
• top_p, frequency_penalty a present_penalty: tieto parametre upravujú výstup modelu.

Nakoniec vráťte okno so správou a tlačidlo Odoslať:

vrátiť (
"aplikácia">
"Hlavička aplikácie">
 Aplikácia analýzy sentimentu</h2>
"vstup">
 Zadajte správu na klasifikáciu </p>
 className="textová oblasť"
 typ="text"
 zástupný symbol ="Napíšte správu..."
 cols={50}
 riadky={10}
 onChange={(e) => setMessage (e.target.value)}
 />
 </div>

"odpoveď">
 Získajte sentiment správy</button>
 {sentiment !== ""? <p> Správa je {sentiment} p>: nulový}
 </div>
 </header>
 </div>
 );
}



exportpredvolená App;

Vytvorte výzvu používateľa

Voliteľne môžete vytvoriť vstupné pole výzvy, ktoré vám umožní definovať spôsob analýzy správy.

Napríklad, namiesto toho, aby ste boli „pozitívny“ ako sentiment pre konkrétnu správu, môžete dať modelu pokyn vygenerujte odpovede a zoraďte ich na stupnici od jednej do desať, kde jedna je extrémne negatívna a desať extrémne pozitívne.

Pridajte tento kód do App.js komponent. Definujte stavovú premennú pre výzvu:

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

Upravte výzvu na APIBODY tak, aby používala údaje premennej výzvy:

konšt APIBODY = {
// ...
'prompt': výzva + správa,
// ...
 }

Pridajte pole na zadanie výzvy tesne nad oblasťou textu správy:

 className="výzva"
 typ="text"
 zástupný symbol ="Zadajte výzvu..."
 onChange={(e) => setPrompt (e.target.value)}
 />

Roztočte vývojový server, aby ste aktualizovali vykonané zmeny a prejdite naň http://localhost: 3000 na otestovanie funkčnosti.

Analýza sentimentu je základnou obchodnou praxou, ktorá môže poskytnúť cenné informácie o skúsenostiach a názoroch spoločnosti vašich zákazníkov, čo vám umožní robiť informované rozhodnutia, ktoré môžu viesť k zlepšeniu skúseností zákazníkov a zvýšeniu výnosov.

Pomocou nástrojov AI, ako sú OpenAI API, môžete zefektívniť svoje analytické kanály, aby ste získali presné a spoľahlivé pocity zákazníkov v reálnom čase.