Rakenna sentimenttianalyysin reagointisovellus OpenAI API: n avulla

Digitaalisessa ympäristössä käyttökelpoisen datan, erityisesti asiakkaitasi koskevien erityisten oivallusten, käyttö voi viedä sinut kilpailijoiden edellä.

Tunneanalyysistä on tullut suosittu strategia, koska se tuottaa luotettavia tuloksia. Voit käyttää sitä tunnistamaan ohjelmallisesti ihmisten näkemykset ja käsitykset tuotteestasi. Löydät muita tärkeitä tietopisteitä, joita voit käyttää keskeisten liiketoimintapäätösten tekemiseen.

OpenAI: n sovellusliittymien kaltaisten työkalujen avulla voit analysoida ja luoda yksityiskohtaisia ​​ja käyttökelpoisia oivalluksia asiakkaistasi. Lue eteenpäin oppiaksesi integroimaan sen edistyneen twiitin luokittelusovellusliittymän analysoimaan käyttäjien syötteitä.

Johdatus GPT: hen

OpenAI: n Generative Pre-trained Transformer (GPT-3) on suuri kielimalli, joka on koulutettu valtaviin tekstitietomääriin, mikä antaa sille mahdollisuuden luoda nopeasti vastauksia kaikkiin siihen syötettyihin kyselyihin. Se hyödyntää

luonnollisen kielen käsittely tekniikoita kyselyjen ymmärtämiseksi ja käsittelemiseksi — käyttäjien kehotteita.

GPT-3 on saavuttanut suosiota, koska se pystyy käsittelemään käyttäjien kehotteita ja vastaamaan keskustelumuodossa.

Tämä malli on erityisen tärkeä mielipideanalyysissä, koska sen avulla voit arvioida ja määrittää tarkasti asiakkaiden tunteen tuotteita, brändiäsi ja muita keskeisiä mittareita kohtaan.

Sukella tunneanalyysiin GPT: n avulla

Tunneanalyysi on luonnollinen kielen prosessointitehtävä, joka sisältää tekstitiedoissa, kuten lauseissa ja kappaleissa, ilmaistujen tunteiden tunnistamisen ja luokittelun.

GPT voi käsitellä peräkkäistä dataa, mikä mahdollistaa tunteiden analysoinnin. Koko analyysiprosessi sisältää mallin koulutuksen suurilla tietojoukoilla merkittyä tekstidataa, jotka on luokiteltu joko positiiviseksi, negatiiviseksi tai neutraaliksi.

Voit sitten käyttää koulutettua mallia määrittääksesi uuden tekstidatan tunteen. Pohjimmiltaan malli oppii tunnistamaan tunteita analysoimalla tekstin malleja ja rakenteita. Sitten se luokittelee sen ja luo vastauksen.

Lisäksi GPT: tä voidaan hienosäätää arvioimaan dataa niche-alueilta, kuten sosiaalinen media tai asiakaspalaute. Tämä auttaa parantamaan sen tarkkuutta tietyissä yhteyksissä kouluttamalla mallia tunneilmaisuilla, jotka ovat ainutlaatuisia kyseiselle alueelle.

Integroitu OpenAI Advanced Tweet Classifier

Tämä API käyttää luonnollisen kielen prosessointitekniikoita tekstitietojen, kuten viestien tai tweettien, analysoimiseen sen määrittämiseksi, ovatko ne positiivisia, negatiivisia vai neutraaleja.

Jos tekstissä on esimerkiksi positiivinen sävy, API luokittelee sen "positiiviseksi", muuten se merkitään "negatiiviseksi" tai "neutraaliksi".

Lisäksi voit mukauttaa luokkia ja käyttää tarkempia sanoja kuvaamaan tunnetta. Esimerkiksi sen sijaan, että merkitset vain tiettyä tekstidataa "positiiviseksi", voit valita kuvaavamman luokan, kuten "onnellinen".

Määritä Advanced Tweet Classifier

Aloita siirtymällä kohtaan OpenAI: n kehittäjäkonsolija rekisteröidy tilille. Tarvitset API-avaimen ollaksesi vuorovaikutuksessa React-sovelluksesi edistyneen twiitin luokittelun API: n kanssa.

Napsauta yleiskatsaussivulla Profiili -painiketta oikeassa yläkulmassa ja valitse Näytä API-avaimet.

Napsauta sitten Luo uusi salainen avain luodaksesi uuden API-avaimen sovelluksellesi. Muista ottaa kopio avaimesta käytettäväksi seuraavassa vaiheessa.

Luo React-asiakas

Nopeasti käynnistä React-projektisi paikallisesti. Luo seuraavaksi projektikansiosi juurihakemistoon a .env tiedosto API-salaiseen avaimesi säilyttämiseen.

REACT_APP_OPEN_AI_API_KEY="API-avaimesi"

Löydät tämän projektin koodin tästä GitHub-arkisto.

Määritä App.js-komponentti

Avaa src/App.js tiedosto, poista tiivistelmä React-koodi ja korvaa se seuraavalla:

1. Tee seuraavat tuonnit:

   tuonti'./App.css';
   tuonti Reagoi, {useState} alkaen'reagoi';

2. Määritä toiminnallinen sovelluskomponentti ja tilamuuttujat, jotka sisältävät käyttäjän viestin ja sen tunteen analyysin jälkeen.

   toimintoSovellus() {
   konst [message, setMessage] = useState("");
   konst [sentiment, setSentiment] = useState("");

3. Luo käsittelijätoiminto, joka tekee asynkronisia POST HTTP -pyyntöjä Advanced-tweetiin Luokitin, joka välittää käyttäjän viestin ja API-avaimen pyynnön rungossa analysoidaksesi tunteita.
4. Funktio odottaa sitten vastausta API: lta, jäsentää sen JSON-muodossa ja poimii valintataulukon mielipidearvon jäsentetystä tiedosta.
5. Lopuksi käsittelijätoiminto laukaisee setSentiment-funktion päivittämään tilansa tunteen arvolla.

   konst API_KEY = process.env. REACT_APP_OPEN_AI_API_KEY;
   konst APIBODY ={
   'malli': "text-davinci-003",
   "kehottaa": "Mikä on tämän viestin tunnelma?" + viesti,
   'max_tokens': 60,
   'top_p': 1.0,
   'frequency_penalty': 0.0,
   'presence_penalty': 0.0,
    }
   asynktoimintokahvaNapsauta() {
   odottaa hae(' https://api.openai.com/v1/completions', {
    menetelmä: 'LÄHETTÄÄ',
    otsikot: {
   'Sisältötyyppi': "sovellus/json",
   "valtuutus": `Kantaja ${API_KEY}`
    },
    runko: JSON.stringify (APIBODY)
    }).sitten(vastaus => {
   palata vastaus.json()
    }).sitten((tiedot) => {
   konsoli.log (data);
    setSentiment (data.choices[0].text.trim());
    }).ottaa kiinni((virhe) => {
   konsoli.error (virhe);
    });
    };

Pyynnön runko sisältää muutamia parametreja, nämä ovat:

• malli: määrittää käytettävän OpenAI-mallin; text-davinci-003 tässä tapauksessa.
• kehote: kehote, jonka avulla voit analysoida annetun viestin tunteen.
• max_tokens: määrittää malliin syötettyjen merkkien enimmäismäärän estääkseen mallin laskentatehon liiallisen tai tarpeettoman käytön ja parantaakseen sen yleistä suorituskykyä.
• top_p, Frequency_penalty ja present_penalty: nämä parametrit säätävät mallin lähtöä.

Lopuksi palauta viestilaatikko ja lähetä-painike:

palata (
"Sovellus">
"Sovelluksen otsikko">
 Tunneanalyysisovellus</h2>
"syöttö">
 Kirjoita viesti luokitellaksesi </p>
 luokannimi="tekstialue"
 tyyppi="teksti"
 paikkamerkki="Kirjoita viestisi..."
 sarakkeet={50}
 rivit={10}
 onChange={(e) => setMessage (e.target.value)}
 />
 </div>

"Vastaus">
 Hanki viestitunnelma</button>
 {tunne!== ""? <s> Viesti on {sentiment} s>: tyhjä}
 </div>
 </header>
 </div>
 );
}



viedäoletuksena Sovellus;

Luo käyttäjäkehote

Voit halutessasi luoda kehotteen syöttökentän, jonka avulla voit määrittää, kuinka viesti analysoidaan.

Esimerkiksi sen sijaan, että saisit "positiivisen" tunteen tietylle viestille, voit ohjata mallia luo vastauksia ja aseta ne asteikolla yhdestä kymmeneen, jossa yksi on erittäin negatiivinen ja kymmenen on erittäin negatiivinen positiivinen.

Lisää tämä koodi App.js komponentti. Määritä kehotteen tilamuuttuja:

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

Muokkaa APIBODYn kehotetta käyttääksesi kehotteen muuttujan tietoja:

konst APIBODY = {
// ...
"kehottaa": kehote + viesti,
// ...
 }

Lisää kehotteen syöttökenttä viestin tekstialueen yläpuolelle:

 luokannimi="kehottaa"
 tyyppi="teksti"
 paikkamerkki="Syötä kehote..."
 onChange={(e) => setPrompt (e.target.value)}
 />

Pyöritä kehityspalvelinta päivittääksesi tehdyt muutokset ja siirry sivulle http://localhost: 3000 toiminnan testaamiseksi.

Tunneanalyysi on välttämätön liiketoimintakäytäntö, joka voi tarjota arvokasta näkemystä yrityksen kokemuksista ja mielipiteistä asiakkaillesi, jolloin voit tehdä tietoon perustuvia päätöksiä, jotka voivat parantaa asiakaskokemusta ja kasvattaa tuloja.

Tekoälytyökalujen, kuten OpenAI-sovellusliittymien, avulla voit virtaviivaistaa analyysiputkiasi saadaksesi tarkat ja luotettavat asiakkaiden tunteet reaaliajassa.