Sestavte aplikaci Sentiment Analysis React pomocí OpenAI API

V digitálním prostředí vás získání přístupu k použitelným datům, zejména konkrétním informacím o vašich zákaznících, může výrazně předběhnout konkurenci.

Analýza sentimentu se stala oblíbenou strategií, protože generuje spolehlivé výsledky. Můžete jej použít k programové identifikaci názorů lidí a vnímání vašeho produktu. Můžete objevit další důležité datové body, které můžete použít k přijímání klíčových obchodních rozhodnutí.

Pomocí nástrojů, jako jsou API OpenAI, můžete analyzovat a vytvářet podrobné a použitelné statistiky o vašich zákaznících. Čtěte dále a zjistěte, jak integrovat jeho pokročilé rozhraní API pro klasifikaci tweetů pro analýzu vstupů uživatelů.

Úvod do GPT

Generative Pre-trained Transformer (GPT-3) OpenAI je velký jazykový model trénovaný na obrovském množství textových dat, což mu dává schopnost rychle generovat odpovědi na jakýkoli dotaz, který je do něj vložen. Využívá

zpracování přirozeného jazyka techniky k pochopení a zpracování dotazů — výzvy uživatelů.

GPT-3 si získal oblibu díky své schopnosti zpracovávat uživatelské výzvy a odpovídat v konverzačním formátu.

Tento model je zvláště důležitý v analýze sentimentu, protože jej můžete použít k přesnému posouzení a určení sentimentu zákazníků k produktům, vaší značce a dalším klíčovým metrikám.

Ponořte se do analýzy sentimentu pomocí značky GPT

Analýza sentimentu je úkol zpracování přirozeného jazyka, který zahrnuje identifikaci a kategorizaci sentimentu vyjádřeného v textových datech, jako jsou věty a odstavce.

GPT dokáže zpracovávat sekvenční data, což umožňuje analyzovat pocity. Celý proces analýzy zahrnuje trénování modelu pomocí velkých datových sad označených textových dat, která jsou kategorizována jako pozitivní, negativní nebo neutrální.

Poté můžete použít trénovaný model k určení sentimentu nových textových dat. Model se v podstatě učí identifikovat pocity pomocí analýzy vzorců a struktur textu. Poté jej kategorizuje a vygeneruje odpověď.

Kromě toho lze GPT vyladit tak, aby vyhodnocovala data ze specializovaných domén, jako jsou sociální média nebo zpětná vazba od zákazníků. To pomáhá zlepšit jeho přesnost v konkrétních kontextech trénováním modelu pomocí výrazů sentimentu jedinečných pro danou konkrétní doménu.

Integrovaný pokročilý klasifikátor tweetů OpenAI

Toto rozhraní API využívá techniky zpracování přirozeného jazyka k analýze textových dat, jako jsou zprávy nebo tweety, aby se zjistilo, zda mají pozitivní, negativní nebo neutrální pocity.

Pokud má například text pozitivní tón, rozhraní API jej kategorizuje jako „pozitivní“, jinak bude označeno jako „negativní“ nebo „neutrální“.

Kromě toho si můžete přizpůsobit kategorie a použít konkrétnější slova k popisu sentimentu. Například namísto jednoduchého označení konkrétních textových dat jako „pozitivních“ můžete zvolit popisnější kategorii jako „šťastný“.

Nakonfigurujte pokročilý klasifikátor tweetů

Chcete-li začít, přejděte na Vývojářská konzole OpenAIa zaregistrujte si účet. K interakci s pokročilým API klasifikátorem tweetů z aplikace React budete potřebovat svůj klíč API.

Na stránce přehledu klikněte na Profil v pravém horním rohu a vyberte Zobrazit klíče API.

Poté klikněte na Vytvořte nový tajný klíč vygenerovat nový klíč API pro vaši aplikaci. Nezapomeňte si vzít kopii klíče pro použití v dalším kroku.

Vytvořte klienta React

Rychle bootstrap svůj projekt React lokálně. Dále v kořenovém adresáři složky projektu vytvořte a .env soubor, který bude obsahovat váš tajný klíč API.

REACT_APP_OPEN_AI_API_KEY='váš klíč API'

Zde najdete kód tohoto projektu úložiště GitHub.

Nakonfigurujte komponentu App.js

Otevři src/App.js soubor, odstraňte standardní kód React a nahraďte jej následujícím:

1. Proveďte následující importy:

   import'./App.css';
   import Reagovat, {useState} z'reagovat';

2. Definujte funkční komponentu aplikace a stavové proměnné, které budou obsahovat zprávu uživatele a jeho sentiment po analýze.

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

3. Vytvořte funkci obslužné rutiny, která bude odesílat asynchronní POST HTTP požadavky na Advanced Tweet Klasifikátor předávající zprávu uživatele a klíč API v těle požadavku za účelem analýzy pocity.
4. Funkce pak bude čekat na odpověď z API, analyzuje ji jako JSON a extrahuje hodnotu sentimentu v poli voleb z analyzovaných dat.
5. Nakonec funkce handleru spustí funkci setSentiment, aby aktualizovala svůj stav o hodnotu sentimentu.

   konst API_KEY = process.env. REACT_APP_OPEN_AI_API_KEY;
   konst APIBODY ={
   'Modelka': "text-davinci-003",
   'výzva': "Jaký je sentiment této zprávy?" + zpráva,
   'max_tokens': 60,
   'top_p': 1.0,
   'frequency_penalty': 0.0,
   'presence_penalty': 0.0,
    }
   asynchronnífunkcekliknout na kliku() {
   čekat vynést(' https://api.openai.com/v1/completions', {
    metoda: 'POŠTA',
    záhlaví: {
   'Typ obsahu': 'application/json',
   'oprávnění': „Nositel ${API_KEY}`
    },
    tělo: JSON.stringify (APIBODY)
    }).pak(Odezva => {
   vrátit se response.json()
    }).pak((data) => {
   řídicí panel.log (data);
    setSentiment (data.choices[0].text.trim());
    }).chytit((chyba) => {
   řídicí panel.chyba (chyba);
    });
    };

Tělo požadavku obsahuje několik parametrů, tyto jsou:

• model: určuje, který model OpenAI se má použít; text-davinci-003 v tomto případě.
• prompt: výzva, kterou použijete k analýze sentimentu dané zprávy.
• max_tokens: určuje maximální počet tokenů dodávaných do modelu, aby se zabránilo nadměrnému nebo zbytečnému využití výpočetního výkonu modelu a zlepšil se jeho celkový výkon.
• top_p, frequency_penalty a present_penalty: tyto parametry upravují výstup modelu.

Nakonec vraťte okno se zprávou a tlačítko Odeslat:

vrátit se (
"Aplikace">
"Záhlaví aplikace">
 Aplikace analýzy sentimentu</h2>
"vstup">
 Zadejte zprávu pro klasifikaci </p>
 className="textová oblast"
 typ="text"
 zástupný symbol="Napište zprávu..."
 cols={50}
 řádky={10}
 onChange={(e) => setMessage (e.target.value)}
 />
 </div>

"Odezva">
 Získejte sentiment zprávy</button>
 {sentiment!== ""? <p> Zpráva je {sentiment} p>: nula}
 </div>
 </header>
 </div>
 );
}



vývoznívýchozí Aplikace;

Vytvořte uživatelskou výzvu

Volitelně můžete vytvořit vstupní pole výzvy, které vám umožní definovat, jak analyzovat zprávu.

Například místo toho, abyste získali "pozitivní" jako sentiment pro konkrétní zprávu, můžete dát modelu pokyn generujte odpovědi a seřaďte je na stupnici od jedné do deseti, kde jedna je extrémně negativní a deset je extrémně pozitivní.

Přidejte tento kód do App.js komponent. Definujte stavovou proměnnou pro výzvu:

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

Upravte výzvu na APIBODY tak, aby používala data proměnné výzvy:

konst APIBODY = {
// ...
'výzva': výzva + zpráva,
// ...
 }

Přidejte pole pro zadání výzvy těsně nad oblast textu zprávy:

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

Roztočte vývojový server, aktualizujte provedené změny a přejděte na http://localhost: 3 000 k otestování funkčnosti.

Analýza sentimentu je základní obchodní praxí, která může poskytnout cenné poznatky o zkušenostech a názorech vaše zákazníky, což vám umožní činit informovaná rozhodnutí, která mohou vést ke zlepšení zákaznické zkušenosti a zvýšení příjmů.

S pomocí nástrojů AI, jako jsou OpenAI API, můžete zefektivnit své analytické kanály, abyste získali přesné a spolehlivé pocity zákazníků v reálném čase.