Създайте приложение React за анализ на настроението с помощта на OpenAI API

В дигиталната среда получаването на достъп до приложими данни, особено конкретни прозрения за вашите клиенти, може да ви постави доста пред конкуренцията.

Анализът на настроението се превърна в популярна стратегия, тъй като генерира надеждни резултати. Можете да го използвате, за да идентифицирате програмно възгледите и възприятията на хората за вашия продукт. Можете да откриете други важни точки от данни, които можете да използвате, за да вземете ключови бизнес решения.

С инструменти като API на OpenAI можете да анализирате и генерирате подробна и приложима информация за вашите клиенти. Прочетете, за да научите как да интегрирате неговия усъвършенстван API за класификатор на туитове, за да анализирате въведените от потребителите данни.

Въведение в GPT

Generative Pre-trained Transformer (GPT-3) на OpenAI е голям езиков модел, обучен върху огромни количества текстови данни, което му дава възможност бързо да генерира отговори на всяка заявка, въведена в него. Той използва

обработка на естествен език техники за разбиране и обработка на заявките — подкани на потребителите.

GPT-3 придоби популярност благодарение на способността си да обработва потребителски подкани и да отговаря в разговорен формат.

Този модел е особено важен при анализа на настроенията, тъй като можете да го използвате за точна оценка и определяне на настроенията на клиентите към продуктите, вашата марка и други ключови показатели.

Потопете се в анализа на настроението с помощта на GPT

Анализът на настроението е задача за обработка на естествен език, която включва идентифициране и категоризиране на настроението, изразено в текстови данни като изречения и абзаци.

GPT може да обработва последователни данни, което прави възможно анализирането на настроенията. Целият процес на анализ включва обучение на модела с големи масиви от етикетирани текстови данни, които са категоризирани като положителни, отрицателни или неутрални.

След това можете да използвате обучен модел, за да определите настроението на новите текстови данни. По същество моделът се научава да идентифицира чувствата чрез анализиране на модели и структури на текста. След това го категоризира и генерира отговор.

Освен това GPT може да бъде фино настроен, за да оценява данни от нишови домейни, като социални медии или обратна връзка с клиенти. Това помага да се подобри неговата точност в специфични контексти чрез обучение на модела с изрази на настроение, уникални за този конкретен домейн.

Интегриран OpenAI Advanced Tweet Classifier

Този API използва техники за обработка на естествен език, за да анализира текстови данни като съобщения или туитове, за да определи дали имат положителни, отрицателни или неутрални настроения.

Например, ако даден текст има положителен тон, API ще го категоризира като „положителен“, в противен случай той ще бъде означен като „отрицателен“ или „неутрален“.

Освен това можете да персонализирате категориите и да използвате по-конкретни думи, за да опишете настроението. Например, вместо просто да етикетирате определени текстови данни като „положителни“, можете да изберете по-описателна категория като „щастлив“.

Конфигурирайте Advanced Tweet Classifier

За да започнете, преминете към Конзолата за разработчици на OpenAI, и се регистрирайте за акаунт. Ще ви е необходим вашия API ключ, за да взаимодействате с усъвършенствания API за класификатор на туитове от вашето приложение React.

На страницата с общ преглед щракнете върху Профил бутон горе вдясно и изберете Вижте API ключове.

След това щракнете върху Създайте нов таен ключ за генериране на нов API ключ за вашето приложение. Не забравяйте да вземете копие на ключа за използване в следващата стъпка.

Създайте React клиент

бързо стартирайте вашия проект React локално. След това в главната директория на папката на вашия проект създайте a .env файл за съхраняване на вашия таен ключ за API.

REACT_APP_OPEN_AI_API_KEY=„вашият API ключ“

Можете да намерите кода на този проект тук GitHub хранилище.

Конфигурирайте компонента App.js

Отвори src/App.js файл, изтрийте шаблонния код на React и го заменете със следното:

1. Направете следните импорти:

   импортиране'./App.css';
   импортиране Реагирайте, {useState} от"реагира";

2. Дефинирайте функционалния компонент на приложението и променливите на състоянието, за да задържите съобщението на потребителя и неговото настроение след анализа.

   функцияПриложение() {
   конст [съобщение, setMessage] = useState("");
   конст [настроение, setSentiment] = useState("");

3. Създайте функция за обработка, която ще прави асинхронни POST HTTP заявки към Advanced Tweet Класификатор, предаващ съобщението на потребителя и API ключа в тялото на заявката, за да анализира настроения.
4. След това функцията ще изчака отговора от API, ще го анализира като JSON и ще извлече стойността на настроението в масива за избор от анализираните данни.
5. И накрая, манипулаторната функция ще задейства функцията setSentiment, за да актуализира състоянието си със стойността на настроението.

   конст API_KEY = process.env. REACT_APP_OPEN_AI_API_KEY;
   конст APIBODY ={
   'модел': "текст-davinci-003",
   "бързо": „Какво е чувството на това съобщение?“ + съобщение,
   'max_tokens': 60,
   'top_p': 1.0,
   'frequency_penalty': 0.0,
   'наказание за присъствие': 0.0,
    }
   асинхроненфункцияhandleClick() {
   изчакайте извличане (' https://api.openai.com/v1/completions', {
    метод: „ПУБЛИКУВАНЕ“,
    заглавки: {
   'Тип съдържание': 'приложение/json',
   "упълномощаване": `Носител ${API_KEY}`
    },
    тяло: JSON.stringify (APIBODY)
    }).тогава(отговор => {
   връщане response.json()
    }).тогава((данни) => {
   конзола.log (данни);
    setSentiment (data.choices[0].text.trim());
    }).catch((грешка) => {
   конзола.error (грешка);
    });
    };

Основният текст на заявката съдържа няколко параметъра, а именно:

• модел: указва кой OpenAI модел да се използва; text-davinci-003 в този случай.
• подкана: подканата, която ще използвате, за да анализирате настроението на даденото съобщение.
• max_tokens: определя максималния брой токени, въведени в модела, за да се предотврати прекомерното или ненужно използване на изчислителната мощност на модела и да се подобри цялостната му производителност.
• top_p, frekvencijа_наказание и присъствие_наказание: тези параметри коригират изхода на модела.

Накрая върнете полето за съобщения и бутона за изпращане:

връщане (
"приложение">
„Заглавка на приложението“>
 Приложение за анализ на настроението</h2>
"вход">
 Въведете съобщението за класифициране </p>
 className="textArea"
 тип="текст"
 заместител =„Въведете вашето съобщение...“
 cols={50}
 редове={10}
 onChange={(e) => setMessage (e.target.value)}
 />
 </div>

"Отговор">
 Вземете настроение за съобщение</button>
 {сентимент !== ""? <стр> Съобщението е {sentiment} стр>: нула}
 </div>
 </header>
 </div>
 );
}



износпо подразбиране Приложение;

Създайте потребителска подкана

По желание можете да създадете поле за въвеждане на подкана, което да ви позволи да определите как да анализирате съобщението.

Например, вместо да получите „положително“ като настроение за конкретно съобщение, можете да инструктирате модела да генерирайте отговори и ги класирайте по скала от едно до десет, където едно е изключително негативно, а десет е изключително положителен.

Добавете този код към App.js компонент. Дефинирайте променлива на състоянието за подканата:

конст [подкана, setPrompt] = useState("");

Променете подканата на APIBODY, за да използвате променливите данни на подканата:

конст APIBODY = {
// ...
"бързо": подкана + съобщение,
// ...
 }

Добавете подканващо поле за въвеждане точно над текстовото поле на съобщението:

 className="бързо"
 тип="текст"
 заместител =„Въведете подкана...“
 onChange={(e) => setPrompt (e.target.value)}
 />

Завъртете сървъра за разработка, за да актуализирате направените промени и преминете към http://localhost: 3000 за тестване на функционалността.

Анализът на настроението е основна бизнес практика, която може да предостави ценна информация за опита и мненията на вашите клиенти, което ви дава възможност да вземате информирани решения, които могат да доведат до подобрено изживяване на клиентите и увеличаване на приходите.

С помощта на инструменти за изкуствен интелект, като OpenAI API, можете да рационализирате своите канали за анализ, за ​​да получите точни и надеждни настроения на клиентите в реално време.