API के बारे में:
टेक्स्ट कैटेगरी रिकग्नाइज़र API एक मशीन लर्निंग सेवा है जो उपयोगकर्ताओं को स्वचालित रूप से टेक्स्ट को विभिन्न पूर्व निर्धारित श्रेणियों में वर्गीकृत करने में मदद करती है। इसका उपयोग बड़े पैमाने पर टेक्स्ट डेटा को क्रमबद्ध और व्यवस्थित करने के लिए किया जा सकता है, और इसका उपयोग खोज परिणामों को बेहतर बनाने और उपयोगकर्ताओं को अधिक प्रासंगिक सिफारिशें प्रदान करने के लिए भी किया जा सकता है। इसका उपयोग करना आसान है और यह मौजूदा अनुप्रयोगों में सहजता से एकीकृत होता है।
विश्लेषण करने के लिए टेक्स्ट पास करें और पूर्व निर्धारित श्रेणियों के बीच एक आत्मविश्वास स्कोर प्राप्त करें। 1 के करीब होने का मतलब है कि टेक्स्ट उस श्रेणी से संबंधित होने की अधिक संभावना है।
सामग्री वर्गीकरण: API का उपयोग टेक्स्ट सामग्री को विशिष्ट श्रेणियों में वर्गीकृत करने के लिए किया जा सकता है, जैसे समाचार लेख, ब्लॉग पोस्ट, उत्पाद विवरण आदि। यह बड़े पैमाने पर टेक्स्ट डेटा को व्यवस्थित और क्रमबद्ध करने के लिए उपयोगी हो सकता है।
दस्तावेज़ वर्गीकरण: API का उपयोग दस्तावेज़ों जैसे रिज्यूम को उनके सामग्री के आधार पर पूर्व निर्धारित श्रेणियों में वर्गीकृत करने के लिए किया जा सकता है।
खोज में सुधार: API का उपयोग खोज क्वेरी और परिणामों को प्रासंगिक श्रेणियों में वर्गीकृत करने के लिए किया जा सकता है, जो खोज परिणामों की सटीकता और प्रासंगिकता को बेहतर कर सकता है।
सिफारिश प्रणाली: API का उपयोग वस्तुओं या सामग्री को विशिष्ट श्रेणियों में वर्गीकृत करने के लिए किया जा सकता है, जो उपयोगकर्ताओं को अधिक प्रासंगिक सिफारिशें प्रदान करने के लिए उपयोग किया जा सकता है।
स्पैम पहचान: API का उपयोग टेक्स्ट संदेशों या ईमेल को स्पैम या नॉन-स्पैम के रूप में वर्गीकृत करने के लिए किया जा सकता है, जो अवांछित या अप्रासंगिक सामग्री को फ़िल्टर करने में सहायक हो सकता है।
महीने में API कॉल की संख्या के अलावा, कोई अन्य सीमाएँ नहीं हैं।
उस पाठ को भेजें जिसकी श्रेणी को आप पहचानना चाहते हैं
एपीआई पाठ को श्रेणीबद्ध करेगा और विश्वास स्कोर प्राप्त करेगा जहां 1 के निकट होना यह दर्शाता है कि वह पाठ उस श्रेणी का होने की अधिक संभावना है
पाठ वर्गीकरण - एंडपॉइंट फीचर्स
| ऑब्जेक्ट | विवरण |
|---|---|
text |
[आवश्यक] Text to recognize the category from. |
{"keyword":{"hello":1,"world":1},"topic":{"greeting":0.5,"macrocosm":0.5,"explorer":0.5,"english":0.5,"community":0.5,"city":0.5,"cartographer":0.5,"atlas":0.5,"astronomy":0.5,"tour":0.5},"version":"7.5.7","author":"Zylalabs","email":"[email protected]","result_code":"200","result_msg":"Success"}
curl --location --request GET 'https://zylalabs.com/api/880/text+category+recognizer+api/667/text+categorization?text=hello world' --header 'Authorization: Bearer YOUR_API_KEY'
| हेडर | विवरण |
|---|---|
Authorization
|
[आवश्यक] होना चाहिए Bearer access_key. जब आप सब्सक्राइब हों तो ऊपर "Your API Access Key" देखें। |
कोई लंबी अवधि की प्रतिबद्धता नहीं। कभी भी अपग्रेड, डाउनग्रेड या कैंसल करें। फ्री ट्रायल में 50 रिक्वेस्ट तक शामिल हैं।
पाठ वर्गीकरण समाप्ति बिंदु वर्गीकृत कीवर्ड विषयों और उनके संबंधित आत्मविश्वास स्कोर को शामिल करने वाला एक JSON ऑब्जेक्ट लौटाता है यह उपयोगकर्ताओं को समझने में मदद करता है कि पाठ किस हद तक पूर्वनिर्धारित श्रेणियों के साथ मेल खाता है
प्रतिक्रिया में प्रमुख क्षेत्र शामिल हैं "कीवर्ड" (श्रेणी कीवर्ड और स्कोर के साथ) "विषय" (व्यापक विषयों और स्कोर के साथ) "संस्करण" (एपीआई संस्करण) "लेखक" (प्रदाता जानकारी) और "परिणाम_कोड" तथा "परिणाम_संदेश" (अनुरोध की स्थिति)
प्रतिक्रिया डेटा एक JSON ऑब्जेक्ट के रूप में संरचित है इसमें "कीवर्ड" और "टॉपिक" के लिए नेस्टेड ऑब्जेक्ट शामिल हैं प्रत्येक में श्रेणी नाम कुंजी के रूप में और उनके विश्वास स्कोर मान के रूप में शामिल हैं जिससे पार्स और विश्लेषण में आसानी होती है
यह एंडपॉइंट इनपुट टेक्स्ट से संबंधित वर्गीकृत कीवर्ड और विषयों के बारे में जानकारी प्रदान करता है साथ ही वर्गीकरण की ताकत को दर्शाने वाले आत्मविश्वास स्कोर जो टेक्स्ट के संदर्भ को समझने में मदद करते हैं
उपयोगकर्ता अपनी अनुरोधों को अनुकूलित कर सकते हैं द्वारा अंत बिंदु को दिए गए इनपुट पाठ में भिन्नता करके। API पाठ की सामग्री का विश्लेषण करता है ताकि उसकी सामग्री के आधार पर प्रासंगिक श्रेणियाँ और स्कोर लौटाए जा सकें
विशिष्ट उपयोग के मामलों में ब्लॉगों या लेखों के लिए सामग्री वर्गीकरण विधियों, रिज़्यूमे के लिए दस्तावेज़ वर्गीकरण, खोज परिणामों में सुधार, अनुशंसा प्रणालियों में सुधार, और सामग्री वर्गीकरण के आधार पर स्पैम संदेशों को फ़िल्टर करना शामिल है
डेटा की सटीकता मशीन लर्निंग एल्गोरिदम के जरिए बनाए रखी जाती है जो लगातार नए डेटा इनपुट से सीखते हैं नियमित अपडेट और विभिन्न डेटासेट पर प्रशिक्षण मॉडल की प्रदर्शन और विश्वसनीयता में सुधार करते हैं
उपयोगकर्ता प्रत्येक श्रेणी के लिए आमतौर पर 0 से 1 के बीच के आत्मविश्वास स्कोर के साथ एक संरचित प्रतिक्रिया की अपेक्षा कर सकते हैं अधिक स्कोर मजबूत प्रासंगिकता को दर्शाते हैं जिससे उपयोगकर्ता अपनी आवश्यकताओं के आधार पर श्रेणियों को प्राथमिकता दे सकते हैं
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
1,470ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
724ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
0ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
965ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
0ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
3,137ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
317ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
32ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
1,218ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
319ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
16ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
3,746ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
3,085ms
सर्विस लेवल:
50%
रिस्पॉन्स टाइम:
5,202ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
4,198ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
2,383ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
20ms
सर्विस लेवल:
50%
रिस्पॉन्स टाइम:
9,248ms
सर्विस लेवल:
50%
रिस्पॉन्स टाइम:
5,254ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
8,074ms