Crea un'applicazione React per l'analisi del sentiment utilizzando l'API OpenAI

Nel panorama digitale, ottenere l'accesso a dati fruibili, in particolare approfondimenti specifici sui tuoi clienti, può metterti molto avanti rispetto alla concorrenza.

L'analisi del sentiment è diventata una strategia popolare poiché genera risultati affidabili. Puoi usarlo per identificare in modo programmatico le opinioni e le percezioni delle persone sul tuo prodotto. Puoi scoprire altri punti dati importanti che puoi utilizzare per prendere decisioni aziendali chiave.

Con strumenti come le API di OpenAI, puoi analizzare e generare informazioni dettagliate e fruibili sui tuoi clienti. Continua a leggere per scoprire come integrare la sua avanzata API di classificazione dei tweet per analizzare gli input degli utenti.

Un'introduzione a GPT

Il Generative Pre-trained Transformer (GPT-3) di OpenAI è un modello di linguaggio di grandi dimensioni addestrato su enormi quantità di dati di testo, che gli conferisce la capacità di generare rapidamente risposte a qualsiasi query inserita in esso. Utilizza

elaborazione del linguaggio naturale tecniche per comprendere ed elaborare le query — richieste degli utenti.

GPT-3 ha guadagnato popolarità grazie alla sua capacità di elaborare i prompt degli utenti e rispondere in un formato conversazionale.

Questo modello è particolarmente essenziale nell'analisi del sentiment poiché puoi utilizzarlo per valutare e determinare con precisione il sentiment dei clienti nei confronti dei prodotti, del tuo marchio e di altre metriche chiave.

Immergiti nell'analisi del sentiment utilizzando GPT

L'analisi del sentiment è un'attività di elaborazione del linguaggio naturale che implica l'identificazione e la categorizzazione del sentimento espresso in dati testuali come frasi e paragrafi.

GPT può elaborare dati sequenziali che consentono di analizzare i sentimenti. L'intero processo di analisi prevede l'addestramento del modello con set di dati di grandi dimensioni di dati di testo etichettati classificati come positivi, negativi o neutri.

È quindi possibile utilizzare un modello addestrato per determinare il sentiment dei nuovi dati di testo. In sostanza, il modello impara a identificare i sentimenti analizzando i modelli e le strutture del testo. Quindi lo classifica e genera una risposta.

Inoltre, GPT può essere ottimizzato per valutare i dati provenienti da domini di nicchia, come i social media o il feedback dei clienti. Questo aiuta a migliorarne l'accuratezza in contesti specifici addestrando il modello con espressioni di sentiment univoche per quel particolare dominio.

Classificatore di tweet avanzato OpenAI integrato

Questa API utilizza tecniche di elaborazione del linguaggio naturale per analizzare i dati di testo come messaggi o tweet per determinare se hanno sentimenti positivi, negativi o neutri.

Ad esempio, se un testo ha un tono positivo, l'API lo classificherà come "positivo", altrimenti verrà etichettato come "negativo" o "neutro".

Inoltre, puoi personalizzare le categorie e utilizzare parole più specifiche per descrivere il sentimento. Ad esempio, invece di etichettare semplicemente dati di testo particolari come "positivi", potresti scegliere una categoria più descrittiva come "felice".

Configura il classificatore avanzato di tweet

Per iniziare, vai su Console per gli sviluppatori di OpenAIe registrati per un account. Avrai bisogno della tua chiave API per interagire con l'API avanzata del classificatore di tweet dalla tua applicazione React.

Nella pagina panoramica, fare clic su Profilo pulsante in alto a destra e selezionare Visualizza le chiavi API.

Quindi fare clic su Crea una nuova chiave segreta per generare una nuova chiave API per la tua applicazione. Assicurati di prendere una copia della chiave da utilizzare nel passaggio successivo.

Crea un client React

Velocemente avvia il tuo progetto React localmente. Successivamente, nella directory principale della cartella del progetto, crea un file .env file per contenere la tua chiave segreta API.

REACT_APP_OPEN_AI_API_KEY='la tua chiave API'

Puoi trovare il codice di questo progetto in questo Deposito GitHub.

Configura il componente App.js

Apri il src/App.js file, eliminare il codice boilerplate React e sostituirlo con il seguente:

1. Effettua le seguenti importazioni:

   importare'./App.css';
   importare Reagisci, {useState} da'reagire';

2. Definisci il componente App funzionale e le variabili di stato per contenere il messaggio di un utente e il suo sentimento dopo l'analisi.

   funzioneApp() {
   cost [messaggio, setMessage] = useState("");
   cost [sentiment, setSentiment] = useState("");

3. Crea una funzione di gestione che invierà richieste POST HTTP asincrone al Tweet avanzato Classificatore che trasmette il messaggio dell'utente e la chiave API nel corpo della richiesta per analizzare il file sentimenti.
4. La funzione quindi attenderà la risposta dall'API, la analizzerà come JSON ed estrarrà il valore del sentimento nell'array di scelte dai dati analizzati.
5. Infine, la funzione gestore attiverà la funzione setSentiment per aggiornare il suo stato con il valore del sentimento.

   cost API_KEY = process.env. REACT_APP_OPEN_AI_API_KEY;
   cost CORPOAPI ={
   'modello': "testo-davinci-003",
   'richiesta': "Qual è il sentimento di questo messaggio?" + messaggio,
   'max_token': 60,
   'top_p': 1.0,
   'frequenza_penalità': 0.0,
   'presenza_penalità': 0.0,
    }
   asincronofunzionemanigliaClic() {
   aspetta andare a prendere(' https://api.openai.com/v1/completions', {
    metodo: 'INVIARE',
    intestazioni: {
   'Tipo di contenuto': 'applicazione/json',
   'autorizzazione': `Portatore ${API_KEY}`
    },
    corpo: JSON.stringify (APIBODY)
    }).Poi(risposta => {
   ritorno risposta.json()
    }).Poi((dati) => {
   consolare.log (dati);
    setSentiment (dati.scelte[0].text.trim());
    }).presa((errore) => {
   consolare.errore (errore);
    });
    };

Il corpo della richiesta contiene alcuni parametri, questi sono:

• modello: specifica quale modello OpenAI utilizzare; text-davinci-003 in questo caso.
• prompt: il prompt che utilizzerai per analizzare il sentiment del messaggio dato.
• max_tokens: specifica il numero massimo di token immessi nel modello per impedire un utilizzo eccessivo o non necessario della potenza di calcolo del modello e migliorarne le prestazioni complessive.
• top_p, frequency_penalty e presence_penalty: questi parametri regolano l'output del modello.

Infine, restituisci la finestra di messaggio e il pulsante di invio:

ritorno (
"App">
"Intestazione app">
 Applicazione di analisi del sentiment</h2>
"ingresso">
 Immettere il messaggio da classificare </p>
 nomeclasse="TestoArea"
 tipo="testo"
 segnaposto="Digita il tuo messaggio..."
 colonne={50}
 righe={10}
 onChange={(e) => setMessage (e.target.value)}
 />
 </div>

"Risposta">
 Ottieni il sentimento del messaggio</button>
 {sentimento!== ""? <P> Il messaggio è {sentimento} P>: nullo}
 </div>
 </header>
 </div>
 );
}



esportarepredefinito Applicazione;

Crea un messaggio utente

È possibile, facoltativamente, creare un campo di input di richiesta per consentire di definire come analizzare il messaggio.

Ad esempio, invece di ottenere "positivo" come sentimento per un particolare messaggio, puoi istruire il modello a farlo generare risposte e classificarle su una scala da uno a dieci, dove uno è estremamente negativo mentre dieci è estremamente positivo.

Aggiungi questo codice al file App.js componente. Definire una variabile di stato per il prompt:

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

Modifica il prompt su APIBODY per utilizzare i dati della variabile del prompt:

cost CORPOAPI = {
// ...
'richiesta': richiesta + messaggio,
// ...
 }

Aggiungi un campo di immissione prompt, appena sopra l'area di testo del messaggio:

 nomeclasse="richiesta"
 tipo="testo"
 segnaposto="Inserisci prompt..."
 onChange={(e) => setPrompt (e.target.value)}
 />

Avvia il server di sviluppo per aggiornare le modifiche apportate e vai a http://localhost: 3000 per testare la funzionalità.

L'analisi del sentiment è una pratica aziendale essenziale che può fornire preziose informazioni sulle esperienze e opinioni di i tuoi clienti, consentendoti di prendere decisioni informate che possono portare a migliori esperienze dei clienti e maggiori entrate.

Con l'aiuto di strumenti di intelligenza artificiale come le API OpenAI, puoi semplificare le tue pipeline di analisi per ottenere opinioni dei clienti accurate e affidabili in tempo reale.