Cree una aplicación React de análisis de sentimiento con la API de OpenAI

En el panorama digital, obtener acceso a datos procesables, en particular, información específica sobre sus clientes, puede ponerlo muy por delante de la competencia.

El análisis de sentimiento se ha convertido en una estrategia popular ya que genera resultados confiables. Puede usarlo para identificar programáticamente las opiniones y percepciones de las personas sobre su producto. Puede descubrir otros puntos de datos importantes que puede usar para tomar decisiones comerciales clave.

Con herramientas como las API de OpenAI, puede analizar y generar información detallada y procesable sobre sus clientes. Siga leyendo para saber cómo integrar su API de clasificador de tweets avanzado para analizar las entradas de los usuarios.

Una introducción a GPT

El transformador preentrenado generativo de OpenAI (GPT-3) es un gran modelo de lenguaje entrenado en grandes cantidades de datos de texto, lo que le da la capacidad de generar rápidamente respuestas a cualquier consulta que se le introduzca. utiliza

procesamiento natural del lenguaje técnicas para entender y procesar las consultas — indicaciones de los usuarios.

GPT-3 ha ganado popularidad debido a su capacidad para procesar las indicaciones del usuario y responder en un formato conversacional.

Este modelo es particularmente esencial en el análisis de sentimientos, ya que puede usarlo para evaluar y determinar con precisión el sentimiento de los clientes hacia los productos, su marca y otras métricas clave.

Sumérjase en el análisis de opinión con GPT

El análisis de opiniones es una tarea de procesamiento del lenguaje natural que implica identificar y categorizar las opiniones expresadas en datos textuales, como oraciones y párrafos.

GPT puede procesar datos secuenciales, lo que permite analizar los sentimientos. Todo el proceso de análisis implica entrenar el modelo con grandes conjuntos de datos de texto etiquetados que se clasifican como positivos, negativos o neutrales.

A continuación, puede utilizar un modelo entrenado para determinar la opinión de los nuevos datos de texto. Esencialmente, el modelo aprende a identificar sentimientos mediante el análisis de patrones y estructuras de texto. Luego lo categoriza y genera una respuesta.

Además, GPT se puede ajustar para evaluar datos de dominios de nicho, como las redes sociales o los comentarios de los clientes. Esto ayuda a mejorar su precisión en contextos específicos al entrenar el modelo con expresiones de sentimiento únicas para ese dominio en particular.

Clasificador de tweets avanzado OpenAI integrado

Esta API utiliza técnicas de procesamiento de lenguaje natural para analizar datos de texto, como mensajes o tweets, para determinar si tienen sentimientos positivos, negativos o neutrales.

Por ejemplo, si un texto tiene un tono positivo, la API lo clasificará como "positivo", de lo contrario, se etiquetará como "negativo" o "neutral".

Además, puede personalizar las categorías y usar palabras más específicas para describir el sentimiento. Por ejemplo, en lugar de simplemente etiquetar determinados datos de texto como "positivos", puede elegir una categoría más descriptiva como "feliz".

Configurar el Clasificador de Tweets Avanzado

Para empezar, dirígete a Consola para desarrolladores de OpenAIy regístrese para obtener una cuenta. Necesitará su clave de API para interactuar con la API del clasificador de tweets avanzado desde su aplicación React.

En la página de resumen, haga clic en el Perfil en la parte superior derecha y seleccione Ver claves API.

Luego haga clic en Crear nueva clave secreta para generar una nueva clave API para su aplicación. Asegúrese de llevar una copia de la clave para usarla en el siguiente paso.

Crear un cliente React

Rápidamente arranque su proyecto React en la zona. A continuación, en el directorio raíz de la carpeta de su proyecto, cree un .env archivo para guardar su clave secreta API.

REACT_APP_OPEN_AI_API_KEY='su clave API'

Puedes encontrar el código de este proyecto en este repositorio GitHub.

Configurar el componente App.js

Abre el src/Aplicación.js archivo, elimine el código estándar de React y reemplácelo con lo siguiente:

1. Realiza las siguientes importaciones:

   importar'./Aplicación.css';
   importar Reaccionar, {usar estado} de'reaccionar';

2. Defina el componente funcional de la aplicación y las variables de estado para contener el mensaje de un usuario y su opinión después del análisis.

   funciónaplicación() {
   constante [mensaje, establecerMensaje] = usarEstado("");
   constante [sentimiento, establecerSentimiento] = usarEstado("");

3. Cree una función de controlador que realizará solicitudes POST HTTP asincrónicas al Tweet avanzado Clasificador que pasa el mensaje del usuario y la clave API en el cuerpo de la solicitud para analizar el sentimientos
4. Luego, la función esperará la respuesta de la API, la analizará como JSON y extraerá el valor de sentimiento en la matriz de opciones de los datos analizados.
5. Por último, la función del controlador activará la función setSentiment para actualizar su estado con el valor del sentimiento.

   constante API_KEY = proceso.env. REACT_APP_OPEN_AI_API_KEY;
   constante CUERPO API ={
   'modelo': "texto-davinci-003",
   'inmediato': "¿Cuál es el sentimiento de este mensaje?" + mensaje,
   'max_tokens': 60,
   'top_p': 1.0,
   'penalización_frecuencia': 0.0,
   'presence_penalty': 0.0,
    }
   asíncronofunciónhandleClick() {
   esperar buscar(' https://api.openai.com/v1/completions', {
    método: 'CORREO',
    encabezados: {
   'Tipo de contenido': 'aplicación/json',
   'autorización': `Portador ${API_KEY}`
    },
    cuerpo: JSON.stringificar (APIBODY)
    }).entonces(respuesta => {
   devolver respuesta.json()
    }).entonces((datos) => {
   consola.Dato de registro);
    setSentiment (datos.opciones[0].texto.trim());
    }).atrapar((error) => {
   consola.error (error);
    });
    };

El cuerpo de la solicitud contiene algunos parámetros, estos son:

• modelo: especifica qué modelo de OpenAI usar; text-davinci-003 en este caso.
• indicador: el indicador que usará para analizar el sentimiento del mensaje dado.
• max_tokens: especifica la cantidad máxima de tokens que se introducen en el modelo para evitar un uso excesivo o innecesario de la potencia informática del modelo y mejorar su rendimiento general.
• top_p, frecuencia_penalty y presencia_penalty: estos parámetros ajustan la salida del modelo.

Finalmente, devuelva el cuadro de mensaje y el botón de enviar:

devolver (
"Aplicación">
"Encabezado de la aplicación">
 Aplicación de análisis de sentimiento</h2>
"aporte">
 Ingrese el mensaje a clasificar </p>
 nombreclase="área de texto"
 tipo ="texto"
 marcador de posición ="Escribe tu mensaje..."
 columnas={50}
 filas={10}
 onChange={(e) => setMessage (e.target.value)}
 />
 </div>

"Respuesta">
 Obtener sentimiento del mensaje</button>
 {sentimiento! == ""? <pag> El mensaje es {sentimiento} pag>: nulo}
 </div>
 </header>
 </div>
 );
}



exportarpor defecto aplicación;

Crear un mensaje de usuario

Opcionalmente, puede crear un campo de entrada de solicitud que le permita definir cómo analizar el mensaje.

Por ejemplo, en lugar de obtener un sentimiento "positivo" para un mensaje en particular, puede indicarle al modelo que generar respuestas y clasificarlas en una escala del uno al diez, donde uno es extremadamente negativo mientras que diez es extremadamente positivo.

Agregue este código a la Aplicación.js componente. Defina una variable de estado para la solicitud:

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

Modifique el aviso en APIBODY para usar los datos variables del aviso:

constante CUERPO API = {
// ...
'inmediato': aviso + mensaje,
// ...
 }

Agregue un campo de entrada de solicitud, justo encima del área de texto del mensaje:

 nombreclase="inmediato"
 tipo ="texto"
 marcador de posición ="Ingrese aviso..."
 onChange={(e) => setPrompt (e.objetivo.valor)}
 />

Inicie el servidor de desarrollo para actualizar los cambios realizados y diríjase a http://localhost: 3000 para probar la funcionalidad.

El análisis de opinión es una práctica comercial esencial que puede proporcionar información valiosa sobre las experiencias y opiniones de sus clientes, lo que le permite tomar decisiones informadas que pueden conducir a mejores experiencias de los clientes y mayores ingresos.

Con la ayuda de herramientas de IA como las API de OpenAI, puede optimizar sus canalizaciones de análisis para obtener opiniones precisas y confiables de los clientes en tiempo real.