Créer une application React d'analyse des sentiments à l'aide de l'API OpenAI

Dans le paysage numérique, l'accès à des données exploitables, en particulier des informations spécifiques sur vos clients, peut vous donner une longueur d'avance sur la concurrence.

L'analyse des sentiments est devenue une stratégie populaire car elle génère des résultats fiables. Vous pouvez l'utiliser pour identifier par programme les points de vue et les perceptions des gens sur votre produit. Vous pouvez découvrir d'autres points de données importants que vous pouvez utiliser pour prendre des décisions commerciales clés.

Avec des outils comme les API d'OpenAI, vous pouvez analyser et générer des informations détaillées et exploitables sur vos clients. Lisez la suite pour savoir comment intégrer son API de classificateur de tweet avancé pour analyser les entrées des utilisateurs.

Une introduction à GPT

Le Generative Pre-trained Transformer (GPT-3) d'OpenAI est un grand modèle de langage formé sur d'énormes quantités de données textuelles, ce qui lui permet de générer rapidement des réponses à toute requête qui y est introduite. Il utilise

traitement du langage naturel techniques pour comprendre et traiter les requêtes — invites des utilisateurs.

GPT-3 a gagné en popularité en raison de sa capacité à traiter les invites des utilisateurs et à répondre dans un format conversationnel.

Ce modèle est particulièrement essentiel dans l'analyse des sentiments, car vous pouvez l'utiliser pour évaluer et déterminer avec précision le sentiment des clients à l'égard des produits, de votre marque et d'autres mesures clés.

Plongez dans l'analyse des sentiments à l'aide de GPT

L'analyse des sentiments est une tâche de traitement du langage naturel qui consiste à identifier et à catégoriser le sentiment exprimé dans des données textuelles telles que des phrases et des paragraphes.

GPT peut traiter des données séquentielles permettant d'analyser les sentiments. L'ensemble du processus d'analyse implique la formation du modèle avec de grands ensembles de données de données textuelles étiquetées qui sont classées comme positives, négatives ou neutres.

Vous pouvez ensuite utiliser un modèle entraîné pour déterminer le sentiment des nouvelles données textuelles. Essentiellement, le modèle apprend à identifier les sentiments en analysant les modèles et les structures du texte. Il le catégorise ensuite et génère une réponse.

En outre, GPT peut être affiné pour évaluer les données de domaines de niche, tels que les médias sociaux ou les commentaires des clients. Cela permet d'améliorer sa précision dans des contextes spécifiques en formant le modèle avec des expressions de sentiment uniques à ce domaine particulier.

Classificateur de tweet avancé OpenAI intégré

Cette API utilise des techniques de traitement du langage naturel pour analyser des données textuelles telles que des messages ou des tweets afin de déterminer s'ils ont des sentiments positifs, négatifs ou neutres.

Par exemple, si un texte a une tonalité positive, l'API le classera comme "positif", sinon, il sera étiqueté comme "négatif" ou "neutre".

De plus, vous pouvez personnaliser les catégories et utiliser des mots plus spécifiques pour décrire le sentiment. Par exemple, au lieu de simplement étiqueter des données textuelles particulières comme "positives", vous pouvez choisir une catégorie plus descriptive comme "heureux".

Configurer le classificateur de tweet avancé

Pour commencer, rendez-vous sur La console développeur d'OpenAI, et créez un compte. Vous aurez besoin de votre clé API pour interagir avec l'API de classificateur de tweet avancé de votre application React.

Sur la page de présentation, cliquez sur le Profil bouton en haut à droite et sélectionnez Afficher les clés API.

Cliquez ensuite sur Créer une nouvelle clé secrète pour générer une nouvelle clé API pour votre application. Assurez-vous de prendre une copie de la clé pour l'utiliser à l'étape suivante.

Créer un client réactif

Rapidement démarrez votre projet React localement. Ensuite, dans le répertoire racine de votre dossier de projet, créez un .env fichier pour contenir votre clé secrète API.

REACT_APP_OPEN_AI_API_KEY='votre clé API'

Vous pouvez trouver le code de ce projet dans ce Référentiel GitHub.

Configurer le composant App.js

Ouvrez le src/App.js fichier, supprimez le code passe-partout React et remplacez-le par ce qui suit :

1. Effectuez les importations suivantes :

   importer'./App.css';
   importer Réagissez, {useState} depuis'réagir';

2. Définissez le composant App fonctionnel et les variables d'état pour contenir le message d'un utilisateur et son sentiment après l'analyse.

   fonctionApplication() {
   constante [message, setMessage] = useState("");
   constante [sentiment, setSentiment] = useState("");

3. Créez une fonction de gestionnaire qui fera des requêtes POST HTTP asynchrones au Tweet avancé Classificateur transmettant le message de l'utilisateur et la clé API dans le corps de la requête pour analyser le sentiments.
4. La fonction attendra alors la réponse de l'API, l'analysera en tant que JSON et extraira la valeur de sentiment dans le tableau de choix à partir des données analysées.
5. Enfin, la fonction de gestionnaire déclenchera la fonction setSentiment pour mettre à jour son état avec la valeur du sentiment.

   constante API_KEY = processus.env. REACT_APP_OPEN_AI_API_KEY ;
   constante APIBODY ={
   'modèle': "texte-davinci-003",
   'rapide': "Quel est le sentiment de ce message?" + messages,
   'max_tokens': 60,
   'top_p': 1.0,
   'frequence_penalty': 0.0,
   'presence_penalty': 0.0,
    }
   asynchronefonctionpoignéeCliquez() {
   attendre aller chercher(' https://api.openai.com/v1/completions', {
    méthode: 'POSTE',
    en-têtes: {
   'Type de contenu': 'application/json',
   'autorisation': `Porteur ${API_KEY}`
    },
    corps: JSON.stringify (APIBODY)
    }).alors(réponse => {
   retour réponse.json()
    }).alors((données) => {
   console.log (données);
    setSentiment (data.choices[0].text.trim());
    }).attraper((erreur) => {
   console.error (erreur);
    });
    };

Le corps de la requête contient quelques paramètres, à savoir :

• model: spécifie le modèle OpenAI à utiliser; text-davinci-003 dans ce cas.
• invite: l'invite que vous utiliserez pour analyser le sentiment du message donné.
• max_tokens: spécifie le nombre maximal de jetons introduits dans le modèle pour éviter une utilisation excessive ou inutile de la puissance de calcul du modèle et améliorer ses performances globales.
• top_p, frequency_penalty et presence_penalty: ces paramètres ajustent la sortie du modèle.

Enfin, renvoyez la boîte de message et le bouton Soumettre :

retour (
"Application">
"App-header">
 Application d'analyse des sentiments</h2>
"saisir">
 Saisissez le message à classer </p>
 NomClasse="zone de texte"
 taper="texte"
 espace réservé="Tapez votre message..."
 cols={50}
 lignes={10}
 onChange={(e) => setMessage (e.target.value)}
 />
 </div>

"Réponse">
 Obtenir le sentiment du message</button>
 {sentiment !== ""? <p> Le message est {sentiment} p>: nul}
 </div>
 </header>
 </div>
 );
}



exporterdéfaut application ;

Créer une invite utilisateur

Vous pouvez éventuellement créer un champ de saisie d'invite pour vous permettre de définir comment analyser le message.

Par exemple, au lieu d'obtenir "positif" comme sentiment pour un message particulier, vous pouvez demander au modèle de générer des réponses et les classer sur une échelle de un à dix, où un est extrêmement négatif tandis que dix est extrêmement positif.

Ajoutez ce code au App.js composant. Définissez une variable d'état pour l'invite :

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

Modifiez l'invite sur APIBODY pour utiliser les données de la variable d'invite :

constante APIBODY = {
// ...
'rapide': invite + message,
// ...
 }

Ajoutez un champ de saisie d'invite, juste au-dessus de la zone de texte du message :

 NomClasse="rapide"
 taper="texte"
 espace réservé="Entrez l'invite..."
 onChange={(e) => setPrompt (e.target.value)}
 />

Lancez le serveur de développement pour mettre à jour les modifications apportées et rendez-vous sur http://localhost: 3000 pour tester la fonctionnalité.

L'analyse des sentiments est une pratique commerciale essentielle qui peut fournir des informations précieuses sur les expériences et les opinions des vos clients, ce qui vous permet de prendre des décisions éclairées susceptibles d'améliorer l'expérience client et d'augmenter vos revenus.

Avec l'aide d'outils d'IA tels que les API OpenAI, vous pouvez rationaliser vos pipelines d'analyse pour obtenir des sentiments clients précis et fiables en temps réel.