การวิเคราะห์ข้อความหรือเอกสารโดยใช้ REST API ใน C#

คุณสามารถทำการวิเคราะห์ความคิดเห็นสำหรับเอกสารหรือข้อความของคุณโดยทางโปรแกรมได้อย่างง่ายดาย ใช้เพื่อระบุว่าข้อความหรือข้อมูลเป็นค่าบวก ลบ หรือเป็นกลาง นอกจากนี้ยังช่วยให้คุณระบุและแยกความคิดเห็นเพื่อใช้เพื่อประโยชน์ในการดำเนินธุรกิจของคุณ ในบทความนี้ คุณจะได้เรียนรู้วิธีการวิเคราะห์ความคิดเห็นของข้อความหรือเอกสารโดยใช้ REST API ใน C#

หัวข้อต่อไปนี้จะกล่าวถึง/ครอบคลุมในบทความนี้:

การวิเคราะห์ความรู้สึก REST API และ .NET SDK

สำหรับการวิเคราะห์ความรู้สึกของข้อความหรือเอกสาร ฉันจะใช้ API ของ .NET SDK of GroupDocs.Classification Cloud ช่วยให้คุณสามารถจัดประเภทข้อความดิบและเอกสารของคุณเป็นหมวดหมู่ที่กำหนดไว้ล่วงหน้า SDK รองรับอนุกรมวิธานหลายประเภท เช่น IAB-2, เอกสาร และอนุกรมวิธานความรู้สึก ช่วยให้คุณสามารถจำแนกเอกสารในรูปแบบไฟล์ที่รองรับ เช่น PDF, Word, OpenDocument, RTF และ TXT ข้อมูลการจัดประเภทจะแสดงชั้นเรียนที่ดีที่สุดพร้อมคะแนนความน่าจะเป็น

คุณสามารถติดตั้ง GroupDocs.Classification Cloud ในโครงการ Visual Studio ของคุณได้จาก NuGet Package Manager คุณสามารถติดตั้งได้โดยใช้คำสั่งต่อไปนี้ในคอนโซล Package Manager:

Install-Package GroupDocs.Classification-Cloud

โปรดรับรหัสลูกค้าและข้อมูลลับจาก แดชบอร์ด ก่อนที่คุณจะเริ่มทำตามขั้นตอนและตัวอย่างโค้ดที่มีอยู่ เมื่อคุณมีรหัสไคลเอ็นต์และรหัสลับแล้ว ให้เพิ่มรหัสตามที่แสดงด้านล่าง:

var configuration = new Configuration();
configuration.ClientId = "659fe7da-715b-4744-a0f7-cf469a392b73";
configuration.ClientSecret = "b377c36cfa28fa69960ebac6b6e36421";

การวิเคราะห์ความรู้สึกของเอกสารโดยใช้ REST API ใน C#

โปรดปฏิบัติตามขั้นตอนที่กล่าวถึงด้านล่างเพื่อดำเนินการวิเคราะห์ความคิดเห็นของเอกสารของคุณบนระบบคลาวด์

อัปโหลดเอกสาร

ประการแรก อัปโหลดไฟล์ DOCX บนคลาวด์โดยใช้ตัวอย่างโค้ดที่ระบุด้านล่าง:

// การเริ่มต้น API
var apiInstance = new FileApi(configuration);

// เปิดไฟล์ใน iOStream
var fileStream = File.Open("C:\\Files\\Classification\\sample.docx", FileMode.Open);

// สร้างคำขออัปโหลดไฟล์
var request = new UploadFileRequest("sample.docx", fileStream, "");

// อัพโหลดไฟล์
var response = apiInstance.UploadFile(request);

ด้วยเหตุนี้ ไฟล์ DOCX ที่อัปโหลดจะอยู่ใน ส่วนไฟล์ ของแดชบอร์ดของคุณบนระบบคลาวด์

จำแนกเอกสารด้วยการวิเคราะห์ความรู้สึกโดยใช้ C#

คุณสามารถทำการวิเคราะห์ความรู้สึกของเอกสารของคุณและจัดประเภทบนคลาวด์ได้อย่างง่ายดายโดยทำตามขั้นตอนด้านล่าง:

  • สร้างอินสแตนซ์ของ ClassificationApi
  • สร้างตัวอย่างของ BaseRequest
  • กำหนดเส้นทางไฟล์ DOCX ในโมเดล FileInfo
  • ตั้งค่า FileInfo เป็นเอกสาร BaseRequest
  • สร้าง ClassifyRequest ด้วย BaseRequest
  • ตั้งค่าอนุกรมวิธานการวิเคราะห์ความรู้สึก
  • รับผลลัพธ์โดยเรียกเมธอด ClassificationApi.Classify() ด้วย ClassifyRequest

ตัวอย่างโค้ดต่อไปนี้แสดงวิธีการวิเคราะห์ความคิดเห็นของเอกสารโดยใช้ REST API ใน C#

// การเริ่มต้น API
var apiInstance = new ClassificationApi(configuration);

// สร้างคำขอพื้นฐาน
BaseRequest baseRequest = new BaseRequest();
baseRequest.Document = new GroupDocs.Classification.Cloud.Sdk.Model.FileInfo()
{
    Name = "sample.docx",
    Folder = ""
};

// สร้างคำขอจัดหมวดหมู่
var request = new ClassifyRequest(baseRequest);

// อนุกรมวิธานการวิเคราะห์ความรู้สึก
request.Taxonomy = "sentiment3";

// รับผลการจำแนกประเภท
ClassificationResponse response = apiInstance.Classify(request);

// แสดงผล
foreach(var r in response.BestResults)
{
    Console.WriteLine("ClassName :" + r.ClassName);
    Console.WriteLine("ClassProbability :" + r.ClassProbability);
    Console.WriteLine("--------------------------------");
}

ClassName :Positive
ClassProbability :83.35
--------------------------------
ClassName :Neutral
ClassProbability :9.69
--------------------------------
ClassName :Negative
ClassProbability :6.96
--------------------------------

จัดประเภทข้อความด้วยการวิเคราะห์ความรู้สึกโดยใช้ REST API ใน C#

คุณสามารถทำการวิเคราะห์ความคิดเห็นของข้อความดิบและจัดประเภทโดยใช้โปรแกรมบนคลาวด์โดยทำตามขั้นตอนด้านล่าง

  • สร้างอินสแตนซ์ของ ClassificationApi
  • สร้างตัวอย่างของ BaseRequest
  • ระบุข้อความดิบในคำอธิบาย BaseRequest
  • สร้าง ClassifyRequest ด้วย BaseRequest
  • ตั้งค่าอนุกรมวิธานการวิเคราะห์ความรู้สึก
  • รับผลลัพธ์โดยเรียกเมธอด ClassificationApi.Classify() ด้วย ClassifyRequest

ตัวอย่างโค้ดต่อไปนี้แสดงวิธีการวิเคราะห์ความรู้สึกของข้อความโดยใช้ REST API ใน C#

// การเริ่มต้น API
var apiInstance = new ClassificationApi(configuration);

// สร้างคำขอพื้นฐาน
BaseRequest baseRequest = new BaseRequest();
baseRequest.Description = "We support some of the most popular file formats in business, "
    + "including Microsoft Word documents, Excel spreadsheets, PowerPoint presentations, "
    + "Outlook emails and archives, Visio diagrams, Project files, and Adobe Acrobat PDF documents..";

// สร้างคำขอจัดหมวดหมู่
var request = new ClassifyRequest(baseRequest);
request.Taxonomy = "sentiment3";

// รับผลการจำแนกประเภท
var response = apiInstance.Classify(request);

// แสดงผล
foreach (var r in response.BestResults)
{
    Console.WriteLine("ClassName : " + r.ClassName);
    Console.WriteLine("ClassProbability : " + r.ClassProbability);
    Console.WriteLine("--------------------------------");
}

ClassName : Positive
ClassProbability : 69.41
--------------------------------
ClassName : Neutral
ClassProbability : 22.08
--------------------------------
ClassName : Negative
ClassProbability : 8.51
--------------------------------

การวิเคราะห์ความรู้สึกของหลายประโยคในภาษา C#

คุณสามารถจำแนกประโยคหลายประโยคในชุดข้อความและทำการวิเคราะห์ความรู้สึกทางโปรแกรมบนคลาวด์โดยทำตามขั้นตอนด้านล่าง:

  • สร้างอินสแตนซ์ของ ClassificationApi
  • สร้างอินสแตนซ์ของ BatchRequest
  • ระบุหลายประโยคในชุดข้อความไปยัง BatchRequest
  • ตั้งค่า Taxonomy การวิเคราะห์ความรู้สึก
  • สร้าง ClassifyBatchRequest ด้วย BatchRequest และ Taxonomy
  • รับผลลัพธ์โดยเรียกเมธอด ClassificationApi.ClassifyBatch() ด้วย ClassifyBatchRequest

ตัวอย่างโค้ดต่อไปนี้แสดงวิธีจัดกลุ่มข้อความด้วยการวิเคราะห์ความรู้สึกโดยใช้ REST API ใน C#

// การเริ่มต้น API
var apiInstance = new ClassificationApi(configuration);

// สร้างคำขอข้อความแบทช์
var batchRequest = new BatchRequest
{
    Batch = new List<string> { { "Now that is out of the way, this thing is a beast. It is fast and runs cool." },
        { "Experience is simply the name we give our mistakes" },
        { "When I used compressed air a cloud of dust bellowed out from the card (small scuffs and scratches)." },
        { "This is Pathetic." },
        { "Excellent work done!" }
    }
};

// สร้างคำขอแบทช์จำแนกประเภท
var request = new ClassifyBatchRequest(batchRequest, taxonomy: "sentiment");

// รับผลการจำแนกประเภท
var response = apiInstance.ClassifyBatch(request);

// แสดงผล
for (int x=0; x<response.Results.Count; x++)
{
    var res = response.Results[x];
    Console.WriteLine("Text : " + batchRequest.Batch[x]);
    Console.WriteLine("ClassName : " + res.BestClassName);
    Console.WriteLine("ClassProbability : " + res.BestClassProbability);
    Console.WriteLine("--------------------------------");
}

Text : Now that is out of the way, this thing is a beast. It is fast and runs cool.
ClassName : Positive
ClassProbability : 85.27
--------------------------------
Text : Experience is simply the name we give our mistakes
ClassName : Negative
ClassProbability : 72.56
--------------------------------
Text : When I used compressed air a cloud of dust bellowed out from the card (small scuffs and scratches).
ClassName : Negative
ClassProbability : 70.84
--------------------------------
Text : This is Pathetic.
ClassName : Negative
ClassProbability : 88.48
--------------------------------
Text : Excellent work done!
ClassName : Positive
ClassProbability : 90.41
--------------------------------

ลองออนไลน์

โปรดลองใช้เครื่องมือจัดหมวดหมู่ออนไลน์ฟรีต่อไปนี้ ซึ่งพัฒนาโดยใช้ API ข้างต้น https://products.groupdocs.app/การจัดหมวดหมู่[/](https:/ /products.groupdocs.app/splitter/pdf)

บทสรุป

ในบทความนี้ คุณได้เรียนรู้วิธีจัดประเภทเอกสารด้วยการวิเคราะห์ความคิดเห็นโดยใช้ REST API คุณยังได้เรียนรู้วิธีการวิเคราะห์ความรู้สึกในชุดข้อความใน C# นอกจากนี้ คุณยังได้เรียนรู้วิธีอัปโหลดไฟล์ DOCX บนคลาวด์ด้วยโปรแกรม คุณสามารถเรียนรู้เพิ่มเติมเกี่ยวกับ GroupDocs.Classification Cloud API โดยใช้ เอกสารประกอบ เรายังมีส่วน API Reference ที่ช่วยให้คุณแสดงภาพและโต้ตอบกับ API ของเราได้โดยตรงผ่านเบราว์เซอร์ ในกรณีที่มีความคลุมเครือ โปรดติดต่อเราได้ที่ ฟอรัม

ดูสิ่งนี้ด้วย