Angeboten wird eine API zur automatischen und hoch flexiblen Textkategorisierung. Man gibt einen Text und beliebig wählbare Kategorien ein und bekommt die Wahrscheinlichkeit ausgegeben, dass der Text in diese Kategorie gehört.
Angebot:
https://rapidapi.com/Optimalize/api/content-categorizer
Vorteile:
- Super Flexibel:
-----> Search Intent Kategorisierung,
-----> Sentiment Kategorisierung,
-----> Automatische Taxonomien und Kategorien aus dem Text hergeleitet,
-----> Automatische Erkennung von Sex, Drug und Crime Content etc...
- Freemium mit 4 möglichen Pricing Modellen
- First Mover Advantage, die API wird zum ersten mal Offiziell hier bei Abakus angeboten
- 100 Sprachen werden vom Model beherrscht
- State of the Art Natural Language Processing. Wir verwenden BERT Modelle (https://www.seonative.de/google-bert-update/), aber nur den Algorithmus. Wir haben keine Verbindung zu Google und keine Daten werden an Google weitergeleitet
Technisches:
- Unsere API ist über Rapidapi zugänglich (https://rapidapi.com/Optimalize/api/content-categorizer)
- Mit dem Parameter seq übermittelt man den Text
- Mit dem Parameter multc (bool: true/false) kann man bestimmen ob die wahrscheinlichkeiten pro kategorie unabhängig voneinander berechnet werden sollen. Bei multc=true können mehrere Kategorien > 50% Wahrscheinlichkeit haben, bei multc=false nicht, die Wahrscheinlichkeiten summieren sich hier immer auf 100% auf.
- Mit dem Parameter lab (für labels) übergibt man die Kategorien (mit Komma separiert)
Beispiel 1 --> Search Intent Classification:
[Kategorisiere die Beschreibung von https://www.nike.com/de/ in Search Intents (branded, transactional, research, ...)]
Code: Alles auswählen
seq=Inspiring the world's athletes, Nike delivers innovative products, experiences and services.
multc=true
lab=branded,visual,buy,transactional,news,video,local,research,answer
https://pasteboard.co/JEb4SN8.png
Beispiel 2 --> Search Intent Classification:
[Kategorisiere die Deutsche Beschreibung von Amazon Dot Echo in Search Intents]
https://www.amazon.de/Echo-Dot-3-Gen-In ... B07PHPXHQS
Code: Alles auswählen
seq=Echo Dot (3. Gen.) Intelligenter Lautsprecher mit Alexa, Anthrazit Stoff: Amazon.de: Alle Produkte
multc=true
lab=branded,visual,buy,transactional,news,video,local,research,answer
https://pasteboard.co/JEbb8eX.png
Beispiel 3 --> Taxonomien/Kategorien für Texte automatisch bestimmen:
Kategorisiere den NYT Artikel (https://www.nytimes.com/2020/08/28/tech ... bying.html) in die NYT Kategorien:
https://pasteboard.co/JEbcUPd.png
Tech, Business, Politics & USA > 50% --> Der Artikel könnte dann im Blog automatisch in den Kategorien zugeteilt werden.
Beispiel 4 --> Sentiment:
Man kann einfach aus der Textkategorisierung mit lab=positive,negative einen Sentiment Algorithmus erzeugen!
Sentiment ermitteln (Englisch):
https://pasteboard.co/JEaXKJZ.png
Sentiment ermitteln (Deutsch):
https://pasteboard.co/JEaZwQn.png
Impressum:
Optimalize.it (Sales: Nadine Bernhard)
Ahornstrasse 80
68542 Heddesheim
+496203/4103884
sales@optimalize.it
Preise inkl. MwSt.
