Construire une application React d'analyse de sentiments en utilisant l'API OpenAI

Dans le paysage numérique, l’accès à des données exploitables, en particulier à 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 de manière programmatique les opinions et les perceptions des gens à l’égard de votre produit. Vous pouvez découvrir d’autres points de données importants que vous pouvez utiliser pour prendre des décisions commerciales clés.

Avec des outils tels que 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 classification avancée des tweets afin d’analyser les commentaires des utilisateurs.

Introduction à GPT

Le Generative Pre-trained Transformer (GPT-3) de l’OpenAI est un grand modèle de langage entraîné sur d’énormes quantités de données textuelles, ce qui lui donne la capacité de générer rapidement des réponses à n’importe quelle requête qui lui est soumise. Il utilise des techniques de traitement du langage naturel pour comprendre et traiter les requêtes – invites des utilisateurs.

Lire Comment corriger l'erreur de connexion de ChatGPT

Page de présentation du GPT-3 de l'OpenAI

Le GPT-3 a gagné en popularité grâce à sa capacité à traiter les demandes de l’utilisateur et à y répondre dans un format conversationnel.

Ce modèle est particulièrement essentiel pour l’analyse des sentiments, car il permet d’évaluer et de déterminer avec précision le sentiment des clients à l’égard des produits, de la marque et d’autres paramètres 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 les sentiments exprimés dans des données textuelles telles que des phrases et des paragraphes.

GPT peut traiter des données séquentielles, ce qui permet d’analyser les sentiments. L’ensemble du processus d’analyse implique l’entraînement du modèle à l’aide de vastes ensembles de données textuelles étiquetées qui sont catégorisées comme positives, négatives ou neutres.

Vous pouvez ensuite utiliser un modèle formé pour déterminer le sentiment de 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, le GPT peut être affiné pour évaluer des données provenant 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 entraînant le modèle avec des expressions de sentiments propres à ce domaine particulier.

Classificateur de tweets avancé intégré à OpenAI

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 un ton positif, l’API le catégorisera comme « positif », sinon il sera étiqueté comme « négatif » ou « neutre ».

En outre, vous pouvez personnaliser les catégories et utiliser des mots plus spécifiques pour décrire le sentiment. Par exemple, au lieu d’étiqueter simplement 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 Developer Console d’OpenAI et créez un compte. Vous aurez besoin de votre clé API pour interagir avec l’API du classificateur de tweet avancé depuis votre application React.

Sur la page d’aperçu, cliquez sur le bouton Profil en haut à droite, et sélectionnez Voir les clés API.

Cliquez ensuite sur Créer une nouvelle clé secrète pour générer une nouvelle clé API pour votre application. Veillez à prendre une copie de la clé pour l’utiliser à l’étape suivante.

Créer un client React

Démarrez rapidement votre projet React localement. Ensuite, dans le répertoire racine de votre dossier de projet, créez un fichier .env pour contenir la clé secrète de l’API.

 REACT_APP_OPEN_AI_API_KEY='your API key'

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

Configurer le composant App.js

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

Effectuez les importations suivantes :

 import './App.css';
import React, {useState} from 'react';

Définissez le composant fonctionnel App et les variables d’état pour contenir le message d’un utilisateur et son sentiment après l’analyse.
```
 function App() {
  const [message, setMessage] = useState("");
  const [sentiment, setSentiment] = useState(""); 
```
Créer une fonction handler qui effectuera des requêtes HTTP POST asynchrones à l’Advanced Tweet Classifier en transmettant le message de l’utilisateur et la clé API dans le corps de la requête afin d’analyser les sentiments.
La fonction attendra ensuite la réponse de l’API, l’analysera en JSON et extraira la valeur du sentiment dans le tableau des choix à partir des données analysées.

Enfin, la fonction de traitement déclenche la fonction setSentiment pour mettre à jour son état avec la valeur de sentiment.

   const API_KEY = process.env.REACT_APP_OPEN_AI_API_KEY;

  const APIBODY ={
    'model': "text-davinci-003",
    'prompt': "What is the sentiment of this message?" + message,
    'max_tokens': 60,
    'top_p': 1.0,
    'frequency_penalty': 0.0,
    'presence_penalty': 0.0,
  }

  async function handleClick() {
    await fetch('https://api.openai.com/v1/completions', {
      method: 'POST',
      headers: {
        'Content-Type': 'application/json',
        'authorization': `Bearer ${API_KEY}`
      },
      body: JSON.stringify(APIBODY)
    }).then(response => {
      return response.json()
    }).then((data) => {
      console.log(data);
      setSentiment(data.choices[0].text.trim());
    }).catch((error) => {
      console.error(error);
    });
  };

Le corps de la requête contient quelques paramètres :

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 maximum de tokens introduits dans le modèle afin d’éviter une utilisation excessive ou inutile de la puissance de calcul du modèle et d’améliorer ses performances globales.
top_p, frequency_penalty, and presence_penalty : ces paramètres ajustent la sortie du modèle.

Enfin, renvoyez la boîte de message et le bouton d’envoi :

   return (
    <div className="App">
      <header className="App-header">
        <h2> Sentiment Analysis Application</h2>
        <div className="input">
          <p> Enter the message to classify </p>

          <textarea
            className="textArea" 
            type="text" 
            placeholder="Type your message..."
            cols={50}
            rows={10}
            onChange={(e) => setMessage(e.target.value)}
          />
        </div>

        <div className="Response">
          <button onClick={handleClick}> Get Message sentiment</button>
          {sentiment !== "" ? <p> The message is {sentiment} </p> : null}
        </div>
      </header>
    </div>
  );
}

export default App;

Créer une invite utilisateur

Vous pouvez éventuellement créer un champ de saisie d’invite pour vous permettre de définir la manière d’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 de les classer sur une échelle de un à dix, où un est extrêmement négatif et dix extrêmement positif.

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

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

Modifier l’invite sur l’APIBODY pour utiliser les données de la variable d’invite :

   const APIBODY = {
    // ...
    'prompt': prompt + message,
    // ...
  }

Ajouter un champ de saisie de l’invite, juste au-dessus de la zone de texte du message :

   <input 
      className="prompt"
       type="text" 
       placeholder="Enter prompt..."
       onChange={(e) => setPrompt(e.target.value)}
  />

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

Analyse des sentiments à l’aide d’outils d’IA

L’analyse des sentiments est une pratique commerciale essentielle qui peut fournir des informations précieuses sur les expériences et les opinions de vos clients, vous permettant de prendre des décisions éclairées qui peuvent conduire à une amélioration de l’expérience client et à une augmentation du chiffre d’affaires.

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