Generazione di descrizioni di prodotti utilizzando l'API TextCortex

Siamo ansiosi di aggiungere nuove funzionalità alla nostra API. La nostra più recente soluzione API è la descrizione avanzata dei prodotti.

Esistono diversi modi per utilizzare l'API TextCortex. Al centro dell'interazione c'è il "prompt" che fornisce istruzioni ai nostri modelli di intelligenza artificiale su ciò che dovrebbe creare.

Generazione della descrizione del prodotto utilizzando l'API avanzata

Cos'è l'API di descrizione del prodotto avanzata:

I nostri utenti hanno bisogno di uno strumento che sia affidabile nell'output e che li serva in ciò di cui hanno bisogno. Mentre in passato usavamo solo "titoli di prodotti" per generare descrizioni. Ora abbiamo aggiunto "caratteristiche del prodotto" che possono essere aggiunte per creare descrizioni più accurate e mantenere un input elevato per la pertinenza dell'output per i nostri utenti.

Al centro di ogni chiamata API c'è il "prompt" che dice ai nostri modelli di intelligenza artificiale di cosa dovrebbero scrivere. In generale, più informazioni aiutano l'IA a creare testi migliori e più pertinenti alle tue esigenze.

Se hai creato il tuo "prompt", devi solo inviarlo al nostro endpoint API con la chiave API.

Supponiamo che i dettagli del tuo prodotto siano come i seguenti:

Nome Prodotto: Gucci Jeans skinny da donna

Marca: Gucci

Categoria: 'Abbigliamento, scarpe e gioielli', 'Donna'

Caratteristiche: 'Taglia: Media', 'Colore: Rosa', 'Stile:Slim Fit', 'Materiali:Cotone 98%, Elastan 2%'

in questo caso è necessario costruire una stringa completa come la seguente da inviare alla nostra API. Il prompt completo per quello sarebbe:

Nome del prodotto: 'Gucci Skinny jeans da donna' Marca: 'Gucci' Categoria: ['Abbigliamento, scarpe e gioielli', 'Donna'] Caratteristiche: ['Taglia: Media', 'Colore: Rosa', 'Stile: Slim Fit' , 'Materiali:Cotone 98%, Elastan 2%'] Descrizione prodotto:

 # An example about how to build the prompt programatically using python product_name = 'Gucci Skinny women jeans' brand = 'Gucci' features = ['Size: Medium', 'Color: Pink', 'Style:Slim Fit', 'Materials:Cotton 98%, Elastane 2%'] category = ['Clothing, Shoes & Jewelry', 'Women'] prompt = 'Product name: "' + product_name + '" Brand: "' + brand + \ '" Category: ' + str(category) + \ ' Features: ' + str(features) + ' Product Description:' # You can use our python package to directly generate text from textcortex import TextCortex hemingwai = TextCortex(api_key='YOUR_API_KEY') generate_content = hemingwai.generate(prompt=prompt, target_segment='', character_count=1152, source_language='en', creativity=0.7) print(generate_content) ''' Output: [{'generated_text': " This pair of women's jeans from Gucci is perfect for the modern woman who wants to look great while still being comfortable. The classic slim-fit design is made of high quality fabric that feels soft to the touch. The pink color is perfect for any outfit and can be paired with everything from a simple white shirt to a pair of heels.", 'rank': 0.7143, 'text_length': 336, 'word_frequency': [], 'word_count': 62}] '''

Metodo 1: richiesta-risposta con caratteristiche del prodotto:

Al fine di ottenere un'elevata pertinenza da input a output

Come accennato in precedenza, è importante mantenere la struttura generale dei prompt e aggiungere le informazioni sul prodotto all'interno della pipeline di conseguenza dal sistema di gestione dei dati nella nostra API.

Nell'esempio di richiesta-risposta di seguito, puoi vedere che all'interno del "prompt" della chiamata c'è una struttura definita di funzionalità che devono essere conservate e inviate come stringa alla nostra API.

Ad esempio, se si dispone di caratteristiche dettagliate del prodotto, è possibile inviare un messaggio come il seguente:

 curl -XPOST -H "Content-type: application/json" -d '{ "prompt": "Product name: 'Gucci Skinny women jeans' Brand: 'Gucci' Category: ['Clothing, Shoes & Jewelry', 'Women'] Features: ['Size: Medium', 'Color: Pink', 'Style:Slim Fit', 'Materials:Cotton 98%, Elastane 2%'] Product Description:", "category": "Product Description", "target_segment": "", "source_language": "auto", "creativity": 0.7, "character_count": 512, "api_key": "YOUR_API_KEY" }' "https://api.textcortex.com/hemingwai/generate_text"

Risposta

 { "status": "success", "ai_results": [ { "generated_text": " The Gucci jeans are the perfect combination of comfort and style. Made from soft and supple cotton with a slim fit, these women's jeans will ensure you look and feel your best.", "rank": 0.6757, "text_length": 178, "word_frequency": [], "word_count": 32 } ], "error": 200 }

Metodo 2: lavoro di richiesta-risposta con dati sparsi alias. cosa succede se non hai tutte le funzionalità del prodotto:

Nel caso in cui non disponi di dati di prodotto sufficienti, puoi inviare solo il "titolo del prodotto" per ottenere la descrizione del prodotto.

Poiché l'IA non dispone di istruzioni sulle caratteristiche del prodotto, potrebbe includere o utilizzare caratteristiche comuni relative al prodotto.

Per controllare e mantenere un'elevata pertinenza da input a output, aggiungere quante più informazioni possibili al modello. Simile a un essere umano, maggiore è l'istruzione e l'integrazione di qualcuno in un compito, meglio e più velocemente possono operare.

Richiesta:

 curl -XPOST -H "Content-type: application/json" -d '{ "prompt": "Product name: 'Balenciaga Mens Sports Shoes - Black'", "category": "Auto Complete", "target_segment": "", "source_language": "auto", "creativity": 0.7, "character_count": 512, "api_key": "YOUR_API_KEY" }' "https://api.textcortex.com/hemingwai/generate_text"

Risposta:

 { "status": "success", "ai_results": [ { "generated_text": " The Gucci jeans are the perfect combination of comfort and style. Made from soft and supple cotton with a slim fit, these women's jeans will ensure you look and feel your best.", "rank": 0.6757, "text_length": 178, "word_frequency": [], "word_count": 32 } ], "error": 200 }

‍

Questo è tutto! Ce l'hai fatta :) Se ti piace lavorare su un modo più semplice per generare contenuti in modo programmatico, dai un'occhiata ai nostri pacchetti Python e Javascript:

Pacchetto Python per generatore di testo TextCortex

Pacchetto Javascript TextCortex Generatore di testo

‍