Verstehen Sie die JSON-Antwort
Erfolgreiche Einzelantworten enthalten data und meta. Die unten stehende Datensatzantwort ist ein veranschaulichendes Beispiel und kein Maß für die Produktgenauigkeit oder ein Versprechen für das gleiche Live-Ergebnis. Es zeigt den IP-Testzugang. Mit einem Kontoschlüssel authentifizierte Anforderungen geben access.mode: api_key zurück; Felder, die nur für die Testversion gelten, haben den Wert null.
| Feld | Bedeutung |
|---|---|
| data.input | Eingabetyp, Wert und Land. forceToGenderize ist enthalten, wenn true. |
| data.name | Übereinstimmender oder extrahierter Vorname; null, wenn keine verfügbar ist. |
| data.gender | male, female oder JSON null. Dies ist eine Vorhersage, kein Beweis für die Identität einer Person. |
| data.result_status / reason | Wenn result_status identified ist, ist reason null. Wenn der Status unknown ist, ist der Grund not_found, no_name_candidate, ambiguous oder insufficient_evidence. |
| data.confidence | 0–1 Punkte oder null. Null-Geschlecht hat null-Konfidenz. |
| data.confidence_kind | observed_frequency: die Anzahl der dominanten Geschlechter dividiert durch die Gesamtanzahl im ausgewählten Datensatz. model_reported: ein KI-Score, keine kalibrierte Wahrscheinlichkeit. Der Wert ist null, wenn er nicht verfügbar ist. |
| data.sample_count | Stichprobengröße des Datensatzes oder null. KI erfindet keine Stichprobenzählung. |
| data.source | dataset, ai oder none. |
| data.country / country_source | Länderzuordnung aus Datensatz oder ai_association oder null. Legt weder Nationalität, Wohnsitz noch ethnische Zugehörigkeit fest. |
| data.match | Passender Name im Datensatz, Abgleichsmethode (normalized, token, substring oder model_inference), Geltungsbereich (country oder global) und zugeordnetes Land. Fehlende Angaben sind null. |
| meta.request_id / duration_ms | Vorgangskennung und Verarbeitungsdauer in Millisekunden. |
| meta.access | Wie der Zugriff gewährt wurde und ggf. der Grund für den Fallback der Testversion. |
| meta.usage | Nettogebühr, Abschlusszeitsaldo, Rechnungsstatus und Informationen zum Zurücksetzen der Testversion. |
{
"data": {
"input": {
"type": "name",
"value": "Onur",
"country": "TR"
},
"name": "onur",
"gender": "male",
"country": "TR",
"confidence": 0.9,
"confidence_kind": "observed_frequency",
"sample_count": 100,
"source": "dataset",
"result_status": "identified",
"reason": null,
"country_source": "dataset",
"match": {
"name": "onur",
"method": "normalized",
"scope": "country",
"country": "TR"
}
},
"meta": {
"request_id": "11111111-1111-4111-8111-111111111111",
"duration_ms": 12,
"access": {
"mode": "ip_trial",
"reason": "api_key_missing"
},
"usage": {
"charged_credits": 1,
"remaining_credits": 9,
"billing_status": "confirmed",
"resets_at": "2026-09-26T12:00:00.000Z",
"limit": 10,
"period_seconds": 86400
}
}
}Ein erfolgreiches unbekanntes Ergebnis
HTTP 200 bedeutet, dass der Vorgang abgeschlossen ist; es garantiert kein Geschlecht. Behalten Sie JSON null bei, anstatt es in male, female, eine leere Zeichenfolge oder Nullkonfidenz umzuwandeln. Überprüfen Sie data.result_status und data.reason getrennt von HTTP-Fehlern.
Dieses reine Datensatzbeispiel gibt source: none und reason: not_found zurück und kostet immer noch 1 Credit. Wenn die Datensatzanzahlen für die beiden Geschlechter gleich sind, kann das Ergebnis reason: ambiguous enthalten, während sample_count erhalten bleibt. Ein unbekanntes KI-Ergebnis verwendet source: ai und reason: insufficient_evidence.
{
"data": {
"input": {
"type": "name",
"value": "zzzxxyy",
"country": null
},
"name": null,
"gender": null,
"country": null,
"confidence": null,
"confidence_kind": null,
"sample_count": null,
"source": "none",
"result_status": "unknown",
"reason": "not_found",
"country_source": null,
"match": {
"name": null,
"method": null,
"scope": null,
"country": null
}
},
"meta": {
"request_id": "11111111-1111-4111-8111-111111111111",
"duration_ms": 12,
"access": {
"mode": "ip_trial",
"reason": "api_key_missing"
},
"usage": {
"charged_credits": 1,
"remaining_credits": 8,
"billing_status": "confirmed",
"resets_at": "2026-09-26T12:00:00.000Z",
"limit": 10,
"period_seconds": 86400
}
}
}Interpretieren Sie Konfidenz und übereinstimmende Beweise
Eine Konfidenz von 0,9 liegt auf einer Skala von 0–1. Für observed_frequency bedeutet dies die dominante Anzahl dividiert durch die Gesamtzahl des ausgewählten Datensatzes. Es handelt sich nicht um eine Messung der End-to-End-Produktgenauigkeit. Ein model_reported-Score wird von KI bereitgestellt und ist nicht anhand der Datensatzhäufigkeiten kalibriert.
Wählen Sie einen beliebigen Anwendungsschwellenwert unter Verwendung Ihrer eigenen Bewertungsdaten und confidence_kind. Ordnen Sie Datensätze und KI-Ergebnisse nicht direkt so, als ob sie dasselbe messen würden. KI match.name, match.scope und match.country sind null, da keine Datensatzzeile ausgewählt wurde; match.method ist model_inference.
Bei vollständigen Namen kann ein Datensatzergebnis von einer Komponente und nicht von der vollständigen Zeichenfolge stammen. data.input behält den übermittelten Wert bei; data.name beschreibt den zurückgegebenen Namen und data.match beschreibt den Kandidaten und den Suchbereich.