Android এ ML কিট দিয়ে স্মার্ট উত্তর তৈরি করুন

আপনি একটি অন-ডিভাইস মডেল ব্যবহার করে বার্তার উত্তর তৈরি করতে ML কিট ব্যবহার করতে পারেন।

স্মার্ট উত্তর তৈরি করতে, আপনি একটি কথোপকথনে সাম্প্রতিক বার্তাগুলির একটি লগ ML Kit পাস করেন৷ যদি ML Kit নির্ধারণ করে যে কথোপকথনটি ইংরেজিতে, এবং কথোপকথনে সম্ভাব্য সংবেদনশীল বিষয় নেই, ML Kit তিনটি পর্যন্ত উত্তর তৈরি করে, যা আপনি আপনার ব্যবহারকারীকে পরামর্শ দিতে পারেন।

তুমি শুরু করার আগে

1. যদি আপনি ইতিমধ্যেই না করে থাকেন তাহলে আপনার Android প্রকল্পে Firebase যোগ করুন ।
2. আপনার মডিউল (অ্যাপ-লেভেল) গ্রেডল ফাইলে (সাধারণত app/build.gradle ):

   apply plugin: 'com.android.application'
   apply plugin: 'com.google.gms.google-services'
   
   dependencies {
     // ...
     implementation 'com.google.firebase:firebase-ml-natural-language:22.0.0'
     implementation 'com.google.firebase:firebase-ml-natural-language-smart-reply-model:20.0.7'
   }
   

   ML কিট অ্যান্ড্রয়েড লাইব্রেরির জন্য নির্ভরতা যোগ করুন
3. এছাড়াও আপনার অ্যাপ-লেভেল build.gradle ফাইলে, tflite ফাইলের কম্প্রেশন অক্ষম করুন:

   android {
       // ...
       aaptOptions {
           noCompress "tflite"
       }
   }
   

1. একটি কথোপকথনের ইতিহাস অবজেক্ট তৈরি করুন

স্মার্ট উত্তর জেনারেট করতে, আপনি ML Kit-কে প্রথম দিকের টাইমস্ট্যাম্প সহ FirebaseTextMessage অবজেক্টের একটি কালানুক্রমিক-অর্ডার করা List পাস করেন।

যখনই ব্যবহারকারী একটি বার্তা পাঠান, কথোপকথনের ইতিহাসে বার্তা এবং এর টাইমস্ট্যাম্প যোগ করুন:

conversation.add(FirebaseTextMessage.createForLocalUser(
        "heading out now", System.currentTimeMillis()));

conversation.add(FirebaseTextMessage.createForLocalUser(
        "heading out now", System.currentTimeMillis()))

যখনই ব্যবহারকারী একটি বার্তা পায়, কথোপকথনের ইতিহাসে বার্তা, তার টাইমস্ট্যাম্প এবং প্রেরকের ব্যবহারকারীর আইডি যোগ করুন। ব্যবহারকারী আইডি যে কোনো স্ট্রিং হতে পারে যা কথোপকথনের মধ্যে প্রেরককে অনন্যভাবে সনাক্ত করে। ব্যবহারকারীর আইডির কোনো ব্যবহারকারীর ডেটার সাথে সঙ্গতিপূর্ণ হওয়ার প্রয়োজন নেই, এবং ব্যবহারকারীর আইডি স্মার্ট উত্তর জেনারেটরের কথোপকথন বা আহ্বানের মধ্যে সামঞ্জস্যপূর্ণ হতে হবে না।

conversation.add(FirebaseTextMessage.createForRemoteUser(
        "Are you coming back soon?", System.currentTimeMillis(), userId));

conversation.add(FirebaseTextMessage.createForRemoteUser(
        "Are you coming back soon?", System.currentTimeMillis(), userId))

একটি কথোপকথন ইতিহাস বস্তু নিম্নলিখিত উদাহরণ মত দেখায়:

উল্লেখ্য যে উপরের উদাহরণে সবচেয়ে সাম্প্রতিক বার্তাটি একজন অ-স্থানীয় ব্যবহারকারীর কাছ থেকে এসেছে। এটি গুরুত্বপূর্ণ কারণ এমএল কিট আপনার অ্যাপের ব্যবহারকারী: স্থানীয় ব্যবহারকারীর দ্বারা পাঠানোর উদ্দেশ্যে উত্তরের পরামর্শ দেয়। আপনার নিশ্চিত হওয়া উচিত যে আপনি ML Kit-এ একটি কথোপকথন লগ পাস করছেন যা একটি বার্তা দিয়ে শেষ হয় যা আপনার ব্যবহারকারী উত্তর দিতে চাইতে পারে।

2. বার্তার উত্তর পান

একটি বার্তার স্মার্ট উত্তর তৈরি করতে, FirebaseSmartReply এর একটি উদাহরণ পান এবং কথোপকথনের ইতিহাসটি এর suggestReplies() পদ্ধতিতে পাস করুন:

FirebaseSmartReply smartReply = FirebaseNaturalLanguage.getInstance().getSmartReply();
smartReply.suggestReplies(conversation)
        .addOnSuccessListener(new OnSuccessListener<SmartReplySuggestionResult>() {
            @Override
            public void onSuccess(SmartReplySuggestionResult result) {
                if (result.getStatus() == SmartReplySuggestionResult.STATUS_NOT_SUPPORTED_LANGUAGE) {
                    // The conversation's language isn't supported, so the
                    // the result doesn't contain any suggestions.
                } else if (result.getStatus() == SmartReplySuggestionResult.STATUS_SUCCESS) {
                    // Task completed successfully
                    // ...
                }
            }
        })
        .addOnFailureListener(new OnFailureListener() {
            @Override
            public void onFailure(@NonNull Exception e) {
                // Task failed with an exception
                // ...
            }
        });

val smartReply = FirebaseNaturalLanguage.getInstance().smartReply
smartReply.suggestReplies(conversation)
        .addOnSuccessListener { result ->
            if (result.getStatus() == SmartReplySuggestionResult.STATUS_NOT_SUPPORTED_LANGUAGE) {
                // The conversation's language isn't supported, so the
                // the result doesn't contain any suggestions.
            } else if (result.getStatus() == SmartReplySuggestionResult.STATUS_SUCCESS) {
                // Task completed successfully
                // ...
            }
        }
        .addOnFailureListener {
            // Task failed with an exception
            // ...
        }

অপারেশন সফল হলে, একটি SmartReplySuggestionResult অবজেক্ট সফল হ্যান্ডলারের কাছে পাঠানো হয়। এই বস্তুটিতে 3টি পর্যন্ত প্রস্তাবিত উত্তরের একটি তালিকা রয়েছে, যা আপনি আপনার ব্যবহারকারীর কাছে উপস্থাপন করতে পারেন:

for (SmartReplySuggestion suggestion : result.getSuggestions()) {
    String replyText = suggestion.getText();
}

for (suggestion in result.suggestions) {
    val replyText = suggestion.text
}

মনে রাখবেন যে ML Kit ফলাফল নাও দিতে পারে যদি মডেলটি প্রস্তাবিত উত্তরগুলির প্রাসঙ্গিকতার বিষয়ে আত্মবিশ্বাসী না হয়, ইনপুট কথোপকথন ইংরেজিতে না হয়, অথবা মডেলটি স্পর্শকাতর বিষয় সনাক্ত করে।