Genere respuestas inteligentes con ML Kit en iOS

Puede utilizar ML Kit para generar respuestas a mensajes utilizando un modelo en el dispositivo.

Para generar respuestas inteligentes, le pasa a ML Kit un registro de mensajes recientes en una conversación. Si ML Kit determina que la conversación es en inglés y que la conversación no tiene temas potencialmente confidenciales, ML Kit genera hasta tres respuestas, que puede sugerirle a su usuario.

Antes de que empieces

  1. Si aún no has agregado Firebase a tu aplicación, hazlo siguiendo los pasos de la guía de introducción .
  2. Incluya las bibliotecas del kit ML en su Podfile:
    pod 'Firebase/MLCommon', '6.25.0'
    pod 'Firebase/MLNLSmartReply', '6.25.0'
    
    Después de instalar o actualizar los Pods de su proyecto, asegúrese de abrir su proyecto Xcode usando su .xcworkspace .
  3. En tu aplicación, importa Firebase:

    Rápido

    import Firebase

    C objetivo

    @import Firebase;

1. Crea un objeto de historial de conversación.

Para generar respuestas inteligentes, le pasa al ML Kit una matriz de objetos TextMessage ordenados cronológicamente, con la marca de tiempo más antigua primero. Siempre que el usuario envíe o reciba un mensaje, agregue el mensaje, su marca de tiempo y el ID de usuario del remitente del mensaje al historial de conversaciones.

El ID de usuario puede ser cualquier cadena que identifique de forma única al remitente dentro de la conversación. No es necesario que la ID de usuario corresponda a ningún dato de usuario y no es necesario que la ID de usuario sea coherente entre conversaciones o invocaciones del generador de respuestas inteligente.

Si el mensaje fue enviado por el usuario al que desea sugerir respuestas, establezca isLocalUser en verdadero.

Rápido

var conversation: [TextMessage] = []

// Then, for each message sent and received:
let message = TextMessage(
    text: "How are you?",
    timestamp: Date().timeIntervalSince1970,
    userID: "userId",
    isLocalUser: false)
conversation.append(message)

C objetivo

NSMutableArray *conversation = [NSMutableArray array];

// Then, for each message sent and received:
FIRTextMessage *message = [[FIRTextMessage alloc]
        initWithText:@"How are you?"
        timestamp:[NSDate date].timeIntervalSince1970
        userID:userId
        isLocalUser:NO];
[conversation addObject:message];

Un objeto de historial de conversación se parece al siguiente ejemplo:

Marca de tiempo ID de usuario ¿Usuario local? Mensaje
Jueves 21 de febrero 13:13:39 PST 2019 verdadero ¿estas tu en tu camino?
Jueves 21 de febrero 13:15:03 PST 2019 AMIGO0 FALSO Llegando tarde, ¡lo siento!

Tenga en cuenta que el mensaje más reciente en el ejemplo anterior es de un usuario no local. Esto es importante porque ML Kit sugiere respuestas destinadas a ser enviadas por el usuario de su aplicación: el usuario local. Debe asegurarse de pasarle a ML Kit un registro de conversación que finalice con un mensaje al que su usuario podría querer responder.

2. Obtener respuestas a mensajes

Para generar respuestas inteligentes a un mensaje, obtenga una instancia de SmartReply y pase el historial de conversaciones a su método suggestReplies(for:completion:) :

Rápido

let naturalLanguage = NaturalLanguage.naturalLanguage()
naturalLanguage.smartReply().suggestReplies(for: conversation) { result, error in
    guard error == nil, let result = result else {
        return
    }
    if (result.status == .notSupportedLanguage) {
        // The conversation's language isn't supported, so the
        // the result doesn't contain any suggestions.
    } else if (result.status == .success) {
        // Successfully suggested smart replies.
        // ...
    }
}

C objetivo

FIRNaturalLanguage *naturalLanguage = [FIRNaturalLanguage naturalLanguage];
FIRSmartReply *smartReply = [naturalLanguage smartReply];
[smartReply suggestRepliesForMessages:inputText
                           completion:^(FIRSmartReplySuggestionResult * _Nullable result,
                                        NSError * _Nullable error) {
  if (error || !result) {
    return;
  }
  if (result.status == FIRSmartReplyResultStatusNotSupportedLanguage) {
      // The conversation's language isn't supported, so the
      // the result doesn't contain any suggestions.
  } else if (result.status == FIRSmartReplyResultStatusSuccess) {
      // Successfully suggested smart replies.
      // ...
  }
}];
]

Si la operación tiene éxito, se pasa un objeto SmartReplySuggestionResult al controlador de finalización. Este objeto contiene una lista de hasta 3 respuestas sugeridas, que puedes presentar a tu usuario:

Rápido

for suggestion in result.suggestions {
  print("Suggested reply: \(suggestion.text)")
}

C objetivo

for (FIRSmartReplySuggestion *suggestion in result.suggestions) {
  NSLog(@"Suggested reply: %@", suggestion.text);
}

Tenga en cuenta que es posible que el kit de aprendizaje automático no arroje resultados si el modelo no confía en la relevancia de las respuestas sugeridas, la conversación de entrada no está en inglés o si el modelo detecta un tema delicado.