Android-এ ML Kit-এর মাধ্যমে স্মার্ট রিপ্লাই তৈরি করা

ML Kit অন-ডিভাইস মডেল ব্যবহার করে মেসেজের সংক্ষিপ্ত উত্তর তৈরি করতে পারে।

স্মার্ট রিপ্লাই জেনারেট করতে, আপনি ML Kit-কে একটি কথোপকথনে সাম্প্রতিক মেসেজের লগ পাঠান। ML Kit যদি নির্ধারণ করে যে কথোপকথনটি ইংরেজিতে হচ্ছে এবং কথোপকথনে সম্ভাব্য সংবেদনশীল বিষয়বস্তু নেই, তাহলে ML Kit তিনটি পর্যন্ত উত্তর তৈরি করে, যা আপনি আপনার ব্যবহারকারীকে সাজেস্ট করতে পারেন।

একত্রিতআনবান্ডেল করা হয়েছে
লাইব্রেরির নামcom.google.mlkit:smart-replycom.google.android.gms:play-services-mlkit-smart-reply
প্রয়োগবিল্ড করার সময় মডেলটি আপনার অ্যাপের সাথে স্ট্যাটিক্যালি লিঙ্ক করা হয়।Google Play পরিষেবার মাধ্যমে মডেল ডায়নামিকভাবে ডাউনলোড করা হয়।
অ্যাপের সাইজের প্রভাবসাইজ প্রায় ৫.৭ এমবি বেড়েছে।সাইজ প্রায় ২০০ কেবি বেড়েছে।
শুরু করার সময়মডেলটি অবিলম্বে উপলভ্য।প্রথমবার ব্যবহার করার আগে মডেল ডাউনলোড করার জন্য অপেক্ষা করতে হতে পারে।

এটি ব্যবহার করে দেখুন

শুরু করার আগে

  1. আপনার প্রোজেক্ট-লেভেল build.gradle ফাইলে, buildscript এবং allprojects উভয় বিভাগেই Google-এর Maven রিপোজিটরি অন্তর্ভুক্ত করতে ভুলবেন না।

  2. আপনার মডিউলের অ্যাপ-লেভেল গ্রেডেল ফাইলে ML Kit Android লাইব্রেরির জন্য ডিপেন্ডেন্সি যোগ করুন, যা সাধারণত app/build.gradle হয়। আপনার প্রয়োজন অনুযায়ী নিম্নলিখিত ডিপেন্ডেন্সিগুলির মধ্যে থেকে একটি বেছে নিন:

    • আপনার অ্যাপের সাথে মডেল বান্ডেল করতে:
    dependencies {
  // ...
  // Use this dependency to bundle the model with your app
  implementation 'com.google.mlkit:smart-reply:17.0.4'
}
    • Google Play পরিষেবায় মডেল ব্যবহার করতে:
    dependencies {
  // ...
  // Use this dependency to use the dynamically downloaded model in Google Play Services
  implementation 'com.google.android.gms:play-services-mlkit-smart-reply:16.0.0-beta1'
}

    আপনি Google Play পরিষেবায় মডেল ব্যবহার করার বিকল্প বেছে নিলে, Play Store থেকে আপনার অ্যাপ ইনস্টল করার পরে ডিভাইসে অটোমেটিক মডেল ডাউনলোড করার জন্য আপনার অ্যাপ কনফিগার করতে পারবেন। আপনার অ্যাপের AndroidManifest.xml ফাইলে নিম্নলিখিত ঘোষণা যোগ করার মাধ্যমে:

    <application ...>
      ...
      <meta-data
          android:name="com.google.mlkit.vision.DEPENDENCIES"
          android:value="smart_reply" >
      <!-- To use multiple models: android:value="smart_reply,model2,model3" -->
</application>

    এছাড়াও, আপনি Google Play পরিষেবা ModuleInstallClient API-এর মাধ্যমে মডেলের উপলভ্যতা চেক করতে এবং ডাউনলোডের অনুরোধ করতে পারবেন।

    আপনি যদি ইনস্টল-টাইম মডেল ডাউনলোড চালু না করেন বা এক্সপ্লিসিট ডাউনলোডের অনুরোধ না করেন, তাহলে আপনি প্রথমবার স্মার্ট রিপ্লাই জেনারেটর চালানোর সময় মডেলটি ডাউনলোড করা হয়। ডাউনলোড সম্পূর্ণ হওয়ার আগে আপনি কোনও অনুরোধ করলে, কোনও ফলাফল পাওয়া যায় না।

    ১. কথোপকথনের ইতিহাস অবজেক্ট তৈরি করুন

    স্মার্ট রিপ্লাই তৈরি করতে, আপনি ML Kit-এ TextMessage অবজেক্টের কালানুক্রমিক ক্রমে সাজানো List পাস করেন, যেখানে প্রথম টাইমস্ট্যাম্পটি প্রথমে থাকে।

    ব্যবহারকারী যখনই কোনও মেসেজ পাঠাবেন, মেসেজ এবং তার টাইমস্ট্যাম্প কথোপকথনের ইতিহাসে যোগ করো:

    Kotlin

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

    Java

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

    ব্যবহারকারী যখনই কোনও মেসেজ পাবেন, মেসেজ, তার টাইমস্ট্যাম্প এবং প্রেরকের ব্যবহারকারীর আইডি কথোপকথনের ইতিহাসে যোগ করুন। ব্যবহারকারীর আইডি যেকোনও স্ট্রিং হতে পারে যা কথোপকথনের মধ্যে প্রেরককে অনন্যভাবে শনাক্ত করে। ব্যবহারকারীর আইডি কোনও ব্যবহারকারীর ডেটার সাথে মিলতে হবে না এবং স্মার্ট রিপ্লাই জেনারেটরের কথোপকথন বা ইনভোকেশনের মধ্যে ব্যবহারকারীর আইডি সামঞ্জস্যপূর্ণ হতে হবে না।

    Kotlin

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

    Java

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

    কথোপকথনের ইতিহাস অবজেক্ট নিম্নলিখিত উদাহরণের মতো দেখতে হয়:

    টাইমস্ট্যাম্প userID isLocalUser মেসেজ
    Thu Feb 21 13:13:39 PST 2019 সত্য তুমি কি রাস্তায় আছো?
    Thu Feb 21 13:15:03 PST 2019 FRIEND0 মিথ্যা দেরি হয়ে গেছে, দুঃখিত!

    ML Kit কথোপকথনের ইতিহাসে শেষ মেসেজের উত্তর সাজেস্ট করে। শেষ মেসেজটি অবশ্যই কোনও নন-লোকাল ব্যবহারকারীর হতে হবে। উপরের উদাহরণে, কথোপকথনের শেষ মেসেজটি স্থানীয় নয় এমন ব্যবহারকারী FRIEND0-এর থেকে এসেছে। আপনি যখন ML Kit-এ এই লগ পাস করেন, তখন এটি FRIENDO-এর মেসেজের উত্তর সাজেস্ট করে: "দেরি হয়ে গেছে, দুঃখিত!"

    ২. মেসেজের উত্তর পান

    কোনও মেসেজের স্মার্ট রিপ্লাই জেনারেট করতে, SmartReplyGenerator-এর ইনস্ট্যান্স পান এবং এর suggestReplies() পদ্ধতিতে কথোপকথনের ইতিহাস পাস করুন:

    Kotlin

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

    Java

    SmartReplyGenerator smartReply = SmartReply.getClient();
smartReply.suggestReplies(conversation)
        .addOnSuccessListener(new OnSuccessListener() {
            @Override
            public void onSuccess(SmartReplySuggestionResult result) {
                if (result.getStatus() == SmartReplySuggestionResult.STATUS_NOT_SUPPORTED_LANGUAGE) {
                    // The conversation's language isn't supported, so
                    // 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
                // ...
            }
        });

    অপারেশন সফল হলে, একটি SmartReplySuggestionResult অবজেক্ট সাকসেস হ্যান্ডলারে পাস করা হয়। এই অবজেক্টে সর্বাধিক তিনটি সাজেস্ট করা উত্তরের তালিকা থাকে, যা আপনি ব্যবহারকারীকে দেখাতে পারেন:

    Kotlin

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

    Java

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

    মনে রাখবেন, সাজেস্ট করা উত্তরের প্রাসঙ্গিকতা সম্পর্কে মডেল নিশ্চিত না হলে, ইনপুট কথোপকথন ইংরেজিতে না হলে অথবা মডেল সংবেদনশীল বিষয় শনাক্ত করলে, ML Kit ফলাফল নাও দেখাতে পারে।