在 Android 上使用 ML Kit 產生智慧回覆

你可以使用 ML Kit 在裝置上生成訊息回覆 模型

如要產生智慧回覆，請將 ML Kit 近期訊息記錄傳送至 對話。如果 ML Kit 判斷對話是以英文表示對話， 就沒有敏感主題的 ML Kit 最多產生 3 則回覆，您可當做建議使用者參考。

事前準備

  1. 如果還沒試過 將 Firebase 新增至您的 Android 專案。
  2. 將 ML Kit Android 程式庫的依附元件新增至模組 (應用程式層級) Gradle 檔案 (通常是 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'
}
  3. 在應用程式層級的 build.gradle 檔案中，停用壓縮功能 共 tflite 個檔案： 
    android {
    // ...
    aaptOptions {
        noCompress "tflite"
    }
}

1. 建立對話記錄物件

如要產生智慧回覆，您需要傳送 ML Kit 按照時間排序的List 的 FirebaseTextMessage 物件，並採用最早的時間戳記。

每當使用者傳送訊息時，請將訊息和時間戳記新增至 對話記錄：

Java

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

Kotlin

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

每當使用者收到訊息時，請新增訊息、訊息時間戳記和 並將傳送者的使用者 ID 加入對話記錄中。使用者 ID 可以是任何 可明確識別會話群組中的寄件者。User-ID 不需要 對應至任何使用者資料，而且 User-ID 不需要保持一致 。

Java

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

Kotlin

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

對話記錄物件如下列範例所示：

時間戳記 使用者 ID 本機使用者？ 訊息
2019 年 2 月 21 日星期四 13:13:39 (太平洋標準時間) 是 你正在路上嗎？
2019 年 2 月 21 日星期四 13:15:03 (太平洋標準時間) 朋友 false 抱歉，我遲到了！

請注意，上述範例中最新的訊息並非來自本機 內容。這很重要，因為 ML Kit 建議要傳送的回覆 也就是本機使用者確定自己能順利通過 ML Kit 對話記錄，此記錄的結尾是使用者可能前往的訊息 也就是您要回覆的對象。

2. 接收訊息回覆

如要產生訊息的智慧回覆，請取得 FirebaseSmartReply 的執行個體 並將對話記錄傳遞至其 suggestReplies() 方法：

Java

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
                // ...
            }
        });

Kotlin

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
            // ...
        }

如果作業成功，系統會將 SmartReplySuggestionResult 物件傳遞至 成功處理常式這個物件包含最多 3 個建議的回覆清單 可用來向使用者顯示：

Java

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

Kotlin

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

請注意，如果模型對模型缺乏信心，ML Kit 可能不會傳回結果 建議回覆的關聯性，但輸入對話不在 指定語言，或模型偵測到敏感主題。