Diese Seite wurde von der Cloud Translation API übersetzt.

Mit ML Kit unter Android intelligente Antworten generieren

ML Kit kann mit einem On-Device-Modell kurze Antworten auf Nachrichten generieren.

Zum Generieren intelligenter Antworten übergeben Sie an ML Kit ein Log aktueller Nachrichten in einer Unterhaltung. Wenn ML Kit feststellt, dass die Unterhaltung auf Englisch ist und die Unterhaltung keine potenziell sensiblen Themen enthält, generiert ML Kit bis zu drei Antworten, die Sie dem Nutzer vorschlagen können.

	Gebündelt	Nicht gebündelt
Name der Bibliothek	`com.google.mlkit:smart-reply`	`com.google.android.gms:play-services-mlkit-smart-reply`
Implementierung	Das Modell ist zum Build-Zeitpunkt statisch mit Ihrer App verknüpft.	Das Modell wird dynamisch über die Google Play-Dienste heruntergeladen.
Auswirkungen der App-Größe	Die Größe wird um etwa 5,7 MB erhöht.	Die Größe wurde um etwa 200 KB erhöht.
Initialisierungszeit	Modell ist sofort verfügbar.	Vor der ersten Verwendung kann es möglicherweise etwas dauern, bis das Modell heruntergeladen wurde.

Ausprobieren

Probieren Sie die Beispiel-App aus, um sich ein Anwendungsbeispiel für diese API anzusehen.

Hinweis

Für diese API ist Android API-Level 21 oder höher erforderlich. Achten Sie darauf, dass die Build-Datei Ihrer Anwendung einen minSdkVersion-Wert von 21 oder höher verwendet.

In der Datei build.gradle auf Projektebene muss das Maven-Repository von Google in den Abschnitten buildscript und allprojects enthalten sein.

Fügen Sie die Abhängigkeiten für die ML Kit-Android-Bibliotheken in die Gradle-Datei auf App-Ebene Ihres Moduls ein, die normalerweise app/build.gradle ist. Wählen Sie je nach Ihren Anforderungen eine der folgenden Abhängigkeiten aus:

So bündeln Sie das Modell mit Ihrer App:

dependencies {
  // ...
  // Use this dependency to bundle the model with your app
  implementation 'com.google.mlkit:smart-reply:17.0.3'
}

So verwenden Sie das Modell in den Google Play-Diensten:

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'
}

Wenn Sie das Modell in den Google Play-Diensten verwenden möchten, können Sie Ihre App so konfigurieren, dass das Modell nach der Installation der App aus dem Play Store automatisch auf das Gerät heruntergeladen wird. Fügen Sie der Datei AndroidManifest.xml Ihrer App die folgende Deklaration hinzu:

<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>

Sie können die Modellverfügbarkeit auch explizit prüfen und einen Download über die ModuleInstallClient API der Google Play-Dienste anfordern.

Wenn Sie das Herunterladen von Modellen bei der Installation nicht aktivieren oder einen expliziten Download anfordern, wird das Modell heruntergeladen, wenn Sie den intelligenten Antwortgenerator zum ersten Mal ausführen. Anfragen, die Sie vor Abschluss des Downloads stellen, führen zu keinen Ergebnissen.

1. Objekt für Unterhaltungsverlauf erstellen

Zum Generieren intelligenter Antworten übergeben Sie ML Kit eine chronologisch geordnete List von TextMessage-Objekten, wobei der früheste Zeitstempel zuerst angezeigt wird.

Immer wenn der Nutzer eine Nachricht sendet, fügen Sie die Nachricht und ihren Zeitstempel dem Unterhaltungsverlauf hinzu:

Kotlin

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

Java

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

Immer wenn der Nutzer eine Nachricht erhält, fügen Sie die Nachricht, ihren Zeitstempel und die Nutzer-ID des Absenders dem Unterhaltungsverlauf hinzu. Die Nutzer-ID kann ein beliebiger String sein, der den Absender innerhalb der Konversation eindeutig identifiziert. Die Nutzer-ID muss keinen Nutzerdaten entsprechen und die Nutzer-ID muss zwischen Unterhaltungen oder Aufrufen des intelligenten Antwortgenerators nicht einheitlich sein.

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));

Ein Objekt für den Unterhaltungsverlauf sieht wie das folgende Beispiel aus:

Zeitstempel	userID	isLocalUser	Meldung
Do., 21. Feb., 13:13:39 PST 2019		true	Bist du auf dem Weg?
Do., 21. Feb., 13:15:03 PST 2019	FRIEND0	false	Ich bin leider spät dran.

ML Kit schlägt Antworten auf die letzte Nachricht in einem Unterhaltungsverlauf vor. Die letzte Nachricht sollte von einem nicht lokalen Nutzer stammen. Im obigen Beispiel stammt die letzte Nachricht in der Konversation vom nicht lokalen Nutzer FRIEND0. Wenn Sie dieses Log in ML Kit verwenden, werden Antworten auf die Nachricht von FRIENDO vorgeschlagen: „Ich verspäte mich, tut mir leid!“

2. Antworten auf Nachrichten erhalten

Wenn Sie intelligente Antworten auf eine Nachricht generieren möchten, rufen Sie eine Instanz von SmartReplyGenerator ab und übergeben Sie den Unterhaltungsverlauf an die entsprechende suggestReplies()-Methode:

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
                // ...
            }
        });

Wenn der Vorgang erfolgreich ist, wird ein SmartReplySuggestionResult-Objekt an den Erfolgs-Handler übergeben. Dieses Objekt enthält eine Liste mit bis zu drei Antwortvorschlägen, die Sie dem Nutzer präsentieren können:

Kotlin

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

Java

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

Beachten Sie, dass ML Kit möglicherweise keine Ergebnisse zurückgibt, wenn das Modell nicht mit der Relevanz der vorgeschlagenen Antworten überzeugt ist, die eingegebene Unterhaltung nicht auf Englisch ist oder wenn das Modell sensible Themen erkennt.