Mit ML Kit unter Android intelligente Antworten generieren

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

Um intelligente Antworten zu generieren, übergeben Sie ML Kit ein Protokoll der letzten Nachrichten in einem Gespräch. Wenn ML Kit feststellt, dass die Unterhaltung auf Englisch ist und dass keine potenziell sensiblen Themen, ML Kit generiert bis zu drei Antworten, die Sie dem Nutzer vorschlagen können.

<ph type="x-smartling-placeholder">
GebündeltNicht gebündelt
Name der Bibliothekcom.google.mlkit:smart-replycom.google.android.gms:play-services-mlkit-smart-reply
ImplementierungDas Modell ist zum Build-Zeitpunkt statisch mit Ihrer App verknüpft.Das Modell wird dynamisch über die Google Play-Dienste heruntergeladen.
Auswirkungen der App-GrößeDie Größe wird um etwa 5,7 MB erhöht.Die Größe wurde um etwa 200 KB erhöht.
InitialisierungszeitModell ist sofort verfügbar.Vor der ersten Verwendung kann es möglicherweise etwas dauern, bis das Modell heruntergeladen wurde.

Jetzt ausprobieren

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

Hinweis

<ph type="x-smartling-placeholder">
  1. In der Datei build.gradle auf Projektebene müssen Sie die Parameter von Google Maven-Repository in den Abschnitten buildscript und allprojects.

  2. Fügen Sie die Abhängigkeiten für die ML Kit-Android-Bibliotheken Ihres Moduls Gradle-Datei auf App-Ebene, in der Regel app/build.gradle. Wählen Sie eine der folgenden Optionen aus: die folgenden Abhängigkeiten verwenden:

    • 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:17.0.4'
    }
    
    • 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, können Sie wird das Modell automatisch auf das Gerät heruntergeladen, aus dem Play Store installiert haben. Durch Hinzufügen der folgenden Deklaration zu Ihrem Datei AndroidManifest.xml der App:

    <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 den Download über Die Google Play-Dienste ModuleInstallClient API.

    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 im 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 deren Zeitstempel zum Unterhaltungsverlauf:

    Kotlin

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

    Java

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

    Wenn der Nutzer eine Nachricht erhält, fügen Sie die Nachricht, ihren Zeitstempel und den Nutzer-ID des Absenders dem Unterhaltungsverlauf hinzufügen. Die Nutzer-ID kann eine beliebige Zeichenfolge sein, den Absender innerhalb der Konversation eindeutig identifiziert. Die Nutzer-ID muss nicht den Nutzerdaten entsprechen und die User-ID muss nicht einheitlich sein zwischen Unterhaltungen oder Aufrufen des Generators für intelligente Antworten.

    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 wahr Bist du auf dem Weg?
    Do., 21. Feb., 13:15:03 PST 2019 FRIEND0 falsch 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 ist die letzte Nachricht der Konversation ist vom nicht-lokalen Nutzer FREUND0. Wenn Sie dieses Log im ML Kit verwenden, wird vorgeschlagen, antwortet auf die Nachricht von friendO: „Ich verspäte mich leider!“

    2. Antworten auf Nachrichten erhalten

    Wenn du intelligente Antworten auf eine Nachricht generieren möchtest, ruf eine Instanz von SmartReplyGenerator ab und übergeben Sie den Unterhaltungsverlauf an seine 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. Dieses Objekt enthält eine Liste mit bis zu drei vorgeschlagenen Antworten. die Sie Ihren Nutzenden 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 zuversichtlich ist, ob die vorgeschlagenen Antworten relevant sind, oder wenn das Modell sensible Themen erkennt.