Android'de ML Kit ile akıllı yanıtlar oluşturma

ML Kit, cihaz üzerinde bir model kullanarak mesajlara kısa yanıtlar oluşturabilir.

Akıllı yanıtlar oluşturmak için bir görüşmedeki son mesajların günlüğünü ML Kit'e iletirsiniz. ML Kit konuşmanın İngilizce olduğunu belirlerse ve görüşmede hassas olabilecek bir konunun yer almadığı tespit edilirse ML Kit, kullanıcınıza önerebileceğiniz en fazla üç yanıt oluşturur.

Bu API, kullanılmadan önce indirilmesi gereken grup halinde olmayan bir kitaplık veya uygulamanızın boyutunu büyüten bir paket kitaplık kullanılarak sunulur. İki yükleme seçeneği arasındaki farklar hakkında daha fazla bilgi için bu kılavuza bakın.

	Gruplandırılanlar	Grup halinde olmayanlar
Kitaplık adı	com.google.mlkit:smart-reply	com.google.android.gms:play-services-mlkit-smart-reply
Uygulama	Model, derleme sırasında uygulamanıza statik olarak bağlıdır.	Model, Google Play Hizmetleri üzerinden dinamik olarak indirilir.
Uygulama boyutu etkisi	Boyutta yaklaşık 5,7 MB büyüme.	Boyutta yaklaşık 200 KB artış.
Başlatma süresi	Model hemen kullanılabilir.	İlk kullanımdan önce modelin indirilmesini beklemeniz gerekebilir.

Not: Akıllı Yanıt'ın paketlenmemiş sürümü şu anda beta sürümünde sunulmaktadır. Bu nedenle, eski sürümlerle uyumsuz olacak şekilde değiştirilmiş olabilir ve herhangi bir HDS'ye veya kullanımdan kaldırma politikasına tabi değildir.

Deneyin

• Bu API'nin örnek bir kullanımını görmek için örnek uygulamayı inceleyin.

Başlamadan önce

Bu API, Android API düzeyi 21 veya üzerini gerektirir. Uygulamanızın derleme dosyasının 21 veya daha yüksek bir minSdkVersion değeri kullandığından emin olun.

1. Proje düzeyindeki build.gradle dosyanızda, Google'ın Maven deposunu hem buildscript hem de allprojects bölümlerinize eklediğinizden emin olun.

2. ML Kit Android kitaplıklarının bağımlılıklarını, modülünüzün uygulama düzeyindeki Gradle dosyasına (genellikle app/build.gradle) ekleyin. İhtiyaçlarınıza göre aşağıdaki bağımlılıklardan birini seçin:

   • Modeli uygulamanızla gruplandırmak için:

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

   • Modeli Google Play Hizmetleri'nde kullanmak için:

   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'
   }
   

   Modeli Google Play Hizmetleri'nde kullanmayı seçerseniz uygulamanızı, Play Store'dan yüklendikten sonra modeli cihaza otomatik olarak indirecek şekilde yapılandırabilirsiniz. Uygulamanızın AndroidManifest.xml dosyasına aşağıdaki beyanı ekleyerek:

   <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>
   

   Ayrıca, model kullanılabilirliğini açıkça kontrol edebilir ve Google Play Hizmetleri ModuleInstallClient API üzerinden indirme isteğinde bulunabilirsiniz.

   Yükleme zamanı modeli indirmelerini etkinleştirmezseniz veya açık bir şekilde indirme isteğinde bulunmazsanız akıllı yanıt oluşturma aracını ilk kez çalıştırdığınızda model indirilir. İndirme tamamlanmadan önce yaptığınız istekler sonuç vermez.

   1. Görüşme geçmişi nesnesi oluşturma

   Akıllı yanıtlar oluşturmak için ML Kit'e kronolojik olarak sıralanmış TextMessage nesneden List tanesini iletirsiniz. En erken zaman damgası en baştadır.

   Kullanıcı her mesaj gönderdiğinde mesajı ve zaman damgasını görüşme geçmişine ekleyin:

   Kotlin

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

   Java

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

   Kullanıcı bir mesaj aldığında mesajı, zaman damgasını ve gönderenin kullanıcı kimliğini görüşme geçmişine ekleyin. User ID, görüşme içinde göndereni benzersiz bir şekilde tanımlayan herhangi bir dize olabilir. User-ID'nin herhangi bir kullanıcı verisine karşılık gelmesi gerekmez ve kullanıcı kimliğinin, akıllı yanıt oluşturucunun ileti dizisi veya çağrıları arasında tutarlı olması gerekmez.

   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));

   İleti dizisi geçmişi nesnesi aşağıdaki örneğe benzer:

   Zaman damgası	userID	isLocalUser	Mesaj
   21 Şubat 2019 13:13:39 PST 2019		true	Yolda mısın?
   21 Şubat 2019 13:15:03 PST 2019	FRIEND0	false	Üzgünüm, çok geç kaldım.

   Makine Öğrenimi Kiti, sohbet geçmişindeki son mesaja yanıt önerir. Son mesaj yerel olmayan bir kullanıcıdan gelmelidir. Yukarıdaki örnekte, sohbetteki son mesaj yerel olmayan FRIEND0 adlı kullanıcıdan gelmiştir. Bu günlüğü geçerken ML Kit'i kullandığınızda, FRIENDO'nun şu mesajına yanıt önerileri sunulur: "Üzgünüm, geç kalacağım."

   2. Mesaj yanıtlarını alma

   Bir mesaja akıllı yanıtlar oluşturmak için SmartReplyGenerator örneği alın ve görüşme geçmişini suggestReplies() yöntemine iletin:

   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
                   // ...
               }
           });

   İşlem başarılı olursa başarı işleyiciye bir SmartReplySuggestionResult nesnesi aktarılır. Bu nesne, kullanıcınıza sunabileceğiniz en fazla üç önerilen yanıtın bir listesini içerir:

   Kotlin

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

   Java

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

   Model; önerilen yanıtların alaka düzeyinden emin değilse, girilen ileti dizisi İngilizce değilse veya model hassas bir konu algılarsa ML Kit'in sonuç döndürmeyebileceğini unutmayın.