Diese Seite wurde von der Cloud Translation API übersetzt.

Mit ML Kit unter Android intelligente Antworten generieren

Das ML Kit kann mithilfe eines On-Device-Modells kurze Antworten auf Nachrichten generieren.

Wenn Sie intelligente Antworten generieren möchten, übergeben Sie ML Kit ein Log der letzten Nachrichten in einer Unterhaltung. Wenn das ML Kit feststellt, dass die Unterhaltung auf Englisch ist, und kein potenziell sensibles Thema vorliegt, generiert ML Kit bis zu drei Antworten, die du Nutzern vorschlagen kannst.

	Gebündelt	Nicht gebündelt
Name der Bibliothek	`com.google.mlkit:smart-reply`	`com.google.android.gms:play-services-mlkit-smart-reply`
Implementierung	Das Modell ist bei der Build-Erstellung statisch mit Ihrer App verknüpft.	Das Modell wird dynamisch über die Google Play-Dienste heruntergeladen.
Auswirkungen der App-Größe	Etwa 5,7 MB.	Etwa 200 KB.
Initialisierungszeit	Das Modell ist sofort verfügbar.	Sie müssen möglicherweise auf den Download warten, bevor das Modell verwendet werden kann.

Ausprobieren

Probieren Sie die Beispiel-App aus, um sich ein Beispiel für die Verwendung dieser API anzusehen.

Hinweis

Für diese API ist das Android-API-Level 19 oder höher erforderlich. Achten Sie darauf, dass die Build-Datei Ihrer App den minSdkVersion-Wert 19 oder höher hat.

Achten Sie darauf, dass Sie in der Datei build.gradle auf Projektebene das Maven-Repository von Google in die Abschnitte buildscript und allprojects aufnehmen.

Fügen Sie der Gradle-Datei auf Modulebene (in der Regel app/build.gradle) die Abhängigkeiten für die Android-Bibliotheken des ML Kits hinzu. 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:17.0.2'
}

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 die App so konfigurieren, dass das Modell nach der Installation 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 überprüfen und einen Download über die ModuleInstallClient API der Google Play-Dienste anfordern.

Wenn Sie die Downloads des Installationszeitmodells nicht aktivieren oder einen expliziten Download anfordern, wird das Modell heruntergeladen, wenn Sie den intelligenten Antwortgenerator das erste Mal ausführen. Bei Anfragen, die vor Abschluss des Downloads erfolgen, werden keine Ergebnisse ausgegeben.

1) Objekt für Unterhaltungsverlauf erstellen

Zum Generieren intelligenter Antworten übergeben Sie dem ML Kit ein chronologisch geordnetes List-Objekt von TextMessage-Objekten, wobei der früheste Zeitstempel an erster Stelle steht.

Wenn der Nutzer eine Nachricht sendet, fügen Sie die Nachricht und den Zeitstempel dem Unterhaltungsverlauf hinzu:

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, den Zeitstempel und die Nutzer-ID des Absenders dem Unterhaltungsverlauf hinzu. Die User-ID kann ein beliebiger String sein, der den Absender in der Unterhaltung eindeutig identifiziert. Die User-ID muss keiner Nutzerdaten entsprechen und die User-ID muss bei 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 solches Objekt sieht so aus:

Zeitstempel	Nutzer-ID	Nutzer (lokal)	die Botschaft und
21. Feb. 21:13:39 Uhr PST 2019		true	Bist du auf dem Weg?
Do. Feb 21 13:15:03 PST 2019	FREUND0	false	Ich verspäte mich leider!

Das ML Kit schlägt Antworten auf die letzte Nachricht in einem Unterhaltungsverlauf vor. Die letzte Nachricht sollte von einem nicht lokalen Nutzer stammen. Im Beispiel oben stammt die letzte Nachricht in der Unterhaltung vom nicht lokalen Nutzer FRIEND0. Wenn Sie dieses ML Kit übergeben, werden Antworten auf die Nachricht von FRIENDO vorgeschlagen: „Laufen, leider!“

2. Nachrichtenantworten erhalten

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

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 vorgeschlagenen Antworten, die Sie Ihrem 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 das ML Kit möglicherweise keine Ergebnisse zurückgibt, wenn das Modell nicht sicher ist, wie relevant die vorgeschlagenen Antworten sind, die Eingabeunterhaltung nicht auf Englisch ist oder das Modell ein sensibles Thema erkennt.