Android पर एमएल किट की मदद से, स्मार्ट जवाब जनरेट करना

संग्रह की मदद से व्यवस्थित रहें अपनी प्राथमिकताओं के आधार पर, कॉन्टेंट को सेव करें और कैटगरी में बांटें.

मशीन लर्निंग (ML) किट, डिवाइस पर मौजूद मॉडल का इस्तेमाल करके मैसेज के छोटे जवाब दे सकती है.

स्मार्ट जवाब जनरेट करने के लिए, किसी बातचीत में एमएल किट को हाल ही के मैसेज का लॉग दें. अगर ML किट तय करती है कि बातचीत अंग्रेज़ी में है और बातचीत में संवेदनशील विषय नहीं है, तो ML किट ज़्यादा से ज़्यादा तीन जवाब जनरेट करेगा, जिसका सुझाव आप अपने उपयोगकर्ता को दे सकते हैं.

बंडल किए गएअनबंडल किए गए
लाइब्रेरी का नामcom.google.mlkit:smart-replycom.google.android.gms:play-services-mlkit-smart-reply
लागू करनामॉडल, बिल्ड टाइम के दौरान स्टैटिक तौर पर आपके ऐप्लिकेशन से लिंक होता है.मॉडल, Google Play Services के ज़रिए डाइनैमिक रूप से डाउनलोड होता है.
ऐप्लिकेशन के साइज़ पर असरकरीब 5.7 एमबी का साइज़.करीब 200 केबी का साइज़ बढ़ाएं.
प्रोसेस शुरू होने में लगने वाला समयमॉडल तुरंत उपलब्ध है.पहली बार इस्तेमाल करने से पहले, शायद मॉडल डाउनलोड होने का इंतज़ार करना पड़े.

इसे आज़माएं

शुरू करने से पहले

  1. प्रोजेक्ट-लेवल की build.gradle फ़ाइल में, अपने buildscript और allprojects, दोनों सेक्शन में Google का Maven का स्टोरेज शामिल करना न भूलें.

  2. अपने मॉड्यूल की ऐप्लिकेशन-लेवल की ग्रेडल फ़ाइल में ML किट की Android लाइब्रेरी के लिए डिपेंडेंसी जोड़ें, जो आम तौर पर app/build.gradle होती है. अपनी ज़रूरतों के हिसाब से इनमें से कोई एक डिपेंडेंसी चुनें:

    • अपने ऐप्लिकेशन के साथ मॉडल को बंडल करने के लिए:
    dependencies {
      // ...
      // Use this dependency to bundle the model with your app
      implementation 'com.google.mlkit:smart-reply:17.0.2'
    }
    
    • Google Play सेवाओं में मॉडल का इस्तेमाल करने के लिए:
    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'
    }
    

    अगर आप Google Play Services में उस मॉडल का इस्तेमाल करना चुनते हैं, तो Play Store से आपका ऐप्लिकेशन इंस्टॉल हो जाने के बाद, उस डिवाइस पर मॉडल को अपने-आप डाउनलोड करने के लिए, अपने ऐप्लिकेशन को कॉन्फ़िगर कर सकते हैं. अपने ऐप्लिकेशन की AndroidManifest.xml फ़ाइल में, यह जानकारी जोड़कर:

    <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>
    

    Google Play सेवाओं के ModuleInstallClient API की मदद से, मॉडल की उपलब्धता की जानकारी साफ़ तौर पर देखी जा सकती है. साथ ही, उसे डाउनलोड करने का अनुरोध भी किया जा सकता है.

    अगर आपने इंस्टॉल के समय मॉडल डाउनलोड चालू नहीं किया है या डाउनलोड करने का साफ़ तौर पर अनुरोध नहीं किया है, तो स्मार्ट जवाब जनरेट करने वाले मॉडल को पहली बार डाउनलोड किया जाता है. डाउनलोड पूरा होने से पहले किए गए अनुरोधों के कोई नतीजे नहीं मिलते.

    1. बातचीत के इतिहास वाला ऑब्जेक्ट बनाएं

    स्मार्ट जवाब जनरेट करने के लिए, पहले TextMessage टाइमस्टैंप के साथ, List TextMessage ऑब्जेक्ट के लिए, समय के हिसाब से क्रम में लगाया गया ML किट पास करें.

    जब भी कोई उपयोगकर्ता मैसेज भेजे, तो मैसेज और उसके टाइमस्टैंप को बातचीत के इतिहास में जोड़ें:

    Kotlin

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

    Java

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

    जब भी उपयोगकर्ता को कोई मैसेज मिलता है, तो मैसेज, उसके टाइमस्टैंप, और भेजने वाले के यूज़र आईडी को बातचीत के इतिहास में जोड़ें. User ID ऐसी कोई भी स्ट्रिंग हो सकती है जो बातचीत में शामिल भेजने वाले की पहचान करती है. यह ज़रूरी नहीं है कि User-ID किसी भी उपयोगकर्ता के डेटा से मेल खाए. साथ ही, User-ID के बीच, स्मार्ट जवाब बनाने वाले की बातचीत या उसे शुरू करने के बीच का तालमेल एक जैसा होना ज़रूरी नहीं है.

    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));

    बातचीत के इतिहास वाला ऑब्जेक्ट, नीचे दिए गए उदाहरण की तरह दिखता है:

    टाइमस्टैंप UserID isLocalUser मैसेज
    गुरुवार 21 फ़रवरी 13:13:39 पीएसटी 2019 true क्या आप रास्ते में हैं?
    गुरुवार 21 फ़रवरी 13:15:03 पीएसटी 2019 फ़्रेंडली false देर हो रही है, माफ़ करें!

    ML किट, बातचीत के इतिहास में पिछले मैसेज के जवाब देती है. आखिरी मैसेज किसी स्थानीय उपयोगकर्ता से होना चाहिए. ऊपर दिए गए उदाहरण में, बातचीत का आखिरी मैसेज गैर-स्थानीय उपयोगकर्ता friend0 का है. जब आप इस लॉग को एमएल किट पास करने का इस्तेमाल करते हैं, तो यह फ़्रेंडलीओ के मैसेज के जवाब देता है: "देरी से चल रहा है, माफ़ करें!"

    2. मैसेज के जवाब पाएं

    किसी मैसेज का स्मार्ट जवाब जनरेट करने के लिए, SmartReplyGenerator का एक इंस्टेंस तैयार करें और बातचीत का इतिहास, suggestReplies() में भेजें:

    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
                    // ...
                }
            });

    अगर कार्रवाई सफल होती है, तो सक्सेस हैंडलर को एक SmartReplySuggestionResult ऑब्जेक्ट पास कर दिया जाता है. इस ऑब्जेक्ट में ज़्यादा से ज़्यादा तीन सुझाए गए जवाबों की सूची होती है, जिन्हें आप अपने उपयोगकर्ता को दिखा सकते हैं:

    Kotlin

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

    Java

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

    ध्यान दें कि अगर मशीन जवाब (मॉडल) सुझाए गए जवाबों की प्रासंगिकता के बारे में पक्के तौर पर नहीं जानता है, तो ML किट, नतीजे नहीं दिखा सकता. इनपुट वाली बातचीत अंग्रेज़ी में नहीं होती है या जब मॉडल को किसी संवेदनशील विषय का पता चलता है.