Diese Seite wurde von der Cloud Translation API übersetzt.

Mit ML Kit unter Android intelligente Antworten generieren

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

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

	Gebündelt	Nicht gruppiert
Name der Bibliothek	`com.google.mlkit:smart-reply`	`com.google.android.gms:play-services-mlkit-smart-reply`
Implementierung	Das Modell ist zum Zeitpunkt der Build-Erstellung statisch mit Ihrer App verknüpft.	Das Modell wird über die Google Play-Dienste dynamisch heruntergeladen.
Auswirkungen auf die App-Größe	Die Größe wird um ca.5,7 MB erhöht.	Größe um ca. 200 KB erhöht.
Initialisierungszeit	Das Modell ist sofort verfügbar.	Vor der ersten Verwendung muss möglicherweise auf den Download des Modells gewartet werden.

Ausprobieren

Probieren Sie die Beispiel-App aus, um ein Beispiel für die Verwendung dieser API zu sehen.

Hinweis

Diese API erfordert Android API-Level 21 oder höher. Achten Sie darauf, dass die Build-Datei Ihrer Anwendung einen minSdkVersion-Wert von 21 oder höher verwendet.

Achten Sie in der Datei build.gradle auf Projektebene darauf, dass Sie das Maven-Repository von Google in den Abschnitten buildscript und allprojects einfügen.

Fügen Sie die Abhängigkeiten für die ML Kit-Android-Bibliotheken der Gradle-Datei auf App-Ebene Ihres Moduls hinzu. Diese ist in der Regel app/build.gradle. 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 Ihre App so konfigurieren, dass das Modell nach der Installation Ihrer 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 über die ModuleInstallClient API der Google Play-Dienste prüfen und den Download anfordern.

Wenn Sie Modelldownloads bei der Installation nicht aktivieren oder einen expliziten Download anfordern, wird das Modell beim ersten Ausführen des intelligenten Antwortgenerators heruntergeladen. Anfragen, die Sie vor dem Download stellen, führen zu keinen Ergebnissen.

1. Objekt für den Unterhaltungsverlauf erstellen

Zum Generieren von intelligenten Antworten übergeben Sie ML Kit eine chronologisch geordnete List von TextMessage-Objekten, wobei der früheste Zeitstempel an erster Stelle steht.

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, mit dem der Absender innerhalb der Unterhaltung eindeutig identifiziert wird. Die User-ID muss keinen Nutzerdaten entsprechen und die User-ID muss bei den Konversationen 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 Unterhaltungsverlaufsobjekt sieht wie das folgende Beispiel aus:

Zeitstempel	userID	isLocalUser	die Botschaft und
Do., 21. Feb., 13:13:39 Uhr (PST) 2019		true	Bist du auf dem Weg?
Do., 21. Feb., 13:15:03 Uhr (PST) 2019	FRIEND0	false	Ich verspäte mich, Entschuldigung!

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 du dieses Log über ML Kit verwendest, werden Antworten auf die Nachricht von friendO vorgeschlagen: „Tut mir leid!“

2. Antworten auf Nachrichten erhalten

Um intelligente Antworten auf eine Nachricht zu generieren, rufen Sie eine Instanz von SmartReplyGenerator ab und übergeben Sie den Unterhaltungsverlauf an die zugehörige 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 Antwortvorschlägen, die du deinem Nutzer präsentieren kannst:

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 sicher ist, wie relevant die vorgeschlagenen Antworten sind, die Eingabe nicht auf Englisch ist oder wenn das Modell sensible Themen erkennt.