Генерируйте умные ответы с помощью ML Kit на Android

ML Kit может генерировать короткие ответы на сообщения, используя модель на устройстве.

Для генерации умных ответов вы передаете ML Kit журнал последних сообщений в разговоре. Если ML Kit определяет, что разговор ведется на английском языке и что в разговоре нет потенциально деликатных тем, ML Kit генерирует до трех ответов, которые вы можете предложить своему пользователю.

Этот API доступен с использованием либо неупакованной библиотеки, которую необходимо загрузить перед использованием, либо упакованной библиотеки, которая увеличивает размер вашего приложения. См. это руководство для получения дополнительной информации о различиях между двумя вариантами установки.

	В комплекте	Разделенный
Название библиотеки	com.google.mlkit:smart-reply	com.google.android.gms:play-services-mlkit-smart-reply
Выполнение	Модель статически привязывается к вашему приложению во время сборки.	Модель динамически загружается через Google Play Services.
Влияние размера приложения	Увеличение размера примерно на 5,7 МБ.	Увеличение размера примерно на 200 КБ.
Время инициализации	Модель доступна немедленно.	Возможно, придется подождать, пока модель загрузится перед первым использованием.

Примечание: в настоящее время отдельная версия Smart Reply предлагается в бета-версии, что означает, что она может быть изменена способами, несовместимыми с предыдущей версией, и не подпадает под действие какого-либо соглашения об уровне обслуживания (SLA) или политики устаревания.

Попробуйте это

• Поэкспериментируйте с образцом приложения , чтобы увидеть пример использования этого API.

Прежде чем начать

Для этого API требуется Android API уровня 21 или выше. Убедитесь, что файл сборки вашего приложения использует значение minSdkVersion 21 или выше.

1. В файле build.gradle на уровне проекта обязательно включите репозиторий Maven от Google в разделы buildscript и allprojects .

2. Добавьте зависимости для библиотек Android ML Kit в файл gradle уровня приложения вашего модуля, который обычно называется app/build.gradle . Выберите одну из следующих зависимостей в зависимости от ваших потребностей:

   • Чтобы связать модель с вашим приложением:

   dependencies {
     // ...
     // Use this dependency to bundle the model with your app
     implementation 'com.google.mlkit:smart-reply:17.0.4'
   }
   

   • Чтобы использовать модель в Google Play Services:

   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'
   }
   

   Если вы решили использовать модель в Google Play Services, вы можете настроить свое приложение на автоматическую загрузку модели на устройство после установки приложения из Play Store. Добавив следующее объявление в файл AndroidManifest.xml вашего приложения:

   <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>
   

   Вы также можете явно проверить доступность модели и запросить загрузку через API ModuleInstallClient сервисов Google Play.

   Если вы не включите загрузку модели во время установки или не запросите явную загрузку, модель будет загружена при первом запуске генератора интеллектуальных ответов. Запросы, которые вы делаете до завершения загрузки, не дадут никаких результатов.

   1. Создайте объект истории разговоров

   Для генерации интеллектуальных ответов вы передаете ML Kit хронологически упорядоченный List объектов TextMessage , начиная с самой ранней временной метки.

   Всякий раз, когда пользователь отправляет сообщение, добавляйте сообщение и его временную метку в историю сообщений:

   Котлин

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

   Ява

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

   Всякий раз, когда пользователь получает сообщение, добавляйте сообщение, его временную метку и идентификатор пользователя отправителя в историю разговора. Идентификатор пользователя может быть любой строкой, которая уникально идентифицирует отправителя в рамках разговора. Идентификатор пользователя не обязательно должен соответствовать каким-либо данным пользователя, и идентификатор пользователя не обязательно должен быть согласованным между разговором или вызовами генератора интеллектуальных ответов.

   Котлин

   conversation.add(TextMessage.createForRemoteUser(
           "Are you coming back soon?", System.currentTimeMillis(), userId))

   Ява

   conversation.add(TextMessage.createForRemoteUser(
           "Are you coming back soon?", System.currentTimeMillis(), userId));

   Объект истории разговоров выглядит следующим образом:

   Временная метка	ID пользователя	isLocalUser	Сообщение
   Чт Фев 21 13:13:39 PST 2019		истинный	Вы уже в пути?
   Чт Фев 21 13:15:03 PST 2019	ДРУГ0	ЛОЖЬ	Извините, опаздываю!

   ML Kit предлагает ответы на последнее сообщение в истории разговора. Последнее сообщение должно быть от нелокального пользователя. В приведенном выше примере последнее сообщение в разговоре от нелокального пользователя FRIEND0. Когда вы используете pass ML Kit this log, он предлагает ответы на сообщение FRIENDO: "Опоздал, извините!"

   2. Получайте ответы на сообщения

   Чтобы сгенерировать умные ответы на сообщение, получите экземпляр SmartReplyGenerator и передайте историю разговора в его метод suggestReplies() :

   Котлин

   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
               // ...
           }

   Ява

   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
                   // ...
               }
           });

   Если операция прошла успешно, объект SmartReplySuggestionResult передается обработчику успеха. Этот объект содержит список из трех предложенных ответов, которые вы можете представить своему пользователю:

   Котлин

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

   Ява

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

   Обратите внимание, что ML Kit может не возвращать результаты, если модель не уверена в релевантности предлагаемых ответов, входной разговор ведется не на английском языке или если модель обнаружит деликатную тему.