Diese Seite wurde von der Cloud Translation API übersetzt.

Mit ML Kit unter Android intelligente Antworten generieren

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

Wenn Sie intelligente Antworten generieren möchten, übergeben Sie ML Kit ein Protokoll der letzten Nachrichten in einer Unterhaltung. Wenn ML Kit feststellt, dass die Unterhaltung auf Englisch ist und kein potenziell heikles Thema enthält, generiert ML Kit bis zu drei Antworten, die Sie dem Nutzer vorschlagen können.

	Gebündelt	Nicht in Paketen
Name der Bibliothek	`com.google.mlkit:smart-reply`	`com.google.android.gms:play-services-mlkit-smart-reply`
Implementierung	Das Modell wird während der Buildzeit statisch mit Ihrer App verknüpft.	Das Modell wird dynamisch über die Google Play-Dienste heruntergeladen.
Auswirkungen der App-Größe	Die Größe erhöht sich um etwa 5,7 MB.	Die Größe erhöht sich um etwa 200 KB.
Initialisierungszeit	Das Modell ist sofort verfügbar.	Möglicherweise müssen Sie warten, bis das Modell heruntergeladen wurde, bevor Sie es verwenden können.

Jetzt ausprobieren

In der Beispielanwendung sehen Sie ein Beispiel für die Verwendung dieser API.

Hinweis

Für diese API ist Android API-Level 21 oder höher erforderlich. Achten Sie darauf, dass in der Build-Datei Ihrer App ein minSdkVersion-Wert von 21 oder höher verwendet wird.

In die Datei build.gradle auf Projektebene muss das Maven-Repository von Google in die Abschnitte buildscript und allprojects aufgenommen werden.

Fügen Sie die Abhängigkeiten für die ML Kit-Android-Bibliotheken der Gradle-Datei Ihres Moduls auf App-Ebene hinzu, 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:17.0.4'
}

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 Google Play-Diensten verwenden möchten, können Sie Ihre App so konfigurieren, dass das Modell automatisch auf das Gerät heruntergeladen wird, nachdem Ihre App aus dem Play Store installiert wurde. Fügen Sie der Datei AndroidManifest.xml Ihrer Anwendung 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 Verfügbarkeit des Modells auch explizit prüfen und den Download über die ModuleInstallClient API von Google Play-Diensten anfordern.

Wenn Sie keine Modelldownloads bei der Installation aktivieren oder einen expliziten Download anfordern, wird das Modell beim ersten Ausführen des Smart Reply-Generators heruntergeladen. Anfragen, die Sie vor Abschluss des Downloads stellen, liefern keine Ergebnisse.

1. Objekt für den Unterhaltungsverlauf erstellen

Um intelligente Antworten zu generieren, übergeben Sie ML Kit eine chronologisch sortierte List von TextMessage-Objekten, wobei der früheste Zeitstempel zuerst kommt.

Fügen Sie dem Unterhaltungsverlauf immer dann die Nachricht und den Zeitstempel hinzu, wenn der Nutzer eine Nachricht sendet:

Kotlin

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

Java

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

Fügen Sie dem Unterhaltungsverlauf immer dann die Nachricht, ihren Zeitstempel und die Nutzer-ID des Absenders hinzu, wenn der Nutzer eine Nachricht erhält. Die Nutzer-ID kann ein beliebiger String sein, der den Absender innerhalb der Unterhaltung eindeutig identifiziert. Die User-ID muss nicht mit Nutzerdaten übereinstimmen und muss nicht zwischen Unterhaltungen oder Aufrufen des Generators für intelligente Antworten konsistent 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 in etwa so aus:

Zeitstempel	userID	isLocalUser	Nachricht senden
Donnerstag, 21. Februar 2019, 13:13:39 Uhr PST (UTC-8)		wahr	Sind Sie auf dem Weg?
Donnerstag, 21. Februar 2019, 13:15:03 Uhr PST	FRIEND0	falsch	Ich bin etwas verspätet, sorry!

ML Kit schlägt Antworten auf die letzte Nachricht in einem Konversationsverlauf 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 FREUND0. Wenn Sie dieses Protokoll mit ML Kit verwenden, werden Antworten auf die Nachricht von FREUNDO vorgeschlagen: „Ich komme etwas später, sorry!“

2. Antworten auf Nachrichten erhalten

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

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 war, wird ein SmartReplySuggestionResult-Objekt an den Erfolgs-Handler übergeben. Dieses Objekt enthält eine Liste mit bis zu drei vorgeschlagenen Antworten, die Sie dem Nutzer präsentieren können:

Kotlin

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

Java

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

Hinweis: ML Kit gibt möglicherweise keine Ergebnisse zurück, wenn das Modell nicht sicher ist, ob die vorgeschlagenen Antworten relevant sind, die Eingabeunterhaltung nicht auf Englisch ist oder das Modell sensible Themen erkennt.