יצירת תשובות מהירות באמצעות ML Kit ב-Android

ML Kit יכול ליצור תשובות קצרות להודעות באמצעות מודל במכשיר.

כדי ליצור תשובות מהירות, מעבירים ל-ML Kit יומן של ההודעות האחרונות בשיחה. אם מערכת ML Kit מזהה שהשיחה מתנהלת באנגלית ושאין בה נושאים רגישים, היא יוצרת עד שלוש תשובות שתוכלו להציע למשתמש.

בחבילהלא מקובצים
שם הספרייהcom.google.mlkit:smart-replycom.google.android.gms:play-services-mlkit-smart-reply
הטמעההמודל מקושר באופן סטטי לאפליקציה בזמן ה-build.המודל מוריד באופן דינמי דרך Google Play Services.
ההשפעה של גודל האפליקציההגודל יגדל בכ-5.7MB.הגודל יגדל בכ-200KB.
זמן האתחולהמודל זמין באופן מיידי.יכול להיות שתצטרכו להמתין להורדת המודל לפני השימוש הראשון.

רוצה לנסות?

לפני שמתחילים

  1. בקובץ build.gradle ברמת הפרויקט, חשוב לכלול את מאגר Maven של Google גם בקטע buildscript וגם בקטע allprojects.

  2. מוסיפים את יחסי התלות של ספריות ML Kit ל-Android לקובץ ה-Gradle ברמת האפליקציה של המודול, שבדרך כלל נקרא app/build.gradle. בוחרים אחת מהתלות הבאות בהתאם לצרכים שלכם:

    • כדי לצרף את המודל לאפליקציה:
    dependencies {
  // ...
  // Use this dependency to bundle the model with your app
  implementation 'com.google.mlkit:smart-reply:17.0.4'
}
    • כדי להשתמש במודל ב-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'
}

    אם בוחרים להשתמש במודל ב-Google Play Services, אפשר להגדיר שהאפליקציה תוריד את המודל באופן אוטומטי למכשיר אחרי ההתקנה שלה מחנות Play. על ידי הוספת ההצהרה הבאה לקובץ AndroidManifest.xml של האפליקציה:

    <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>

    אפשר גם לבדוק באופן מפורש את הזמינות של המודל ולבקש הורדה דרך ModuleInstallClient API של Google Play Services.

    אם לא מפעילים הורדות של מודלים בזמן ההתקנה או מבקשים הורדה מפורשת, המודל יורד בפעם הראשונה שמפעילים את הכלי ליצירת תשובות חכמות. בקשות שתשלחו לפני שההורדה תושלם לא יחזירו תוצאות.

    1. יצירת אובייקט של היסטוריית שיחות

    כדי ליצור תשובות מהירות, מעבירים ל-ML Kit List של אובייקטים מסוג TextMessage, בסדר כרונולוגי, כאשר חותמת הזמן המוקדמת ביותר מופיעה קודם.

    בכל פעם שהמשתמש שולח הודעה, מוסיפים את ההודעה ואת חותמת הזמן שלה להיסטוריית השיחה:

    Kotlin

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

    Java

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

    בכל פעם שהמשתמש מקבל הודעה, מוסיפים את ההודעה, את חותמת הזמן שלה ואת מזהה המשתמש של השולח להיסטוריית השיחות. מזהה המשתמש יכול להיות כל מחרוזת שמזהה באופן ייחודי את השולח בתוך השיחה. מזהה המשתמש לא צריך להתאים לנתוני משתמש כלשהם, והוא לא צריך להיות עקבי בין שיחות או הפעלות של הכלי ליצירת תשובות חכמות.

    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));

    אובייקט של היסטוריית שיחות נראה כך:

    חותמת זמן userID isLocalUser הודעה
    יום חמישי, 21 בפברואר 2019, בשעה 13:13:39 (שעון החוף המערבי) TRUE בדרך?
    יום חמישי, 21 בפברואר 2019, בשעה 13:15:03 (שעון החוף המערבי) FRIEND0 FALSE סליחה, אאחר.

    ML Kit מציע תשובות להודעה האחרונה בהיסטוריית השיחות. ההודעה האחרונה צריכה להגיע ממשתמש לא מקומי. בדוגמה שלמעלה, ההודעה האחרונה בשיחה היא מהמשתמש FRIEND0 שאינו מקומי. כשעוברים את היומן הזה ל-ML Kit, הוא מציע תשובות להודעה של FRIENDO: "אני מאחר, סליחה!"

    2. קבלת תשובות להודעות

    כדי ליצור תשובות מהירות להודעה, מקבלים מופע של SmartReplyGenerator ומעבירים את היסטוריית השיחות ל-method‏ suggestReplies() שלו:

    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
                // ...
            }
        });

    אם הפעולה מסתיימת בהצלחה, אובייקט SmartReplySuggestionResult מועבר למטפל ההצלחה. האובייקט הזה מכיל רשימה של עד שלוש הצעות לתשובות, שתוכלו להציג למשתמש:

    Kotlin

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

    Java

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

    שימו לב: יכול להיות ש-ML Kit לא יחזיר תוצאות אם המודל לא בטוח ברלוונטיות של התשובות המוצעות, אם שיחת הקלט לא באנגלית או אם המודל מזהה נושא רגיש.