יצירת תשובות מהירות באמצעות ML Kit ב-Android

‫ML Kit יכול ליצור תשובות קצרות להודעות באמצעות מודל במכשיר.

כדי ליצור תשובות חכמות, מעבירים ל-ML Kit יומן של הודעות אחרונות בשיחה. אם ML Kit קובע שהשיחה היא באנגלית, ושהשיחה לא כוללת נושאים רגישים, הוא יוצר עד שלוש תשובות שאפשר להציע למשתמש.

בחבילהלא מקובצים
שם הספרייהcom.google.mlkit:smart-replycom.google.android.gms:play-services-mlkit-smart-reply
הטמעההמודל מקושר באופן סטטי לאפליקציה בזמן הבנייה.המודל מורד באופן דינמי דרך Google Play Services.
השפעה על גודל האפליקציההגדלת הגודל בכ-5.7MB.הגודל גדל בכ-200KB.
זמן האתחולהמודל זמין באופן מיידי.יכול להיות שתצטרכו לחכות עד שהמודל יורד לפני השימוש הראשון.

רוצה לנסות?

לפני שמתחילים

  1. בקובץ build.gradle ברמת הפרויקט, מוודאים שמאגר Maven של Google כלול בקטעים buildscript ו-allprojects.

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

    • כדי לארוז את המודל עם האפליקציה:
    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 את האפליקציה כך שהמודל יורד אוטומטית למכשיר אחרי שהאפליקציה מותקנת מחנות Play. מוסיפים את 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 זמינות המודל ולבקש הורדה באמצעות ModuleInstallClient API של Google Play Services.

    אם לא מפעילים הורדות של מודלים בזמן ההתקנה או לא מבקשים הורדה מפורשת, המודל יורד בפעם הראשונה שמריצים את מחולל התשובות החכמות. אם שולחים בקשות לפני שההורדה מסתיימת, לא מתקבלות תוצאות.

    1. יצירת אובייקט של היסטוריית שיחות

    כדי ליצור תשובות חכמות, מעבירים ל-ML Kit רשימה List של TextMessage אובייקטים, מסודרים לפי סדר כרונולוגי, כשהחותמת הכי מוקדמת מופיעה ראשונה.

    בכל פעם שהמשתמש שולח הודעה, צריך להוסיף את ההודעה ואת חותמת הזמן שלה להיסטוריית השיחות:

    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, חותמת הזמן שלה ומזהה המשתמש של השולח להיסטוריית השיחות. מזהה המשתמש יכול להיות כל מחרוזת שמזהה באופן ייחודי את השולח בשיחה. מזהה המשתמש לא צריך להתאים לנתוני משתמשים כלשהם, והוא לא צריך להיות עקבי בין שיחות או הפעלות של מחולל התשובות החכמות.

    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 כמו בדוגמה הבאה:

    חותמת זמן userID isLocalUser הודעה
    ‫Thu Feb 21 13:13:39 PST 2019 true אתה בדרך?
    Thu Feb 21 13:15:03 PST 2019 FRIEND0 false אאחר, מצטער/ת!

    ‫ML Kit מציע תשובות להודעה האחרונה בהיסטוריית השיחה. ההודעה האחרונה צריכה להיות ממשתמש לא מקומי. בדוגמה שלמעלה, ההודעה האחרונה בשיחה היא מהמשתמש FRIEND0 שאינו מקומי. כשמשתמשים ב-ML Kit כדי להעביר את היומן הזה, מוצעות תשובות להודעה של FRIENDO: "אני מאחר, מצטער!"

    2. קבלת תשובות להודעות

    כדי ליצור תשובות מהירות להודעה, צריך לקבל מופע של SmartReplyGenerator ולהעביר את היסטוריית השיחות לשיטה 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 מצליחה, אובייקט SmartReplySuggestionResult מועבר ל-success handler. האובייקט הזה מכיל רשימה של עד שלוש תשובות מוצעות, שאפשר 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 השיחה בקלט לא מתנהלת באנגלית או אם המודל מזהה נושא רגיש.