I/O에서 발표된 Google AI Edge 관련 발표에 대해 자세히 알아보세요.

이 페이지는 Cloud Translation API를 통해 번역되었습니다.

Android용 텍스트 삽입 가이드

MediaPipe 텍스트 임베딩 태스크를 사용하면 텍스트 데이터의 숫자 표현을 만들어 시맨틱 의미를 캡처할 수 있습니다. 이 안내에서는 Android 앱에서 텍스트 삽입을 사용하는 방법을 보여줍니다.

이 태스크의 기능, 모델, 구성 옵션에 대한 자세한 내용은 개요를 참조하세요.

코드 예시

MediaPipe 작업 예시 코드는 Android용 텍스트 삽입 앱을 간단하게 구현한 것입니다. 이 예에서는 두 텍스트 간 시맨틱 유사성을 평가하며 실제 Android 기기나 Android 에뮬레이터가 필요합니다.

이 앱을 자체 Android 앱의 시작점으로 사용하거나 기존 앱을 수정할 때 참고할 수 있습니다. 텍스트 삽입 예시 코드는 GitHub에 호스팅됩니다.

코드 다운로드

다음 안내에서는 git 명령줄 도구를 사용하여 예시 코드의 로컬 사본을 만드는 방법을 보여줍니다.

예시 코드를 다운로드하려면 다음 단계를 따르세요.

다음 명령어를 사용하여 git 저장소를 클론합니다.
```
git clone https://github.com/google-ai-edge/mediapipe-samples
```
필요한 경우 Text Embedder 예시 앱의 파일만 있으므로 스파스 결제를 사용하도록 git 인스턴스를 구성합니다.
```
cd mediapipe
git sparse-checkout init --cone
git sparse-checkout set examples/text_embedder/android
```

예시 코드의 로컬 버전을 만든 후 프로젝트를 Android 스튜디오로 가져와서 앱을 실행할 수 있습니다. 자세한 내용은 Android 설정 가이드를 참고하세요.

주요 구성요소

다음 파일에는 이 텍스트 삽입기 예시 애플리케이션을 위한 중요한 코드가 포함되어 있습니다.

TextEmbedderHelper.kt: 텍스트 임베딩을 초기화하고 모델 및 위임 선택을 처리합니다.
MainActivity.kt: 애플리케이션을 구현하고 사용자 인터페이스 구성요소를 조합합니다.

설정

이 섹션에서는 특히 Text Embedder를 사용하도록 개발 환경과 코드 프로젝트를 설정하는 주요 단계를 설명합니다. 플랫폼 버전 요구사항을 포함하여 MediaPipe 작업을 사용하기 위한 개발 환경 설정에 관한 일반적인 정보는 Android 설정 가이드를 참고하세요.

종속 항목

텍스트 임베딩은 com.google.mediapipe:tasks-text 라이브러리를 사용합니다. 이 종속 항목을 Android 앱 개발 프로젝트의 build.gradle 파일에 추가합니다. 다음 코드를 사용하여 필요한 종속 항목을 가져올 수 있습니다.

dependencies {
    implementation 'com.google.mediapipe:tasks-text:latest.release'
}

모델

MediaPipe 텍스트 임베딩 작업에는 이 작업과 호환되는 학습된 모델이 필요합니다. 텍스트 임베딩에 사용할 수 있는 학습된 모델에 대한 자세한 내용은 작업 개요 모델 섹션을 참조하세요.

모델을 선택 및 다운로드한 후 프로젝트 디렉터리에 저장합니다.

<dev-project-root>/src/main/assets

ModelAssetPath 매개변수 내에 모델의 경로를 지정합니다. 예시 코드에서 모델은 TextEmbedderHelper.kt 파일의 setupTextEmbedder() 함수에 정의되어 있습니다.

BaseOptions.Builder.setModelAssetPath() 함수를 사용하여 모델에서 사용되는 경로를 지정합니다. 이 메서드는 다음 섹션의 코드 예에서 참조됩니다.

할 일 만들기

createFrom...() 함수 중 하나를 사용하여 작업을 만들 수 있습니다. createFromOptions() 함수는 구성 옵션을 허용하여 삽입기 옵션을 설정합니다. createFromFile() 팩토리 함수를 사용하여 작업을 초기화할 수도 있습니다. createFromFile() 함수는 학습된 모델 파일의 상대 또는 절대 경로를 허용합니다. 구성 옵션에 대한 자세한 내용은 구성 옵션을 참고하세요.

다음 코드는 이 작업을 빌드하고 구성하는 방법을 보여줍니다.

val baseOptions = baseOptionsBuilder.build()
val optionsBuilder =
    TextEmbedderOptions.builder().setBaseOptions(baseOptions)
val options = optionsBuilder.build()
textEmbedder = TextEmbedder.createFromOptions(context, options)

코드 구현 예에서는 TextEmbedderHelper.kt 파일에 있는 setupTextEmbedder() 함수에서 텍스트 Embedder 옵션을 설정합니다.

구성 옵션

이 작업에는 다음과 같은 Android 앱용 구성 옵션이 있습니다.

옵션 이름	설명	값 범위	기본값
`l2_normalize`	반환된 특성 벡터를 L2 norm으로 정규화할지 여부입니다. 모델에 아직 네이티브 L2_NORMALIZATION TFLite 오퍼레이션이 포함되지 않은 경우에만 이 옵션을 사용하세요. 대부분의 경우 이미 이러한 경우가 많으며 L2 정규화는 이 옵션 없이도 TFLite 추론을 통해 달성됩니다.	`Boolean`	`False`
`quantize`	반환된 임베딩을 스칼라 양자화를 통해 바이트로 양자화해야 하는지 여부입니다. 임베딩은 암시적으로 단위 표준으로 간주되므로 모든 차원은 [-1.0, 1.0]의 값을 가집니다. 그렇지 않으면 l2_normalize 옵션을 사용하세요.	`Boolean`	`False`

데이터 준비

텍스트 삽입기는 텍스트 (String) 데이터와 함께 작동합니다. 이 태스크는 토큰화와 텐서 전처리를 포함하여 데이터 입력 사전 처리를 처리합니다. 모든 사전 처리는 embed() 함수 내에서 처리됩니다. 사전에 입력 텍스트를 사전 처리할 필요는 없습니다.

val inputText = "The input text to be embedded."

작업 실행

텍스트 임베딩은 embed 함수를 사용하여 추론을 트리거합니다. 텍스트 임베딩의 경우, 이는 입력 텍스트의 임베딩 벡터가 반환되는 것을 의미합니다.

다음 코드는 작업 모델을 사용하여 처리를 실행하는 방법을 보여줍니다.

textEmbedder?.let {
    val firstEmbed =
        it.embed(firstText).embeddingResult().embeddings().first()
    val secondEmbed =
        it.embed(secondText).embeddingResult().embeddings().first()
    ...
}

코드 예에서 embed 함수는 TextEmbedderHelper.kt 파일에서 호출됩니다.

결과 처리 및 표시

추론을 실행하면 Text Embedder 작업은 입력 텍스트의 임베딩 목록 (부동 소수점 또는 스칼라 양자화)이 포함된 TextEmbedderResult 객체를 반환합니다.

다음은 이 작업의 출력 데이터 예를 보여줍니다.

TextEmbedderResult:
  Embedding #0 (sole embedding head):
    float_embedding: {0.2345f, 0.1234f, ..., 0.6789f}
    head_index: 0

TextEmbedder.cosineSimilarity 함수를 사용하여 두 임베딩의 시맨틱 유사성을 비교할 수 있습니다. 다음 코드의 예를 참고하세요.

val similarity = TextEmbedder.cosineSimilarity(firstEmbed, secondEmbed)

코드 예에서 TextEmbedder.cosineSimilarity() 함수는 TextEmbedderHelper.kt 파일에서 호출됩니다.