Dialogflow bot框架与Rasa nlu bot框架之间的区别是什么?

我认为我可以毫无偏见地回答这个问题,当然,随着这两项服务的发展,答案将变得过时。

Cliffnotes版本:

Dialogflow是一个完整的封闭源代码产品,具有全功能API和图形化web界面。Rasa(NLU+Core)是开放源码python库,需要稍微低一点的开发。两者都试图抽象出使用机器学习构建聊天机器人的一些困难。

然而,在写这篇文章时,这里是我的比较:

• 是创建聊天机器人的一个基本完整的工具。基本上是完整的,这意味着它几乎可以完成大多数聊天机器人所需的一切。
• 具体来说,它可以处理意图和实体的分类。它使用它所称的语境来处理对话。它允许web钩子实现。
• 聊天机器人通常不需要的一件事是某种形式的最终用户管理。
• 它有一个强大的API,允许您通过API或其基于web的界面定义实体/意图/等。
• 以前称为API。在被谷歌收购之前。
• 数据托管在云中,并与API进行任何交互。人工智能需要与云相关的通信。
• 不能在前提下操作。

Rasa NLU+核心

• 为了接近与Dialogflow相同的功能性级别,您必须同时使用Rasa NLU和Rasa Core。Rasa NLU处理项目/意图/实体,而Rasa Core处理对话和实现。
• Rasa并没有提供完整的开源GUI,您与NLU的大多数交互都是JSON或降价的。Rasa Core需要直接开发python来定制您的机器人。
• Rasa团队不提供托管服务(至少在其企业产品之外),您将负责托管并因此拥有数据所有权。
• 可以在前提下操作。

至于其他开源框架,我要说的是,目前大多数聊天机器人框架很可能是基于各种开源工具构建的,带有一些专有的附加组件。因此,您可以从较低级别的开源工具开始,例如 MITIE 或 spaCy .

更新:

Smart Platform Group(我是其成员)最近发布了一款介于Rasa NLU/Core和Dialogflow之间的产品,名为 Articulate .

• 使用Rasa NLU理解和自定义基于上下文的对话代码。这使得它比Rasa核心更接近Dialogflow的工作方式。
• 用于创建意图、实体和与代理交互的HTTP API。
• GUI类似于Dialogflow,是完全开源的。
• 数据和接口可以托管在云中或本地。

对话框流:

没有安装,立即开始

易于使用,非技术人员也可以构建机器人

封闭系统

用于构建机器人的基于Web的界面

数据托管在云上

不能在您的服务器上或本地托管

与Google Assistant、Skype、Slack、Fb messenger等即时集成

Rasa:

需要安装多个组件

需要技术知识

开源,代码在Github中可用

没有提供接口,编写JSON或标记文件

没有提供托管(至少在免费版本中) 将其托管在服务器上

无现成集成

资料来源: https://www.kommunicate.io/blog/dialogflow-vs-rasa-which-one-to-choose/

最重要的区别是,在Rasa的情况下,整个NLU、NLP和NLG不会在引擎盖下发生。它是开源的。你是老板。对于Dialogflow,您拥有所有功能,但每次发生对话事务时,它都必须将数据发送到云服务。此外,一些服务提供商对每天的对话数量也有限制。

然而,Dialogflow是完美的,易于使用和建模。

微软的机器人程序框架也是开源的

https://github.com/microsoft/botframework-sdk

对于nlp,它通常与LUIS配对,并且LUIS不是开源的。

斯帕西 然而,它是一个开源nlp(RASA也使用)。在bot框架中创建IReconizer以使用SpaCy将是一个完全有效的工作流 https://spacy.io/

有很多聊天引擎也使用SpaCy开源NLP,链接到他们的网站上 https://spacy.io/universe/category/conversational .