В чем разница между базой данных Dialogflow и рамкой Rasa nlu bot?

Ответ 1

Я думаю, что я могу ответить на этот вопрос без каких-либо предубеждений, предоставив, что сверхурочное время ответ будет устаревать по мере развития двух служб.

Версия Cliffnotes:

Dialogflow является полным закрытым исходным продуктом с полностью функциональным API и графическим веб-интерфейсом. Rasa (NLU + Core) - это библиотеки python с открытым исходным кодом, которые требуют немного более низкого уровня развития. Оба пытаются отвлечься от сложности работы с Machine Learning для создания чата.

На момент написания этого, однако, это мое сравнение:

DialogFlow

• Является главным образом полным инструментом для создания чата. В основном это означает, что он делает почти все, что вам нужно для большинства чатов.
• В частности, он может обрабатывать классификацию намерений и сущностей. Он использует то, что он называет контекстом для ведения диалога. Это позволяет веб-крючки для выполнения.
• Одна вещь, которую не имеет, что часто желательно для чатботов, - это некоторая форма управления конечным пользователем.
• Он имеет надежный API, который позволяет вам определять сущности/намерения /etc либо через API, либо через свой веб-интерфейс.
• Ранее известный как API.ai перед приобретением Google.
• Данные размещаются в облаке, и любое взаимодействие с API.ai требует облачных сообщений.
• Не может эксплуатироваться в помещении.

Rasa NLU + Core

• Чтобы приблизиться к тому же уровню fucntionality, что и Dialogflow, вам нужно использовать Rasa NLU и Rasa Core. Rasa NLU обрабатывает проекты/намерения/сущности, тогда как Rasa Core обрабатывает диалог и выполнение.
• Rasa не предоставляет полный графический интерфейс с открытым исходным кодом, оставляя большую часть ваших взаимодействий с NLU в JSON или уценке. И Rasa Core требует прямой разработки python для настройки вашего бота.
• Также напрямую не предлагает никакого управления информацией о пользователе.
• Команда Rasa не предоставляет хостинг (по крайней мере, за пределами своих корпоративных предложений), и вы будете нести ответственность за размещение и, следовательно, владение данными.
• Может эксплуатироваться в помещении.

Что касается других фреймворков с открытым исходным кодом, я бы сказал, что очень вероятно, что большинство фреймворков chatbot сейчас построены на множестве инструментов с открытым исходным кодом с некоторыми проприетарными надстройками. Таким образом, вы всегда можете начать с инструментов с открытым исходным кодом более низкого уровня, таких как MITIE или spaCy.

Обновить:

Группа Smart Platform Group (из которой я являюсь участником) недавно выпустила продукт между Rasa NLU/Core и Dialogflow под названием Articulate.

Articulate - это полнофункциональная бот-инфраструктура, основанная на Rasa NLU, которая позволяет вам легко создавать агенты Natural Language Agents.

• Использует Rasa NLU для понимания и настраиваемого контекстного кода для диалога. Это заставляет его работать ближе к тому, как работает Dialogflow, чем к Rasa Core.
• HTTP API для создания намерений, сущностей и взаимодействия с агентами.
• GUI похож на Dialogflow, который является полностью открытым исходным кодом.
• Данные и интерфейс могут размещаться в облаке или в помещении.

Ответ 2

Dialogflow:

Нет установки, немедленно приступить к работе

Простые в использовании, нетехнические могут также создавать боты

Закрытая система

Веб-интерфейс для создания ботов

Данные размещаются в облаке

Не может размещаться на ваших серверах или на месте

Внекорневая интеграция с Google Assistant, Skype, Slack, Fb messenger и т.д.

Rasa:

Требуется установка нескольких компонентов

Требует технических знаний

Open-source, код доступен в Github

Не предоставляется интерфейс, записывайте файлы JSON или markdown

Без хостинга (по крайней мере, в бесплатной версии) Хостинг на вашем сервере

Интеграция без коробки

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

Ответ 3

Самое важное отличие - все NLU, NLP и NLG происходят под капотом в случае Rasa. Это с открытым исходным кодом. Ты начальник. В случае потоков Dialog у вас есть все функции, но он должен отправлять данные в облачный сервис каждый раз, когда происходит транзакция диалога. Также некоторые из поставщиков услуг имеют ограничения на количество диалогов в день.

Однако поток диалога безупречен, прост в использовании и легко моделируется.