Dialogflow bot框架与Rasa nlu bot框架有什么区别？

Question

Dialogflow bot框架与Rasa nlu bot框架有什么区别？市场上有NLP支持的其他任何开源框架？

Answer 1

我认为我可以毫无偏见地回答这个问题，因为随着两项服务的发展，加时赛的答案将会过时。

Cliffnotes版本：

  

Dialogflow是一个完整的闭源产品，具有功能齐全的API和图形Web界面。 Rasa（NLU + Core）是开源python库，需要稍微低级的开发。两者都尝试抽象使用机器学习来构建聊天机器人的一些难度。

在写这篇文章的时候，这里是我的比较：

<强> DialogFlow

• 是一个用于创建聊天机器人的大多数完整工具。完全意味着它几乎可以满足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。它使用它所谓的上下文来处理对话。它允许Web钩子实现。
• 聊天机器人经常需要的一件事就是某种形式的终端用户管理。
• 它有一个强大的API，允许您通过API或基于Web的界面定义实体/意图/等。
• 以前被谷歌收购之前称为API.ai。
• 数据托管在云中，与API.ai的任何交互都需要与云相关的通信。
• 不能在本地操作。

Rasa NLU + Core

• 要接近与Dialogflow相同的功能，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没有提供完整的开源GUI，使您与NLU的大多数交互都处于JSON或降价状态。而Rasa Core需要直接进行python开发来定制你的机器人。
• 也不直接提供任何类型的用户信息管理。
• Rasa团队不提供托管（至少在其企业产品之外），您将负责托管并因此拥有数据。
• 可在本地操作。

就其他开源框架而言，我认为现在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，并带有一些专有的附加组件。因此，您始终可以从较低级别的开源工具开始，例如MITIE或spaCy。

<强>更新

Smart Platform Group（我是其中的一员）最近在Rasa NLU / Core和Dialogflow之间发布了名为Articulate的产品。

  

Articulate是一个基于Rasa NLU的全功能机器人框架，可让您轻松构建自然语言代理。

• 使用Rasa NLU来理解和自定义基于上下文的对话框代码。这使得它比Dialogflow更接近Rasa Core。
• 用于创建意图，实体和与代理交互的HTTP API。
• GUI类似于完全开源的Dialogflow。
• 数据和界面可以托管在云端或内部部署。

Answer 2

对话流：

没有安装，请立即开始

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

不能托管在您的服务器或本地

与Google Assistant，Skype，Slack，Fb Messenger等的现成集成

Rasa：

需要安装多个组件

需要技术知识

开源，Github中可用的代码

未提供接口，编写JSON或markdown文件

未提供托管（至少在免费版本中） 将其托管在您的服务器上

没有现成的集成方式

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

Answer 3

最重要的区别是，在使用Rasa的情况下，整个NLU，NLP和NLG不会在后台发生。它是开源的。你是老板。对于Dialogflow，您具有所有功能，但每次发生对话事务时，它都必须将数据发送到云服务。另外，某些服务提供商每天的对话次数也受到限制。

但是Dialogflow完美无缺，易于使用且易于建模。

Answer 4

Microsoft的bot框架也是开源的

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

对于nlp，它通常与LUIS配对，而LUIS不是开源的。

SpaCy 是开放源nlp（RASA也使用的开源nlp）。在bot框架中创建IReconizer以使用SpaCy https://spacy.io/

是完全有效的工作流程

一整堆聊天引擎也使用SpaCy开源NLP，这些引擎链接到他们的网站https://spacy.io/universe/category/conversational。