RASA与Spacy之间的差异或关系

Question

我真的是Chatbots的新手，并开始使用框架学习这些知识。我开始使用这个开源框架RASA并对其进行学习。然后，我发现RASA使用了此实体提取工具Spacy。

谁能解释一下两者之间的实际关系是什么？ Spacy在RASA中的作用是什么？

Answer 1

Rasa堆栈具有两个主要组件：NLU和Core。在Rasa NLU内部，有用于提取意图和实体的管道。管道组件之一使用spaCy。例如，在以下Rasa管道中：

pipeline:
- name: "nlp_spacy"
- name: "tokenizer_spacy"
- name: "intent_entity_featurizer_regex"
- name: "intent_featurizer_spacy"
- name: "ner_crf"
- name: "ner_synonyms"
- name: "intent_classifier_sklearn"

spaCy用于话语的预处理，标记化和特征化。它还利用nltk和sklearn之类的其他python库。

但是Rasa NLU有几个不同的管道选项。因此，在以下管道中：

pipeline:
- name: "tokenizer_whitespace"
- name: "ner_crf"
- name: "intent_featurizer_count_vectors"
- name: "intent_classifier_tensorflow_embedding"

根本不使用spaCy，但是使用sklearn和tensorflow。

Rasa NLU试图抽象化使用spaCy和其他库的一些困难，以使其更轻松，更专注于构建聊天机器人。然后，还有其他一些应用程序正在尝试采用Rasa NLU，并通过提供更加抽象的GUI使其变得更易于使用。在开源中，这是一种相当普遍的模式，其中一种工具建立在另一种工具上。 Rasa的一些GUI应用程序是：

• Rasa UI
• Rasa Talk
• Articulate