Quelle est la différence entre le framework bot Dialogflow et le framework Rasa nlu bot?
Quelle est la différence entre le framework bot Dialogflow et le framework Rasa nlu bot? Tout autre framework open source disponible sur le marché avec prise en charge de la PNL?
Je pense pouvoir répondre à cette question sans parti pris, à condition que les heures supplémentaires deviennent obsolètes à mesure que les deux services évoluent.
Version des notes de notes:
Dialogflow est un produit source complet complet avec une API et une interface Web graphiques entièrement fonctionnelles. Rasa (NLU + Core) sont des bibliothèques python open source qui nécessitent un développement de niveau légèrement inférieur. Les deux essaient de résumer une partie de la difficulté de travailler avec Machine Learning pour créer un chatbot.
Au moment d'écrire ceci cependant voici ma comparaison:
DialogFlow
- Est un outil essentiellement complet pour la création d'un chatbot. Généralement complet, cela signifie qu’il fait presque tout ce dont vous avez besoin pour la plupart des chatbots.
- Plus précisément, il peut gérer la classification des intentions et des entités. Il utilise ce qu’il appelle le contexte pour gérer le dialogue. Il permet des crochets Web pour la réalisation.
- Une chose qu’il n’a pas qui est souvent souhaitable pour les chatbots est une forme de gestion de l’utilisateur final.
- Il dispose d'une API robuste, qui vous permet de définir des entités/intentions/etc via l'API ou avec leur interface Web.
- Anciennement connu sous le nom de API.ai avant d'être acquis par Google.
- Les données sont hébergées dans le cloud et toute interaction avec API.ai nécessite des communications liées au cloud.
- Ne peut pas être opéré sur les lieux.
Rasa NLU + Core
- Pour atteindre le même niveau de fonctionnalité que Dialogflow, vous devez utiliser à la fois Rasa NLU et Rasa Core. Rasa NLU gère les projets/intentions/entités, tandis que Rasa Core gère le dialogue et la réalisation.
- Rasa ne fournit pas une interface graphique open source complète laissant la plupart de vos interactions avec NLU en JSON ou en markdown. Et Rasa Core nécessite un développement direct en python pour personnaliser votre bot.
- En outre, ne propose pas directement aucune sorte de gestion des informations utilisateur.
- L'équipe Rasa ne fournit pas d'hébergement (du moins en dehors de leurs offres d'entreprise) et vous serez responsable de l'hébergement et donc de la propriété des données.
- Peut être opéré sur place.
En ce qui concerne les autres frameworks open source, je dirais qu'il est très probable que la plupart des frameworks chatbot sont actuellement construits sur une variété d'outils open source, avec quelques additifs propriétaires. Ainsi, vous pouvez toujours commencer par les outils open source de niveau inférieur tels que MITIE ou spaCy .
Mettre à jour:
Smart Platform Group (dont je suis membre) a récemment publié un produit entre Rasa NLU/Core et Dialogflow appelé Articulate .
Articulate est un framework de bot complet, basé sur Rasa NLU, qui vous permet de créer des agents de langage naturel sans effort.
- Utilise Rasa NLU pour la compréhension et le code basé sur le contexte personnalisé pour le dialogue. Cela rend le travail plus proche de celui de Dialogflow que de Rasa Core.
- API HTTP permettant de créer des intentions, des entités et d'interagir avec des agents.
- Interface graphique similaire à Dialogflow qui est entièrement open source.
- Les données et l'interface peuvent être hébergées dans le cloud ou sur site.
Dialogflow:
Aucune installation, commencez immédiatement
Facile à utiliser, les non-techniciens peuvent également construire des robots
Systeme ferme
Interface Web pour la construction de bots
Les données sont hébergées sur le cloud
Ne peut pas être hébergé sur vos serveurs ou sur site
Intégration prête à l'emploi avec Google Assistant, Skype, Slack, Fb Messenger, etc.
Rasa:
Nécessite l'installation de plusieurs composants
Nécessite des connaissances techniques
Open-source, code disponible dans Github
Aucune interface fournie, écrire des fichiers JSON ou markdown
Pas d'hébergement fourni (au moins dans la version gratuite) Hébergez-le sur votre serveur
Aucune intégration en dehors de la boîte
Source: https://www.kommunicate.io/blog/dialogflow-vs-rasa-which-one-to-choose/
La différence la plus importante est que toute la NLU, la NLP et le NLG ne se produisent pas sous le capot dans le cas de Rasa. C'est open source. Tu es le patron. Dans le cas de Dialogflow, vous disposez de toutes les fonctionnalités, mais il doit envoyer les données au service cloud chaque fois qu'une transaction de dialogue se produit. De plus, certains fournisseurs de services ont des limites sur le nombre de dialogues par jour.
Cependant, Dialogflow est sans faille, simple à utiliser et facile à modéliser.