Rasa核心和Rasa自然语言理解的区别

Question

我试图从官方文档中理解Rasa Core和Rasa NLU之间的区别，但我并没有理解多少。我理解的是，Rasa Core用于指导对话流程，而Rasa NLU用于处理文本以提取信息（实体）。

在Rasa Core和Rasa NLU中都有构建聊天机器人的示例。我无法理解这两种方法的区别以及何时采用其中一种方法。

请问您能帮助我更好地理解吗？

- Henu

Answer 1

您说得对。两者共同工作，但它们有着不同的目标。简单来说，Rasa Core处理对话流程、话语、动作，而Rasa NLU提取实体和意图。

关于您的第二个问题：

第一个示例展示了创建机器人的整个工作流程，展示了如何设置域和story。这些是Rasa Core的特性，而不是Rasa NLU。在这个示例的第2项（称为定义解释器）中，作者明确表示他正在使用Rasa NLU作为解释器（但是您甚至可以使用另一个实体提取框架）。

第二个示例（Rasa NLU的示例）仅显示如何训练实体和意图提取器。您没有任何关于域和故事的信息，也没有任何关于对话流程的信息，这是一个纯粹的NLU示例（尽管作者正在使用Rasa Core的默认运行方法来运行机器人）。

当我开始学习Rasa时，有点难以理解开发机器人的概念。但是随着您开始编码，情况就变得清晰了。无论您使用哪个平台，NLU都将处理实体和意图，而对话流则是其他东西。

甚至可以使用一个库来处理您的机器人的核心，另一个库来处理NLU。

我想指出与大多数可以用来构建您的机器人核心的工具不同，Rasa Core使用机器学习来更好地概括对话流程。而不是为每个可能的对话节点编写代码，您可以使用可能的对话路径数据集来训练核心以进行概括。这是一个非常酷和强大的功能 :)

希望对您有所帮助。

- Trinca

---

那么，如果我想创建一个类似于LEX、Luis和DialogFlow的聊天机器人，我应该选择哪一个？ - AntonIva

为了构建一个完整的聊天机器人应用程序，你需要两个部分：理解用户要说什么（Rasa NLU - 实体和意图提取），然后根据对话的上下文信息采取适当的行动（Rasa Core）。 - Uzair A.

我从这个 Rasa NLU 中得到的信息是：负责实体和意图提取；基本上解析聊天消息的内容。 Rasa Core: 集成实体+相应的回复逻辑，创建一个聊天机器人的对话系统。 - Sumax

Answer 2

一个非常简单易懂的描述：Rasa NLU是理解输入内容的解释器。基本上，它会找出实体并标记意图。
而 Rasa Core 则完成你想让机器人执行的其余工作，对话流程是最重要的。
例如，当你对机器人说“你好”时，Rasa NLU 将理解你的意图是问候，而 Rasa Core 会告诉机器人回复一句问候语。
如果你训练了机器人来回复问候，则它会回复一个问候语，否则它也可能回复其他内容。

- TBhavnani

Answer 3

Rasa NLU简单来说使用NLP（自然语言处理）来理解您告诉机器人的内容。

它会理解您所说的话并将其匹配到您定义的某个意图。

另一方面，Rasa Core处理对话流程。stories markdown文件列出了它们的意图和动作。

因此，当NLU给出意图时，Core执行相应的动作，然后机器人回复该操作。

- Prem Kagrani

---

提供的 Markdown 文件可以帮助 Rasa Core 关联各种可能的“实体”和相应的适当“操作”或“回复”，以关闭对话系统循环。 - Sumax

Answer 4

@trinca的答案是正确的。我只是稍微重新表述了一下要点。

其次，有一些示例可以使用Rasa core来构建聊天机器人，也可以使用Rasa NLU来构建聊天机器人，但不清楚这两种方法的区别以及何时应该使用哪种方法。

不，NLU/Core并不是不同的方法，而是对话管理引擎的不同组成部分。

1. RASA NLU是意图/实体分类器:

   您可以使用带有相关意图(和实体)标签的多个示例句子对分类器进行离线训练。

   随后，在运行时，您向分类器提交一个输入句子，然后得到一个意图标签和与该意图相关的可能实体列表，作为分类的结果。

2. RASA Core是一个（概率性）对话管理器:

   它决定/猜测聊天机器人对话的下一个可能“状态”（再次只是一个意图）。它使用RASA的特殊性进行离线训练：“stories”。这些是可能的意图序列，遵循开发人员在训练阶段提交的对话示例。

   随后，在运行时，当用户提交一个句子（因此是先前提到的NLU组件猜测的相应意图）时，RASA Core猜测对话的“可能”下一个状态（即意图）。

注:

IMMO，仅使用许多竞争对手提出的仅具有NLU（意图分类器）组件的“解决方案”来构建聊天机器人是不可行的，因为仅使用意图分类器（NLU），您只能管理“无状态”的对话（单轮问答，没有任何上下文的对话）。最终，与其他提到的框架相比，RASA是赢家，因为它具有对话管理组件和故事设计/开发会话的方式，而没有硬编码规则（if/then）。

- Giorgio Robino

Answer 5

Rasa Core:

Rasa Core是Rasa中处理对话管理的组件。对话管理负责记录对话上下文并相应地选择下一步操作。

Rasa NLU:

Rasa NLU负责意图识别和实体提取。

示例

例如，如果用户输入是“明天纽约的天气怎么样？”，Rasa NLU需要提取出用户的意图是询问天气，并提取相应的实体名称和类型，例如日期是明天，位置是纽约。

- thrinadhn