nlp - Rasa core 和 Rasa nlu 之间的区别

Question

我试图理解 Rasa core 之间的区别和 Rasa NLU从官方文档看的，但我不太明白。我的理解是，Rasa core 用于引导对话流程，而 Rasa NLU 用于处理文本以提取信息(实体)。

Rasa core中有构建聊天机器人的示例以及Rasa NLU 。我无法理解这两种方法有什么区别以及何时采用一种方法而不是另一种方法。

您能帮助我更好地理解这一点吗？

Answer 1

你说得对。两者一起工作，但他们有不同的目标。简单来说，Rasa Core 处理对话流、话语、 Action ，Rasa NLU 提取实体和意图。

关于第二个问题:

第一个示例显示了创建机器人的整个工作流程，它显示了如何设置域和故事。这些是 Rasa Core 的功能，而不是 Rasa NLU。在本示例的第 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(但您甚至可以使用另一个实体提取器框架)。

第二个示例(Rasa NLU 示例)展示了如何仅训练实体和意图提取器。您没有任何有关域和故事的信息，没有有关对话流的信息，这是一个纯粹的 NLU 示例(即使他使用 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。但当你开始编码时，一切就变得清晰了。无论您使用哪个平台，NLU 都将处理实体和意图，而对话流将是其他东西。

甚至可以使用一个库来处理机器人的核心，而使用另一个库来处理 NLU。

我想指出的是，与可用于构建机器人核心的大多数工具不同，Rasa Core 使用机器学习来更好地概括对话流程。您可以使用可能的对话路径的数据集并训练核心来概括它，而不是为对话中的每个可能的节点编写代码。这是一个非常酷且强大的功能:)

希望有帮助。