Was ist der Unterschied zwischen Dialogflow bot framework vs Rasa nlu-bot-framework?

Denke ich, kann ich beantworten, das ohne jegliche Voreingenommenheit, gewährt, dass überstunden, die Antwort wird wachsen veraltet wie die beiden Dienste zu entwickeln.

Cliffnotes version:

Dialogflow ist eine vollständige closed-source-Produkt mit einer voll funktionalen API und die grafische web-Oberfläche. Rasa (NLU + Core) sind open-source-python-Bibliotheken, die verlangen, dass etwas auf der unteren Ebene der Entwicklung. Beide versuchen, zu abstrahieren, einige der Schwierigkeiten in der Arbeit mit der Maschine Lernen zu bauen, ein chatbot.

Als zu schreiben, dieses aber hier ist mein Vergleich:

DialogFlow

• Ist eine meist komplette Werkzeug für die Erstellung von einem chatbot. Meist abgeschlossen, was bedeutet, dass es bietet fast alles, was Sie für die meisten chatbots.
• Speziell es kann mit Klassifizierung von Absichten und Organisationen. Es verwendet, was es ruft Kontext-handle des dialogs. Es ermöglicht web-hooks für die Erfüllung.
• Eine Sache, die es nicht haben, dass ist oft wünschenswert, für chatbots ist irgendeine form von end-user-management.
• Es hat eine robuste API, die es ermöglicht, die Sie zum definieren von Einheiten/Absichten/etc entweder über die API oder mit deren web-basierte Schnittstelle.
• Früher bekannt als API.ki, bevor Sie von Google erworben.
• Daten in der cloud gehostet werden und jede Interaktion mit der API.ai erfordern cloud-bezogene Kommunikation.
• Kann nicht bedient werden, auf der Prämisse.

Rasa NLU + Core

• Um in der Nähe der gleichen Ebene fucntionality als Dialogflow Sie haben beide Rasa NLU und Rasa Kern. Rasa NLU wickelt Projekte/Absichten/Unternehmen in der Erwägung, dass Rasa Griffe Dialog und Erfüllung.
• Rasa nicht, eine vollständige open-source-GUI verlassen die meisten Ihrer Interaktionen mit NLU im JSON-oder markdown. Und Rasa-Kern erfordert eine direkte python-Entwicklung anpassen, um Ihre bot.
• Auch nicht direkt bieten jede Art von Benutzer-info-management.
• Die Rasa-team nicht bieten hosting (zumindest außerhalb Ihres enterprise-Angebote), und Sie werden verantwortlich für hosting und damit Eigentümer der Daten.
• Betrieben werden kann on-premise.

So weit wie andere open-source-frameworks, würde ich sagen, dass es sehr wahrscheinlich ist, dass die meisten chatbot-frameworks sind die gebaut auf einer Vielzahl von open-source-tools, mit einigen proprietären add-ons. So können Sie immer wieder starten Sie von der unteren Ebene open-source-tools wie MITIE oder spacig.

Update:

Den Smart-Plattform-Gruppe (von denen ich Mitglied bin) veröffentlichte vor kurzem ein Produkt zwischen Rasa NLU/Core und Dialogflow genannt Artikulieren.

Artikulieren, ist ein full-featured-bot-framework, basierend auf Rasa NLU, können Sie die build-Natural Language Agents mühelos.

• Verwendet Rasa NLU für das Verständnis und die benutzerdefinierte Kontext-basierten code für den dialog. Dies macht es Arbeit näher wie Dialogflow tut, als Rasa Kern.
• HTTP-API für die Erstellung von Absichten, Organisationen, und die Interaktion mit Agenten.
• GUI ähnlich Dialogflow, das komplett open-source.
• Daten und Schnittstelle können die in der cloud gehostet oder on-premise.

Der wichtigste Unterschied ist, das gesamte NLU, NLP und NLG nicht passiert ist unter der Haube im Falle von Rasa. Es ist open-source. Sie sind der Chef. Im Falle von Dialogflow, Sie haben alle Funktionen, aber es hat zum senden der Daten an den cloud-Dienst jedes mal, wenn ein dialog-Transaktion geschieht. Auch einige der service-Anbieter beschränken die Anzahl Dialoge pro Tag.

Jedoch Dialogflow ist einwandfrei, einfach zu bedienen und einfach zu modellieren.