RASA和Spacy之间的区别或关系答案

【问题标题】：Difference or Relation between RASA and SpacyRASA和Spacy之间的区别或关系
【发布时间】：2018-08-02 07:37:07
【问题描述】：

我对聊天机器人真的很陌生，并开始使用框架学习这些东西。我开始使用这个开源框架 RASA 并学习它。然后我发现这个实体提取工具 Spacy，被 RASA 使用。

谁能解释这些之间的实际关系是什么？ Spacy 在 RASA 中的作用是什么？

【问题讨论】：

SO 不是这个问题的最佳位置，首先尝试仔细阅读 RASA NLU 文档，然后考虑在 RASA github 问题中提问。

【解决方案1】：

Rasa 堆栈有两个主要组件：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。例如在这个 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。它还利用了其他 python 库，例如 nltk 和 sklearn。

但是 Rasa NLU 有几个不同的管道选项。所以在下面的管道中：

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

spaCy 根本不用，但是 sklearn 和 tensorflow 用了。

Rasa NLU 试图抽象出使用 spaCy 和其他库的一些困难，使其更容易、更专注于构建聊天机器人。然后还有其他应用程序试图采用 Rasa NLU，并通过提供更多抽象的 GUI 使其更易于使用。这是开源中一种相当常见的模式，其中一个工具建立在另一个工具之上。 Rasa 的一些 GUI 应用程序是：

【讨论】：