Was ist der Unterschied zwischen dem Dialogflow-Bot-Framework und dem Rasa-Nlu-Bot-Framework?

Ich denke, dass ich dies ohne Vorurteile beantworten kann, vorausgesetzt, die Überstunden werden mit der Weiterentwicklung der beiden Dienste überholt.

Cliffnotes-Version:

Dialogflow ist ein komplettes Closed Source-Produkt mit einer voll funktionsfähigen API und grafischen Webschnittstelle. Rasa (NLU + Core) sind Open Source-Python-Bibliotheken, die eine etwas niedrigere Entwicklungsstufe erfordern. Beide versuchen, einige der Schwierigkeiten der Arbeit mit Machine Learning zu beschreiben, um einen Chatbot zu erstellen.

Zum Zeitpunkt des Schreibens ist hier jedoch mein Vergleich:

DialogFlow

• Ist ein meist komplettes Werkzeug zur Erstellung eines Chatbots. Meist vollständig, was bedeutet, dass es fast alles tut, was Sie für die meisten Chatbots benötigen.
• Insbesondere kann es die Klassifizierung von Absichten und Entitäten behandeln. Es benutzt den Kontext, den es Kontext nennt, um den Dialog zu behandeln. Es erlaubt Web-Hooks zur Erfüllung.
• Was für Chatbots oft nicht wünschenswert ist, ist eine Form der Endbenutzerverwaltung.
• Es verfügt über eine robuste API, mit der Sie Entitäten/Absichten/etc entweder über die API oder über deren webbasierte Schnittstelle definieren können.
• Früher als API.ai bekannt, bevor er von Google erworben wurde.
• Die Daten werden in der Cloud gehostet, und jede Interaktion mit API.ai erfordert eine Kommunikation in der Cloud.
• Kann nicht vor Ort betrieben werden.

Rasa NLU + Core

• Um an das gleiche Funktionsniveau wie Dialogflow heranzukommen, müssen Sie sowohl Rasa NLU als auch Rasa Core verwenden. Rasa NLU behandelt Projekte/Absichten/Entitäten, während Rasa Core Dialog und Erfüllung übernimmt.
• Rasa bietet keine vollständige Open-Source-GUI, sodass die meisten Interaktionen mit NLU in JSON oder Markdown verbleiben. Rasa Core erfordert eine direkte Python-Entwicklung, um Ihren Bot anzupassen.
• Bietet auch keine direkte Verwaltung von Benutzerinformationen an.
• Das Rasa-Team bietet kein Hosting an (zumindest außerhalb seiner Unternehmensangebote), und Sie sind für das Hosting und somit für das Eigentum an den Daten verantwortlich.
• Kann vor Ort betrieben werden.

Was andere Open-Source-Frameworks angeht, würde ich sagen, dass die meisten Chatbot-Frameworks derzeit auf einer Vielzahl von Open-Source-Tools mit einigen proprietären Add-Ons basieren. Sie können also immer von den untergeordneten Open-Source-Tools wie MITIE oder spaCy beginnen.

Update:

Die Smart Platform Group (deren Mitglied ich bin) hat kürzlich ein Produkt zwischen Rasa NLU/Core und Dialogflow mit dem Namen Articulate veröffentlicht.

Articulate ist ein voll funktionsfähiges, auf Rasa NLU basierendes Bot-Framework, mit dem Sie Natural Language Agents mühelos erstellen können.

• Verwendet Rasa-NLU zum Verstehen und benutzerdefinierten kontextbasierten Code für Dialoge. Dadurch arbeitet es näher an der Funktionsweise von Dialogflow als Rasa Core.
• HTTP-API zum Erstellen von Absichten, Entitäten und zum Interagieren mit Agenten.
• GUI ähnlich wie Dialogflow, der vollständig Open Source ist.
• Daten und Schnittstelle können in der Cloud oder vor Ort gehostet werden.