RASA核心中的响应生成是如何工作的？

Question

我对聊天机器人非常陌生，并开始使用RASA作为框架。并想知道RASA采用哪种方法作为响应生成技术。(非NLG)

从理论上讲，有两种非NLG技术：

1. 模板驱动NLG
2. 改进的神经网络与ML

那么，他们用的是什么方法呢？

Answer 1

RASA堆栈足够灵活，可以支持这两个用例。

您的问题的文档(v: 0.10.3)可以在：http://www.rasa.com/docs/core/responses/找到

TL;DR

RASA提供了一个内置模板的 NLG。但是，它还允许您连接到NLG的外部HTTP服务器。在服务器上发生的事情取决于您，它可能是一个基于神经网络的 NLG服务器，但这需要由您来完成。

模板驱动NLG

从医生那里：

默认格式是，将话语包含到您的域文件中。然后，该文件包含对所有自定义操作、可用实体、插槽和意图的引用。

域文件的一个部分将包括一个模板部分。下面是文档中的一个示例：

templates:
  utter_greet:
    - "hey there {name}!"    # variable will be filled by slot with the same name or by custom code
  utter_goodbye:
    - "goodbye "
    - "bye bye "              # multiple templates will allow the bot to randomly pick from them
  utter_default:
    - "default message"

改进的神经网络与ML

从医生那里：

对机器人进行再培训，仅仅为了更改文本副本，对于某些工作流来说可能不是最优的。这就是为什么Core还允许您将响应生成外包，并将其与对话学习分离开来。 机器人仍将学习根据过去的对话预测动作和对用户输入作出反应，但是它发送给用户的响应是在Rasa Core之外生成的。 如果bot想向用户发送消息，它将使用POST请求调用外部HTTP服务器。要配置此端点，需要创建一个endpoints.yml并将其传递给运行脚本或服务器脚本。

核心将与您的服务器与对话的信息，包括用户的发言，意图和插槽填补。然后，您的服务器将有一个基于神经网络的NLG (由您开发)，它将返回机器人应该向用户显示的文本。