machine-learning - 响应生成如何在RASA core中工作？

我是Chatbots的新手，并开始使用RASA作为框架。并且想知道RASA使用哪种方法作为其响应生成技术。 （NLG）

从理论上讲，NLG技术有两种类型：


模板驱动的NLG
高级NLG-神经网络和ML


那么，在RASA中，他们使用什么方法？

最佳答案

RASA堆栈足够灵活，可以支持两个用例。

有关问题的文档（v：0.10.3）可在以下位置找到：http://www.rasa.com/docs/core/responses/

TL; DR

RASA提供了基于模板的内置NLG。但是，它还允许您连接到NLG的外部HTTP服务器。该服务器中发生的事情取决于您，它可能是基于神经网络的NLG服务器，但这需要您自己完成。

模板驱动的NLG

从文档：


  默认格式是将话语包含到您的域中
  文件。然后，该文件包含对所有自定义操作的引用，
  可用的实体，广告位和意图。


域文件的一部分将包含模板部分。这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"

高级NLG-神经网络和ML

从文档：


  重新训练机器人，仅更改文本副本就可能不是最佳选择
  一些工作流程。因此，Core还允许您将
  响应生成，并将其与对话学习分开。
  
  该机器人仍将学习预测动作并响应用户输入
  基于过去的对话，但是它发送回给用户的响应
  是在Rasa Core之外生成的。
  
  如果漫游器想要向用户发送消息，它将调用一个
  带有POST请求的外部HTTP服务器。要配置此端点，
  您需要创建一个endpoints.yml并将其传递给运行或
  服务器脚本。


核心将通过会话中的信息与您的服务器联系，包括用户话语，意图和空位。然后，您的服务器将具有一个基于神经网络的NLG（由您开发），该NLG将返回该bot应该显示给用户的文本。