Rasa Framework (23) là một mã nguồn mở giúp xây dựng Chatbot sử dụng trí tuệ nhân tạo. Được ra đời vào năm 2016 và được viết bằng ngôn ngữ lập trình Python, với sự hỗ trợ của cộng đồng người dùng và được cập nhật liên tục Rasa đang ngày càng phát triển và trở thành một trong những nền tảng xây dựng Chatbot lớn nhất và hoàn toàn miễn phí.
Rasa bao gồm nhiều thành phần trong đó có 2 thành phần chính là thành phần xử lý ngôn ngữ tự nhiên (NLU) và thành phần quản lý hội thoại (DM).
Hình 3.1. Sơ đồ các thành phần trong Rasa Framework
-NLU: là phần xử lý phân loại ý định và trích xuất thực thể. Được thể hiện
ở khối NLU Pipeline, tin nhắn của người dùng được xử lý qua một quy trình gồm nhiều bước gọi là pipeline.
34
-Dialogue management: là thành phần quyết định sự kiện tiếp theo trong
cuộc hội thoại dựa vào ngữ cảnh hiện tại. DM được thể hiện bởi khối Dialogue Policies.
Bên cạnh đó Rasa bao gồm các thành phần khác:
-Rasa Action Server: là thành phần tùy chọn, nếu hệ thống cần xử lý các
tác vụ logic như tiền xử lý trước khi trả lời người dùng hoặc gọi đến server khác thông qua API để lấy dữ liệu. Rasa Action Server sử dụng Rasa SDK viết bằng Python để xây dựng.
-Tracker stores: thành phần lưu trữ lịch sử tin nhắn, slot trong database
hoặc bộ nhớ tạm, cung cấp thông tin để Rasa action server xử lý như trích xuất liên kết các tin nhắn trước để trả lời người dùng một cách chính xác nhất, hoặc phân tích cuộc hội thoại.
Hiện nay có rất nhiều phương pháp làm Chatbot do bên thứ ba cung cấp như Chatfuel, Sparrow, ManyChat…nhưng trong đề tài luận văn này, tôi sẽ sử dụng Rasa framework để xây dựng chương trình và dưới đây là những lý do sử dụng Rasa để xây dựng Chatbot:
-Dễ dàng tích hợp, chỉnh sửa: ta có thể tự cấu hình bất kì pipeline nào trong
phần NLU pipeline để phù hợp với ngôn ngữ từng quốc gia hoặc mục đích cụ thể, Rasa cung cấp các tính năng có sẵn thêm vào đó người dùng có thể tự tạo tính năng riêng, chính vì Rasa là mã nguồn mở cho nên sẽ dễ dàng chỉnh sửa framework, có thể tùy ý tích hợp các tính năng bên ngoài và hàm xử lý nào đó.
-Tích hợp với các hệ thống có sẵn: Rasa cung cấp Rasa Action giúp
Chatbot có thể kết nối đến các hệ thống khác thông qua API hoặc truy cập vào database, giả sử Chatbot bán hàng có thể lấy giá mới nhất trên hệ thống quản lý bán hàng của doanh nghiệp.
-Khả năng học qua tương tác: thay vì việc liệt kê tất cả ý định và câu trả
lời tương ứng, trong quá trình huấn luyện người dùng có thể giao tiếp trực tiếp với Chatbot đánh giá và cung cấp câu trả lời phù hợp với ý định của người dùng.
-Kết nối dễ dàng với các ứng dụng chat khác: Rasa cho phép ứng dụng
liên kết với các nền tảng chat nổi tiếng như Facebook Messenger, Slack, Telegram, Twilio …
35
-Hiệu suất cao: với việc tích hợp nhiều kiến trúc hiện đại nhất như DIET,
TED sử dụng mô hình Transformer giúp cho Chatbot của Rasa trở nên thông minh hơn và tối ưu hóa được thời gian huấn luyện một cách đáng kể khi so sánh với các nền tảng khác.
-Miễn phí và cộng đồng lớn: Rasa là mã nguồn mở cho nên sẽ không mất
phí để xây dựng ứng dụng, cũng chính vì lý do đó nhiều người dễ dàng tiếp cận và xây dựng được các cộng đồng chia sẻ kiến thức, thuật toán tối ưu và thậm chí dữ liệu mẫu có sẵn, giúp Rasa ngày phát triển và ổn định.