Voici un tableau de référence des termes et expressions associées à RASA :
| Terme | Description |
|---|---|
| Action | Ce mot permet d'indiquer un simple étape qu'un bot prend dans une conversation (par exemple, appeler une API ou renvoyer une réponse à l'utilisateur). |
| Action Server | Cette expression permet d'indiquer le serveur exécutant le code d'action personnalisé, distinct de Rasa Open Source. Le projet Rasa gère le Rasa SDK en Python pour la mise en oeuvre d'actions personnalisées, bien qu'il soit également possible d'écrire des actions personnalisées dans d'autres langages. |
| Annotation | Ce mot permet d'indiquer l'ajout d'étiquettes aux messages et aux conversations afin qu'ils puissent être utilisés pour entraîner un modèle. |
| Business Logic | Cette expression permet d'indiquer les conditions devant être remplies en raison d'exigences commerciales. Par exemple : exiger un prénom et un nom, une adresse et un mot de passe avant de pouvoir créer un compte. Dans un assistant Rasa, la logique métier est mise en oeuvre à l'aide d'actions basées sur des règles telles que les formulaires. |
| Chitchat | Ce mot permet d'indiquer un modèle de conversation où l'utilisateur dit quelque chose n'étant pas directement lié à son objectif. Il peut inclure des informations comme des salutations, vous demander comment vous allez,... |
| CMS | Cette abréviation permet d'indiquer un moyen d'entreposer les réponses des robots en externe au lieu de les inclure directement dans le domaine. Les systèmes de gestion de contenu dissocient le texte de réponse des données d'entraînement. |
| Conversation-Driven Development (CDD) | Cette expression permet d'indiquer un processus d'utilisation des messages utilisateur et des données de conversation pour influencer la conception d'un assistant et former le modèle, combiné aux meilleures pratiques d'ingénierie. Le CDD comprend 6 étapes : partager, réviser, annoter, corriger, suivre et tester. |
| Conversation Tests | Cette expression permet d'indiquer un format de récit modifié incluant le texte intégral du message de l'utilisateur en plus de l'étiquette d'intention. Les conversations de test sont enregistrées dans un fichier d'ensemble de test (conversation_tests.md), étant utilisé pour évaluer les prédictions du modèle sur l'ensemble d'une conversation. |
| Component | Ce mot permet d'indiquer Un élément dans le pipeline NLU d'un assistant dans la configuration du modèle. Les messages entrants sont traités par une séquence de composantes appelée pipeline. Une composante peut effectuer des tâches allant de l'extraction d'entités à la classification des intentions en passant par le prétraitement. |
| Custom Action | Cette expression permet d'indiquer une action écrite par un développeur de bot pouvant exécuter du code arbitraire, principalement pour interagir avec des systèmes externes et des API. |
| Default Action | Cette expression permet d'indiquer une action intégrée venant avec des fonctionnalités prédéfinies. |
| DIET | Cette abréviation, provenant de l'anglicisme «Dual Intent and Entity Transformer», permet d'indiquer une transformation à double intention et entité. L'architecture NLU par défaut utilisée par Rasa Open Source, effectue à la fois la classification d'intention et l'extraction d'entités. |
| Domain | Ce mot permet d'indiquer les entrées et sorties d'un assistant. Il comprend une liste de toutes les intentions, entités, emplacements, actions et formulaires que l'assistant connaît. |
| Entity | Ce mot permet d'indiquer les mots clefs pouvant être extraits d'un message utilisateur. Par exemple : un numéro de téléphone, le nom d'une personne, un emplacement, le nom d'un produit. |
| Event | Ce mot permet d'indiquer un événement se passant dans une conversation. Par exemple, un événement UserUttered représente un utilisateur entrant un message et un événement ActionExecuted représente l'assistant exécutant une action. Toutes les conversations dans Rasa sont représentées comme une séquence d'événements. |
| FAQs | Cette abréviation, provenant de l'anglicisme «Frequently asked questions», permet d'indiquer les questions fréquemment posées, soit des questions fréquemment posées par vos utilisateurs. Dans le contexte de la création d'un assistant, cela signifie généralement que l'utilisateur envoie un message et que l'assistant envoie une réponse sans avoir besoin de considérer le contexte de la conversation. |
| Form | Ce mot permet d'indiquer un type d'action personnalisée demandant à l'utilisateur plusieurs informations. Par exemple, si vous avez besoin d'une ville, d'une cuisine et d'une fourchette de prix pour recommander un restaurant, vous pouvez créer un formulaire de restaurant pour collecter les informations. Vous pouvez décrire la logique métier dans un formulaire, comme proposer au client un ensemble différent d'options de menu s'il mentionne une allergie alimentaire. |
| Happy / Unhappy Paths | Cette expression permet d'indiquer les termes utilisés pour décrire si l'entrée de l'utilisateur est attendue ou inattendue. Si votre assistant demande des informations à un utilisateur et que l'utilisateur les fournit, celui-ci est surnommé un chemin heureux. Les chemins malheureux sont tous des cas extrêmes possibles. Par exemple, l'utilisateur refuse de donner l'entrée demandée, change le sujet de la conversation ou corrige quelque chose qu'il a dit plus tôt. |
| Happy / Unhappy Paths | Ce mot permet d'indiquer, dans un message utilisateur donné, ce qu'un utilisateur essaie de transmettre ou d'accomplir (par exemple, salutation, spécification d'un emplacement). |
| Interactive Learning | Cette expression permet d'indiquer, dans Rasa X ou la Rasa CLI, un mode de formation où le développeur corrige et valide les prédictions de l'assistant à chaque étape de la conversation. La conversation peut être enregistrée au format histoire et ajoutée aux données d'entraînement de l'assistant. |
| Knowledge Base / Knowledge Graph | Cette expression permet d'indiquer une base de données interrogeable représentant des relations et des hiérarchies complexes entre les objets. Les actions de la base de connaissances permettent à Rasa Open Source d'extraire des informations d'une base de connaissances et de les utiliser dans les réponses. |
| Level 3 Assistant | Cette expression permet d'indiquer un assistant capable de gérer des conversations plus complexes que de simples échanges de va-et-vient. Les assistants de niveau 3 sont capables d'utiliser le contexte des tours de conversation précédents pour choisir l'action suivante appropriée. |
| Messaging Channels | Cette expression permet d'indiquer les connecteurs intégrant Rasa Open Source avec des plates-formes de messagerie externes, sur lesquelles les utilisateurs finaux peuvent envoyer et recevoir des messages. Le Rasa Open Source comprend des canaux de messagerie intégrés tels que Slack, Facebook Messenger et le clavardage Web, ainsi que la possibilité de créer des connecteurs personnalisés. |
| Minimum Viable Assistant | Cette expression permet d'indiquer un assistant de base capable de gérer les récits de chemin heureux les plus importantes. |
| NLG | Cette abréviation, tirant son nom de l'anglicisme Natural Language Generation, permet d'indiquer le processus de génération de messages en langage naturel à envoyer à un utilisateur. Le Rasa utilise une approche simple basée sur un modèle pour NLG. Les approches basées sur les données (telles que le NLG neuronal) peuvent être implémentées en créant une composante NLG personnalisé. |
| NLU | Cette abréviation, tirant son nom de l'anglicisme Natural Language Understanding, permet d'indiquer le traitement de l'analyse et de la compréhension du langage humain dans un format structuré. |
| NLU Inbox | Cette expression permet d'indiquer la zone de Rasa X où les nouveaux messages des utilisateurs sont collectés pour examen et annotation. Seuls les messages n'étant pas déjà représentés dans les données d'apprentissage apparaîtront dans la boîte de réception NLU. |
| Pipeline | Ce mot permet d'indiquer la liste des composantes NLU définissant le système NLU d'un assistant Rasa. Un message utilisateur est traité par chaque composante un par un, avant de renvoyer la sortie structurée finale. |
| Policy | Ce mot permet d'indiquer les composantes Rasa Open Source prédisant la prochaine action du système de dialogue Les politiques prennent des décisions sur la manière dont le flux de conversation doit se dérouler. Une configuration typique comprend plusieurs stratégies et la stratégie la plus fiable décide de la prochaine action à entreprendre dans la conversation. |
| Rasa Core | Cette expression permet d'indiquer le moteur de dialogue décidant de ce qu'il faut faire ensuite dans une conversation en fonction du contexte. Fait partie de la bibliothèque Rasa Open Source. Obsolète : le Rasa Core et Rasa NLU ont été fusionnés en un seul paquet dans la version 1.x. La fonctionnalité de Core est maintenant appelée gestion des dialogues. |
| Rasa NLU | Cette expression permet d'indiquer la partie de Rasa Open Source effectuant la compréhension du langage naturel (NLU), y compris la classification d'intention et l'extraction d'entités. Obsolète : Le Rasa Core et Rasa NLU ont été fusionnés en un seul paquet dans la version 1.x. La fonctionnalité de Rasa NLU est maintenant appelée NLU). |
| NLU Component | Cette expression permet d'indiquer un élément du pipeline Rasa NLU traitant les messages entrants. Les composantes exécutent des tâches allant de l'extraction d'entités à la classification des intentions en passant par le prétraitement. |
| Rasa X | Cette expression permet d'indiquer l'outil de développement axé sur la conversation. Le Rasa X aide les équipes à partager et à tester un assistant conçu avec Rasa Open Source, à annoter les messages des utilisateurs et à afficher les conversations. |
| Retrieval Intent | Cette expression permet d'indiquer un type spécial d'intention qui peut être divisé en sous-intentions plus petites. Par exemple, une intention de récupération de FAQ a des sous-intentions représentant chaque question individuelle à laquelle l'assistant sait comment répondre. |
| REST Channel | Cette expression permet d'indiquer un canal de messagerie utilisé pour créer des connecteurs personnalisés. Inclut un canal d'entrée, où les messages des utilisateurs peuvent être publiés sur Rasa Open Source, et la possibilité de spécifier une URL de rappel, où les actions de réponse du bot seront envoyées. |
| Response / Template / Utterance | Cette expression permet d'indiquer un message qu'un assistant envoie à un utilisateur. Il peut inclure du texte, des boutons, des images et d'autres contenus. |
| Rules | Cette expression permet de demander des données d'entraînement spéciales pour spécifier un comportement de type règle, où une condition spécifique prédit toujours une action suivante spécifique. Les exemples incluent la réponse aux FAQ, le remplissage de formulaires ou la gestion des solutions de secours. |
| Share Your Bot | Cette expression permet d'indiquer la fonction Rasa X générant un lien vers une interface utilisateur de clavardage pour les utilisateurs de test. Partager votre bot permet aux utilisateurs testés de parler à un assistant pendant qu'il est encore en développement. |
| Slot | Ce mot permet d'indiquer un magasin de clef-valeur que Rasa utilise pour suivre les informations au cours d'une conversation. |
| Story | Ce mot permet d'indiquer le format de données de formation pour le modèle de dialogue, consistant en une conversation entre un utilisateur et un bot. Les messages de l'utilisateur sont représentés sous forme d'intentions et d'entités annotées, et les réponses du bot sont représentées sous la forme d'une séquence d'actions. |
| Talk to Your Bot | Cette expression permet d'indiquer un interface de clavardage dans Rasa X permettant aux développeurs de robots de parler, de tester et de corriger leur assistant. Peut être activé en mode d'apprentissage interactif strict, nécessitant que chaque prédiction soit confirmée avant que la conversation puisse se poursuivre. |
| TED Policy | Cette expression permet d'indiquer la politique de dialogue d'intégration du transformateur. Le TED est la politique de dialogue par défaut basée sur l'apprentissage automatique utilisée par Rasa Open Source. Le TED complète les politiques basées sur des règles en gérant des situations auparavant invisibles, où aucune règle n'existe pour déterminer l'action suivante. |
| Template / Response / Utterance | Cette expression permet d'indiquer un modèle de message utilisé pour répondre à un utilisateur. Peut inclure du texte, des boutons, des images et d'autres pièces jointes. |
| Tracker | Ce mot permet d'indiquer une composante Rasa Open Source maintenant l'état du dialogue, étant représenté comme un objet JSON répertoriant les événements de la session en cours. |
| User Goal | Cette expression permet d'indiquer l'objectif global qu'un utilisateur souhaite atteindre, par exemple rechercher la réponse à une question, prendre un rendez-vous ou souscrire une police d'assurance. Certains outils désignent l'objectif de l'utilisateur comme «l'intention», mais dans la terminologie Rasa, une intention est associée à chaque message utilisateur individuel. |
| Word embedding / Word vector | Cette expression permet d'indiquer un vecteur de nombres à virgule flottante représentant la signification d'un mot. Les mots ayant des significations similaires ont tendance à avoir des vecteurs similaires. Les intégrations de mots sont souvent utilisées comme entrée dans les algorithmes d'apprentissage automatique. |
Dernière mise à jour : Dimanche, le 13 septembre 2020