Ich bin mir nicht sicher, ob KI für mich das Richtige ist. Ich sammle Daten aus verschiedenen Quellen, und die Hauptidee besteht darin, wirklich wichtige Highlights (Wörter, URLs, Beweise usw.) zu finden und strukturierte Daten zu erstellen, die folgende Fragen beantworten können:
- Welche war die richtige Reihenfolge beim Annehmen einer bestimmten Lösung im Zusammenhang mit einer bestimmten Aufgabe, um das tatsächliche Bild der Ereignisse wiederherzustellen.
- Der Algorithmus sollte wichtige Erwähnungen in einer Fülle von qualitativ minderwertigen Gesprächen erkennen (insbesondere E-Mails mit vielen Ebenen von Anhängen und nicht vertrauenswürdigen Webveröffentlichungen).
- Wertvolle Verbindungen zwischen verschiedenen Aktionen definieren, in etwa so: Nachrichten → Blog → öffentliche Stimmung und Bedürfnisse → Chat/E-Mail-Entscheidung → genutzte Strategie → tatsächliche Aktionen → genehmigte Annahmen → beteiligte Personen → Erklärung des Ergebnisses.
Deshalb verwende ich dafür eine Python-Vorlage:
PRODUCT_RELATIVE_SOURCES = {
"websites": {
"company1": [
"blog",
"vacancies",
"news",
"tags"
]
},
"social-networks": {
"network1": [
"feed",
"story",
"public",
"direct",
"tags"
]
},
"messengers": {
"messenger1": [
"chat1",
"room1",
"bot1",
"direct",
"tags"
]
},
"mailboxes": {
"box1": [
"subject",
"body",
"sender",
"cc",
"meta"
]
}
}
EXCLUDE_SOURCES = {
"main",
"libs",
"opt"
}
Wahrscheinlich würde ich mich freuen, eine ähnliche Datenstruktur aus Discourse exportiert zu bekommen (vielleicht über die API). Ursprünglich habe ich die Frage bezüglich Discourse for Teams gestellt, da ich viele Ähnlichkeiten mit Slack gefunden habe und unser Team mit Slack nicht zufrieden ist. Die kostenpflichtige Funktion für den Verlauf ist fast nutzlos.