Unterstützt Discourse den Export von Konversationen als organisierte Massendaten?

Beitragen Merkmal
1

Unterstützt Discourse den Export von Gesprächen als organisierte Datenmenge, die offline wiederverwendet werden kann? Anwendungsfälle in Slack:

  1. Manchmal extrahiere ich Daten aus dem Verlauf, um Dokumente für Neueinsteiger vorzubereiten.
  2. Derselbe Ansatz, um nützliche Daten aus mehreren Diskussionen zu extrahieren und externe Produktdokumentation zu organisieren.
  3. Versuch, viele schlecht sortierte Themen/Gespräche mit Python zu parsen, um strukturierte Daten mit hervorgehobenen Wörtern zu erhalten – Schritte zur Definition von Verknüpfungen zwischen verschiedenen Gesprächen (eine Art Datenanalyse).

Ich hoffe, ich war klar :grinning:

1 „Gefällt mir“
Discourse for Teams is here!
Dump all conversations in a file and structured data
2

Hm, hast du TensorFlow schon benutzt? :wink: Du solltest am besten viele unstrukturierte Daten von vornherein vermeiden. Ich habe hier das gleiche Problem. Aber ich versuche, es irgendwie an der Quelle zu ordnen. Ich habe hier eine Slack-Chat-Hölle, die ich dadurch umgehen werde, dass ich die Leute die Daten strukturieren lasse…

3

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:

  1. Welche war die richtige Reihenfolge beim Annehmen einer bestimmten Lösung im Zusammenhang mit einer bestimmten Aufgabe, um das tatsächliche Bild der Ereignisse wiederherzustellen.
  2. 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).
  3. 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.

1 „Gefällt mir“
4

In dieser Hinsicht können Sie mit Discourse für Teams alles tun, was Sie auch mit Discourse tun können. Deshalb habe ich Ihren Beitrag in ein neues eigenes Thema verschoben. Vielleicht haben andere Vorschläge für Sie.

Sind Sie mit JSON vertraut? Sie können an fast jede URL in Discourse einfach .json anhängen, um die Seite in einem portableren Format anzuzeigen. Vielleicht hilft das?

Zum Beispiel dieses Thema:

https://meta.discourse.org/t/does-discourse-support-export-conversations-as-an-organized-bulk-of-data/180537.json

5 „Gefällt mir“
5

Wow, das sieht großartig aus, vielen Dank, Tobias! Ich denke, das reicht für mich :+1:

2 „Gefällt mir“