¿Discourse soporta la exportación de conversaciones como un conjunto organizado de datos?

Contribuir Característica
1

¿Discourse permite exportar conversaciones como un conjunto organizado de datos que se puedan reutilizar sin conexión? Casos de uso en Slack:

  1. A veces extraigo datos del historial para preparar documentos para nuevos usuarios.
  2. El mismo enfoque para extraer información útil de varias discusiones y organizar la documentación externa del producto.
  3. Intentar analizar muchas conversaciones/temas desordenados con Python para obtener datos estructurados con palabras destacadas: pasos para definir enlaces entre diferentes conversaciones (una especie de análisis de datos).

Espero haber sido claro :grinning:

1 me gusta
Discourse for Teams is here!
Dump all conversations in a file and structured data
2

Mmm, ¿has usado TensorFlow? :wink: Quizás deberías evitar tener muchos datos no estructurados desde el principio. Yo tengo el mismo problema aquí, pero trato de ordenarlo de alguna manera en el origen. Tengo un infierno de chat en Slack; lo resolveré haciendo que la gente estructure los datos…

3

No estoy seguro de que la IA sea mi caso. Recopilo datos de diferentes fuentes y la idea principal es encontrar los puntos clave realmente importantes (palabras, URLs, pruebas, etc.) y crear una estructura de datos que pueda responder a estas preguntas:

  1. ¿Cuál fue el orden correcto en el proceso de aceptación de una determinada solución relacionada con una tarea específica, con el fin de reconstruir la imagen real de los acontecimientos.
  2. El algoritmo debe detectar menciones importantes en una gran cantidad de conversaciones de baja calidad (especialmente correos electrónicos con múltiples niveles de archivos adjuntos y publicaciones web no confiables).
  3. Definir vínculos valiosos entre diferentes acciones, aproximadamente de la siguiente manera: noticias → blog → clima y necesidades públicos → decisión en chat/correo electrónico → estrategia utilizada → acciones reales → supuestos aprobados → personas relacionadas → explicación del resultado.

Por lo tanto, utilizo una plantilla de Python para esto:

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"
}

Probablemente me gustaría tener una estructura de datos similar exportada desde Discourse (quizás a través de la API). Inicialmente hice la pregunta sobre Discourse para Equipos, porque encontré muchas similitudes con Slack y nuestro equipo no está satisfecho con Slack. La función de pago del historial es casi inútil.

1 me gusta
4

En este sentido, todo lo que puedes hacer con Discourse, también puedes hacerlo con Discourse for Teams. Por eso he movido tu publicación a su propio nuevo tema. Quizás otros tengan sugerencias para ti.

¿Estás familiarizado con JSON? Puedes agregar .json a casi cualquier URL en Discourse para ver la página en un formato más portátil. ¿Quizás eso ayude?

Por ejemplo, este tema:

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

5 Me gusta
5

¡Guau, se ve genial, muchas gracias, Tobias! Creo que es suficiente para mí :+1:

2 Me gusta