大家好，
我是新来的，如果我在重复老生常谈，先说声抱歉。
我同意 @sam 的观点，这里确实有个“深坑”，但另一方面，主题建模技术现在已经相当成熟，市面上也有现成的优秀工具。我最近的一个项目分析了约 500 万份专利标题和摘要；在我新搭建的 Discourse 社区 站点 上分析成千上万个主题简直是小菜一碟。而且，我的社区成员也有意愿推动这件事落地。
想请教各位专家：我是否应该考虑开发一个插件？还是应该直接修改 Discourse 的源代码（我已从 GitHub 下载）？
我找到了这篇关于用 Python 抓取 Discourse 论坛主题的帖子 链接，但尚未成功运行。类似的方法应该能让我将数据拉取到本地，构建模型，以便后续查询加载。
顺便提一下，大多数优秀的工具都是基于 Python 的……