Confluence 검색 튜토리얼 및 챗봇

Confluence 검색 튜토리얼 및 챗봇

타임 스탬프 : 11 년 2023 월 4 일 오전 39:XNUMX
소스 노드 : 2930145

개요

Confluence는 팀이 효율적으로 협업하고 지식을 공유할 수 있도록 설계된 Atlassian에서 개발한 협업 도구입니다. 현대 업무 공간에서는 디지털 방식으로 함께 작업할 수 있는 능력이 매우 중요합니다. Confluence는 팀이 한 곳에서 프로젝트를 생성, 공유, 협업할 수 있는 플랫폼을 제공하여 이를 촉진합니다. 단순한 협업을 넘어 Confluence는 실시간 편집, 다른 Atlassian 제품과의 통합, 사용자 친화적인 인터페이스 등의 기능을 갖추고 있어 많은 조직에서 선호하는 선택입니다.

Confluence 내장 검색 기능 사용에 대한 튜토리얼

Confluence에서 정보나 특정 항목을 검색하는 것은 간단하지만 제한된 기능입니다. Confluence의 검색 기능을 최대한 활용하는 방법은 다음과 같습니다.

기본 검색을 시작하려면:

  • 헤더에 있는 돋보기 아이콘을 클릭하거나 바로가기를 사용하세요. Shift + / 검색 필드에 집중합니다.
  • 페이지 상단에 나타나는 검색창에 검색어를 입력하세요. 입력하는 동안 Confluence는 실시간 검색 결과를 제공하고 사이트에서 사용 가능한 콘텐츠를 기반으로 제안을 제공합니다.

보다 세분화된 결과를 얻으려면 고급 검색을 이용하세요.

  • 돋보기 아이콘을 클릭한 후 검색창 옆에 있는 “고급 검색”을 클릭하거나 바로가기를 사용하세요. Shift + / 다음 a.
  • 여기에서는 콘텐츠 유형(페이지, 블로그, 첨부 파일 등), 공간, 기여자, 날짜 범위 등 다양한 기준에 따라 검색을 필터링할 수 있습니다.

3. 검색 구문 사용:

Confluence는 검색 범위를 좁히는 데 도움이 되는 다양한 검색 구문을 지원합니다.

  • 따옴표: 정확한 문구를 검색하려면 따옴표를 사용하세요. 예를 들어 '회의록'이 있습니다.
  • 와일드카드: 별표 사용 * 단어의 문자 수를 나타내는 와일드카드로 사용됩니다.
  • 부울 연산자: 사용 AND, OR및 NOT 용어를 결합하거나 제외합니다.
  • 근접 검색: 물결표 사용 ~ 그 뒤에 숫자가 붙어서 서로 일정 거리 내에 있는 단어를 검색합니다. 예를 들어 '연차보고서'~10.
  • 필드 검색: 다음과 같은 구문을 사용하여 특정 필드 내에서 검색합니다. title:, text:, creator:및 modifier: 다른 사람의 사이에서.

4. 첨부 파일 검색:

특정 첨부 파일을 찾는 경우:

  • 로 이동 Search > Advanced Search.
  • "유형" 섹션에서 "첨부 파일"을 선택합니다.
  • 검색 구문 활용 /.*<attachment type>.*/. 예를 들어 PNG 파일을 검색하려면 다음을 사용합니다. /.*png.*/.

5. 데이터베이스 검색(서버 및 데이터 센터 배포용):

Confluence 데이터베이스에 액세스할 수 있는 사용자의 경우 특정 SQL 쿼리를 활용하여 특정 첨부 파일 유형을 검색할 수 있습니다. 예를 들어 모든 PNG 첨부 파일을 찾으려면 다음 SQL 쿼리를 사용할 수 있습니다.

select c.TITLE as Attachment_Name, s.spacename,
c2.TITLE as Page_Title, 'http://<confluence_base_url>/pages/viewpageattachments.action?pageId='||c.PAGEID as Location
from CONTENT c
join CONTENT c2 ON c.PAGEID = c2.CONTENTID
join SPACES s on c2.SPACEID = s.SPACEID
where c.CONTENTTYPE = 'ATTACHMENT' and c.title like '%.png%';

SQL 쿼리는 검색 중인 첨부 파일 유형에 따라 조정될 수 있습니다.

6. 첨부 폴더 검색(특정 플랫폼):

특정 플랫폼에서는 Unix 검색 구문을 Confluence의 첨부 파일 폴더 내에서 직접 사용하여 특정 파일 형식을 찾을 수 있습니다.

find /<confluence_home>/attachments -type f | xargs file | grep PNG

Confluence 인스턴스의 첨부 파일 디렉터리에 있는 모든 PNG 파일을 검색하고 나열합니다.

이러한 각 방법은 검색에 대해 서로 다른 수준의 세분성 및 제어 기능을 제공하여 Confluence에서 필요한 것을 정확하게 찾을 수 있도록 보장합니다.

다음 기사를 읽으면 Confluence 내장 검색에 대해 더 자세히 알아볼 수 있습니다.

Confluence 내장 검색 기능의 단점

Confluence 검색에 내재된 복잡성은 주로 Google과 같은 검색 엔진과 달리 검색어의 문맥적 본질을 활용할 수 없다는 데서 비롯됩니다. 도전과제에 대한 분석은 다음과 같습니다.

  • 검색어의 반복: 검색 기록에서 동일한 검색어가 제한적으로 발생하면 과거 검색에서 사용할 수 있는 문맥 데이터가 최소화되어 검색 결과의 정확성이 저하되는 경우가 많습니다. 이는 사용자가 오래되었거나 관련성이 낮은 결과 아래에 묻혀 있을 수 있는 업데이트된 정보나 최신 정보를 검색할 때 특히 문제가 됩니다.
  • 의미론적 이해: 동의어를 식별하거나 불용어를 무시하는 플랫폼의 역량이 부족하여 관련성이 떨어지는 콘텐츠 제안이 발생하는 경우가 많습니다. 예를 들어, Information Technology의 약어인 "IT"와 대명사인 "it"을 구별하는 것은 까다로울 수 있습니다. 또한 이러한 의미론적 이해 부족으로 인해 일반적인 업계 전문 용어나 두문자어가 검색어에 사용될 때 혼란이 발생할 수 있습니다.
  • 정확한 일치 딜레마: 불용어를 제거하려고 시도하는 동안 Confluence는 때때로 정확한 일치 검색을 방해하여 작업을 더욱 어렵게 만듭니다. 이로 인해 사용자가 찾고 있는 정확한 문서나 정보를 찾지 못하게 되어 생산성이 저하될 수 있습니다.
  • 모든 경우에 적용되는 딜레마: 조직 구조, 내부 정보, 사용자 의도의 다양성으로 인해 보다 개인화된 검색 시스템이 필요합니다. 기본적인 ML(기계 학습) 접근 방식은 사용자 상호 작용 데이터를 활용하여 시간이 지남에 따라 검색 관련성을 개선함으로써 검색 경험을 잠재적으로 향상시킬 수 있습니다. ML에 대해 논의하면 협업 필터링이나 딥 러닝과 같은 알고리즘을 탐색하여 Confluence의 검색을 보다 직관적이고 사용자 중심적으로 만들 수 있습니다.

간단히 말해서, Alice가 오늘 주제(X라고 가정)를 검색하고 문서(doc3)가 유용하다고 생각하면 Bob이 내일 동일한 주제(X)를 검색할 때 doc3이 검색 결과에서 더 높게 표시되어야 합니다. 앨리스에게 도움이 됩니다. 이를 실현하려면 시스템은 사람들이 어떤 문서를 유용하다고 생각하는지 추적해야 합니다. 그러나 이러한 추적은 개인 정보를 존중하는 방식으로 수행되어야 하므로 특정 문서를 보아야 하는 사람만 볼 수 있습니다. 또한 이 프로세스는 메모리 및 저장소와 같은 많은 컴퓨터 리소스를 사용할 수 있으므로 문제가 될 수 있습니다. 일부 조직에서는 이를 관리할 추가 리소스나 직원이 없을 수 있으므로 시간이 지나도 개선되지는 않지만 유지 관리가 쉽고 메모리 부족과 같은 추가적인 문제를 일으키지 않는 단순한 시스템을 선호합니다.

컨플루언스 검색 Nanonets Confluence Bot을 사용하여

Nanonets는 앞서 언급한 Confluence의 검색 기능에서 직면하는 문제에 대한 혁신적인 솔루션을 소개합니다. 맞춤형 LLM 기반 챗봇을 보조자로 사용하면 격차를 크게 줄이고 사용자 검색 경험을 개선할 수 있습니다. 방법은 다음과 같습니다.

  • 문맥적 이해: 기존 검색 방법과 달리 당사의 챗봇은 검색어의 맥락을 이해합니다. 예를 들어, "Java"를 검색하면 섬이나 커피가 아닌 프로그래밍 언어와 관련된 결과가 표시됩니다. 당사 챗봇의 기반이 되는 LLM(언어 모델) 기술은 특히 뉘앙스와 맥락을 더 잘 이해하도록 맞춤화되어 더욱 정확하고 관련성이 높은 검색 결과를 제공합니다.
  • 사용자 상호작용을 통해 학습: 우리의 챗봇은 사용자가 검색 엔진과 상호 작용하는 방식을 통해 학습할 수 있습니다. 특정 쿼리를 통해 문서에 자주 액세스하는 경우 "Agile Methodology"를 검색할 때 문서가 더 인기를 얻는 것처럼 향후 유사한 검색에서 더 높은 순위를 차지하게 됩니다. 시간이 지남에 따라 이러한 학습은 사용자 요구를 더 잘 예측하도록 발전하여 검색 프로세스를 훨씬 더 직관적으로 만들 수 있습니다.
  • 의미론적 관계: LLM 기반 챗봇은 동의어와 관련 용어를 인식하여 검색 제안을 개선할 수 있습니다. 예를 들어, "버그 추적"을 검색하면 "문제 추적" 및 "오류 추적"과 관련된 문서도 표시됩니다.
  • 사용자 제안 콘텐츠: 사용자는 특정 검색어에 대한 콘텐츠를 제안하여 시간이 지남에 따라 검색 데이터베이스를 향상시킬 수 있습니다. 이렇게 하면 "스크럼 관행"에 대한 쿼리에 대해 문서를 더 쉽게 볼 수 있게 만드는 등 문서를 더 쉽게 찾을 수 있습니다.
  • 액세스 권한 관리: 우리는 검색 중에 승인된 사용자만 특정 문서에 액세스할 수 있도록 보장합니다. 예를 들어, 두 프로젝트에 기밀 문서가 있는 경우 검색 시 검색자 자신의 프로젝트 문서만 표시되고 다른 프로젝트의 문서는 기밀로 유지됩니다.
  • 리소스 최적화: 당사의 솔루션은 효율적으로 작동하여 시간과 비용을 모두 절약합니다. 이는 운영을 간소화하고 운영 비용을 절감하려는 조직에 매우 중요합니다.

Nanonets Confluence Bot을 위한 Slack 통합

당사의 챗봇은 바로 사용할 수 있는 Slack 통합 기능과 함께 제공됩니다. 챗봇이 준비되면 Slack 작업 공간을 인증하고 몇 번의 클릭만으로 통합을 구성할 수 있습니다. 완료되면 앱 간에 전환할 필요 없이 Slack 앱에서 직접 봇과 합류 공간에 대해 질문하고 자세한 대화를 나눌 수도 있습니다. 이러한 통합은 통합된 디지털 작업 공간을 촉진하여 커뮤니케이션과 협업을 간소화하고 생산성과 사용자 만족도를 향상시킵니다.

아래 데모를 살펴보세요.

[포함 된 콘텐츠]

결론

Atlassian의 Confluence는 디지털 팀워크를 촉진하지만 기본적인 검색 기능을 갖추고 있습니다. Nanonets Confluence Bot은 컨텍스트를 이해하고 사용자 상호 작용을 통해 학습하여 검색을 더욱 직관적으로 만들어 이를 크게 개선합니다. 또한 문서 액세스 보안을 유지하여 승인된 사용자만 특정 정보에 액세스할 수 있도록 보장합니다. 또한 Slack 통합은 통합된 디지털 작업 공간을 촉진하여 생산성과 사용자 만족도를 향상시킵니다. 이러한 개선 사항을 통해 Nanonets Confluence Bot은 Confluence의 검색 환경을 개선하여 귀하와 귀하의 팀을 위한 보다 효과적인 협업 환경에 기여합니다.

타임 스탬프 :

더보기 AI 및 머신 러닝