Menyimpan itu mudah, merapikan itu sulit. Buku catatan untuk pengumpul ide yang menampilkan memo serupa bersama-sama.
(desktop.flint.so)Saya termasuk sering mengumpulkan berbagai bahan atau informasi dari internet,
namun saat mengarsipkannya di KakaoTalk, Google Keep, Notion, dan lainnya, pada akhirnya jadi malas merapikannya lalu malah terlupakan.
Ini adalah buku catatan untuk orang-orang yang suka menyimpan banyak hal, tetapi malas merapikan dan juga terasa sayang untuk menghapusnya.
- Saat menambahkan memo, isinya akan dianalisis lalu memo serupa yang pernah disimpan sebelumnya akan ditampilkan bersama.
- Memo yang direkomendasikan bisa dikelola dengan membuat isi utama dan thread hanya dengan satu klik.
- Memo dan thread memo dianalisis dengan NLP dan GNN lalu hasilnya diterapkan pada rekomendasi. (Kadang Anda bisa menemukan kombinasi memo yang tak terduga)
- Sistem ini membantu mengingatkan kembali ide atau pikiran yang pernah ditulis lalu terlupakan.
Kalau dijelaskan dengan cara yang lebih geek, anggap saja ini PKM yang lebih mudah daripada Roam atau Obsidian.
Anda bisa menggunakannya di alamat di atas, dan jika ada yang ingin memindahkan arsip lama miliknya untuk dicoba, silakan beri tahu di bawah ini biasanya Anda mengarsipkan di mana!
19 komentar
Penilaian singkat pribadi saya: konsep catatan yang mengejar serendipitas dengan mempelajari hubungan antarcatatan
Tepat sekali, hehe. Kami sedang berupaya agar pesannya bisa tersampaikan dengan lebih jelas. Mohon banyak masukan!
Saya jadi tiba-tiba khawatir.
https://desktop.flint.so/?focusedNodeId=zRMvo5PbJnnvqEnSogOd4
Ada memo publik seperti ini... apakah memublikasikan banyak kutipan isi buku seperti itu termasuk penggunaan yang wajar..?
Halo, terima kasih atas sarannya yang berharga! Jika benar-benar terbukti bahwa ini adalah layanan yang dibutuhkan, kami berencana untuk meninjaunya dengan jelas melalui pemeriksaan oleh para ahli terkait agar tidak ada potensi masalah di kemudian hari terkait kebijakan pengguna, hak cipta, dan hal-hal sejenis.
Saya sudah mendaftar! Fitur rekomendasi otomatis terdengar menarik... Saya penasaran pengalaman seperti apa yang akan diberikannya.
Dan sepertinya akan bagus kalau bisa menarik Gravatar untuk mengisi gambar profil~
Terima kasih atas masukannya! Kami berharap saat menguji versi alfa, Anda juga bisa merasakan kesenangan menemukan kembali arsip pribadi secara tak terduga seperti yang dirasakan tim kami :)
https://www.flint.so/
Situsnya menjelaskannya dengan lebih baik :)
Ah... hehe terima kasih!
Ups, saya melewatkan halaman ini. Penjelasannya bagus juga.
Ini metode yang bagus jadi saya hendak memasukkannya... email juga termasuk data pribadi. Anda perlu menambahkan keterangan untuk bagian tersebut~
Tadi ada di halaman pertama, tapi saya salah lihat lalu melewatinya. -.-;;
Hehe, terima kasih atas masukannya! Kalau ada hal lain yang ingin ditanyakan, beri tahu saya ya!
Terima kasih. Saya menganalisis isinya — saya penasaran bagaimana bagian ini diproses.
Silakan beri tahu saya jika Anda memiliki pertanyaan lebih lanjut!
Pada tahap awal, teks yang dimasukkan pengguna atau teks yang termasuk dalam metadata alamat URL di-embedding dengan NLP, lalu struktur jaringan yang terbentuk saat pengguna menghubungkan catatan dipelajari dengan GNN; pada saat ini, hasil NLP digunakan sebagai nilai awal node.
Dengan NLP, tampaknya kita bisa mengekstrak kata kunci yang dianggap penting atau menghasilkan kata kunci yang mencirikan sifat keseluruhan memo.
Saya masih belum mendapat gambaran tentang maksud melatih struktur jaringan dengan GNN.
Terima kasih.
Melalui Gnn, rekomendasi mencerminkan kemiripan konteks yang memperkirakan dalam makna apa satu catatan terhubung dengan catatan lainnya. Kami juga dapat melihat bahwa performanya meningkat seiring bertambahnya jumlah koneksi antarcatatan (secara empiris), dan ke depannya akan terus disempurnakan :)
Konsep yang menarik!
Explore Memosadalah tab default, saya sempat bingung ini situs apa. ^^;Terima kasih atas masukannya!
Saya ingin menghapus elemen-elemen yang bisa membingungkan pengguna, tetapi saya masih sangat kurang berpengalaman haha. Terima kasih banyak atas masukan yang sangat berharga ini!