Η βελτίωση του τρόπου με τον οποίο οι χρήστες ανακαλύπτουν νέο περιεχόμενο είναι ζωτικής σημασίας για την αύξηση της αφοσίωσης και της ικανοποίησης των χρηστών στις πλατφόρμες μέσων. Η αναζήτηση λέξεων-κλειδιών από μόνη της έχει προκλήσεις όσον αφορά τη σημασιολογία και την πρόθεση του χρήστη, οδηγώντας σε αποτελέσματα που δεν έχουν σχετικό πλαίσιο. για παράδειγμα, εύρεση ταινιών βραδιού ραντεβού ή ταινιών με θέμα τα Χριστούγεννα. Αυτό μπορεί να οδηγήσει σε χαμηλότερα ποσοστά διατήρησης εάν οι χρήστες δεν μπορούν να βρουν αξιόπιστα το περιεχόμενο που θέλουν. Ωστόσο, με μεγάλα γλωσσικά μοντέλα (LLMs), υπάρχει μια ευκαιρία να λυθούν αυτές οι προκλήσεις σημασιολογικής και πρόθεσης χρήστη. Με το συνδυασμό ενσωματώσεις που αποτυπώνουν τη σημασιολογία με μια τεχνική που ονομάζεται Ανάκτηση επαυξημένης γενιάς (RAG), μπορείτε να δημιουργήσετε πιο σχετικές απαντήσεις με βάση το ανακτηθέν πλαίσιο από τις δικές σας πηγές δεδομένων.
Σε αυτήν την ανάρτηση, σας δείχνουμε πώς να δημιουργήσετε με ασφάλεια ένα chatbot ταινιών εφαρμόζοντας το RAG με τα δικά σας δεδομένα χρησιμοποιώντας Γνωσιακές Βάσεις for Θεμέλιο του Αμαζονίου. Χρησιμοποιούμε το σύνολο δεδομένων IMDb και Box Office Mojo για να προσομοιώσουμε έναν κατάλογο για πελάτες πολυμέσων και ψυχαγωγίας και να παρουσιάσουμε πώς μπορείτε να δημιουργήσετε τη δική σας λύση RAG σε λίγα μόλις βήματα.
Επισκόπηση λύσεων
Η IMDb και Box Office Mojo Movies/TV/OTT Το πακέτο δεδομένων με άδεια χρήσης παρέχει ένα ευρύ φάσμα μεταδεδομένων ψυχαγωγίας, συμπεριλαμβανομένων πάνω από 1.6 δισεκατομμύριο αξιολογήσεις χρηστών. πιστώσεις για περισσότερα από 13 εκατομμύρια μέλη του καστ και του πληρώματος· 10 εκατομμύρια τίτλοι ταινιών, τηλεόρασης και ψυχαγωγίας. και παγκόσμιες αναφορές στο box office από περισσότερες από 60 χώρες. Πολλοί πελάτες πολυμέσων και ψυχαγωγίας AWS αδειοδοτούν δεδομένα IMDb μέσω Ανταλλαγή δεδομένων AWS για τη βελτίωση της ανακάλυψης περιεχομένου και την αύξηση της αφοσίωσης και της διατήρησης των πελατών.
Εισαγωγή στις Γνωσιακές Βάσεις για το Amazon Bedrock
Για να εξοπλίσουν ένα LLM με ενημερωμένες ιδιόκτητες πληροφορίες, οι οργανισμοί χρησιμοποιούν την RAG, μια τεχνική που περιλαμβάνει τη λήψη δεδομένων από πηγές δεδομένων της εταιρείας και τον εμπλουτισμό της προτροπής με αυτά τα δεδομένα για την παροχή πιο σχετικών και ακριβών απαντήσεων. Οι Γνωσιακές Βάσεις για το Amazon Bedrock επιτρέπουν μια πλήρως διαχειριζόμενη δυνατότητα RAG που σας επιτρέπει να προσαρμόσετε τις απαντήσεις LLM με τα συμφραζόμενα και σχετικά εταιρικά δεδομένα. Οι Γνωσιακές Βάσεις αυτοματοποιούν τη ροή εργασιών RAG από άκρο σε άκρο, συμπεριλαμβανομένης της απορρόφησης, της ανάκτησης, της άμεσης αύξησης και των παραπομπών, εξαλείφοντας την ανάγκη να γράψετε προσαρμοσμένο κώδικα για την ενοποίηση πηγών δεδομένων και τη διαχείριση ερωτημάτων. Οι Γνωσιακές Βάσεις για το Amazon Bedrock επιτρέπουν επίσης συνομιλίες πολλαπλών στροφών, έτσι ώστε το LLM να μπορεί να απαντά σε περίπλοκα ερωτήματα των χρηστών με τη σωστή απάντηση.
Χρησιμοποιούμε τις ακόλουθες υπηρεσίες ως μέρος αυτής της λύσης:
Ακολουθούμε τα ακόλουθα βήματα υψηλού επιπέδου:
- Προεπεξεργαστείτε τα δεδομένα IMDb για να δημιουργήσετε έγγραφα από κάθε εγγραφή ταινίας και μεταφορτώστε τα δεδομένα σε ένα Απλή υπηρεσία αποθήκευσης Amazon (Amazon S3) κάδος.
- Δημιουργήστε μια βάση γνώσεων.
- Συγχρονίστε τη γνωσιακή σας βάση με την πηγή δεδομένων σας.
- Χρησιμοποιήστε τη βάση γνώσεων για να απαντήσετε σε σημασιολογικά ερωτήματα σχετικά με τον κατάλογο ταινιών.
Προϋποθέσεις
Τα δεδομένα IMDb που χρησιμοποιούνται σε αυτήν την ανάρτηση απαιτούν άδεια εμπορικού περιεχομένου και συνδρομή επί πληρωμή στο πακέτο αδειών IMDb και Box Office Mojo Movies/TV/OTT στο AWS Data Exchange. Για να ρωτήσετε σχετικά με μια άδεια και να αποκτήσετε πρόσβαση σε δείγματα δεδομένων, επισκεφτείτε developer.imdb.com. Για πρόσβαση στο σύνολο δεδομένων, ανατρέξτε στο Ισχυρή σύσταση και αναζήτηση χρησιμοποιώντας ένα γράφημα γνώσεων IMDb – Μέρος 1 και ακολουθούν η Πρόσβαση στα δεδομένα του IMDb τμήμα.
Προεπεξεργαστείτε τα δεδομένα του IMDb
Πριν δημιουργήσουμε μια βάση γνώσεων, πρέπει να επεξεργαστούμε εκ των προτέρων το σύνολο δεδομένων IMDb σε αρχεία κειμένου και να τα ανεβάσουμε σε έναν κάδο S3. Σε αυτήν την ανάρτηση, προσομοιώνουμε έναν κατάλογο πελατών χρησιμοποιώντας το σύνολο δεδομένων IMDb. Παίρνουμε 10,000 δημοφιλείς ταινίες από το σύνολο δεδομένων IMDb για τον κατάλογο και δημιουργούμε το σύνολο δεδομένων.
Χρησιμοποιήστε τα παρακάτω σημειωματάριο για να δημιουργήσετε το σύνολο δεδομένων με πρόσθετες πληροφορίες, όπως ονόματα ηθοποιών, σκηνοθέτες και παραγωγούς. Χρησιμοποιούμε τον ακόλουθο κώδικα για να δημιουργήσουμε ένα μεμονωμένο αρχείο για μια ταινία με όλες τις πληροφορίες που είναι αποθηκευμένες στο αρχείο σε ένα μη δομημένο κείμενο που είναι κατανοητό από LLM:
Αφού έχετε τα δεδομένα σε μορφή .txt, μπορείτε να ανεβάσετε τα δεδομένα στο Amazon S3 χρησιμοποιώντας την ακόλουθη εντολή:
Δημιουργήστε τη Γνωσιακή Βάση IMDb
Ολοκληρώστε τα παρακάτω βήματα για να δημιουργήσετε τη βάση γνώσεων σας:
- Στην κονσόλα Amazon Bedrock, επιλέξτε Βάση γνώσεων στο παράθυρο πλοήγησης.
- Επιλέξτε Δημιουργήστε βάση γνώσεων.
- Για Όνομα βάσης γνώσεων, εισαγω
imdb
. - Για Περιγραφή γνωσιακής βάσης, εισαγάγετε μια προαιρετική περιγραφή, όπως Γνωσιακή βάση για την απορρόφηση και αποθήκευση δεδομένων imdb.
- Για Δικαιώματα IAM, Επιλέξτε Δημιουργήστε και χρησιμοποιήστε έναν νέο ρόλο υπηρεσίαςκαι, στη συνέχεια, εισαγάγετε ένα όνομα για τον νέο σας ρόλο υπηρεσίας.
- Επιλέξτε Επόμενο.
- Για Όνομα πηγής δεδομένων, εισαγω
imdb-s3
. - Για S3 URI, εισαγάγετε το S3 URI στο οποίο ανεβάσατε τα δεδομένα.
- Στο Προηγμένες ρυθμίσεις – προαιρετικές ενότητα, για Στρατηγική τεμαχισμού, επιλέξτε Χωρίς τεμαχισμό.
- Επιλέξτε Επόμενο.
Οι βάσεις γνώσεων σάς δίνουν τη δυνατότητα να τεμαχίσετε τα έγγραφά σας σε μικρότερα τμήματα, ώστε να είναι εύκολη η επεξεργασία μεγάλων εγγράφων. Στην περίπτωσή μας, έχουμε ήδη τμηματοποιήσει τα δεδομένα σε ένα έγγραφο μικρότερου μεγέθους (ένα ανά ταινία).
- Στο Διανυσματική βάση δεδομένων , επιλέξτε Γρήγορη δημιουργία ενός νέου διανυσματικού καταστήματος.
Το Amazon Bedrock θα δημιουργήσει αυτόματα μια πλήρως διαχειριζόμενη συλλογή διανυσματικής αναζήτησης OpenSearch Serverless και θα διαμορφώσει τις ρυθμίσεις για την ενσωμάτωση των πηγών δεδομένων σας χρησιμοποιώντας το επιλεγμένο μοντέλο Titan Embedding G1 – Text embedding.
- Επιλέξτε Επόμενο.
- Ελέγξτε τις ρυθμίσεις σας και επιλέξτε Δημιουργήστε βάση γνώσεων.
Συγχρονίστε τα δεδομένα σας με τη βάση γνώσεων
Τώρα που δημιουργήσατε τη βάση γνώσεών σας, μπορείτε να συγχρονίσετε τη βάση γνώσεων με τα δεδομένα σας.
- Στην κονσόλα Amazon Bedrock, πλοηγηθείτε στη βάση γνώσεων σας.
- Στο Πηγή δεδομένων τμήμα, επιλέξτε Συγχρονισμός.
Αφού συγχρονιστεί η πηγή δεδομένων, είστε έτοιμοι να υποβάλετε ερωτήματα στα δεδομένα.
Βελτιώστε την αναζήτηση χρησιμοποιώντας σημασιολογικά αποτελέσματα
Ολοκληρώστε τα παρακάτω βήματα για να δοκιμάσετε τη λύση και να βελτιώσετε την αναζήτησή σας χρησιμοποιώντας σημασιολογικά αποτελέσματα:
- Στην κονσόλα Amazon Bedrock, πλοηγηθείτε στη βάση γνώσεων σας.
- Επιλέξτε τη βάση γνώσεών σας και επιλέξτε Δοκιμαστική βάση γνώσεων.
- Επιλέξτε Επιλέξτε μοντέλο, και επιλέξτε Anthropic Claude v2.1.
- Επιλέξτε Εφαρμογή.
Τώρα είστε έτοιμοι να ρωτήσετε τα δεδομένα.
Μπορούμε να κάνουμε κάποιες σημασιολογικές ερωτήσεις, όπως «Προτείνετε μου μερικές ταινίες με θέμα τα Χριστούγεννα».
Οι απαντήσεις της γνωσιακής βάσης περιέχουν παραπομπές που μπορείτε να εξερευνήσετε για την ορθότητα και την ακρίβεια των απαντήσεων.
Μπορείτε επίσης να αναλύσετε οποιαδήποτε πληροφορία χρειάζεστε από αυτές τις ταινίες. Στο παρακάτω παράδειγμα, ρωτάμε «ποιος σκηνοθέτησε τον εφιάλτη πριν από τα Χριστούγεννα;»
Μπορείτε επίσης να κάνετε πιο συγκεκριμένες ερωτήσεις σχετικά με τα είδη και τις βαθμολογίες, όπως "να δείξω κλασικές ταινίες κινουμένων σχεδίων με βαθμολογίες μεγαλύτερες από 7;"
Αυξήστε τη βάση γνώσεων σας με πράκτορες
Πράκτορες για το Amazon Bedrock σας βοηθά να αυτοματοποιήσετε πολύπλοκες εργασίες. Οι πράκτορες μπορούν να αναλύσουν το ερώτημα χρήστη σε μικρότερες εργασίες και να καλέσουν προσαρμοσμένα API ή βάσεις γνώσεων για να συμπληρώσουν πληροφορίες για ενέργειες εκτέλεσης. Με το Agents for Amazon Bedrock, οι προγραμματιστές μπορούν να ενσωματώσουν έξυπνους πράκτορες στις εφαρμογές τους, επιταχύνοντας την παράδοση εφαρμογών με τεχνητή νοημοσύνη και εξοικονομώντας χρόνο ανάπτυξης εβδομάδων. Με τους πράκτορες, μπορείτε να αυξήσετε τη βάση γνώσεών σας προσθέτοντας περισσότερες λειτουργίες όπως προτάσεις από Προσαρμογή του Amazon για προτάσεις συγκεκριμένων χρηστών ή για ενέργειες όπως φιλτράρισμα ταινιών με βάση τις ανάγκες των χρηστών.
Συμπέρασμα
Σε αυτήν την ανάρτηση, δείξαμε πώς να δημιουργήσετε ένα chatbot ταινιών συνομιλίας χρησιμοποιώντας το Amazon Bedrock σε μερικά βήματα για να απαντήσετε σε εμπειρίες σημασιολογικής αναζήτησης και συνομιλίας με βάση τα δικά σας δεδομένα και το σύνολο δεδομένων με άδεια IMDb και Box Office Mojo Movies/TV/OTT. Στην επόμενη ανάρτηση, περνάμε από τη διαδικασία προσθήκης περισσότερων λειτουργιών στη λύση σας χρησιμοποιώντας το Agents for Amazon Bedrock. Για να ξεκινήσετε με τις βάσεις γνώσεων στο Amazon Bedrock, ανατρέξτε στο Βάσεις γνώσεων για το Amazon Bedrock.
Σχετικά με τους Συγγραφείς
Γκαουράβ Ρελέ είναι Ανώτερος Επιστήμονας Δεδομένων στο Generative AI Innovation Center, όπου εργάζεται με πελάτες AWS σε διαφορετικούς κλάδους για να επιταχύνει τη χρήση των γενετικών υπηρεσιών AI και AWS Cloud για την επίλυση των επιχειρηματικών προκλήσεων.
Ντίγια Μπαρχάρβι είναι Senior Applied Scientist Lead στο Generative AI Innovation Center, όπου λύνει επιχειρηματικά προβλήματα υψηλής αξίας για πελάτες AWS χρησιμοποιώντας μεθόδους παραγωγής τεχνητής νοημοσύνης. Εργάζεται στην κατανόηση και ανάκτηση εικόνων/βίντεο, σε μοντέλα μεγάλων γλωσσών με επαυξημένη γραφική παράσταση και σε εξατομικευμένες περιπτώσεις χρήσης διαφήμισης.
Σουρέν Γκουντούρου είναι Επιστήμονας Δεδομένων που εργάζεται στο Generative AI Innovation Center, όπου συνεργάζεται με διάφορους πελάτες AWS για την επίλυση επιχειρηματικών προβλημάτων υψηλής αξίας. Ειδικεύεται στην κατασκευή αγωγών ML χρησιμοποιώντας μοντέλα μεγάλων γλωσσών, κυρίως μέσω του Amazon Bedrock και άλλων υπηρεσιών AWS Cloud.
Βίντια Σαγκάρ Ραβιπάτι είναι Διευθυντής Επιστήμης στο Generative AI Innovation Center, όπου αξιοποιεί την τεράστια εμπειρία του σε μεγάλης κλίμακας κατανεμημένα συστήματα και το πάθος του για τη μηχανική μάθηση για να βοηθήσει τους πελάτες AWS σε διαφορετικούς κλάδους της βιομηχανίας να επιταχύνουν την υιοθέτηση της τεχνητής νοημοσύνης και του cloud.
- SEO Powered Content & PR Distribution. Ενισχύστε σήμερα.
- PlatoData.Network Vertical Generative Ai. Ενδυναμώστε τον εαυτό σας. Πρόσβαση εδώ.
- PlatoAiStream. Web3 Intelligence. Ενισχύθηκε η γνώση. Πρόσβαση εδώ.
- PlatoESG. Ανθρακας, Cleantech, Ενέργεια, Περιβάλλον, Ηλιακός, Διαχείριση των αποβλήτων. Πρόσβαση εδώ.
- PlatoHealth. Ευφυΐα βιοτεχνολογίας και κλινικών δοκιμών. Πρόσβαση εδώ.
- πηγή: https://aws.amazon.com/blogs/machine-learning/build-a-movie-chatbot-for-tv-ott-platforms-using-retrieval-augmented-generation-in-amazon-bedrock/
- :έχει
- :είναι
- :που
- $ 10 εκατομμύρια
- 000
- 1
- 10
- 100
- 11
- 118
- 12
- 13
- 360
- 385
- 60
- 7
- a
- Σχετικα
- επιταχύνουν
- επιταχύνοντας
- πρόσβαση
- ακριβής
- απέναντι
- ενεργειών
- φορείς
- προσθήκη
- Πρόσθετος
- Υιοθεσία
- Διαφήμιση
- παράγοντες
- AI
- Τροφοδοτείται από AI
- Όλα
- επιτρέπει
- alone
- ήδη
- Επίσης
- Amazon
- Amazon υπηρεσίες Web
- an
- και
- απάντηση
- απαντήσεις
- κάθε
- APIs
- εφαρμογές
- εφαρμοσμένος
- εφαρμογές
- ΕΙΝΑΙ
- AS
- ζητώ
- At
- αυξάνω
- επαυξημένης
- αυτοματοποίηση
- αυτομάτως
- AWS
- βάση
- βασίζονται
- BE
- πριν
- Δισεκατομμύριο
- Κουτί
- εκδοτήριο
- Διακοπή
- χτίζω
- Κτίριο
- επιχείρηση
- by
- κλήση
- που ονομάζεται
- CAN
- ικανότητα
- πιάνω
- Καταγραφή
- περίπτωση
- περιπτώσεις
- κατάλογος
- Κέντρο
- προκλήσεις
- chatbot
- Επιλέξτε
- επιλέγονται
- Χριστούγεννα
- κλασικό
- Backup
- υιοθέτηση νέφους
- υπηρεσίες cloud
- κωδικός
- συλλογή
- συνδυάζοντας
- εμπορικός
- εταίρα
- συγκρότημα
- πρόξενος
- περιέχουν
- περιεχόμενο
- συμφραζόμενα
- συμφραζόμενα
- ομιλητικός
- συνομιλίες
- διορθώσει
- χώρες
- Ζευγάρι
- δημιουργία
- δημιουργήθηκε
- Συντελεστές
- πλήρωμα
- κρίσιμης
- έθιμο
- πελάτης
- Επαφή με τον πελάτη
- Πελάτες
- προσαρμόσετε
- ημερομηνία
- Ανταλλαγή δεδομένων
- επιστήμονας δεδομένων
- Ημερομηνία
- παραδώσει
- διανομή
- περιγραφή
- καθέκαστα
- προγραμματιστές
- Ανάπτυξη
- διαφορετικές
- κατευθύνθηκε
- Διευθυντής
- Διευθυντές
- ανακαλύπτουν
- ανακάλυψη
- διανέμονται
- κατανεμημένα συστήματα
- έγγραφο
- έγγραφα
- κάτω
- αυτοκίνητο
- εξάλειψη
- ενσωμάτωση
- ενεργοποιήσετε
- από άκρη σε άκρη
- δέσμευση
- εμπλουτισμός
- εισάγετε
- Ψυχαγωγία
- Αιθέρας (ΕΤΗ)
- Κάθε
- παράδειγμα
- ανταλλαγή
- εμπειρία
- Δραστηριοτητες
- διερευνήσει
- λίγοι
- Αρχεία
- Αρχεία
- φιλτράρισμα
- Εύρεση
- εύρεση
- ακολουθήστε
- Εξής
- Για
- μορφή
- από
- πλήρως
- λειτουργικότητα
- g1
- παράγουν
- γενεά
- γενετική
- Παραγωγική τεχνητή νοημοσύνη
- είδη
- παίρνω
- Παγκόσμιο
- Go
- γραφική παράσταση
- μεγαλύτερη
- Έχω
- he
- βοήθεια
- υψηλού επιπέδου
- του
- Πως
- Πώς να
- Ωστόσο
- HTML
- http
- HTTPS
- if
- εκτελεστικών
- βελτίωση
- in
- Συμπεριλαμβανομένου
- Αυξάνουν
- βιομηχανία
- πληροφορίες
- πληροφορίες
- Καινοτομία
- ρωτώ
- ενσωματώσει
- Έξυπνος
- πρόθεση
- σε
- περιλαμβάνει
- IT
- jpg
- μόλις
- γνώση
- Έλλειψη
- Γλώσσα
- large
- μεγάλης κλίμακας
- οδηγήσει
- που οδηγεί
- μάθηση
- μόχλευσης
- Άδεια
- Άδεια
- αδειοδότηση
- Μου αρέσει
- llm
- τοπικός
- τοποθεσία
- χαμηλότερα
- μηχανή
- μάθηση μηχανής
- κάνω
- διαχείριση
- διαχειρίζεται
- διευθυντής
- πολοί
- me
- Εικόνες / Βίντεο
- Μέλη
- Μεταδεδομένα
- μέθοδοι
- εκατομμύριο
- ML
- μοντέλο
- μοντέλα
- Mojo
- περισσότερο
- ταινία
- Κινηματογράφος
- όνομα
- ονόματα
- Πλοηγηθείτε
- Πλοήγηση
- Ανάγκη
- ανάγκες
- Νέα
- επόμενη
- βράδυ
- of
- Office
- on
- ONE
- Ευκαιρία
- or
- οργανώσεις
- ΑΛΛΑ
- δικός μας
- επί
- δική
- πακέτο
- σελίδα
- καταβλήθηκε
- παράθυρο
- μέρος
- πάθος
- μονοπάτι
- για
- εκτέλεση
- Εξατομικευμένη
- Πλατφόρμες
- Πλάτων
- Πληροφορία δεδομένων Plato
- Πλάτωνα δεδομένα
- οικόπεδο
- Δημοφιλής
- Θέση
- αφίσα
- πρωτίστως
- προβλήματα
- διαδικασια μας
- παραγωγός
- Παραγωγούς
- ιδιόκτητο
- παρέχει
- ερωτήματα
- απορία
- Ερωτήσεις
- κουρέλι
- σειρά
- Τιμές
- εκτίμηση
- χαρακτηρισμοί
- έτοιμος
- συνιστώ
- Σύσταση
- συστάσεις
- ρεκόρ
- παραπέμπω
- σχετίζεται με
- Αναφορά
- Απαιτεί
- απάντησης
- απαντήσεις
- Αποτελέσματα
- κράτηση
- ανάκτηση
- απόδοση
- Ρόλος
- ΣΕΙΡΑ
- τρέξιμο
- ικανοποίηση
- οικονομία
- Επιστήμη
- Επιστήμονας
- Αναζήτηση
- Τμήμα
- ασφαλώς
- τμήματα
- επιλέξτε
- σημασιολογικός
- σημασιολογία
- αρχαιότερος
- Χωρίς διακομιστή
- υπηρεσία
- Υπηρεσίες
- ρυθμίσεις
- αυτή
- βολή
- δείχνουν
- βιτρίνα
- έδειξε
- Απλούς
- υποκρίνομαι
- ενιαίας
- Μέγεθος
- μικρότερος
- So
- λύση
- SOLVE
- Λύει
- μερικοί
- Πηγή
- Πηγές
- ειδικεύεται
- συγκεκριμένες
- ξεκίνησε
- Βήματα
- χώρος στο δίσκο
- κατάστημα
- αποθηκεύονται
- ειλικρινής
- συνδρομή
- τέτοιος
- συμπλήρωμα
- συγχρονισμός
- συστήματα
- Πάρτε
- εργασίες
- τεχνική
- δοκιμή
- κείμενο
- από
- ότι
- Η
- οι πληροφορίες
- τους
- Τους
- Themed
- τότε
- Εκεί.
- Αυτοί
- αυτοί
- αυτό
- Μέσω
- ώρα
- Τιτάν
- τίτλους
- προς την
- tv
- κατανόηση
- κατανοητή
- αδόμητος
- up-to-ημερομηνία
- Φορτώθηκε
- URI
- URL
- χρήση
- μεταχειρισμένος
- Χρήστες
- Χρήστες
- χρησιμοποιώντας
- διάφορα
- Σταθερή
- κατακόρυφα
- Επίσκεψη
- W
- walk
- θέλω
- ήταν
- we
- ιστός
- διαδικτυακές υπηρεσίες
- Εβδ.
- ευρύς
- Ευρύ φάσμα
- θα
- με
- ροής εργασίας
- εργαζόμενος
- λειτουργεί
- γράφω
- X
- έτος
- εσείς
- Σας
- zephyrnet