מטא נתונים ואחזור כריכה של ספרים באמצעות OCR ו-Google Books API
עם KNIME חילוץ פיסות מידע קריטיות מתמונות הופך להיות קל כמו ABC.
By רוברטו קאדילי, מדען נתונים, KNIME & לאדה רודניצקיה, מדען נתונים, KNIME
איור 1: דוגמאות להודעות מהדורת ספרים שבהן ניתן לחלץ מידע הודות ל-OCR.
רוב הזמן, הנתונים הגולמיים שאנו צריכים עבור פרויקט מדעי הנתונים שלנו אינם מאורגנים בטבלה מסודרת, מובנית היטב ומלאת תובנות. במקום זאת, זה מאוחסן לפעמים כטקסט במסמך סרוק. לאחר מכן יש לחלץ מילים במסמך אחת אחת כדי ליצור תא נתונים בפורמט טקסט. זוהי המשימה המבוצעת על ידי זיהוי תווים אופטי (OCR).
בזמן שאתה קורא את המילים של מאמר זה, בין אם זה טקסט או מספר, העיניים שלך מסוגלות לעבד אותן על ידי זיהוי דפוסים בהירים וכהים המרכיבים תווים (למשל, אותיות, מספר, סימני פיסוק וכו'). המוח שלך מפענח אז את השילובים השונים של תווים ודפוסים כדי להבין את משמעות המילים. במובן הזה, העיניים והמוח שלך הם מנוע ה-OCR המתוחכם והמעודן ביותר שאתה יכול לדמיין, והם פועלים מבלי שתשים לב לזה.
למחשבים יש יכולות דומות, אבל הם צריכים להתמודד עם מגבלה מכרעת: היעדר עיניים. אם אנחנו רוצים שמחשבים יראו ויקראו מסמך טקסט פיזי, אנחנו צריכים להזין קובץ גרפי שנוצר באמצעות סורק אופטי או מצלמה דיגיטלית. בכל הנוגע למחשבים, אין הבדל בין מסמך שנרכש באחת מהאפשרויות הללו לבין צילום של מגדל אייפל: שניהם נחשבים לאוספים חסרי משמעות של ריבועים צבעוניים - המכונים גם פיקסלים - המהווים כל תמונה גרפית ממוחשבת. ככזה, האחרון הוא רק תמונה של הטקסט שאנו מתכוונים לקרוא ולא הטקסט עצמו.
זה המקום שבו OCR יכול להיות שימושי. טכנולוגיה רבת עוצמה זו מסוגלת לחלץ נתונים מודפסים, מודפסים או בכתב יד, בין אם זה חשבוניות, כרטיסי ביקור, טקסטים משפטיים או תדפיסים, ולהמיר אותם לפורמט דיגיטלי הניתן לחיפוש וניתן לעריכה. למרות שבמשך שנים רבות OCR נחשב לשירות יקר, שרק מעט מאוד חברות גדולות יכלו להרשות לעצמן, מאמצע שנות ה-2000 ואילך, עלותו ירדה בהדרגה בעוד הדיוק והיכולות שלו התפתחו כדי לתמוך כיום בכמה מאות שפות וקידוד תווים , מ-UTF-8 ל-GB2312.
היתרון של היכולת לחפש ולחלץ טקסט מתמונות יכול להיות לא יסולא בפז. לדוגמה, בענף המשפט או החשבונאות, זה יכול לייצג חיסכון משמעותי בעלויות ובזמן, שכן הוא מאפשר אחזור של חלקי טקסט או מספרים במאמרים או בדוחות כספיים תוך שניות. השוואת תהליך זה לעלות שכירת קבוצת אנשים שתקרא אלפי מסמכים רק כדי למצוא פיסת מידע אחת וקריטית נותנת מושג כיצד OCR יכול להועיל לעסקים.
לאחרונה, טכנולוגיית ה-OCR עוברת מהפכה שקטה כאשר ספקי שירות זה משלבים אותו עם AI. כתוצאה מכך, לא רק נתונים נקלטים, ניתנים לחיפוש וניתנים לעריכה, אלא שמערכת ה-AI למעשה מבינה את התוכן כדי לבצע משימות ספציפיות. לדוגמה, לאחר OCRing טקסט, AI יכול לספק את התרגום שלו באמצעות תרגום מכונה עצבית עם התערבות אנושית מינימלית. דוגמה קלאסית נוספת מגיעה ממדור הביקורת, שבו ניתן לזהות חשבוניות הונאה לאחר ביצוע OCR של תוכן מסמך ה-PDF, תוך שימוש בטכניקות זיהוי חריגים. וכולי. סינרגיה זו משלבת את הטוב משני העולמות כדי לייעל תהליכים ולהגדיל את הפרודוקטיביות עבור עסקים ולקוחות.
במקרה השימוש המתואר במאמר זה, נעשה שימוש ב-OCR לזיהוי ספר ולאחר מכן כדי לאחזר את המטא נתונים של הספר ממאגר Google Books.
ליתר דיוק, אנחנו הולכים להסתכל על:
- כיצד ניתן לבצע OCR ב פלטפורמת KNIME אנליטיקס.
- כיצד נוכל לשלב את מעבד ה-OCR של KNIME ו-Google Books API למקרה השימוש של אחזור מטא נתונים וכריכה של ספרים.
OCR בפלטפורמת KNIME Analytics
OCR של תמונה המכילה טקסט ב-KNIME היא משימה קלה מאוד. כל מה שצריך זה להתקין את עיבוד תמונה KNIME — שילוב Tess4J הרחבה במקומך פלטפורמת KNIME אנליטיקס, וכדי לגרור ושחרר את Tess4J צומת אל עורך זרימת העבודה שלך.
צומת Tess4J משלב את ספריית OCR של Tesseract, אחד ממעבדי ה-OCR הנפוצים והמדויקים ביותר הזמינים בקוד פתוח. Tesseract פותחה במקור כתוכנה קניינית על ידי Hewlett-Packard Laboratories בתחילת שנות ה-1990 ולאחר מכן הפכה לקוד פתוח ב-2005. מאז גוגל אימצה את הפרויקט ומימנה את הפיתוח שלו.
הצומת Tess4J פועל על Tesseract 3, שפועל על ידי זיהוי דפוסי תווים בהליך של שני מעברים.
- במעבר הראשון, המנוע מנסה לזהות כל דמות בנפרד. לאחר מכן הוא מעביר את הדמויות שזוהו בביטחון גבוה במעבר הראשון למסווג אדפטיבי כנתוני אימון. בדרך זו, למסווג האדפטיבי יש הזדמנות ללמוד כיצד לזהות טקסט עוקב בצורה מדויקת יותר.
- עם זאת, יכול לקרות שהמסווג האדפטיבי לומד מידע שימושי מאוחר מכדי לתרום תרומה משמעותית. כדי לפתור בעיה זו ולמנף את הידע שנרכש על ידי המסווג האדפטיבי, המנוע מפעיל מעבר שני שבו תווים שלא זוהו מספיק טוב מזוהים שוב [1].
Tesseract 3 מטפל בכל תווי Unicode (מקודד עם UTF-8) ויכול לעבד טקסט בשפות שונות ובפריסת כתיבה: משמאל לימין (למשל, אנגלית, איטלקית, רוסית וכו'), מימין לשמאל (למשל, ערבית, עברית, אורדו וכו') ומלמעלה למטה (למשל, יפנית, קוריאנית, סינית וכו') [2].
כתב ויתור. משתמשי Mac אינם יכולים כרגע להשתמש בצומת Tess4J. מפתחי KNIME פועלים לשחזר תפקוד חלק.
מקרה שימוש: אחזור מטא נתונים וכריכה של הספר
כעת, לאחר שהשגנו הבנה בסיסית של אופן הפעולה של OCR בפלטפורמת KNIME Analytics, בואו נסתכל על מקרה שימוש מעניין. נניח שאספנו תמונות הממחישות את הודעות המהדורה של מספר ספרים ועם המידע הזה אנו רוצים לאחזר מטא נתונים וכריכות של ספרים. הנתונים שאוחזרו יכולים לשמש, למשל, לבניית ספרייה דיגיטלית מותאמת אישית ולהכשיר מערכת ממליצים על ספרים.
זרימת העבודה באיור 2 מכסה את כל השלבים: מקריאת תמונה, OCRing, עיבוד טקסט וחילוץ הפניות של ISBN, ועד למטא נתונים של ספרים ואחזור כריכה והדמיה. בואו נסתכל בפירוט על השלבים השונים.
איור 2: זה זרימת עבודה מבצע משימת OCR פשוטה על הודעות על מהדורת ספרים ומחזיר מטא נתונים וכריכה של הספר באמצעות Google Books API.
1 - קרא נתוני תמונה
הצעד הראשון הוא לייבא את תמונות ההודעה במהדורת הספר אל KNIME. הודעת המהדורה היא הדף בספר המכיל מידע על המהדורה הנוכחית, כגון הודעת זכויות יוצרים, הודעות משפטיות, מידע על פרסום, היסטוריית הדפסה וקוד ISBN (איור 1).
המטנודה "קרא נתוני תמונה" דואגת לכך בצורה קלה ותוכנתית (איור 3). אנו מזהים את המיקום שבו מאוחסנים קבצי תמונה עם ה רשימת קבצים/תיקיות צומת והשתמש ב- קורא תמונות (טבלה) צומת לייבא בחן את התמונות. בצומת קורא התמונות (טבלה), עלינו לציין רק את "עמודת קלט הקבצים", כלומר העמודה עם הנתיבים לקבצים שבהם מאוחסנות התמונות שלנו. ניתן להשאיר את כל שאר התצורות כברירת מחדל.
קורא התמונות (טבלה) הוא חלק מה- KNINE עיבוד תמונה הרחבה וכמו צמתים אחרים בהרחבה זו, היא מציעה תצוגה אינטראקטיבית המכילה את התמונה והמטא נתונים שלה על ידי לחיצה ימנית על הצומת, בחירה ב"תצוגה: מציג תמונות" ולחיצה כפולה על כל תמונה בתצוגת הטבלה.
איור 3: בתוך המטנודה "קרא נתוני תמונה". הצומת Image Reader (טבלה) מייבא תמונות לתוך זרימת העבודה ומאפשר לנו לחקור אותן באופן אינטראקטיבי בתצוגה שלו.
2 - OCR
לאחר קריאת קבצי התמונה של הודעות מהדורת הספר, נוכל לבצע OCR אותן.
התצורה של צומת Tess4J היא פשוטה מאוד ודורשת רק כמה לחיצות (איור 4). בתוך ה הגדרות בכרטיסייה, הצומת מציע את האפשרות לתקן כל סיבוב או תמונה מוטה על ידי בחירת התיבה "ביטול הטיה של תמונות קלט" בקטע "עיבוד מוקדם" של תיבת הדו-שיח של התצורה. בדרך כלל מומלץ לעשות זאת, מכיוון שקבצים גרפיים עשויים שלא להיות מיושרים כראוי. יתר על כן, צומת Tess4J מייצר אוטומטית תמונה בינארית מאחורי מכסה המנוע.
לאחר מכן, אנו בוחרים את "נתיב Tessdata". כברירת מחדל, זה מוגדר ל"השתמש פנימי", אשר לאחר מכן מאפשר לנו לבחור את שפת הטקסט שאנו רוצים לעבד. בתצורה זו, אנגלית היא שפת ברירת המחדל, אך הצומת Tess4J תומך בשפות טבעיות אחרות כגון דנית, איטלקית, ספרדית, רוסית, יוונית, סלובקית, גרמנית וצרפתית. ראוי להזכיר שעל ידי בחירה ב"השתמש בחוץ", נוכל להרחיב את היכולות של צומת Tess4J כך שיכלול שפות שאינן נתמכות באופן פנימי. ואכן, אנו יכולים לבחור מודלים חיצוניים של שפת נתונים מאומנים משלנו על ידי ציון הספרייה שבה הם מאוחסנים. אנו בוחרים ב"שימוש פנימי" מכיוון שאנו מעדיפים להסתמך על המודלים הפנימיים של Tess4J עבור המסמכים שלנו באנגלית.
בסעיף "תצורת זיהוי", אנו מוצאים את שתי תצורות הרשימה הנפתחת החשובות ביותר, כלומר "מצב פילוח עמודים" ו"מצב מנוע OCR". הראשון מגדיר כיצד הדף שלנו מפולח.
באיור 4, אנו בוחרים ב-"Full Auto Pageseg", מה שמבטיח פילוח עמודים אוטומטי לחלוטין. בהתאם למקרה השימוש הספציפי הנדון, בחירה במצב אחר מתוך 13 הזמינים (למשל, "עמודה בודדת" או "טקסט דל") עשויה להיות אפשרות מתאימה יותר.
ההגדרה השנייה מבקשת מאיתנו לבחור את מנוע ה-OCR. כאן אנו בוחרים "Tesseract Only", מה שמבטיח את הביצוע המהיר ביותר. אפשרויות אחרות כוללות "קוביה בלבד" - מצב זיהוי חלופי עבור Tesseract - שהוא איטי יותר אך לעתים קרובות מניב תוצאות טובות יותר; או "Tesseract And Cube", המשלב את הטוב משני העולמות. בחירת מנוע כזה או אחר תלויה מאוד באיכות התמונה ובמורכבות הטקסט שאנו רוצים לעבד.
בנוסף להגדרות הבסיסיות, צומת Tess4J מציע תצורה מתקדמת לשונית שבה נוכל להגדיר קבוצה של פרמטרי בקרה. כרטיסייה זו הופכת את הצומת לגמיש ביותר ומסייעת למשתמשים מומחים להתאים אישית ולכוונן את מנוע ה-Tesseract OCR לצרכים הספציפיים שלהם. אל תדאג, עם זאת, ברוב המקרים התצורות הבסיסיות יקחו אותך דרך ארוכה!
איור 4: תיבת דו-שיח של תצורה של צומת Tess4J.
מלבד התאמה של התצורות של הצומת Tess4J למקרה השימוש הנדון, זוהי תרגול טוב לעבד מראש תמונות קלט באופן יסודי, במידת הצורך. בפרט, Tesseract עובד בצורה הטובה ביותר כאשר התמונות מוגדלות במידה מספקת כך שספירת הפיקסלים של גובה x של התווים היא לפחות 20 פיקסלים; תמונות מיושרות כראוי ובעלות רזולוציה גבוהה מספיק; וכל גבולות כהים מוסרים, או שהם עלולים להתפרש לא נכון כדמויות [3]. ה KNINE עיבוד תמונה ההרחבה כוללת מספר צמתים לניקוי תמונה, מניפולציה וטרנספורמציה, ורבים זרימות עבודה לדוגמה ניתן למצוא על רכזת KNIME.
הפלט של הצומת Tess4J הוא טבלה המכילה את הטקסט שחולץ כסוג נתוני מחרוזת, וככזה ניתן לחפש ולערוך אותו.
3 - עיבוד טקסט לחילוץ ISBN
לאחר ביצוע OCR של התמונות, ניתן סוף סוף לגשת לטקסט שהם מכילים ולאחזר מידע שימושי.
בפרט, הודעות מהדורה מדווחות בדרך כלל על קוד ה-ISBN שהוקצה לספר. קוד ה-ISBN הוא מזהה ספר מסחרי ייחודי, בן 13 ספרות (בעבר היה בן 10 ספרות הרבה לפני 2007), וככזה הוא מוקצה לכל מהדורה נפרדת ווריאציה של הוצאה לאור. חילוץ קוד ה-ISBN מאפשר לנו להתייחס לכל ספר באופן חד משמעי כאשר אנו רוצים לאחזר מטא מידע. כדי להשיג זאת, אנו יכולים לסמוך על הצמתים הכלולים ב KNIME - עיבוד טקסט הרחבה, שחלקם משמשים במטנודת "חילוץ ISBN" (איור 5).
במטנודת "ניקוי טקסט", אנו מתחילים בהפיכת הטקסט OCRed ממחרוזת לסוג הנתונים של מסמך. לאחר מכן, אנו ממירים את הטקסט לאותיות קטנות, מסירים סימני פיסוק, רווחים ריקים, מקפים ומחליפים את האותיות "o" ב-"0" (אפסים) כדי לתקן תווים שזוהו לא נכון בקודי ה-ISBN.
אנו מחלצים את קודי ה-ISBN על ידי בידוד 13 התווים העוקבים אחר המחרוזת "isbn", ומשתמשים ב- מנוע כלל צומת כדי לבדוק אם התווים שחולצו אינם מכילים ערכים חסרים ויש להם אורך צפוי של 13 תווים. לאחר מכן אנו מנצלים את היכולת של הצומת הזה כדי להוסיף עמודה שמתייגת חילוץ מוצלח כ-1 וחילוץ לא מוצלח כ-0.
איור 5: בתוך מטנודת "חילוץ ISBN".
4 - אחזור ויזואליזציה של מטא מידע
בשלב האחרון, אנו משתמשים בקודי ה-ISBN כדי לאחזר מטא-אינפורמציה של ספרים וכריכות מ-API של Google ספרים. המטנודת "קבל מטא נתונים וכריכות של ספר" מטפלת בכך (איור 6). עם זאת, אחזור מטא נתונים אפשרי רק אם קודי ה-ISBN חולצו בהצלחה. כדי להבטיח טיפול חלק בחילוץ ISBN מוצלח/לא מוצלח, אנו כוללים מספר צמתי בקרת זרימת עבודה. תוכל למצוא סקירה מעמיקה ב- דף צ'יט: בקרה ותזמור עם פלטפורמת KNIME Analytics.
אם קוד ה-ISBN חולץ בהצלחה, אנו משתמשים ב- קבל בקשה צומת לשלוח אליו בקשת GET Google Books API, שירות אינטרנט חינמי של RESTful המופעל על ידי Google המאפשר אחזור של מספר מטא-אינפורמציה כגון כותרת הספר, כתוביות, מחברים, תאריך פרסום, תיאור, ספירת דפים, שפה, דירוג ממוצע, ספירת דירוג וכריכה. יתר על כן, שירות האינטרנט RESTful זה אינו דורש יצירת חשבון מפתח. התצורה של צומת GET Request היא פשוטה מאוד. זה דורש בחירה פשוטה של "עמודת URL" משמעותית שאנו בונים ב- מניפולציה על מיתרים צומת על ידי הצטרפות ל- כתובת האתר של Google Books API עם קוד ISBN של כל הודעת מהדורה. ניתן להשאיר את כל שאר התצורות כברירת מחדל.
לאחר מכן אנו מנתחים את פלט ה-JSON של הצומת GET Request באמצעות ה- נתיב JSON לצמת ולהצטרף מטא-מידע שחולץ עם כריכות ספרים לפני איסוף התוצאות הסופיות.
לבסוף, אנו יוצרים את הרכיב "הצג מטא-נתונים ועטיפות של ספרים" להדמיה מסודרת של המטא-מידע והכריכות של הספר שאוחזרו.
ברכיב, אנו עוטפים את ווידג'ט מסנן טווח אינטראקטיבי צומת לאפשר סינון ספרים דינמי על סמך ספירת הדירוג הממוצעת (0-נורא; 5-פנטסטי) שהוקצו על ידי הקוראים ב-Google Books, וה- תצוגת אריחים צומת כדי להציג את התוצאות.
לאחר מכן, הרכיב מקבל תצוגה הכוללת את המחוון לבחירת הספרים על סמך הדירוג הממוצע וטבלה המארח את הכריכות והתיאור של הספרים הנבחרים. עבור מאמר זה, בחרנו לחלץ ספרים עם דירוגים בין 3 ל-5, והתוצאות מוצגות באיור 6.
איור 6: מטא-מידע שאוחזר וכריכות ספרים עבור הספרים עם דירוגים גבוהים מ-3.
<br> סיכום
במאמר זה הדגמנו כיצד ניתן לבצע OCR בקלות בפלטפורמת KNIME Analytics. לשם כך, הצגנו את הצומת Tess4J וסיפקנו פרטים על תפקוד ספריית ה-Tesseract OCR עליה מבוסס צומת זה.
יתר על כן, הראינו מקרה שימוש פשוט שבו OCR יכול להיות משאב רב עוצמה ושימושי. חילצנו מידע מהודעות מהדורת ספרים - בפרט, קודי ISBN - כדי לשלוח בקשת GET לשירות האינטרנט RESTful של Google Books. זה איפשר לנו לאחזר מטא נתונים וכריכות של ספרים.
עם KNIME, ביצוע OCR של תמונות כדי לחלץ פיסות מידע קריטיות הופך להיות קל כמו ABC. נסה את זה בעצמך! מהו מקרה השימוש שלך ב-OCR?
את זרימת העבודה המוצגת במאמר זה ניתן להוריד בחינם מה- רכזת KNIME.
הפניות
[1] Smith, R. (2007). "סקירה כללית של מנוע ה-OCR של Tesseract". הכנס הבינלאומי התשיעי לניתוח וזיהוי מסמכים (ICDAR 2007), עמ' 629–633. נגיש ב:
https://static.googleusercontent.com/media/research.google.com/en//pubs/archive/33418.pdf
[אוחזר: 15.07.2021].
[2] פרויקט Tesseract OCR ב-GitHub — https://github.com/tesseract-ocr/tesseract
[3] תיעוד Tesseract OCR ב-GitHub - https://tesseract-ocr.github.io/tessdoc/
רוברטו קאדילי הוא מדען נתונים ב-KNIME, חובב NLP וחובב היסטוריה. עורך עבור Low Code for Advanced Data Science.
לאדה רודניצקיה הוא מדען נתונים ב-KNIME.
כפי שפורסם לראשונה ב- קוד נמוך למדעי נתונים מתקדמים.
מְקוֹרִי. פורסם מחדש באישור.
מידע נוסף:
מקור: https://www.kdnuggets.com/2021/11/book-metadata-cover-retrieval-ocr-google-books-api.html
- "
- &
- 2021
- חֶשְׁבּוֹן
- חשבונאות
- AI
- תעשיות
- אנליזה
- ניתוח
- API
- מאמר
- מאמרים
- מחברים
- המכונית
- הטוב ביותר
- ספרים
- אריזה מקורית
- לִבנוֹת
- עסקים
- עסקים
- אשר
- קריירה
- מקרים
- זיהוי תווים
- סינית
- מיון
- ניקוי
- לקוחות
- קוד
- איסוף
- טור
- מסחרי
- חברות
- רְכִיב
- מחשבים
- כנס
- אמון
- תְצוּרָה
- תוכן
- זכויות יוצרים
- נוֹכְחִי
- לוח מחוונים
- נתונים
- מדע נתונים
- מדען נתונים
- פרט
- איתור
- מפתח
- מפתחים
- צעצועי התפתחות
- דיגיטלי
- מסמכים
- ירידה
- מוקדם
- עורך
- מהנדס
- אנגלית
- וכו '
- הוצאת להורג
- לְהַרְחִיב
- לנצל
- הוֹצָאָה
- תרשים
- בסופו של דבר
- כספי
- ראשון
- לעקוב
- טופס
- פוּרמָט
- חופשי
- צרפתית
- GitHub
- טוב
- קְבוּצָה
- טיפול
- שימושי
- כאן
- גָבוֹהַ
- שכירה
- היסטוריה
- אירוח
- איך
- איך
- HTTPS
- רעיון
- לזהות
- תמונה
- כולל
- הַכנָסָה
- להגדיל
- תעשייה
- מידע
- אינטראקטיבי
- ברמה בינלאומית
- IT
- להצטרף
- ידע
- קוריאני
- תוויות
- שפה
- שפות
- גָדוֹל
- לִלמוֹד
- למידה
- משפטי
- תנופה
- סִפְרִיָה
- אוֹר
- לינקדין
- רשימה
- מיקום
- ארוך
- למידת מכונה
- מכונת תרגום
- מניפולציה
- בינוני
- כלומר
- נקי
- עצביים
- NLP
- צמתים
- מספרים
- OCR
- המיוחדות שלנו
- לפתוח
- קוד פתוח
- זיהוי תווים אופטי
- אפשרות
- אפשרויות
- אחר
- אֲנָשִׁים
- גופני
- תמונה
- פיקסל
- פלטפורמה
- פִּריוֹן
- פּרוֹיֶקט
- פיתון
- איכות
- רכס
- דירוגים
- חי
- נתונים גולמיים
- קורא
- הקוראים
- קריאה
- לדווח
- משאב
- תוצאות
- מדע
- חיפוש
- נבחר
- תחושה
- סט
- הצבה
- פָּשׁוּט
- So
- תוכנה
- לפתור
- ספרדי
- ממומן
- התחלה
- סיפורים
- מוצלח
- תמיכה
- נתמך
- תומך
- מערכת
- טכניקות
- טכנולוגיה
- טסראקט
- זמן
- חלק עליון
- הדרכה
- טרנספורמציה
- הפיכה
- תרגום
- Unicode
- us
- משתמשים
- לצפיה
- ראיה
- אינטרנט
- מה
- מילים
- תיק עבודות
- זרימת עבודה
- עובד
- ראוי
- כתיבה
- X
- שנים