Kuna uudismeediaettevõtetes luuakse iga päev palju artikleid, videoid, helisalvestisi ja muud meediat, on igat tüüpi lugejatel – üksiktarbijatel, ettevõtete tellijatel ja mujal – sageli raske leida nende jaoks kõige asjakohasemat uudissisu. Lugejatele isikupärastatud uudiste ja kogemuste edastamine võib aidata seda probleemi lahendada ja luua köitvamaid kogemusi. Tõeliselt isikupärastatud soovituste esitamine tekitab aga mitmeid olulisi väljakutseid:
- Erinevate kasutajate huvide tabamine – Uudised võivad hõlmata paljusid teemasid ja isegi teatud teemade piires võivad lugejatel olla erinevad huvid.
- Piiratud lugejate ajaloo käsitlemine – Paljudel uudistelugejatel on hõre tegevuslugu. Soovitajad peavad väärtuse pakkumiseks kiiresti selgeks saama eelistused piiratud andmete põhjal.
- Õigeaegsus ja trendid – Igapäevased uudistetsüklid tähendavad, et soovitused peavad tasakaalustama isikupärastatud sisu uute populaarsete lugude avastamisega.
- Huvide muutumine – Lugejate huvid võivad aja jooksul areneda. Süsteemid peavad nihkeid tuvastama ja soovitusi vastavalt kohandama.
- Seletatavus – Läbipaistvuse pakkumine selle kohta, miks teatud lugusid soovitatakse, suurendab kasutajate usaldust. Ideaalne uudiste soovitamise süsteem mõistab üksikisikut ja reageerib laiemale uudiste kliimale ja publikule. Nende väljakutsetega tegelemine on võtmetähtsusega lugejate tõhusaks ühendamiseks sisuga, mida nad peavad informatiivseks ja köitvaks.
Selles postituses kirjeldame, kuidas Isikupärastage Amazon saab toita skaleeritavat uudiste soovitamise rakendust. Seda lahendust rakendati Fortune 500 meediakliendil 1. aasta esimesel poolel ja seda saab uuesti kasutada teiste klientide jaoks, kes on huvitatud uudistesoovitajate loomisest.
Lahenduse ülevaade
Amazon Personalize sobib suurepäraselt uudistesoovitusmootori käivitamiseks, kuna suudab pakkuda reaalajas ja hulgaliselt isikupärastatud soovitusi. Amazon Personalize pakub mitmesuguseid soovitusretsepte (algoritme), näiteks User Personalization ja Trending Now retsepte, mis sobivad eriti hästi uudiste soovitajate mudelite koolitamiseks. Kasutaja isikupärastamise retsept analüüsib iga kasutaja eelistusi, lähtudes nende seotusest sisuga aja jooksul. Selle tulemuseks on kohandatud uudistevood, mis toovad esile konkreetse kasutaja jaoks kõige asjakohasemad teemad ja allikad. Retsept Trending Now täiendab seda, tuvastades kõigi kasutajate seas reaalajas tõusvaid trende ja populaarseid uudislugusid. Mõlema retsepti soovituste kombineerimine võimaldab soovitusmootoril tasakaalustada isikupärastamist õigeaegsete ja suurt huvi pakkuvate lugude avastamisega.
Järgmine diagramm illustreerib uudiste soovitamise rakenduse arhitektuuri, mida toetab Amazon Personalize ja toetab AWS-i teenuseid.
Sellel lahendusel on järgmised piirangud:
- Isikupärastatud soovituste pakkumine äsja avaldatud artiklite jaoks (paar minutit tagasi avaldatud artiklid) võib olla keeruline. Selles postituses kirjeldame, kuidas seda piirangut leevendada.
- Amazon Personalize'il on fikseeritud arv interaktsioone ja üksuste andmestiku funktsioone, mida saab mudeli koolitamiseks kasutada.
- Artikli kirjutamise ajal ei anna Amazon Personalize kasutaja tasemel soovituste selgitusi.
Vaatame läbi kõik lahenduse põhikomponendid.
Eeldused
Selle lahenduse rakendamiseks vajate järgmist.
- Ajaloolised ja reaalajas kasutajate klikkide andmed
interactions
andmestik - Ajaloolised ja reaalajas uudisteartiklite metaandmed
items
andmestik
Neelake ja valmistage andmed ette
Mudeli koolitamiseks rakenduses Amazon Personalize peate esitama koolitusandmed. Selles lahenduses kasutate kahte tüüpi Amazon Personalize treeningandmekogumeid: interaktsioonide andmestik ja üksuste andmestik. interactions
andmestik sisaldab andmeid kasutaja-üksuse-ajatempli interaktsioonide ja items
andmestik sisaldab soovitatud artiklite funktsioone.
Treeninguandmete sissevõtmiseks võite kasutada kahte erinevat lähenemisviisi.
- Partii allaneelamine - Sa võid kasutada AWS liim interaktsioonide ja üksuste andmete teisendamiseks ja neelamiseks Amazoni lihtne salvestusteenus (Amazon S3) ämbrisse Amazon Personalize andmekogudesse. AWS Glue teostab ekstraktimise, teisendamise ja laadimise (ETL) toiminguid, et joondada andmed Amazon Personalize'i andmekogumite skeemiga. Kui ETL-protsess on lõppenud, asetatakse väljundfail tagasi Amazon S3-sse, mis on valmis Amazon Personalize'i allaneelamiseks andmestiku impordi töö.
- Reaalajas allaneelamine - Sa võid kasutada Amazon Kinesise andmevood ja AWS Lambda reaalajas andmete järk-järguliseks neelamiseks. Lambda funktsioon teostab samu andmete teisendusoperatsioone kui partii sisestustöö individuaalse kirje tasemel ja sisestab andmed Amazon Personalize'i, kasutades PutEvents ja Pane esemed API-d.
Selles lahenduses saate sisestada ka teatud üksuste ja interaktsioonide andmete atribuute Amazon DynamoDB. Neid atribuute saate kasutada reaalajas järelduste tegemisel soovituste filtreerimiseks ärireeglite järgi. Näiteks võivad artikli metaandmed sisaldada artiklis ettevõtete ja tegevusalade nimesid. Et ennetavalt soovitada artikleid ettevõtete või tegevusalade kohta, mille kohta kasutajad loevad, saate salvestada, kui sageli lugejad konkreetseid ettevõtteid ja majandusharusid käsitlevate artiklitega suhtlevad, ning kasutada neid andmeid Amazoni isikupärastamise filtrid soovitatud sisu edasiseks kohandamiseks. Sellest postitusest räägime lähemalt selle kohta, kuidas DynamoDB-s üksuste ja interaktsioonide andmete atribuute kasutada.
Järgmine diagramm illustreerib andmete sisestamise arhitektuuri.
Treeni modelli
Suurem osa mudelikoolitustest peaks keskenduma kasutaja isikupärastamise mudelile, kuna see võib kasutada kõiki kolme Amazoni isikupärastamise andmestikku (mudel Trending Now kasutab ainult interactions
andmestik). Soovitame läbi viia katseid, mis süstemaatiliselt erinevad treeningprotsessi erinevaid aspekte. Selle lahenduse juurutanud kliendi jaoks tegi meeskond üle 30 katse. See hõlmas muutmist interactions
ja items
andmestiku funktsioonid, mudelile pakutava interaktsioonide ajaloo pikkuse kohandamine, Amazon Personalize'i hüperparameetrite häälestamine ja selle hindamine, kas selge kasutaja andmestik parandas võrguühenduseta jõudlust (võrreldes treeningaja pikenemisega).
Iga mudeli variatsiooni hinnati Amazon Personalize'i treeningandmete kohta esitatud mõõdikute ja ka hoidmise testi andmestiku kohandatud võrguühenduseta mõõdikute põhjal. Arvesse võetavad standardmõõdikud hõlmavad keskmist täpsust (MAP) @ K (kus K on lugejale esitatud soovituste arv), normaliseeritud diskonteeritud kumulatiivset võimendust, keskmist vastastikust järjestust ja katvust. Nende mõõdikute kohta lisateabe saamiseks vt Lahenduse versiooni hindamine mõõdikutega. Soovitame eelistada MAP @ K nendest mõõdikutest, mis kajastab keskmise artiklite arvu, millel lugeja klõpsas, välja arvatud neile soovitatud K kõige populaarsematest artiklitest, sest MAP-i mõõdik on hea (tegeliku) artiklite klikkimise määra puhvernäitaja. K tuleks valida artiklite arvu põhjal, mida lugeja saab arvuti- või mobiiliveebilehelt ilma kerimata vaadata, võimaldades teil hinnata soovituste tõhusust lugeja minimaalse pingutusega. Kohandatud mõõdikute (nt soovituse unikaalsuse) rakendamine (mis kirjeldab, kui ainulaadne oli soovituste väljund kandidaatkasutajate hulgas) võib samuti anda ülevaate soovituste tõhususest.
Amazon Personalize'iga võimaldab katseprotsess määrata optimaalse andmestiku funktsioonide komplekti nii kasutaja isikupärastamise kui ka praegu trendi mudelite jaoks. Mudel Trending Now eksisteerib samas Amazon Personalize'is andmestiku rühm kasutaja isikupärastamise mudelina, seega kasutab see sama komplekti interactions
andmestiku funktsioonid.
Looge reaalajas soovitusi
Kui lugeja külastab uudistefirma veebilehte, tehakse uudiste soovitajale API kõne Amazon API värav. See käivitab Lambda funktsiooni, mis kutsub hankima Amazon Personalize mudelite lõpp-punkte soovitusi reaalajas. Järeldamise ajal saate kasutada Filtrid algse soovituse väljundi filtreerimiseks artikli või lugeja interaktsiooni atribuutide põhjal. Näiteks kui „Uudisteema” (nt sport, elustiil või poliitika) on artikli atribuut, saate piirata soovitusi konkreetsete uudisteteemadega, kui see on toote nõue. Samamoodi saate kasutada filtreid lugejaga suhtlemise sündmuste puhul, näiteks välistada artiklid, mida lugeja on juba lugenud.
Üks peamisi väljakutseid reaalajas soovituste puhul on äsja avaldatud artiklite (nimetatakse ka külmadeks artikliteks) tõhus kaasamine soovituste väljundisse. Äsja avaldatud artiklitel puuduvad ajaloolised interaktsiooniandmed, millele soovitajad tavaliselt tuginevad, ja soovitussüsteemid vajavad piisavalt töötlemisaega, et hinnata, kui asjakohased on äsja avaldatud artiklid konkreetse kasutaja jaoks (isegi kui kasutatakse ainult kasutaja-üksuse seose signaale).
Amazon Personalize suudab automaatselt tuvastada ja soovitada uusi artikleid, mis on sisestatud items
andmestik iga 2 tunni järel. Kuna see kasutusjuhtum keskendub aga uudiste soovitustele, on teil vaja võimalust soovitada uusi artikleid kohe, kui need on avaldatud ja lugeja jaoks valmis.
Üks viis selle probleemi lahendamiseks on luua mehhanism äsja avaldatud artiklite juhuslikuks sisestamiseks iga lugeja lõplikku soovituse väljundisse. Saate lisada funktsiooni, mis kontrollib, mitu protsenti lõpliku soovituste komplekti kuuluvatest artiklitest olid äsja avaldatud artiklid, ja sarnaselt Amazon Personalize'i esialgse soovituse väljundiga saate äsja avaldatud artikleid filtreerida artikli atribuutide (nt "Uudiste teema") järgi. ), kui see on toote nõue. Saate jälgida DynamoDB-s äsja avaldatud artiklite interaktsioone, kui need hakkavad süsteemi sisenema, ja eelistada kõige populaarsemaid äsja avaldatud artikleid soovituste järeltöötluse ajal, kuni äsja avaldatud artiklid tuvastavad ja töötlevad Amazon Personalize mudelid.
Pärast soovitatud artiklite lõplikku komplekti esitatakse see väljund teisele Lambda järeltöötlusfunktsioonile, mis kontrollib väljundit, et näha, kas see ühtib eelnevalt määratud ärireeglitega. See võib hõlmata kontrollimist, kas soovitatud artiklid vastavad veebilehe paigutuse spetsifikatsioonidele, kui soovitusi esitatakse näiteks veebibrauseri esiprogrammis. Vajadusel saab artikleid ümber järjestada, et tagada ärireeglite järgimine. Soovitame reastust ümber paigutada, rakendades funktsiooni, mis võimaldab kõrgema asetusega artiklitel langeda järjestuses ainult ühes kohas korraga, kuni kõik ärireeglid on täidetud, jättes lugejatele minimaalse asjakohasuse kaotuse. Lõplik järeltöödeldud artiklite loend saadetakse tagasi soovituste päringu algatanud veebiteenusele.
Järgmine diagramm illustreerib lahenduse selle etapi arhitektuuri.
Looge partii soovitusi
Isikupärastatud uudiste armatuurlauad (reaalajas soovituste kaudu) nõuavad, et lugeja otsiks aktiivselt uudiseid, kuid meie tänases kiires elus on mõnikord lihtsam saada teile parimaid uudiseid. Isikupärastatud uudisteartiklite edastamiseks meilikokkuvõttena saate kasutada AWS-i astmefunktsioonid töövoog partii soovituste loomiseks. Partiissoovituste töövoog kogub ja töötleb soovitusi meie kasutaja isikupärastamise mudelist või mudeli Trending Now lõpp-punktidest, pakkudes paindlikkust valida, millist isikupärastatud ja trendikate artiklite kombinatsiooni meeskonnad soovivad oma lugejatele edastada. Arendajatel on ka võimalus kasutada Amazoni isikupärastamist partii järeldus tunnusjoon; kuid selle artikli kirjutamise ajal ei toeta Amazon Personalize'i partii järeldamistöö loomine pärast Amazon Personalize'i kohandatud mudeli väljaõpetamist alla neelatud üksuste kaasamist ja see ei toeta kohe trendides retsepti.
Pakettjäreldamise etapifunktsioonide töövoo käigus jagatakse lugejate loend partiideks, töödeldakse paralleelselt ning esitatakse enne meili genereerimisteenusele saatmist järeltöötlus- ja valideerimiskihile. Järgmine diagramm illustreerib seda töövoogu.
Soovitussüsteemi skaleerimine
Tõhusaks skaleerimiseks on teil vaja ka uudiste soovitajat, et see mahutaks kasvavat kasutajate arvu ja liiklust, ilma et see halvendaks lugejakogemust. Amazon Isikupärastage mudeli lõpp-punkte algselt automaatne skaala suurenenud liiklusega toimetulemiseks. Insenerid peavad iga Amazon Personalize'i lõpp-punkti jaoks määrama ja jälgima ainult minimaalset varustatud tehingute arvu sekundis (TPS) muutujat.
Lisaks Amazon Personalize'ile on siin esitatud uudiste soovitamise rakendus loodud serverita AWS-teenuste abil, mis võimaldab insenerimeeskondadel keskenduda parima lugejakogemuse pakkumisele, ilma infrastruktuuri hoolduse pärast muretsemata.
Järeldus
Selles tähelepanumajanduses on muutunud üha olulisemaks pakkuda tarbijatele asjakohast ja õigeaegset sisu. Selles postituses arutasime, kuidas saate kasutada Amazon Personalize'i skaleeritava uudiste soovitaja loomiseks ja strateegiaid, mida organisatsioonid saavad rakendada uudistesoovituste edastamise ainulaadsete väljakutsete lahendamiseks.
Amazon Personalize'i kohta lisateabe saamiseks ja selle kohta, kuidas see aitab teie organisatsioonil soovitussüsteeme luua, vaadake lehte Amazoni isikupärastamise arendaja juhend.
Õnnelik hoone!
Autoritest
Bala Krishnamoorthy on AWS Professional Servicesi vanemandmeteadlane, kes aitab klientidel luua ja juurutada tehisintellektil põhinevaid lahendusi nende äriprobleemide lahendamiseks. Ta on töötanud klientidega erinevates sektorites, sealhulgas meedia ja meelelahutus, finantsteenused, tervishoid ja tehnoloogia. Vabal ajal meeldib talle veeta aega pere/sõpradega, olla aktiivne, proovida uusi restorane, reisida ja alustada oma päeva aurava kuuma kohviga.
Rishi Jala on AWS-i professionaalsete teenustega NoSQL-i andmearhitekt. Ta keskendub väga skaleeritavate rakenduste kujundamisele ja ehitamisele, kasutades NoSQL-i andmebaase, nagu Amazon DynamoDB. Olles kirglik klientide probleemide lahendamise vastu, pakub ta kohandatud lahendusi digitaalsel maastikul edu saavutamiseks.
- SEO-põhise sisu ja PR-levi. Võimenduge juba täna.
- PlatoData.Network Vertikaalne generatiivne Ai. Jõustage ennast. Juurdepääs siia.
- PlatoAiStream. Web3 luure. Täiustatud teadmised. Juurdepääs siia.
- PlatoESG. Süsinik, CleanTech, Energia, Keskkond päikeseenergia, Jäätmekäitluse. Juurdepääs siia.
- PlatoTervis. Biotehnoloogia ja kliiniliste uuringute luureandmed. Juurdepääs siia.
- Allikas: https://aws.amazon.com/blogs/machine-learning/build-a-news-recommender-application-with-amazon-personalize/
- :on
- :on
- : kus
- 100
- 2023
- 30
- 500
- 7
- 98
- a
- võime
- MEIST
- majutada
- vastavalt
- üle
- aktiivne
- aktiivselt
- tegevus
- kohandama
- lisama
- aadress
- kohandamine
- pärast
- tagasi
- Tehisintellekti toega
- algoritme
- viia
- Joondab
- Materjal: BPA ja flataatide vaba plastik
- Lubades
- võimaldab
- juba
- Ka
- Amazon
- Isikupärastage Amazon
- Amazon Web Services
- an
- analüüse
- ja
- Teine
- mistahes
- API
- API-liidesed
- taotlus
- rakendused
- lähenemisviisid
- arhitektuur
- OLEME
- artikkel
- kaubad
- AS
- aspektid
- hinnata
- At
- tähelepanu
- atribuudid
- publik
- heli-
- auto
- keskmine
- AWS
- AWS liim
- AWS-i professionaalsed teenused
- tagasi
- Saldo
- põhineb
- BE
- sest
- muutuma
- olnud
- enne
- on
- BEST
- mõlemad
- laiem
- brauseri
- ehitama
- Ehitus
- Ehitab
- ehitatud
- äri
- hõivatud
- kuid
- by
- helistama
- kutsutud
- Kutsub
- CAN
- kandidaat
- lööb
- juhul
- kindel
- väljakutse
- väljakutseid
- raske
- kontrollima
- kontroll
- Kontroll
- klõps
- Kliima
- Kohv
- külm
- kombinatsioon
- kombineerimine
- Ettevõtted
- ettevõte
- Ettevõtte omad
- täitma
- komponendid
- ühendamine
- Arvestama
- Tarbijad
- tarbimine
- sisaldama
- sisaldab
- sisu
- kontrollida
- Korporatiivne
- katmine
- looma
- loodud
- loomine
- Tass
- tava
- klient
- Kliendid
- kohandatud
- tsüklit
- iga päev
- Igapäevased uudised
- armatuurlauad
- andmed
- andmeteadlane
- andmebaasid
- andmekogumid
- päev
- tarnima
- edastamine
- annab
- juurutada
- kirjeldama
- kirjeldab
- projekteerimine
- lauaarvuti
- avastama
- tuvastatud
- Määrama
- arendaja
- Arendajad
- skeem
- erinev
- raske
- Digest
- digitaalne
- diskonteeritud
- avastus
- arutama
- arutatud
- mitu
- jagatud
- Ei tee
- Ära
- alla
- ajam
- ajal
- iga
- lihtsam
- majandus
- tõhusalt
- tõhusus
- jõupingutusi
- Lõpp-punkt
- tegevus
- kaasamine
- Mootor
- Inseneriteadus
- Inseneride
- tagama
- meelelahutus
- hindama
- hinnatud
- hindamine
- Isegi
- sündmused
- Iga
- arenema
- näide
- välja arvatud
- olemas
- kogemus
- Kogemused
- eksperimentaalne
- katseid
- Selgitused
- väljavõte
- Langema
- tunnusjoon
- FUNKTSIOONID
- vähe
- fail
- filtreerida
- Filtrid
- lõplik
- finants-
- finantsteenused
- leidma
- sobima
- fikseeritud
- Paindlikkus
- Keskenduma
- keskendunud
- keskendub
- Järel
- eest
- Tarbijatele
- heaolu
- tasuta
- sageli
- Alates
- Frontend
- funktsioon
- funktsioonid
- edasi
- kasu
- tekitama
- põlvkond
- saama
- andmine
- hea
- suur
- Kasvavad
- Olema
- võttes
- he
- tervishoid
- aitama
- aitab
- siin
- kõrgelt
- tema
- ajalooline
- ajalugu
- ajalugu
- KUUM
- Lahtiolekuajad
- Kuidas
- Kuidas
- aga
- HTML
- http
- HTTPS
- ideaalne
- if
- illustreerib
- rakendada
- rakendatud
- rakendamisel
- import
- oluline
- paranenud
- in
- sisaldama
- lisatud
- Kaasa arvatud
- Suurendama
- kasvanud
- üha rohkem
- eraldi
- tööstusharudes
- tööstus
- info
- informatiivne
- Infrastruktuur
- esialgne
- algatatud
- ülevaade
- suhtlemist
- interaktsioonid
- huvitatud
- el
- sisse
- IT
- kirjed
- ITS
- töö
- jpg
- lihtsalt
- Võti
- maastik
- pärast
- kiht
- Layout
- Õppida
- Pikkus
- Tase
- elustiil
- piiramine
- piirangud
- piiratud
- nimekiri
- Elab
- koormus
- kaotus
- tehtud
- põhiline
- hooldus
- palju
- kaart
- mai..
- keskmine
- mehhanism
- Meedia
- Vastama
- mõdu
- Metaandmed
- meetriline
- Meetrika
- minimaalne
- miinimum
- protokoll
- Leevendada
- mobiilne
- mudel
- mudelid
- Jälgida
- rohkem
- kõige
- Populaarseim
- rohkus
- peab
- nimed
- natiivselt
- Vajadus
- vaja
- Uus
- uudised
- Tavaliselt
- nüüd
- number
- of
- Pakkumised
- offline
- on
- ONE
- ainult
- Operations
- optimaalselt
- valik
- or
- organisatsioon
- organisatsioonid
- originaal
- Muu
- meie
- välja
- väljund
- üle
- Parallel
- eriti
- kirglik
- kohta
- protsent
- jõudlus
- täidab
- Isikupärastamine
- personaliseerida
- Isikliku
- Koht
- Platon
- Platoni andmete intelligentsus
- PlatoData
- poliitika
- ujula
- populaarne
- post
- võim
- sisse
- Täpsus
- eelistusi
- Valmistama
- esitatud
- kingitusi
- Prioriteet
- prioriteetsuse
- Probleem
- probleeme
- protsess
- Töödeldud
- töötlemine
- Toode
- professionaalne
- anda
- tingimusel
- pakkudes
- volikiri
- avaldatud
- Lükkama
- kiiresti
- auaste
- Edetabel
- Rates
- Lugenud
- lugeja
- lugejad
- Lugemine
- valmis
- reaalne
- reaalajas
- reaalajas andmeid
- retsept
- soovitama
- Soovitus
- soovitused
- soovitatav
- rekord
- suhe
- suhteline
- asjakohane
- lootma
- Teatatud
- taotleda
- nõudma
- nõue
- restoranid
- piirata
- Tulemused
- tõusev
- eeskirjade
- jooksmine
- sama
- skaalautuvia
- Skaala
- teadlane
- kerida
- Otsing
- Teine
- Sektorid
- vaata
- valima
- väljavalitud
- vanem
- Saadetud
- serveeritud
- Serverita
- teenus
- Teenused
- komplekt
- mitu
- Vahetused
- peaks
- signaale
- sarnane
- Samamoodi
- lihtne
- So
- lahendus
- Lahendused
- LAHENDAGE
- Lahendamine
- mõnikord
- varsti
- Allikad
- sille
- konkreetse
- spetsifikatsioonid
- Kulutused
- sport
- standard
- algus
- viibides
- Samm
- ladustamine
- Lood
- strateegiad
- esitatud
- Abonentide
- edu
- selline
- piisav
- sobiv
- toetama
- Toetamine
- Pind
- süsteem
- süstemaatiliselt
- süsteemid
- tegelemine
- sobivalt
- kohandatud
- Võtma
- meeskond
- meeskonnad
- Tehnoloogia
- test
- et
- .
- oma
- Neile
- Need
- nad
- see
- kolm
- Läbi
- aeg
- õigeaegne
- et
- täna
- ülemine
- Teemasid
- tps
- jälgida
- liiklus
- Rong
- koolitatud
- koolitus
- Koolituse uudised
- Tehingud
- Muutma
- Transformation
- läbipaistvus
- reisima
- trendid
- Trends
- tõeliselt
- Usalda
- üritab
- häälestamine
- kaks
- liigid
- mõistab
- ainulaadne
- unikaalsus
- kuni
- kasutama
- kasutage juhtumit
- Kasutatud
- Kasutaja
- Kasutajad
- kasutusalad
- kasutamine
- kinnitamine
- väärtus
- muutuja
- mitmekesine
- sort
- Vary
- versioon
- kaudu
- Videod
- vaade
- Külastusi
- kõndima
- tahan
- oli
- Tee..
- we
- web
- veebibrauseri
- veebiteenused
- Hästi
- olid
- M
- millal
- samas kui
- kas
- mis
- miks
- will
- koos
- jooksul
- ilma
- töötas
- töövoog
- murettekitav
- kirjutamine
- sa
- Sinu
- sephyrnet