סדרה זו בת שלושה חלקים מדגימה כיצד להשתמש ברשתות עצביות גרפיות (GNNs) ו אמזון נפטון כדי להפיק המלצות לסרטים באמצעות ה IMDb וקופות Mojo Movies/TV/OTT חבילת נתונים ברי רישיון, המספקת מגוון רחב של מטא נתונים בידוריים, כולל למעלה ממיליארד דירוגי משתמשים; קרדיטים ליותר מ-1 מיליון חברי צוות וצוות; 11 מיליון כותרי סרטים, טלוויזיה ובידור; ונתוני דיווח קופות גלובליים מיותר מ-9 מדינות. לקוחות מדיה ובידור רבים של AWS נותנים רישיון לנתוני IMDb באמצעות חילופי נתונים AWS כדי לשפר את גילוי התוכן ולהגדיל את המעורבות והשימור של הלקוחות.
התרשים הבא ממחיש את הארכיטקטורה השלמה המיושמת כחלק מסדרה זו.
In חלק 1, דנו ביישומים של GNNs וכיצד להפוך ולהכין את נתוני ה-IMDb שלנו לגרף ידע (KG). הורדנו את הנתונים מ-AWS Data Exchange ועיבכנו אותם דבק AWS ליצירת קבצי KG. קבצי KG אוחסנו ב שירות אחסון פשוט של אמזון (Amazon S3) ולאחר מכן נטען אמזון נפטון.
In חלק 2, הדגמנו כיצד להשתמש אמזון נפטון ML (ב אמזון SageMaker) כדי לאמן את ה-KG וליצור הטבעות KG.
בפוסט זה, אנו מדריכים אותך כיצד ליישם את הטמעות KG המיומנות שלנו באמזון S3 למקרי שימוש בחיפוש מחוץ לקטלוג באמצעות שירות חיפוש פתוח של אמזון ו AWS למבדה. אתה גם פורס אפליקציית אינטרנט מקומית לחוויית חיפוש אינטראקטיבית. ניתן ליצור את כל המשאבים המשמשים בפוסט זה באמצעות יחיד ערכת פיתוח ענן AWS (AWS CDK) הפקודה כמתואר בהמשך הפוסט.
רקע
האם אי פעם חיפשת בטעות כותרת תוכן שלא הייתה זמינה בפלטפורמת הזרמת וידאו? אם כן, תגלו שבמקום לעמוד מול דף תוצאות חיפוש ריק, תמצאו רשימה של סרטים באותו ז'אנר, עם חברי צוות או צוות. זו חווית חיפוש מחוץ לקטלוג!
חיפוש מחוץ לקטלוג (OOC) הוא כאשר אתה מזין שאילתת חיפוש שאין לה התאמה ישירה בקטלוג. אירוע זה מתרחש לעתים קרובות בפלטפורמות הזרמת וידאו הרוכשות כל הזמן מגוון תוכן ממספר ספקים וחברות הפקה לזמן מוגבל. היעדר רלוונטיות או מיפוי מהקטלוג של חברת סטרימינג למאגרי ידע גדולים של סרטים ותוכניות יכול לגרום לחוויית חיפוש נמוכה יותר עבור לקוחות המבצעים שאילתות לתוכן OOC, ובכך להפחית את זמן האינטראקציה עם הפלטפורמה. מיפוי זה יכול להיעשות על ידי מיפוי ידני של שאילתות OOC תכופות לקטלוג תוכן או יכול להיות אוטומטי באמצעות למידת מכונה (ML).
בפוסט זה, אנו ממחישים כיצד לטפל ב-OCC על ידי ניצול הכוח של מערך הנתונים של IMDb (המקור המוביל למטא נתונים של בידור גלובלי) וגרפים ידע.
שירות OpenSearch הוא שירות מנוהל במלואו המקל עליך לבצע ניתוח יומן אינטראקטיבי, ניטור יישומים בזמן אמת, חיפוש באתרים ועוד. OpenSearch היא קוד פתוח, חבילת חיפוש וניתוח מבוזרת שנגזרת מ- Elasticsearch. OpenSearch Service מציע את הגרסאות העדכניות ביותר של OpenSearch, תמיכה ב-19 גרסאות של Elasticsearch (גרסאות 1.5 עד 7.10), כמו גם יכולות הדמיה המופעלות על ידי OpenSearch Dashboards ו-Kibana (גרסאות 1.5 עד 7.10). לשירות OpenSearch יש כיום עשרות אלפי לקוחות פעילים עם מאות אלפי אשכולות בניהול המעבדים טריליוני בקשות בחודש. OpenSearch Service מציע חיפוש kNN, שיכול לשפר את החיפוש במקרים של שימוש כמו המלצות למוצרים, זיהוי הונאה ותמונה, וידאו וכמה תרחישים סמנטיים ספציפיים כמו דמיון של מסמכים ושאילתות. למידע נוסף על פונקציונליות החיפוש המופעלות על ידי הבנת השפה הטבעית של OpenSearch Service, עיין ב בניית אפליקציית חיפוש מבוססת NLU עם Amazon SageMaker ותכונת Amazon OpenSearch Service KNN.
סקירת פתרונות
בפוסט זה, אנו מציגים פתרון לטיפול במצבי OOC באמצעות חיפוש הטמעה מבוסס גרף ידע באמצעות יכולות החיפוש k-nearest neighbor (kNN) של OpenSearch Service. שירותי המפתח של AWS המשמשים ליישום פתרון זה הם OpenSearch Service, SageMaker, Lambda ו-Amazon S3.
לבדוק חלק 1 ו חלק 2 מסדרה זו כדי ללמוד עוד על יצירת גרפי ידע והטמעת GNN באמצעות Amazon Neptune ML.
פתרון OOC שלנו מניח שיש לך KG משולב שהושג על ידי מיזוג חברת סטרימינג KG ו-IMDb KG. ניתן לעשות זאת באמצעות טכניקות עיבוד טקסט פשוטות המתאימות לכותרות יחד עם סוג הכותרות (סרט, סדרה, סרט תיעודי), צוות השחקנים והצוות. בנוסף, יש להכשיר את גרף הידע המשותף הזה ליצירת הטמעות גרפי ידע דרך הצינורות המוזכרים ב- חלק 1 ו חלק 2. התרשים הבא ממחיש תצוגה פשוטה של ה-KG המשולב.
כדי להדגים את פונקציונליות החיפוש של OOC עם דוגמה פשוטה, חילקנו את גרף הידע של IMDb לקטלוג לקוחות וקטלוג מחוץ ללקוח. אנו מסמנים את הכותרות המכילות "צעצוע של סיפור" כמשאב קטלוג מחוץ ללקוח ואת שאר גרף הידע של IMDb כקטלוג לקוחות. בתרחיש שבו קטלוג הלקוחות אינו משופר או מוזג עם מסדי נתונים חיצוניים, חיפוש אחר "צעצוע של סיפור" יחזיר כל כותרת שמכילה את המילים "צעצוע" או "סיפור" במטא נתונים שלה, עם חיפוש הטקסט של OpenSearch. אם קטלוג הלקוחות היה ממופה ל-IMDb, יהיה קל יותר להבין שהשאילתה "צעצוע של סיפור" לא קיימת בקטלוג ושההתאמות המובילות ב-IMDb הן "צעצוע של סיפור", "צעצוע של סיפור 2", "צעצוע". סיפור 3", "צעצוע של סיפור 4" ו"צ'רלי: צעצוע של סיפור" בסדר יורד של רלוונטיות עם התאמת טקסט. כדי לקבל תוצאות בתוך הקטלוג עבור כל אחת מההתאמות הללו, אנו יכולים ליצור חמישה סרטים קרובים ביותר בהטמעת kNN מבוססת קטלוג לקוחות (של ה-KG המשותף) באמצעות שירות OpenSearch.
חווית OOC טיפוסית עוקבת אחר הזרימה המוצגת באיור הבא.
הסרטון הבא מציג את חמש תוצאות ה-OOC המובילות (מספר כניסות) עבור השאילתה "צעצוע של סיפור" והתאמות רלוונטיות בקטלוג הלקוחות (מספר המלצות).
כאן, השאילתה מותאמת לגרף הידע באמצעות חיפוש טקסט ב-OpenSearch Service. לאחר מכן אנו ממפים את ההטמעות של התאמת הטקסט לכותרות קטלוג הלקוחות באמצעות אינדקס OpenSearch Service kNN. מכיוון שלא ניתן למפות ישירות את שאילתת המשתמש לישויות של גרף הידע, אנו משתמשים בגישה דו-שלבית כדי למצוא תחילה קווי דמיון של שאילתה מבוססת כותרת ולאחר מכן פריטים הדומים לכותרת באמצעות הטמעות גרפי ידע. בסעיפים הבאים, אנו עוברים על תהליך הקמת אשכול שירות OpenSearch, יצירה והעלאה של אינדקסים של גרפי ידע ופריסה של הפתרון כיישום אינטרנט.
תנאים מוקדמים
כדי ליישם את הפתרון הזה, צריך שיהיה לך חשבון AWS, היכרות עם OpenSearch Service, SageMaker, Lambda ו AWS CloudFormation, והשלימו את השלבים ב חלק 1 ו חלק 2 בסדרה זו.
הפעל משאבי פתרונות
דיאגרמת הארכיטקטורה הבאה מציגה את זרימת העבודה מחוץ לקטלוג.
תשתמש בערכת פיתוח הענן של AWS (CDK) כדי לספק את המשאבים הנדרשים עבור יישומי החיפוש של OOC. הקוד להפעלת משאבים אלה מבצע את הפעולות הבאות:
- יוצר VPC עבור המשאבים.
- יוצר תחום OpenSearch Service עבור אפליקציית החיפוש.
- יוצר פונקציית Lambda לעיבוד וטעינת מטא נתונים והטמעות של סרטים לאינדקסים של OpenSearch Service (
**-ReadFromOpenSearchLambda-**
). - יוצר פונקציית Lambda שמקבלת כקלט את שאילתת המשתמש מאפליקציית אינטרנט ומחזירה כותרות רלוונטיות מ-OpenSearch (
**-LoadDataIntoOpenSearchLambda-**
). - יוצר שער API שמוסיף שכבת אבטחה נוספת בין ממשק המשתמש של אפליקציית האינטרנט לבין Lambda.
כדי להתחיל, בצע את הצעדים הבאים:
- הפעל את AWS CDK מהמסוף עם הפקודה
bash launch_stack.sh
. - ספק את שני נתיבים לקובץ S3 שנוצרו בחלק 2 כקלט:
- הנתיב S3 לקובץ ה-CSV של הטבעת הסרט.
- הנתיב S3 לקובץ צומת הסרט.
- המתן עד שהתסריט יספק את כל המשאבים הנדרשים ויסתיים לפעול.
- העתק את כתובת ה-API Gateway שסקריפט AWS CDK מדפיס ושמור אותה. (אנחנו משתמשים בזה עבור אפליקציית Streamlit מאוחר יותר).
צור דומיין של שירות OpenSearch
למטרות המחשה, אתה יוצר דומיין חיפוש באזור זמינות אחד במופע r6g.large.search בתוך VPC ורשת משנה מאובטחת. שים לב שהדרך הטובה ביותר תהיה להגדיר בשלושה אזורי זמינות עם מופע ראשי אחד ושני מופעים העתקים.
צור אינדקס OpenSearch Service והעלה נתונים
אתה משתמש בפונקציות Lambda (שנוצרו באמצעות פקודת ההפעלה AWS CDK) כדי ליצור את האינדקסים של OpenSearch Service. כדי להתחיל ביצירת האינדקס, בצע את השלבים הבאים:
- בקונסולת Lambda, פתח את
LoadDataIntoOpenSearchLambda
פונקצית למבדה. - על מִבְחָן בחר, בחר מִבְחָן כדי ליצור ולהטמיע נתונים באינדקס OpenSearch Service.
ניתן למצוא את הקוד הבא לפונקציית Lambda זו ב part3-out-of-catalog/cdk/ooc/lambdas/LoadDataIntoOpenSearchLambda/lambda_handler.py
:
הפונקציה מבצעת את המשימות הבאות:
- טוען את קובץ הצומת של הסרט IMDB KG המכיל את המטא-נתונים של הסרט וההטמעות המשויכות לו מנתיב הקובץ S3 שהועברו לקובץ יצירת המחסנית
launch_stack.sh
. - ממזג את שני קבצי הקלט ליצירת מסגרת נתונים אחת ליצירת אינדקס.
- מאתחל את לקוח OpenSearch Service באמצעות ספריית Boto3 Python.
- יוצר שני אינדקסים לטקסט (
ooc_text
) וחיפוש הטמעת kNN (ooc_knn
) ומעלה נתונים בכמות גדולה ממסגרת הנתונים המשולבת דרך ה-ingest_data_into_ops
פונקציה.
תהליך קליטת הנתונים הזה נמשך 5-10 דקות וניתן לנטר אותו באמצעות אמזון CloudWatch יומן על ניטור לשונית של פונקציית Lambda.
אתה יוצר שני אינדקסים כדי לאפשר חיפוש מבוסס טקסט וחיפוש מבוסס הטמעת kNN. חיפוש הטקסט ממפה את השאילתה בצורה חופשית שהמשתמש מזין לכותרות הסרט. חיפוש הטבעת kNN מוצא את k הסרטים הקרובים ביותר להתאמת הטקסט הטובה ביותר מהמרחב הסמוי של KG כדי לחזור כפלטים.
פרוס את הפתרון כיישום אינטרנט מקומי
כעת, כשיש לך חיפוש טקסט עובד ואינדקס kNN בשירות OpenSearch, אתה מוכן לבנות אפליקציית אינטרנט המופעלת על ידי ML.
אנו משתמשים streamlit
חבילת Python ליצירת איור חזיתי עבור יישום זה. ה IMDb-Knowledge-Graph-Blog/part3-out-of-catalog/run_imdb_demo.py
קובץ Python אצלנו GitHub ריפו יש לו את הקוד הנדרש כדי להפעיל אפליקציית אינטרנט מקומית כדי לחקור את היכולת הזו.
כדי להפעיל את הקוד, בצע את השלבים הבאים:
- התקן את
streamlit
וaws_requests_auth
חבילת Python בסביבת Python הוירטואלית המקומית עבור הפקודות הבאות בטרמינל שלך:
- החלף את מציין המיקום של כתובת ה-API Gateway בקוד כדלקמן בקוד שנוצר על ידי AWS CDK:
api = '<ENTER URL OF THE API GATEWAY HERE>/opensearch-lambda?q={query_text}&numMovies={num_movies}&numRecs={num_recs}'
- הפעל את אפליקציית האינטרנט עם הפקודה
streamlit run run_imdb_demo.py
מהמסוף שלך.
סקריפט זה משיק אפליקציית אינטרנט של Streamlit שניתן לגשת אליה בדפדפן האינטרנט שלך. ניתן לאחזר את כתובת האתר של אפליקציית האינטרנט מפלט הסקריפט, כפי שמוצג בצילום המסך הבא.
האפליקציה מקבלת מחרוזות חיפוש חדשות, מספר כניסות ומספר המלצות. מספר הכניסות מתאים למספר כותרי OOC תואמים שעלינו לאחזר מהקטלוג החיצוני (IMDb). מספר ההמלצות מתאים למספר השכנים הקרובים ביותר שעלינו לאחזר מקטלוג הלקוחות בהתבסס על חיפוש הטבעת kNN. ראה את הקוד הבא:
קלט זה (שאילתה, מספר כניסות והמלצות) מועבר ל- **-ReadFromOpenSearchLambda-**
פונקציית Lambda שנוצרה על ידי AWS CDK באמצעות בקשת ה-API Gateway. זה נעשה בפונקציה הבאה:
תוצאות הפלט של פונקציית Lambda משירות OpenSearch מועברות ל-API Gateway ומוצגות באפליקציית Streamlit.
לנקות את
אתה יכול למחוק את כל המשאבים שנוצרו על ידי AWS CDK באמצעות הפקודה npx cdk destroy –app “python3 appy.py” --all
באותו מופע (בתוך ה cdk
תיקייה) ששימשה להפעלת המחסנית (ראה את צילום המסך הבא).
סיכום
בפוסט זה הראינו לכם כיצד ליצור פתרון לחיפוש OOC באמצעות חיפוש מבוסס טקסט ו-kNN באמצעות SageMaker ו-OpenSearch Service. השתמשת בהטמעות מודל גרפי ידע מותאמים אישית כדי למצוא את השכנים הקרובים ביותר בקטלוג שלך לזה של כותרות IMDb. כעת, למשל, תוכלו לחפש את "טבעות הכוח", סדרת פנטזיה שפותחה על ידי אמזון פריים וידאו, בפלטפורמות סטרימינג אחרות ולסבור כיצד הם יכלו לבצע אופטימיזציה של תוצאת החיפוש.
למידע נוסף אודות דוגמת הקוד בהודעה זו, עיין ב GitHub ריפו. למידע נוסף על שיתוף פעולה עם Amazon ML Solutions Lab לבניית יישומי ML חדישים דומים, ראה מעבדת פתרונות למידת מכונות של אמזון. למידע נוסף על רישוי מערכי נתונים של IMDb, בקר developer.imdb.com.
על הכותבים
דיוויה בהרגאווי היא מדענית נתונים ומובילה אנכית במדיה ובידור במעבדת הפתרונות של Amazon ML, שם היא פותרת בעיות עסקיות בעלות ערך גבוה עבור לקוחות AWS באמצעות Machine Learning. היא עובדת על הבנת תמונה/וידאו, מערכות המלצות גרפי ידע, מקרי שימוש חזוי בפרסום.
גאורב רלה הוא מדען נתונים במעבדת ML ML של אמזון, שם הוא עובד עם לקוחות AWS בכל האנכים השונים כדי להאיץ את השימוש שלהם בלמידת מכונה ושירותי ענן AWS כדי לפתור את האתגרים העסקיים שלהם.
מתיו רודס הוא מדען נתונים. אני עובד במעבדת הפתרונות של אמזון ML. הוא מתמחה בבניית צינורות למידת מכונה הכוללים מושגים כמו עיבוד שפה טבעית וראייה ממוחשבת.
קארן סינדואני הוא מדען נתונים במעבדת פתרונות ML של אמזון, שם הוא בונה ופורס מודלים של למידה עמוקה. הוא מתמחה בתחום הראייה הממוחשבת. בזמנו הפנוי הוא נהנה לטייל.
סוג'י אדשינה הוא מדען יישומי ב-AWS, שם הוא מפתח מודלים מבוססי רשת עצבית גרפים ללמידת מכונה במשימות גרפים עם יישומים להונאה וניצול לרעה, גרפי ידע, מערכות ממליצים ומדעי החיים. בזמנו הפנוי הוא נהנה לקרוא ולבשל.
וידיה סגר רביפאטי הוא מנהל במעבדת פתרונות ML של אמזון, שם הוא ממנף את ניסיונו הרב במערכות מבוזרות בקנה מידה גדול ואת התשוקה שלו ללמידת מכונה כדי לעזור ללקוחות AWS בתחומים שונים בתעשייה להאיץ את אימוץ הבינה המלאכותית והענן שלהם.
- הפצת תוכן ויחסי ציבור מופעל על ידי SEO. קבל הגברה היום.
- Platoblockchain. Web3 Metaverse Intelligence. ידע מוגבר. גישה כאן.
- מקור: https://aws.amazon.com/blogs/machine-learning/power-recommendations-and-search-using-an-imdb-knowledge-graph-part-3/
- 1
- 10
- 100
- 11
- 116
- 7
- 9
- a
- אודות
- התעללות
- להאיץ
- מקבל
- נצפה
- לרוחב
- פעיל
- נוסף
- בנוסף
- מוסיף
- אימוץ
- פרסום
- AI
- תעשיות
- אמזון בעברית
- מעבדת פתרונות אמזון ML
- אמזון נפטון
- אמזון נפטון ML
- שירות חיפוש פתוח של אמזון
- אמזון SageMaker
- ניתוח
- ו
- API
- האפליקציה
- בקשה
- יישומים
- יישומית
- החל
- גישה
- ארכיטקטורה
- AREA
- המשויך
- אוטומטי
- זמינות
- זמין
- AWS
- חילופי נתונים AWS
- מבוסס
- כי
- הטוב ביותר
- בֵּין
- B
- אריזה מקורית
- קופה
- דפדפן
- לִבנוֹת
- בִּניָן
- בונה
- עסקים
- יכולות
- מקרים
- קטלוג
- האתגרים
- בחרו
- לקוחות
- ענן
- אימוץ ענן
- שירותי ענן
- אשכול
- קוד
- שיתוף פעולה
- משולב
- חברות
- חברה
- של החברה
- להשלים
- השלמת
- המחשב
- ראייה ממוחשבת
- מושגים
- קונסול
- תמיד
- מכיל
- תוכן
- מתכתב
- יכול
- מדינות
- לִיצוֹר
- נוצר
- יוצרים
- יצירה
- קרדיטים
- נוֹכְחִי
- כיום
- מנהג
- לקוח
- מעורבות לקוחות
- לקוחות
- נתונים
- חילופי נתונים
- מדען נתונים
- מאגרי מידע
- מערכי נתונים
- עמוק
- למידה עמוקה
- להפגין
- מופגן
- לפרוס
- פריסה
- פורס
- נגזר
- מְתוּאָר
- להרוס
- איתור
- מפותח
- צעצועי התפתחות
- מפתחת
- אחר
- ישיר
- ישירות
- תגלית
- נָדוֹן
- מופץ
- מערכות מבוזרות
- מסמך
- תעודה
- לא
- תחום
- כל אחד
- קל יותר
- לאפשר
- התעסקות
- משופר
- זן
- נכנס
- בידור
- ישויות
- סביבה
- אירוע
- אי פעם
- דוגמה
- חליפין
- ניסיון
- לחקור
- חיצוני
- נוסף
- מול
- בְּקִיאוּת
- פנטזיה
- תרשים
- שלח
- קבצים
- ממצאים
- ראשון
- תזרים
- הבא
- כדלקמן
- מצא
- הונאה
- גילוי הונאה
- תכוף
- בתדירות גבוהה
- החל מ-
- לגמרי
- פונקציה
- פונקציות
- פונקציונלי
- פונקציות
- שער כניסה
- ליצור
- לקבל
- גלוֹבָּלִי
- גרף
- גרפים
- לטפל
- כותרות
- לעזור
- מכה
- להיטים
- איך
- איך
- HTML
- HTTPS
- מאות
- תמונה
- ליישם
- יושם
- לשפר
- in
- כולל
- להגדיל
- מדד
- אינדקסים
- מדדים
- תעשייה
- מידע
- קלט
- להתקין
- למשל
- במקום
- אינטראקציה
- אינטראקטיבי
- מִמְשָׁק
- לערב
- IT
- פריטים
- מפתח
- ידע
- גרף ידע
- מעבדה
- שפה
- גָדוֹל
- בקנה מידה גדול
- האחרון
- לשגר
- השקות
- שכבה
- עוֹפֶרֶת
- לִלמוֹד
- למידה
- מנופים
- סִפְרִיָה
- רישיון
- רישוי
- החיים
- מדעי חיים
- מוגבל
- רשימה
- לִטעוֹן
- מקומי
- מכונה
- למידת מכונה
- עושה
- הצליח
- ניהול
- מנהל
- באופן ידני
- רב
- מַפָּה
- מיפוי
- מפות
- סימן
- להתאים
- תואם
- מדיה
- להרשם/להתחבר
- מוּזְכָּר
- מיזוג
- מידע נוסף
- מִילִיוֹן
- דקות
- ML
- מודל
- מודלים
- פיקוח
- ניטור
- חוֹדֶשׁ
- יותר
- סרט
- סרטים
- מספר
- טבעי
- עיבוד שפה טבעית
- השכנים
- נפטון
- מבוסס רשת
- רשתות
- רשתות עצביות
- חדש
- צומת
- מספר
- מושג
- המיוחדות שלנו
- Office
- ONE
- לפתוח
- קוד פתוח
- תפעול
- אופטימיזציה
- להזמין
- OS
- אחר
- חבילה
- חלק
- עבר
- תשוקה
- נתיב
- לְבַצֵעַ
- מבצע
- מציין מיקום
- פלטפורמה
- פלטפורמות
- אפלטון
- מודיעין אפלטון
- אפלטון נתונים
- אנא
- הודעה
- כּוֹחַ
- מופעל
- תרגול
- ראש הממשלה
- להכין
- להציג
- יְסוֹדִי
- ראשוני
- הדפסים
- בעיות
- תהליך
- מעובד
- תהליך
- המוצר
- הפקה
- מספק
- אַספָּקָה
- לִרְכּוֹשׁ
- למטרות
- פיתון
- רכס
- דירוגים
- קריאה
- מוכן
- זמן אמת
- טעם
- המלצה
- המלצות
- הרלוונטיות
- רלוונטי
- תגובה
- דווח
- מאגר
- לבקש
- בקשות
- נדרש
- משאב
- משאבים
- תגובה
- REST
- תוצאה
- תוצאות
- שייר
- לַחֲזוֹר
- החזרות
- הפעלה
- ריצה
- בעל חכמים
- אותו
- שמור
- תרחישים
- מדעים
- מַדְעָן
- חיפוש
- סעיפים
- לבטח
- אבטחה
- סדרה
- שרות
- שירותים
- סט
- הצבה
- הגדרות
- צריך
- הראה
- הופעות
- דומה
- הדמיון
- פָּשׁוּט
- פשוט
- יחיד
- מצבים
- פִּתָרוֹן
- פתרונות
- לפתור
- פותר
- כמה
- מָקוֹר
- מֶרחָב
- מתמחה
- ספציפי
- לפצל
- לערום
- התחלה
- החל
- מדינה-of-the-art
- צעדים
- אחסון
- מאוחסן
- סיפור
- נהירה
- המשנה
- כזה
- מערכת
- תמיכה
- מערכות
- לקחת
- לוקח
- משימות
- טכניקות
- מסוף
- השמיים
- האזור
- המקום
- שֶׁלָהֶם
- בכך
- אלפים
- שְׁלוֹשָׁה
- דרך
- זמן
- כותרת
- כותרות
- ל
- חלק עליון
- רכבת
- מְאוּמָן
- לשנות
- טריליונים
- tv
- טיפוסי
- תחת
- הבנה
- העלאה
- כתובת האתר
- להשתמש
- משתמש
- ממשק משתמש
- ניצול
- מגוון
- Vast
- ספקים
- אנכיות
- וִידֵאוֹ
- לצפיה
- וירטואלי
- חזון
- ראיה
- אינטרנט
- אפליקציית רשת
- דפדפן אינטרנט
- אתר
- אשר
- רָחָב
- טווח רחב
- יצטרך
- בתוך
- Word
- מילים
- עובד
- עובד
- היה
- אתה
- זפירנט
- אזורי