Para empresas modernas que lidam com enormes volumes de documentos, como contratos, faturas, currículos e relatórios, o processamento e a recuperação eficiente de dados pertinentes são essenciais para manter uma vantagem competitiva. No entanto, os métodos tradicionais de armazenamento e pesquisa de documentos podem ser demorados e muitas vezes resultam num grande esforço para encontrar um documento específico, especialmente quando incluem escrita à mão. E se houvesse uma maneira de processar documentos de forma inteligente e torná-los pesquisáveis com alta precisão?
Isto é possível com amazontext, o serviço de processamento inteligente de documentos da AWS, juntamente com os recursos de pesquisa rápida do Opensearch. Nesta postagem, levaremos você em uma jornada para criar e implantar rapidamente uma solução de indexação de pesquisa de documentos que ajude sua organização a aproveitar e extrair melhor insights dos documentos.
Quer você esteja no departamento de Recursos Humanos em busca de cláusulas específicas em contratos de funcionários ou seja um analista financeiro examinando uma montanha de faturas para extrair dados de pagamento, esta solução foi adaptada para capacitá-lo a acessar as informações necessárias com velocidade e precisão sem precedentes.
Com a solução proposta, seus documentos são ingeridos automaticamente, seu conteúdo é analisado e posteriormente indexado em um índice OpenSearch altamente responsivo e escalável.
Abordaremos como tecnologias como Amazon Textract, AWS Lambda, Serviço de armazenamento simples da Amazon (Amazon S3) e Serviço Amazon OpenSearch pode ser integrado a um fluxo de trabalho que processa documentos perfeitamente. Em seguida, mergulhamos na indexação desses dados no OpenSearch e demonstramos os recursos de pesquisa que ficam disponíveis ao seu alcance.
Quer sua organização esteja dando os primeiros passos na era da transformação digital ou seja um gigante estabelecido que busca turbinar a recuperação de informações, este guia é a sua bússola para navegar pelas oportunidades que o AWS Intelligent Document Processing e o OpenSearch oferecem.
A implementação usado nesta postagem utiliza o Construções do Amazon Textract IDP CDK – Componentes do AWS Cloud Development Kit (CDK) para definir a infraestrutura para fluxos de trabalho de processamento inteligente de documentos (IDP), que permitem criar fluxos de trabalho de IDP personalizáveis específicos para casos de uso. As construções e amostras do IDP CDK são uma coleção de componentes para permitir a definição de processos IDP na AWS e publicadas no GitHub. Os principais conceitos utilizados são o AWS Kit de desenvolvimento em nuvem (CDK) construções, o real Pilhas CDK e Funções de etapa da AWS. A oficina Use o aprendizado de máquina para automatizar e processar documentos em grande escala é um bom ponto de partida para saber mais sobre como personalizar fluxos de trabalho e usar outros fluxos de trabalho de amostra como base para o seu próprio.
Visão geral da solução
Nesta solução, nos concentramos na indexação de documentos em um índice OpenSearch para rápida pesquisa e recuperação de informações e documentos. Documentos em formato PDF, TIFF, JPEG ou PNG são colocados em um Amazon Simple Storage Service (Amazon S3) e posteriormente indexado no OpenSearch usando este fluxo de trabalho do Step Functions.
A OpenSearchWorkflow-Decider analisa o documento e verifica se o documento é um dos tipos MIME suportados (PDF, TIFF, PNG ou JPEG). Consiste em um AWS Lambda função.
A Divisor de documentos gera no máximo 2500 páginas de documentos. Isso significa que mesmo que o Amazon Textract suporte documentos de até 3000 páginas, você pode transmitir documentos com muito mais páginas e o processo ainda funciona bem e coloca as páginas no OpenSearch e cria números de páginas corretos. O Divisor de documentos é implementado como uma função AWS Lambda.
A Estado do mapa processa cada pedaço em paralelo.
A TextractAsync tarefa chama o Amazon Textract usando o método assíncrono Application Programming Interface (API) seguindo melhores práticas com o Amazon Simple Notification Service (Amazon SNS) notificações e Configuração de saída para armazenar a saída JSON do Amazon Textract em um bucket do Amazon S3 do cliente. Ele consiste em duas funções do Amazon Lambda: uma para enviar o documento para processamento e outra para ser acionada na notificação do Amazon SNS.
Porque o TextractAsync tarefa pode produzir vários arquivos de saída paginados, o TextractAsyncToJSON2 o processo os combina em um arquivo JSON.
O contexto do Step Functions é enriquecido com informações que também devem ser pesquisáveis no índice OpenSearch no SetMetaData etapa. A implementação de exemplo adiciona ORIGIN_FILE_NAME
, START_PAGE_NUMBER
e ORIGIN_FILE_URI
. Você pode adicionar qualquer informação para enriquecer a experiência de pesquisa, como informações de outros sistemas backend, IDs específicos ou informações de classificação.
A GerarOpenSearchBatch pega o JSON de saída gerado do Amazon Textract, combina-o com as informações do contexto definido por SetMetaData e prepara um arquivo que é otimizado para importação em lote para o OpenSearch.
No OpenSearchPushInvoke, esse arquivo de importação em lote é enviado para o índice OpenSearch e fica disponível para pesquisa. Esta função AWS Lambda está conectada com o aws-lambda-opensearch construir a partir do Soluções AWS biblioteca usando as instâncias m6g.large.search, OpenSearch versão 2.7, e configurou o Amazon Elastic Block Service (Amazon EBS) tamanho do volume para Uso Geral 2 (GP2) com 200 GB. Você pode alterar a configuração do OpenSearch de acordo com suas necessidades.
A final TaskOpenSearchMapping passo limpa o contexto, que de outra forma poderia exceder o Cota de funções de etapa of Tamanho máximo de entrada ou saída para uma tarefa, estado ou execução.
Pré-requisitos
Para implantar as amostras, você precisa de uma conta AWS, o Kit de desenvolvimento da Nuvem AWS (AWS CDK), uma versão atual do Python e do Docker são necessários. Você precisa de permissões para implantar modelos do AWS CloudFormation, enviar para o Registro do Amazon Elastic Container (Amazon ECR), criar Gerenciamento de identidade e acesso da Amazon (AWS IAM), funções do Amazon Lambda, buckets do Amazon S3, Amazon Step Functions, cluster do Amazon OpenSearch e um Amazon Cognito grupo de usuários. Certifique-se de que seu O ambiente AWS CLI está configurado com as permissões correspondentes.
Você também pode girar um Nuvem AWS9 instância com AWS CDK, Python e Docker pré-instalados para iniciar a implantação.
Passo a passo
desenvolvimento
- Depois de configurar os pré-requisitos, primeiro você precisa clonar o repositório:
- Em seguida, entre na pasta do repositório e instale as dependências:
- Implante a pilha OpenSearchWorkflow:
A implantação leva cerca de 25 minutos com as configurações padrão dos exemplos do GitHub e cria um fluxo de trabalho do Step Functions, que é invocado quando um documento é colocado em um bucket/prefixo do Amazon S3 e posteriormente processado até que o conteúdo do documento seja indexado em um cluster OpenSearch.
A seguir está um exemplo de saída incluindo links úteis e informações geradas a partir decdk deploy OpenSearchWorkflow
comando:
Essas informações também estão disponíveis no console do AWS CloudFormation.
Quando um novo documento é colocado sob a OpenSearchWorkflow.DocumentUploadLocation, um novo fluxo de trabalho do Step Functions será iniciado para este documento.
Para verificar o status deste documento, o OpenSearchWorkflow.StepFunctionFlowLink fornece um link para a lista de execuções de StepFunction no AWS Management Console, exibindo o status do processamento do documento para cada documento carregado no Amazon S3. O tutorial Visualização e depuração de execuções no console do Step Functions fornece uma visão geral dos componentes e visualizações no Console AWS.
ensaio
- Primeiro teste usando um arquivo de amostra.
- Depois de selecionar o link para o fluxo de trabalho StepFunction ou abrir o AWS Management Console e acessar a página do serviço Step Functions, você poderá observar as diferentes invocações de fluxo de trabalho.
- Dê uma olhada no exemplo de execução de documento em execução, onde você pode acompanhar a execução das tarefas individuais do fluxo de trabalho.
Pesquisar
Terminado o processo, podemos validar se o documento está indexado no índice OpenSearch.
- Para fazer isso, primeiro criamos um usuário do Amazon Cognito. O Amazon Cognito é usado para autenticação de usuários no índice OpenSearch. Selecione o link na saída do cdk deploy (ou veja o Formação da Nuvem AWS saída no AWS Management Console) chamada OpenSearchWorkflow.CognitoUserPoolLink.
- Em seguida, selecione o Criar usuário botão, que direciona você para uma página para inserir um nome de usuário e uma senha para acessar o OpenSearch Dashboard.
- Depois de escolher Criar usuário, você pode continuar para o painel OpenSearch clicando no botão OpenSearchWorkflow.OpenSearchDashboard da saída de implantação do CDK. Faça login usando o nome de usuário e senha criados anteriormente. Na primeira vez que você fizer login, será necessário alterar a senha.
- Depois de fazer login no OpenSearch Dashboard, selecione o Gerenciamento de pilha seção, seguido por Padrão de índices para criar um índice de pesquisa.
- O nome padrão do índice é índice de artigos e um nome de padrão de índice de índice de artigos* vai combinar com isso.
- Depois de clicar Próximo passo, selecione timestamp como o Campo de tempo e Criar padrão de índice.
- Agora, no menu, selecione Descobrir.
Na maioria dos casos, você precisa alterar o intervalo de tempo de acordo com sua última ingestão. O padrão é 15 minutos e muitas vezes não houve atividade nos últimos 15 minutos. Neste exemplo, mudou para 15 dias para visualizar a ingestão.
- Agora você pode começar a pesquisar. Um romance foi indexado, você pode pesquisar qualquer termo como me chame de Ismael e veja os resultados.
Neste caso, o termo me chame de Ismael aparece na página 6 do documento no Uniform Resource Identifier (URI) fornecido, que aponta para o local do arquivo no Amazon S3. Isso torna mais rápido identificar documentos e encontrar informações em um grande corpus de documentos PDF, TIFF ou de imagem, em comparação com ignorá-los manualmente.
Executando em escala
Para estimar a escala e a duração de um processo de indexação, a implementação foi testada com 93,997 documentos e um total de 1,583,197 páginas (média de 16.84 páginas/documento e o maior arquivo com 3755 páginas), todas indexadas no OpenSearch. O processamento de todos os arquivos e a indexação deles no OpenSearch levaram 5.5 horas na região Leste dos EUA (Norte da Virgínia – us-east-1) usando o padrão Cotas de serviço Amazon Textract. O gráfico abaixo mostra um teste inicial às 18h, seguido pela ingestão principal às 00h e tudo feito às 21h00.
Para o processamento, o tcdk.SFExecutionsStartThrottle foi definido para um executions_concurrency_threshold
=550, o que significa que os fluxos de trabalho simultâneos de processamento de documentos são limitados a 550 e as solicitações em excesso são enfileiradas em um Amazon SQS Fila Fist-In-First-Out (FIFO), que é posteriormente drenada quando os fluxos de trabalho atuais terminam. O limite de 550 é baseado na cota do Textract Service de 600 na região us-east-1. Portanto, a profundidade da fila e a idade da mensagem mais antiga são métricas que valem a pena monitorar.
Neste teste, todos os documentos foram carregados no Amazon S3 de uma só vez, portanto, o Número aproximado de mensagens visíveis tem um aumento acentuado e depois um declínio lento, pois nenhum novo documento é ingerido. O Idade aproximada da mensagem mais antiga aumenta até que todas as mensagens sejam processadas. O Amazon SQS Período de Retenção de Mensagens está definido para 14 dias. Para processamento de backlog de execução muito longa que pode exceder 14 dias de processamento, comece processando um subconjunto menor de documentos representativos e monitore a duração da execução para estimar quantos documentos você pode passar antes de exceder 14 dias. As métricas do Amazon SQS CloudWatch são semelhantes para um caso de uso de processamento de um grande backlog de documentos, que é ingerido de uma só vez e depois processado totalmente. Se o seu caso de uso for um fluxo constante de documentos, ambas as métricas, o Número aproximado de mensagens visíveis e os votos de Idade aproximada da mensagem mais antiga será mais linear. Você também pode usar o parâmetro limite para combinar uma carga constante com o processamento da lista de pendências e alocar capacidade de acordo com suas necessidades de processamento.
Outra métrica a ser monitorada é a integridade do cluster OpenSearch, que você deve configurar de acordo com o Melhores práticas operacionais para Amazon OpenSearch Service. A implantação padrão usa instâncias m6g.large.search.
Aqui está um instantâneo dos principais indicadores de desempenho (KPI) para o cluster OpenSearch. Sem erros, taxa de dados de indexação constante e latência.
As execuções do fluxo de trabalho do Step Functions mostram o estado do processamento de cada documento individual. Se você vir execuções em fracassado estado e selecione os detalhes. Uma boa métrica para monitorar é a AWS Painel automático do CloudWatch para Step Functions, que expõe alguns dos Métricas do Step Functions CloudWatch.
Neste gráfico do AWS CloudWatch Dashboard, você vê as execuções bem-sucedidas do Step Functions ao longo do tempo.
E este mostra as execuções fracassadas. Vale a pena investigar isso por meio da visão geral do AWS Console Step Functions.
A captura de tela a seguir mostra um exemplo de falha na execução devido ao arquivo de origem ter tamanho 0, o que faz sentido porque o arquivo não tem conteúdo e não pôde ser processado. É importante filtrar processos com falha e visualizar as falhas, para que você volte ao documento de origem e valide a causa raiz.
Outras falhas podem incluir documentos que não são do tipo MIME: application/pdf, image/png, image/jpeg ou image/tiff porque outros tipos de documentos não são compatíveis com o Amazon Textract.
Custo
O custo total da ingestão de 1,583,278 páginas foi dividido entre os serviços da AWS usados para a implementação. A lista a seguir serve como números aproximados, pois o custo real e a duração do processamento variam dependendo do tamanho dos documentos, do número de páginas por documento, da densidade das informações nos documentos e da região da AWS. Amazon DynamoDB estava consumindo US$ 0.55, Amazon S3 US$ 3.33, OpenSearch Service US$ 14.71, Step Functions US$ 17.92, AWS Lambda US$ 28.95 e Amazon Textract US$ 1,849.97. Além disso, lembre-se de que o cluster implantado do Amazon OpenSearch Service é cobrado por hora e acumulará custos mais elevados quando executado durante um período de tempo.
modificações
Provavelmente, você deseja modificar a implementação e personalizá-la de acordo com seu caso de uso e documentos. A oficina Use o aprendizado de máquina para automatizar e processar documentos em grande escala apresenta uma boa visão geral sobre como manipular os fluxos de trabalho reais, alterando o fluxo e adicionando novos componentes. Para adicionar campos personalizados ao índice OpenSearch, consulte o SetMetaData tarefa no fluxo de trabalho usando o set-manifest-meta-data-opensearch Função AWS Lambda para adicionar metadados ao contexto, que serão adicionados como um campo ao índice OpenSearch. Qualquer informação de metadados passará a fazer parte do índice.
Limpando
Exclua os recursos de exemplo se não precisar mais deles, para evitar incorrer em custos futuros usando o seguinte comando:
no mesmo ambiente que o cdk deploy
comando. Esteja ciente de que isso remove tudo, incluindo o cluster OpenSearch e todos os documentos e o bucket Amazon S3. Se você quiser manter essas informações, faça backup do bucket do Amazon S3 e crie um instantâneo de índice do seu cluster OpenSearch. Se você processou muitos arquivos, talvez seja necessário esvaziar o bucket do Amazon S3 primeiro usando o AWS Management Console (ou seja, depois de fazer um backup ou sincronizá-los com um bucket diferente, se quiser reter as informações), porque a função de limpeza pode atingir o tempo limite e destruir a pilha do AWS CloudFormation.
Conclusão
Nesta postagem, mostramos como implantar uma solução full stack para ingerir um grande número de documentos em um índice OpenSearch, que está pronto para ser usado em casos de uso de pesquisa. Os componentes individuais da implementação foram discutidos, bem como considerações de escala, custo e opções de modificação. Todo o código está acessível como OpenSource no GitHub como Amostras de IDP CDK e quanto Construções IDP CDK para construir suas próprias soluções do zero. Na próxima etapa, você pode começar a modificar o fluxo de trabalho, adicionar informações aos documentos no índice de pesquisa e explorar o Workshop sobre deslocados internos. Comente abaixo sobre sua experiência e ideias para expandir a solução atual.
Sobre o autor
Martin Schade é um Senior ML Product SA da equipe do Amazon Textract. Ele tem mais de 20 anos de experiência com tecnologias relacionadas à Internet, engenharia e soluções de arquitetura. Ele ingressou na AWS em 2014, primeiro orientando alguns dos maiores clientes da AWS sobre o uso mais eficiente e escalável dos serviços da AWS e, posteriormente, focado em IA/ML com foco em visão computacional. Atualmente, ele está obcecado em extrair informações de documentos.
- Conteúdo com tecnologia de SEO e distribuição de relações públicas. Seja amplificado hoje.
- PlatoData.Network Gerativa Vertical Ai. Capacite-se. Acesse aqui.
- PlatoAiStream. Inteligência Web3. Conhecimento Amplificado. Acesse aqui.
- PlatãoESG. Automotivo / EVs, Carbono Tecnologia Limpa, Energia, Ambiente, Solar, Gestão de resíduos. Acesse aqui.
- PlatoHealth. Inteligência em Biotecnologia e Ensaios Clínicos. Acesse aqui.
- ChartPrime. Eleve seu jogo de negociação com ChartPrime. Acesse aqui.
- BlockOffsets. Modernizando a Propriedade de Compensação Ambiental. Acesse aqui.
- Fonte: https://aws.amazon.com/blogs/machine-learning/implement-smart-document-search-index-with-amazon-textract-and-amazon-opensearch/
- :tem
- :é
- :não
- :onde
- $3
- $UP
- 1
- 10
- 100
- 11
- 12
- 13
- 14
- 15%
- 16
- 17
- 20
- 20 anos
- 200
- 2014
- 216
- 220
- 25
- 30
- 3000
- 32
- 33
- 7
- 700
- 8
- 820
- 84
- 9
- a
- Sobre
- Acesso
- acessível
- acessando
- Segundo
- Conta
- Acumular
- precisão
- em
- atividade
- real
- adicionar
- adicionado
- acrescentando
- Adiciona
- Depois de
- contra
- idade
- AI / ML
- Todos os Produtos
- distribuir
- permitir
- tb
- Amazon
- Amazon Cognito
- Serviço Amazon OpenSearch
- amazontext
- Amazon Web Services
- an
- analista
- e
- qualquer
- api
- aparece
- aproximado
- SOMOS
- por aí
- AS
- At
- Autenticação
- automatizar
- Automático
- automaticamente
- disponível
- média
- evitar
- AWS
- Formação da Nuvem AWS
- AWS Lambda
- Console de gerenciamento da AWS
- em caminho duplo
- Backend
- backup
- base
- baseado
- BE
- Porque
- tornam-se
- antes
- ser
- abaixo
- MELHOR
- melhores práticas
- Melhor
- Cuidado
- Bloquear
- ambos
- construir
- botão
- by
- chamadas
- CAN
- capacidades
- Capacidade
- casas
- casos
- Causar
- CD
- alterar
- mudado
- mudança
- verificar
- escolha
- classificação
- Na nuvem
- Agrupar
- código
- coleção
- combina
- comentar
- Empresas
- comparado
- Bússola
- competitivo
- componentes
- computador
- Visão de Computador
- conceitos
- concorrente
- Configuração
- configurado
- conectado
- Considerações
- consiste
- cônsul
- constante
- construir
- Recipiente
- conteúdo
- contexto
- continuar
- contratos
- correta
- Custo
- custos
- poderia
- acoplado
- cobrir
- crio
- criado
- cria
- crítico
- Atual
- Atualmente
- personalizadas
- cliente
- Clientes
- personalizável
- personalizar
- painel de instrumentos
- painéis
- dados,
- dias
- acordo
- Rejeitar
- Padrão
- definir
- definição
- demonstrar
- dependências
- Dependendo
- implantar
- implantado
- desenvolvimento
- profundidade
- destruir
- detalhes
- Desenvolvimento
- diálogo
- diferente
- digital
- Transformação Digital
- descobrir
- discutido
- exibindo
- mergulho
- do
- Estivador
- documento
- INSTITUCIONAIS
- feito
- drenado
- dois
- duração
- e
- cada
- Leste
- borda
- eficiente
- eficientemente
- esforço
- Empregado
- autorizar
- permitir
- Engenharia
- enorme
- enriquecer
- enriquecido
- Entrar
- Meio Ambiente
- Era
- erros
- especialmente
- estabelecido
- estimativa
- Mesmo
- tudo
- exemplo
- excedem
- superior
- excesso
- execução
- Expandir
- vasta experiência
- explorar
- extrato
- fracassado
- RÁPIDO
- mais rápido
- campo
- Campos
- Figura
- Envie o
- Arquivos
- filtro
- final
- financeiro
- Encontre
- final
- ponta dos dedos
- acabamento
- Primeiro nome
- primeiros passos
- primeira vez
- fluxo
- Foco
- focado
- seguir
- seguido
- seguinte
- Escolha
- formato
- da
- cheio
- Full stack
- totalmente
- função
- funções
- futuro
- Geral
- gerado
- gera
- obtendo
- gigante
- GitHub
- dado
- Go
- vai
- Bom estado, com sinais de uso
- gráfico
- guia
- arreios
- Ter
- ter
- he
- Saúde
- ajuda
- Alta
- superior
- altamente
- hora
- HORÁRIO
- Como funciona o dobrador de carta de canal
- Como Negociar
- Contudo
- HTML
- HTTPS
- humano
- Recursos Humanos
- i
- idéias
- identificador
- identificar
- Identidade
- ids
- if
- imagem
- executar
- implementação
- implementado
- importar
- importante
- in
- incluir
- Incluindo
- Crescimento
- Aumenta
- índice
- indexado
- indicadores
- Individual
- INFORMAÇÕES
- Infraestrutura
- do estado inicial,
- iniciar
- entrada
- insights
- instalar
- instância
- integrado
- Inteligente
- Processamento inteligente de documentos
- para dentro
- investigar
- invocado
- IT
- ingressou
- viagem
- jpg
- json
- Guarda
- Chave
- grande
- maior
- Sobrenome
- Latência
- mais tarde
- APRENDER
- aprendizagem
- Biblioteca
- como
- Provável
- LINK
- Links
- Lista
- carregar
- localização
- registrado
- entrar
- longo
- mais
- olhar
- procurando
- OLHARES
- máquina
- aprendizado de máquina
- moldadas
- a Principal
- a manter
- Manter
- fazer
- FAZ
- de grupos
- manualmente
- muitos
- Match
- máximo
- Posso..
- me
- significa
- Menu
- mensagem
- mensagens
- métodos
- métrico
- Métrica
- poder
- mente
- Minutos
- misturar
- ML
- EQUIPAMENTOS
- modificar
- Monitore
- monitoração
- mais
- a maioria
- Montanha
- múltiplo
- nome
- Nomeado
- navegação
- você merece...
- Cria
- Novo
- Próximo
- não
- notificação
- notificações
- romance
- número
- números
- of
- oferecer
- frequentemente
- mais velho
- on
- uma vez
- ONE
- aberto
- opensource
- oportunidades
- otimizado
- Opções
- or
- ordem
- organização
- origem
- Outros
- de outra forma
- Fora
- saída
- Acima de
- Visão geral
- próprio
- página
- páginas
- Paralelo
- parâmetro
- parte
- passar
- Senha
- padrão
- padrões
- pagamento
- para
- atuação
- significativo
- permissões
- platão
- Inteligência de Dados Platão
- PlatãoData
- por favor
- ponto
- pontos
- piscina
- possível
- Publique
- práticas
- Prepara
- pré-requisitos
- presentes
- anteriormente
- processo
- Processado
- processos
- em processamento
- produzir
- Produto
- Programação
- proposto
- fornece
- publicado
- propósito
- Empurrar
- colocar
- Coloca
- Python
- Links
- rapidamente
- Taxa
- pronto
- região
- Relatórios
- repositório
- representante
- pedidos
- requeridos
- Requisitos
- recurso
- Recursos
- responsivo
- resultar
- Resultados
- reter
- papéis
- raiz
- Execute
- corrida
- SA
- mesmo
- escalável
- Escala
- dimensionamento
- arranhar
- sem problemas
- Pesquisar
- pesquisar
- Seção
- Vejo
- busca
- selecionando
- senior
- sentido
- enviei
- serve
- serviço
- Serviços
- conjunto
- Configurações
- instalação
- rede de apoio social
- mostrar
- mostrou
- Shows
- semelhante
- simples
- Tamanho
- lento
- menor
- smart
- Instantâneo
- So
- solução
- Soluções
- alguns
- fonte
- específico
- velocidade
- Spin
- divisão
- pilha
- começo
- começado
- Comece
- Estado
- Unidos
- Status
- estável
- Passo
- Passos
- Ainda
- armazenamento
- loja
- armazenar
- enviar
- Subseqüentemente
- bem sucedido
- tal
- Suportado
- suportes
- certo
- sistemas
- adaptados
- Tire
- toma
- tomar
- Tarefa
- tarefas
- Profissionais
- Tecnologias
- modelos
- prazo
- condições
- teste
- testado
- texto
- que
- A
- The Graph
- as informações
- A fonte
- O Estado
- deles
- Eles
- então
- Lá.
- assim sendo
- Este
- deles
- isto
- Apesar?
- limiar
- Através da
- para
- tempo
- demorado
- para
- levou
- Total
- tradicional
- Transformação
- desencadeado
- tutorial
- dois
- tipo
- tipos
- para
- sem precedente
- até
- carregado
- us
- usar
- caso de uso
- usava
- Utilizador
- usuários
- usos
- utilização
- utiliza
- VALIDAR
- valor
- versão
- muito
- visualizações
- Virgínia
- visão
- visualizar
- volume
- volumes
- queremos
- foi
- Caminho..
- we
- web
- serviços web
- BEM
- foram
- O Quê
- quando
- qual
- precisarão
- de
- de gestão de documentos
- fluxos de trabalho
- trabalho
- oficina
- Workshops
- Equivalente há
- anos
- Vocês
- investimentos
- zefirnet