(Luận văn) khám phá quan tâm của người dùng trên mạng xã hội phục vụ công tác truyền thông tuyển sinh của trường đại học

HỌC VIỆN CƠNG NGHỆ BƯU CHÍNH VIỄN THƠNG - lu an va n ĐỖ NGỌC SƠN p ie gh tn to d oa nl w KHÁM PHÁ QUAN TÂM CỦA NGƯỜI DÙNG TRÊN MẠNG XÃ HỘI PHỤC VỤ CÔNG TÁC TRUYỀN THÔNG TUYỂN SINH CỦA TRƯỜNG ĐẠI HỌC ll u nf va an lu oi m z at nh LUẬN VĂN THẠC SĨ KỸ THUẬT z (Theo định hướng ứng dụng) m co l gm @ an Lu n va HÀ NỘI - 2020 ac th si HỌC VIỆN CƠNG NGHỆ BƯU CHÍNH VIỄN THƠNG - lu an va n ĐỖ NGỌC SƠN p ie gh tn to d oa nl w KHÁM PHÁ QUAN TÂM CỦA NGƯỜI DÙNG TRÊN MẠNG XÃ HỘI PHỤC VỤ CÔNG TÁC TRUYỀN THÔNG TUYỂN SINH CỦA TRƯỜNG ĐẠI HỌC va an lu u nf Chuyên ngành: Hệ thống thông tin ll Mã số: 8.48.01.04 oi m z at nh LUẬN VĂN THẠC SĨ KỸ THUẬT (Theo định hướng ứng dụng) z l gm @ NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS.TS TRẦN ĐÌNH QUẾ m co an Lu n va HÀ NỘI - 2020 ac th si lu an n va p ie gh tn to d oa nl w ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va ac th si LỜI CAM ĐOAN Tôi xin cam đoan cơng trình nghiên cứu riêng tơi Các số liệu, kết đưa luận văn trung thực chưa công bố cơng trình khác Tác giả luận văn Đỗ Ngọc Sơn lu an n va p ie gh tn to d oa nl w ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va ac th si LỜI CẢM ƠN Để hoàn thành luận văn, nghiên cứu cố gắng thân, tơi xin cảm ơn PGS.TS Trần Đình Quế - người thầy trực tiếp hướng dẫn, tận tình bảo định hướng cho tơi suốt q trình thực luận văn Xin gửi lời cảm ơn chân thành lịng biết ơn sâu sắc tơi tới thầy! Tôi xin gửi lời cảm ơn chân thành tới tất thầy cô giáo Học viện Công nghệ Bưu Viễn thơng giảng dạy, hướng dẫn dìu dắt tơi lu suốt q trình học tập trường an n va Trong trình nghiên cứu thực luận văn, hướng nhiên tránh khỏi hạn chế, thiếu sót Tơi mong nhận ý gh tn to dẫn nhiệt tình thầy giáo PGS.TS Trần Đình Quế nỗ lực thân p ie kiến đóng góp, sửa chữa từ q Thầy, Cơ bạn bè đồng nghiệp để luận văn nl w hoàn thiện oa Trân trọng cảm ơn! d Tác giả u nf va an lu ll Đỗ Ngọc Sơn oi m z at nh z m co l gm @ an Lu n va ac th si MỤC LỤC LỜI CAM ĐOAN i LỜI CẢM ƠN ii MỤC LỤC iii DANH MỤC TỪ VIẾT TẮT v DANH MỤC BẢNG BIỂU vi DANH MỤC HÌNH VẼ vii MỞ ĐẦU Chương 1: TỔNG QUAN VỀ NGHIÊN CỨU QUAN TÂM NGƯỜI DÙNG lu an TRÊN MẠNG XÃ HỘI n va 1.1 Tổng quan Mạng xã hội 1.1.2 Đặc điểm Mạng xã hội .6 ie gh tn to 1.1.1 Giới thiệu Mạng xã hội p 1.1.3 Ứng dụng Mạng xã hội .6 nl w 1.2 Bài toán nghiên cứu quan tâm người dùng mạng xã hội phục vụ công tác d oa truyền thông tuyển sinh trường đại học an lu 1.2.1 Bài toàn nghiên cứu quan tâm người dùng mạng xã hội u nf va 1.2.2 Bài toán nghiên cứu quan tâm người dùng mạng xã hội phục vụ công ll tác truyền thông tuyển sinh trường đại học .11 m oi 1.2.3 Ý nghĩa toán .15 z at nh 1.2.4 Những thách thức toán .15 z 1.3 Khai phá liệu biểu diễn liệu văn .15 @ gm 1.3.1 Giới thiệu khai phá liệu (datamining) 15 m co l 1.3.2 Khai phá liệu văn 18 1.3.3 Mơ hình biểu diễn liệu văn 22 an Lu 1.4 Kết luận .26 n va ac th si Chương 2: MƠ HÌNH GIẢI QUYẾT BÀI TỐN 27 2.1 Xác định đặc trưng 27 2.1.1 Tầm quan trọng Xác định đặc trưng .27 2.1.2 Một số ví dụ Xác định đặc trưng 27 2.2 Mơ hình túi từ 29 2.2.1 Túi từ 29 2.2.2 Phương pháp Phương pháp Tần số xuất từ - Tần số văn nghịch đảo (TF-IDF) 29 lu 2.2.3 Phương pháp Phân rã giá trị số - SVD .31 an n va 2.3 Một số thuật tốn học có giám sát 32 2.3.2 Thuật toán vector hỗ trợ 35 ie gh tn to 2.3.1 Thuật tốn Nạve Bayes 32 p 2.4 Phương pháp khám phá quan tâm người dùng mạng xã hội phục vụ nl w công tác truyền thông tuyển sinh trường đại học dựa xử lý ngôn ngữ tự d oa nhiên 39 an lu 2.5 Kết luận 40 va Chương 3: THỬ NGHIỆM VÀ ĐÁNH GIÁ KẾT QUẢ 41 ll u nf 3.2 Dữ liệu 41 oi m 3.2.1 Thu thập liệu 41 z at nh 3.2.2 Mô tả liệu 42 3.3 Phần mềm công cụ sử dụng 43 z gm @ 3.4 Xử lý liệu 44 l 3.5 Kết thử nghiệm đánh giá 47 m co KẾT LUẬN 50 an Lu DANH MỤC CÁC TÀI LIỆU THAM KHẢO 51 PHỤ LỤC 53 n va ac th si DANH MỤC TỪ VIẾT TẮT Từ viết tắt Tiếng Anh Tiếng Việt BOW Bag of words Túi từ IDF Inverse Document Frequency Tần số văn nghịch đảo Knowledge Discovery in Phát tri thức sở Databases liệu KPDL Data mining Khai phá liệu MXH Social network Mạng xã hội NB Naïve Bayes Naïve Bayes KDD lu an n va Singular Value Phân rã giá trị số Decomposition SVM ie gh tn to SVD p TF Support Vector Machine Máy vector hỗ trợ Term Frequency Tần số xuất từ d oa nl w ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va ac th si DANH MỤC BẢNG BIỂU Bảng 1.1 Các từ dừng (stopwords) tiếng việt 22 Bảng 3.1 Môi trường thử nghiệm 44 Bảng 3.2 Bảng độ lớn vector từ khóa thuộc ngành học .49 lu an n va p ie gh tn to d oa nl w ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va ac th si DANH MỤC HÌNH VẼ Hình 1.1 Trang Thơng tin Chính phủ Việt Nam mạng xã hội Facebook Hình 1.2 Sử dụng mạng xã hội để kinh doanh, quảng cáo trở nên phổ biến nở rộ Hình 1.3 Những dịng trạng thái Tổng thống Donald Trump nhận lượng tương tác lớn mạng xã hội Twitter Hình 1.4 Người dùng tương tác với viết thông tin tư vấn tuyển sinh mạng xã hội Facebook 10 Hình 1.5 Fanpage trường Đại học Kiến trúc Hà Nội mạng xã hội Facebook .12 lu an Hình 1.6 News feed ơng chủ Facebook Mark Zuckerberg .14 n va Hình 1.7 Các bước Data Mining & KDD 17 tn to Hình 1.8 Lược đồ thống kê tần số từ theo định luật Zipf .24 gh Hình 1.9 Biểu diễn vector văn không gian chiều 25 p ie Hình 2.1 Ba thành phần SVD 34 Hình 2.2 Hình Siêu phẳng phân chia liệu học thành lớp + – với khoảng oa nl w cách biên lớn 37 Hình 2.3 Minh họa tốn phân lớp phương pháp SVM 38 d an lu Hình 3.1 Giao diện phần mềm Simple UID 42 va Hình 3.2 Dữ liệu người dùng thu từ Facebook 43 ll u nf Hình 3.3 Dữ liệu viết người dùng Facebook .44 oi m Hinh 3.4 Dữ liệu sau trình tách từ 45 z at nh Hình 3.5 File stopwords từ điển .45 Hình 3.6 Dữ liệu thu sau vector hóa 47 z Hình 3.7 Kết thu với từ khóa ngành học 48 @ m co l gm Hình 3.8 Biểu đồ tỉ lệ quan tâm người dùng tới ngành học 50 an Lu n va ac th si lu an n va p ie gh tn to d oa nl w ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va ac th si 3.4 Xử lý liệu Dưới tác giả trình bày chi tiết cách xử lý liệu cho mơ hình giải tốn khám phá quan tâm người dùng mạng xã hội phục vụ công tác truyền thông tuyển sinh trường đại học Bước 1: Tiến hành tách từ với liệu viết thu từ Facebook Tuy nhiên tiếng Việt khơng đơn giản tiếng Anh có từ ghép Tác giả sử dụng công cụ VnTokenizer để thực việc tách từ tiếng Việt Dữ liệu thu sau trình tách từ thể hình lu an n va to Bước 2: loại bỏ từ dừng (stopwords) ký tự đặc biệt Sau trình loại p ie gh tn Hinh 3.4 Dữ liệu sau trình tách từ bỏ từ dừng ký tự đặc biệt liệu thu 10.563 từ sau xây dựng từ nl w điển từ gensim python Dữ liệu từ dừng từ điển từ lưu trữ d oa file vietnamese-stopwords.txt thuvien.txt ll u nf va an lu oi m z at nh z m co l gm @ Hình 3.5 File stopwords từ điển an Lu n va ac th si Bước 3: Tạo vector thuộc tính với mơ hình Túi từ - Bag of words đánh lại trọng số với tf-idf sử dụng SVD (singular value decomposition) nhằm mục đích giảm chiều liệu ma trận Ví dụ: ta có câu - “Em học sinh cấp em có ý định học thiết kế thời trang.” - “Em làm số ảnh liên quan đến thời trang.” Tập từ văn bản: Vb1= {Em, đang, là, học_sinh, cấp, 3, và, em, có, ý_định, học, thiết_kế, thời_trang} lu Vb2= {Em, đang, làm, một, số, ảnh, liên_quan, đến, thời_trang} an n va Tập V tập từ có văn bản: V= {em, đang, là, làm, học_sinh, cấp, 3, và, Tạo vector lưu trữ số lần xuất từ V ứng với Vb1 Vb2: gh tn to có, ý_định, học, thiết_kế, thời_trang, một, số, ảnh, liên_quan, đến} ie ⃗ Vb 1= [2, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 0, 0, 0, 0] p ⃗ Vb 2= [1, 1, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1,1] d oa chương 2: nl w Tiến hành đánh lại trọng số với tf-idf trình bày mục 2.2.3 0.023156153, 0.023156153, va 0.023156153, an lu ⃗ Vb 1= [ -0.02709096, -0.01354548, 0.023156153, 0.0, 0.023156153, 0.023156153, 0.023156153, 0.023156153, u nf 0.023156153, 0.023156153, -0.01354548, 0.0, 0.0, 0.0, 0.0, 0.0 ] ll ⃗ Vb 2= [ -0.01956569, -0.01956569, 0.0, 0.033447777, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, m oi 0.0, 0.0, -0.01956569, 0.033447777, 0.033447777, 0.033447777, 0.033447777, z at nh 0.033447777 ] Từ ⃗ Vb ⃗ Vb thu trọng số vector biểu diễn từ có hệ z 0.033447777] m co l gm @ thống văn ví dụ: thời_trang= [ -0.02709096, -0.01956569 ]; học_sinh= [0.0, an Lu n va ac th si Hình 3.6 Dữ liệu thu sau vector hóa Bước 4: Xây dựng từ khóa cho ngành học (tác giả xây dựng từ khóa cho ngành học thuộc trường ĐH Kiến trúc Hà Nội): lu an - Ngành Xây dựng: vật liệu, cơng trình, kết cấu, thi cơng, xây dựng - Ngành Kỹ thuật hạ tầng Môi trường Đô thị: mơi trường, cấp nước, n va nước, giao thông, hạ tầng Ngành Quản lý đô thị: kinh tế, quản lý, môi giới, đầu tư, kinh doanh - Ngành Kiến trúc, Quy hoạch: kiến trúc, quy hoạch, thiết kế, cấu trúc, cảnh quan p ie gh tn to - Ngành Mỹ thuật nội thất: nghệ thuật, đồ họa, điêu khắc, mỹ thuật, hội w - oa nl họa, thời trang d Bước 5: Tiến hành đánh giá kết thu bước bước an lu Với từ khóa xây dựng bước 4, tiến hành trích xuất liệu va vector đại diện từ khóa từ CSDL thu bước Như trình ll u nf bày chương II đồ án, độ lớn vector đại diện từ khóa thể oi m cho cường độ xuất chúng liệu văn Bởi vector đại z at nh diện cho từ khoá ngành học lớn cường độ xuất từ nhiều thước đo cho quan tâm người dùng tới từ khoá, ngành học z Độ lớn vector khơng gian tính theo cơng thức: @ √ n - A1 , A ,… , An trọng số vector A an Lu 3.5 Kết thử nghiệm đánh giá m co - ||A|| độ lớn vector A=[ A1 , A ,… , An ]; l k =1 gm || A||= ∑ A 2k n va ac th si Luận văn tiến hành thử nghiệm mơ hình Bag of Words (BoW) liệu thu từ mạng xã hội Facebook Đồng thời đánh giá kết áp dụng vào thực tiễn công tác truyền thông tuyển sinh Trường Đại học Kiến trúc Hà Nội Sau trình Xử lý liệu nêu trên, tác giả thu thơng số cho từ khóa ngành học lu an n va p ie gh tn to d oa nl w u nf va an lu ll Hình 3.7 Kết thu với từ khóa ngành học m oi Từ kết sau q trình vector hóa văn bản, tác giả biết độ lớn z at nh vector biểu diễn từ khố từ tính tốn tỉ lệ tương quan quan tâm người dùng ngành học Từ khóa cấp_nước thốt_nước z không thu kết không xuất sở liệu Độ lớn vector m co l gm @ đại diện cho từ khoá sau: an Lu n va ac th si Bảng 3.2 Bảng độ lớn vector từ khóa thuộc ngành học Ngành học Từ khóa vật_liệu cơng_trình kết_cấu thi_cơng xây_dựng kiến_trúc quy_hoạch thiết_kế cấu_trúc cảnh_quan mơi_trường cấp_nước thốt_nước giao_thông hạ_tầng mỹ_thuật đồ_họa điêu_khắc hội_họa thời_trang kinh_tế quản_lý môi_giới đầu_tư kinh_doanh Xây dựng Kiến trúc – Quy hoạch lu an n va Kỹ thuật Hạ tầng đô thị ie gh tn to p Mỹ thuật – Nội thất d oa nl w u nf va an lu Quản lý Đô thị Độ lớn vector 3.31786 2.77719 3.237185 3.109306 2.462262 3.346985 3.622615 2.846713 2.888134 3.343251 3.070959 0.0 0.0 3.383439 3.632892 4.282763 4.183288 3.427316 3.707231 3.906045 3.048389 2.621017 3.359173 3.468024 2.848544 ll Như trình bày vector đại diện cho từ khoá ngành học lớn m oi cường độ xuất từ nhiều thước đo cho quan tâm z at nh người dùng tới từ khoá, ngành học Vì từ độ lớn vector thuộc tính từ z khóa, tác giả biết tỉ lệ quan tâm người dung tới ngành đào m co l gm @ tạo hình an Lu n va ac th si Mỹ thuật - Nội thất 29% Kiến trúc - Quy hoạch 21% 13% Hạ tầng đô thị 19% Quản lý đô thị lu an 18% Xây dựng n va tn to Hình 3.8 Biểu đồ tỉ lệ quan tâm người dùng tới ngành học gh Với kết thu sau trình xử lý liệu tác giả nhận thấy người p ie dùng 22 tuổi khu vực Hà Nội có quan tâm nhiều tới ngành học Mỹ thuật w – Nội thất cao chiếm 29% tiếp đến Kiến trúc – Quy hoạch 21%, lại 3.6 Kết luận d oa nl Quản lý đô thị 19%, Xây dựng 18% Hạ tầng đô thị 13% lu an Chương luận văn trình bày phương pháp lấy liệu viết u nf va người dùng mạng xã hội Facebook, cách xử lý liệu Kết thử nghiệm ll phương pháp xử lý ngôn ngữ tự nhiên với mơ hình Túi từ, với kết thu oi m cho biết tỉ lệ quan tâm người dùng mạng xã hội tới ngành học trường z at nh ĐH Kiến trúc Hà Nội Kết tương đồng với thực tế ghi nhận Trường Đại học Kiến trúc năm gần ngành liên quan đến nghệ z thuật đón nhận có số lượng thí sinh dự thi tăng đột biến m co l gm @ an Lu n va ac th si KẾT LUẬN Những kết đạt được: Với mục tiêu nghiên cứu đề ra, luận văn sâu nghiên cứu vấn đề xung quanh toán khám phá quan tâm người dùng mạng xã hội phục vụ công tác truyền thông tuyển sinh trường đại học đạt kết sau: - Khảo sát số thuật toán học có giám sát vấn đề biểu diễn xử lý liệu văn - Phát biểu xây dựng mơ hình xử lý tốn khám phá quan tâm lu người dùng mạng xã hội phục vụ công tác truyền thông tuyển sinh an va trường đại học triển khai giải tốn theo mơ hình n - Xây dựng từ khóa tương ứng ngành học Trường ĐH Kiến to tn trúc Hà Nội áp dụng chương trình thử nghiệm Tiến hành thử p ie gh nghiệm với mơ hình xử lý ngơn ngữ tự nhiên, đưa kết phân loại quan tâm người dùng ngành học áp dụng vào công w tác truyền thông tuyển sinh Trường Đại học Kiến trúc triển khai oa nl tập trung mạnh vào việc thông tin, quảng bá hai ngành học Mỹ thuật – d Nội thất Kiến trúc – Quy hoạch địa bàn thành phố Hà Nội an lu Hướng phát triển luận văn: va Trong q trình thực luận văn, khơng tránh khỏi có số hạn chế m Ngồi việc sử dụng viết, luận văn hướng đến việc sử dụng oi - ll theo học viên là: u nf điều kiện mặt thời gian trình độ học viên Vì vậy, hướng nghiên cứu tiếp z at nh thông tin khác mà người dùng chia sẻ mạng xã hội để khám phá vấn đề mà họ quan tâm Cũng như, không dừng lại mạng xã hội z Bài toán khám phá quan tâm người dùng mạng xã hội phục vụ l gm - @ Facebook mà mở rộng cho mạng xã hội phổ biến khác công tác truyền thông tuyển sinh trường đại học có ứng dụng rộng m co rãi cho nhiều lĩnh vực Kết toán công cụ đắc lực để sở an Lu giáo dục có điều chỉnh, định hướng cơng tác truyền thơng sau n va ac th si tác động đến quan điểm người dùng Do đó, luận văn tiếp tục phát triển theo hướng ứng dụng toán DANH MỤC CÁC TÀI LIỆU THAM KHẢO Danh mục tài liệu tiếng Việt: [1] Nguyễn Thị Hội, Trần Đình Quế, ‘2018’, “Ước lượng quan tâm người dùng mạng xã hội dựa tương tự viết”, Tạp chí khoa học công nghệ Đại học Đà Nẵng, ‘số 7’ [2] Nguyễn Thị Hội, Đàm Gia Mạnh, Trần Đình Quế (2017), Độ tương đồng lu ngữ nghĩa viết mạng xã hội dựa Wikipedia, Hội nghị Khoa an học Quốc gia lần thứ X – Nghiên cứu ứng dụng CNTT (FAIR'10), va n Đà Nẵng Bùi Khánh Linh, Nguyễn Thị Thu Hà, Nguyễn Thị Ngọc Tú, Đào Thanh gh Tĩnh (2016), Phân loại văn tiếng việt dựa mơ hình chủ đề, Hội nghị tn to [3] p ie Khoa học Quốc gia lần thứ IX ―Nghiên cứu ứng dụng Công nghệ w thông tin (FAIR'9), Cần Thơ Bing Liu (2007), Web Data Mining, Department of Computer Science an lu [4] d oa nl Danh mục tài liệu tiếng Anh: Diana Palsetia, Md Mostofa, Ali Patwary, Kunpeng Zhang, Kathy Lee, u nf [5] va University of Illinois at Chicago, Springer, Berlin, Germany ll Christopher Moran, Yves Xie, Daniel Honbo, Ankit Agrawal, Wei-keng m oi Liao, Alok Choudhary, User-Interest based Community Extraction in Social z at nh Networks, ACM, NY, USA, 2012 Mehdi Allahyari, Seyed Amin Pouriyeh, Mehdi Assefi, Saied Safaei, z [6] gm @ Elizabeth D Trippe, Juan B Gutierrez, Krys J Kochut, ‘2017’, “A Brief [7] m co Techniques”, arXiv:1707.02919 [cs.CL] l Survey of Text Mining: Classification, Clustering and Extraction M F Schwartz and D C M Wood (1993), “Discovering shared interests an Lu using graph analysis”, Communications of the ACM, pp 78–89 n va ac th si [8] TH Nguyen, DQ Tran, GM Dam, MH Nguyen, Estimating the similarity of social network users based on behaviors, Vietnam Journal of Computer Science, 2018 [9] X Li, L Guo, and Y E Zhao (2008), “Tag-based social interest discovery”, World Wide Web New York, NY, USA: ACM, pp 675–684 Danh mục website tham khảo: [10] https://vinaresearch.net/, nhập ngày 24/02/2020 lu an n va p ie gh tn to d oa nl w ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va ac th si PHỤ LỤC Danh sách từ stop words tiếng Việt: lu an n va bập_bà_bập_bõm bập_bõm bất_chợt bất_cứ bất_đồ bất_giác bất_kể bỗng_chốc bỗng_dưng bỗng_đâu bỗng_không bỗng_nhiên bỏ_bố chết_nỗi chết_tiệt chết_thật chí_chết Chín có có có_thể ạ_ơi ai_ai ai_nấy ái_chà ái_dà ái_khanh anh_ta ăn ắt_hẳn ắt_là âu_là ầu_ơ ba bàn bán_mạng bao_giờ bất_kì bất_kỳ bất_luận bất_nhược bất_quá bất_thình_lình bất_tử bây_bẩy bây_chừ bây_giờ bây_giờ bây_nhiêu bấy_giờ bấy_chầy bấy_chừ bấy_giờ bấy_lâu bấy_lâu_nay bấy_nay bấy_nhiêu bị bỏ_mẹ bởi_chung bởi_nhưng bởi_thế bởi_vậy bởi_vì cả_thảy cả_thảy cả_thể cần căn_cắt cật_lực cật_sức cha_chả chành_chạnh chao_ơi chính_là chính_thị Choa Chú mày chùn ch n cóc khơ coi coi mịi cịn cơng nhiên hồ mà với vậy thơi p ie gh tn to a_ha à_ơi á_à d oa nl w ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va ac th si lu an n va p ie gh tn to oa nl w ll u nf va an lu oi m z l gm @ chúng tơi lị Hơi hỡi Hịn Hơn Hung Ít Kém m co an Lu chắc_hẳn chăn_chắn chằn_chặn chẳng_lẽ chẳng_những chẳng_nữa chẳng_phải chầm_chập hàng h ng hiện_nay hèn hết z at nh biết_bao biết_bao_nhiêu biết_chừng_nào biết_đâu biết_đâu_chừng biết_đâu_đấy biết_mấy bội_phần đến đến đến đều đó đố đôi thật d bao_lăm bao_lâu bao_nả bao_nhiêu bay_biến bằng_ấy bằng_không bằng_nấy bắt_đầu_từ dùng dƣới đạt đoạn dành không_thể kì lại làm n va ac th si lu an n va p ie gh tn to oa nl w ll u nf va an lu oi m z l gm @ Khá khi Khi khơng khiến khó khơn khơn xiết khơng biết khơng có không phải phỏng Phụt m co an Lu hết nước hết hình hị khoan hồi nhiều nhóm không thể tuồng z at nh đưa eo gặp giờ nên ngày d đằng đâu đầu để lơng lốc thể tiện mãi mực rón rốt sau n va ac th si lu an n va p ie gh tn to oa nl w ll u nf va an lu oi m z l gm @ tình độ đỗi thể trời ƣ xá trò rằng rất chi đỗi m co an Lu những nhược oai ối ối hay hơ kê chao thơi ối ơkê z at nh ngƣơi định loạt luật mực sinh tâm tề thiết d mặt miễn mô phật phép số muốn nào nãy năm mười hoạ thái sau so so_sánh số sống tự tất n va ac th si lu an n va p ie gh tn to oa nl w ll u nf va an lu ứừ vả vạn vậy veo vì chƣng vì ví ví vơ hình trung vơ kể oi m trời đất tuần từ từ_tốn tức z at nh tháo thực thương tiếp tỏ tị te tồ t khói d thành thảo thật thêm thế vừa vừa xin xồnh xoạch xt z m co l gm @ an Lu n va ac th si