(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 - ĐỖ NGỌC SƠN an lu n va KHÁM PHÁ QUAN TÂM CỦA NGƯỜI DÙNG TRÊN MẠNG XÃ HỘI PHỤC VỤ CÔNG TÁC TRUYỀN THÔNG TUYỂN SINH CỦA TRƯỜNG ĐẠI HỌC LUẬN VĂN THẠC SĨ KỸ THUẬT (Theo định hướng ứng dụng) HÀ NỘI - 2020 HỌC VIỆN CƠNG NGHỆ BƯU CHÍNH VIỄN THÔNG - ĐỖ NGỌC SƠN lu an KHÁM PHÁ QUAN TÂM CỦA NGƯỜI DÙNG TRÊN MẠNG XÃ HỘI PHỤC VỤ CÔNG TÁC TRUYỀN THÔNG TUYỂN SINH CỦA TRƯỜNG ĐẠI HỌC n va Chuyên ngành: Hệ thống thông tin Mã số: 8.48.01.04 LUẬN VĂN THẠC SĨ KỸ THUẬT (Theo định hướng ứng dụng) NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS.TS TRẦN ĐÌNH QUẾ HÀ NỘI - 2020 i LỜI CAM ĐOAN Tôi xin cam đoan cơng trình nghiên cứu riêng Các số liệu, kết đưa luận văn trung thực chưa công bố cơng trình khác Tác giả luận văn Đỗ Ngọc Sơn an lu n va ii LỜI CẢM ƠN Để hoàn thành luận văn, nghiên cứu cố gắng thân, 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! Tơi 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 trong suốt q trình học tập trường Trong trình nghiên cứu thực luận văn, hướng dẫn nhiệt tình thầy giáo PGS.TS Trần Đình Quế nỗ lực thân nhiên tránh khỏi hạn chế, thiếu sót Tơi mong nhận ý kiến n Trân trọng cảm ơn! va hoàn thiện an lu đóng góp, sửa chữa từ q Thầy, Cơ bạn bè đồng nghiệp để luận văn Tác giả Đỗ Ngọc Sơn iii 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 TRÊN MẠNG XÃ HỘI 1.1 Tổng quan Mạng xã hội .5 1.1.1 Giới thiệu Mạng xã hội 1.1.2 Đặc điểm Mạng xã hội an lu 1.1.3 Ứng dụng Mạng xã hội va n 1.2 Bài toán nghiên cứu quan tâm người dùng mạng xã hội phục vụ công tác truyền thông tuyển sinh trường đại học 1.2.1 Bài toàn nghiên cứu quan tâm người dùng mạng xã hội 1.2.2 Bài toán nghiên cứu quan tâm người dùng mạng xã hội phục vụ công tác truyền thông tuyển sinh trường đại học 11 1.2.3 Ý nghĩa toán 15 1.2.4 Những thách thức toán 15 1.3 Khai phá liệu biểu diễn liệu văn 15 1.3.1 Giới thiệu khai phá liệu (datamining) 15 1.3.2 Khai phá liệu văn 18 1.3.3 Mơ hình biểu diễn liệu văn 22 1.4 Kết luận 26 iv Chương 2: MƠ HÌNH GIẢI QUYẾT BÀI TOÁN .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) .30 2.2.3 Phương pháp Phân rã giá trị số - SVD 31 2.3 Một số thuật toán học có giám sát 32 2.3.1 Thuật tốn Nạve Bayes 32 2.3.2 Thuật toán vector hỗ trợ 35 an lu 2.4 Phương pháp khám phá quan tâm người dùng mạng xã hội phục vụ va n công tác truyền thông tuyển sinh trường đại học dựa xử lý ngôn ngữ tự nhiên 38 2.5 Kết luận .40 Chương 3: THỬ NGHIỆM VÀ ĐÁNH GIÁ KẾT QUẢ .41 3.2 Dữ liệu .41 3.2.1 Thu thập liệu .41 3.2.2 Mô tả liệu 42 3.3 Phần mềm công cụ sử dụng 43 3.4 Xử lý liệu .44 3.5 Kết thử nghiệm đánh giá .47 KẾT LUẬN 50 DANH MỤC CÁC TÀI LIỆU THAM KHẢO .51 PHỤ LỤC 53 v 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 SVD Singular Value Phân rã giá trị số Decomposition Support Vector Machine TF Term Frequency lu SVM Máy vector hỗ trợ an Tần số xuất từ n va vi DANH MỤC BẢNG BIỂU Bảng 1.1 Các từ dừng (stopwords) tiếng việt 22 Bảng 3.1 Môi trường thử nghiệm 43 Bảng 3.2 Bảng độ lớn vector từ khóa thuộc ngành học .48 an lu n va vii DANH MỤC HÌNH VẼ Hình 1.1 Trang Thơng tin Chính phủ Việt Nam mạng xã hội Facebook .7 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 .9 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 Hình 1.6 News feed ơng chủ Facebook Mark Zuckerberg 14 Hình 1.7 Các bước Data Mining & KDD .17 Hình 1.8 Lược đồ thống kê tần số từ theo định luật Zipf 24 Hình 1.9 Biểu diễn vector văn không gian chiều 25 an lu Hình 2.1 Ba thành phần SVD 32 va Hình 2.2 Hình Siêu phẳng phân chia liệu học thành lớp + – với khoảng cách n biên lớn 35 Hình 2.3 Minh họa toán phân lớp phương pháp SVM 37 Hình 3.1 Giao diện phần mềm Simple UID .41 Hình 3.2 Dữ liệu người dùng thu từ Facebook .42 Hình 3.3 Dữ liệu viết người dùng Facebook 43 Hinh 3.4 Dữ liệu sau trình tách từ .44 Hình 3.5 File stopwords từ điển 44 Hình 3.6 Dữ liệu thu sau vector hóa 46 Hình 3.7 Kết thu với từ khóa ngành học 47 Hình 3.8 Biểu đồ tỉ lệ quan tâm người dùng tới ngành học 49 MỞ ĐẦU Thành tố quan trọng thời đại bùng nổ công nghệ thông tin mạng Internet Nói tới Internet, nói tới kết nối trực tuyến tiện lợi Internet thúc đẩy ứng dụng công nghệ thông tin phát triển kinh tế, văn hóa, xã hội xem nhân tố giúp cho quốc gia phát triển dần bắt kịp với quốc gia hàng đầu giới Internet thực phát minh có tầm ảnh hưởng lớn lịch sử loài người Khi dịch vụ Internet phát triển, đặc biệt xuất mạng xã hội thiết bị di động thông minh, người tương tác đa chiều hơn, phản ánh sinh động hơn, tức thời mặt đời sống Từ trình này, người thể đa dạng đời sống quan hệ xã hội Internet, biến Internet thành không gian xã hội, hay không gian mạng, nơi giao tiếp, lao động, sáng tạo, học tập, sản xuất, tiêu dùng, vui chơi, giải trí… lu Với yếu tố phổ biến, bám sát vào gần mặt đời sống tâm an tư tình cảm dường phần thiếu người va n mạng xã hội mà điển hình Facebook, Twitter, Youtube, Instagram hay Zalo… Mạng xã hội nơi mà người dùng cập nhật thông tin, sở thích, mối quan tâm thân, chia sẻ nói lên quan điểm, đánh giá lĩnh vực xã hội kinh tế, văn hóa, giáo dục, trị… Từ đó, mạng xã hội ngày tạo lượng liệu khổng lồ Với lượng thông tin khổng lồ mà người dùng tạo từ mạng xã hội thách thức điều kiện thuận lợi để nhà khoa học, doanh nghiệp hay phủ nghiên cứu phát quan tâm, nhu cầu viện định hướng cho quan điểm người dùng Với mạng xã hội người dùng thể mối quan tâm, quan điểm cách thích (like), chia sẻ (share) viết người dùng khác hay viết (status) bình luận (comments) họ Người dùng mạng xã hội thể rõ ràng đầy đủ mối quan tâm, muốn truyền đạt thông qua viết họ Thông qua viết ta khám phá lĩnh vực, vấn đề mà người dùng mạng xã hội quan tâm 43 Luận văn sử dụng liệu viết thu thập người dùng khu vực Hà Nội, từ 22 tuổi trở xuống Các liệu từ tất viết người dùng lưu file “dulieumxh.txt” Hình 3.3 Dữ liệu viết người dùng Facebook 3.3 Phần mềm công cụ sử dụng lu an Hệ thống cài đặt chương trình thử nghiệm thể bảng sau: va Bảng 3.1 Môi trường thử nghiệm Thông số Hệ điều hành Windows 10 Pro 64bit Bộ vi xử lý Intel Core i3-3220 3.3GHz RAM 8Gb Ổ cứng 500Gb n Thành phần Kết thử nghiệm luận văn hoàn thiện phần mềm công cụ sau: - Lấy liệu Facebook phần mềm Simple UID - Công cụ VnTokenizer từ https://github.com/ - Sử dụng ngơn ngữ lập trình Python 3.6 - Xây dựng từ khóa ngành học với giúp đỡ Phòng Đào tạo ĐH Kiến trúc Hà Nội 44 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 không 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 Hinh 3.4 Dữ liệu sau trình tách từ an lu Bước 2: loại bỏ từ dừng (stopwords) ký tự đặc biệt Sau trình loại bỏ từ dừng ký tự đặc biệt liệu thu 10.563 từ sau xây dựng từ va n điển từ gensim python Dữ liệu từ dừng từ điển từ lưu trữ file vietnamese-stopwords.txt thuvien.txt Hình 3.5 File stopwords từ điển 45 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} Vb2= {Em, đang, làm, một, số, ảnh, liên_quan, đến, thời_trang} Tập V tập từ có văn bản: V= {em, đang, là, làm, học_sinh, cấp, 3, và, có, ý_định, học, thiết_kế, thời_trang, một, số, ảnh, liên_quan, đến} Tạo vector lưu trữ số lần xuất từ V ứng với Vb1 Vb2: an lu ⃗⃗⃗⃗⃗⃗⃗ 𝑉𝑏1= [2, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 0, 0, 0, 0] va ⃗⃗⃗⃗⃗⃗⃗ = [1, 1, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1,1] 𝑉𝑏2 n Tiến hành đánh lại trọng số với tf-idf trình bày mục 2.2.3 chương 2: ⃗⃗⃗⃗⃗⃗⃗ 𝑉𝑏1= [ -0.02709096, -0.01354548, 0.023156153, 0.0, 0.023156153, 0.023156153, 0.023156153, 0.023156153, 0.023156153, 0.023156153, 0.023156153, 0.023156153, 0.023156153, -0.01354548, 0.0, 0.0, 0.0, 0.0, 0.0 ] ⃗⃗⃗⃗⃗⃗⃗ = [ -0.01956569, -0.01956569, 0.0, 0.033447777, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 𝑉𝑏2 0.0, 0.0, -0.01956569, 0.033447777, 0.033447777, 0.033447777, 0.033447777, 0.033447777 ] Từ ⃗⃗⃗⃗⃗⃗⃗ 𝑉𝑏1 ⃗⃗⃗⃗⃗⃗⃗ 𝑉𝑏2 thu trọng số vector biểu diễn từ có hệ thống văn ví dụ: thời_trang= [ -0.02709096, -0.01956569 ]; học_sinh= [0.0, 0.033447777] 46 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): - Ngành Xây dựng: vật liệu, cơng trình, kết cấu, thi cơng, xây dựng - Ngành Kỹ thuật hạ tầng Môi trường Đơ thị: mơi trường, cấp nước, nước, giao thơng, 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 an Ngành Mỹ thuật nội thất: nghệ thuật, đồ họa, điêu khắc, mỹ thuật, hội họa, thời trang n va - lu quan Bước 5: Tiến hành đánh giá kết thu bước bước Với từ khóa xây dựng bước 4, tiến hành trích xuất liệu vector đại diện từ khóa từ CSDL thu bước Như trình bày chương II đồ án, độ lớn vector đại diện từ khóa thể cho cường độ xuất chúng liệu văn Bởi vector đại diện cho từ khố ngành học lớn cường độ xuất từ nhiều thước đo cho quan tâm người dùng tới từ khố, ngành học Độ lớn vector khơng gian tính theo cơng thức: 𝑛 ||𝐴|| = √∑ 𝐴2𝑘 𝑘=1 - ||A|| độ lớn vector A=[𝐴1 , 𝐴2 , … , 𝐴𝑛 ]; - 𝐴1 , 𝐴2 , … , 𝐴𝑛 trọng số vector A 47 3.5 Kết thử nghiệm đánh giá 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 thông số cho từ khóa ngành học an lu n va Hình 3.7 Kết thu với từ khóa ngành học Từ kết sau trình vector hóa văn bản, tác giả biết độ lớn vector biểu diễn từ khoá từ tính tốn tỉ lệ tương quan quan tâm người dùng ngành học Từ khóa cấp_nước thốt_nước khơng thu kết không xuất sở liệu Độ lớn vector đại diện cho từ khoá sau: 48 Bảng 3.2 Bảng độ lớn vector từ khóa thuộc ngành học Ngành học Xây dựng Kiến trúc – Quy hoạch Kỹ thuật Hạ tầng đô thị an lu Mỹ thuật – Nội thất 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_thơng hạ_tầng mỹ_thuật đồ_họa điêu_khắc hội_họa thời_trang kinh_tế quản_lý môi_giới đầu_tư kinh_doanh n va 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 Như trình bày vector đại diện cho từ khố ngành học lớn cường độ xuất từ nhiều thước đo cho quan tâm người dùng tới từ khoá, ngành học Vì từ độ lớn vector thuộc tính từ khóa, tác giả biết tỉ lệ quan tâm người dung tới ngành đào tạo hình 49 Mỹ thuật - Nội thất 29% Kiến trúc - Quy hoạch Hạ tầng đô thị 21% 13% Quản lý đô thị 19% Xây dựng 18% Hình 3.8 Biểu đồ tỉ lệ quan tâm người dùng tới ngành học Với kết thu sau trình xử lý liệu tác giả nhận thấy người dùng lu an 22 tuổi khu vực Hà Nội có quan tâm nhiều tới ngành học Mỹ thuật – Nội n va thất cao chiếm 29% tiếp đến Kiến trúc – Quy hoạch 21%, lại Quản lý đô thị 19%, Xây dựng 18% Hạ tầng đô thị 13% 3.6 Kết luận Chương luận văn trình bày phương pháp lấy liệu viết người dùng mạng xã hội Facebook, cách xử lý liệu Kết thử nghiệm phương pháp xử lý ngơn ngữ tự nhiên với mơ hình Túi từ, với kết thu cho biết tỉ lệ quan tâm người dùng mạng xã hội tới ngành học trường 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 thuật đón nhận có số lượng thí sinh dự thi tăng đột biến 50 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 tốn học có giám sát vấn đề biểu diễn xử lý liệu văn - Phát biểu xây dựng mô hình xử lý tốn khám phá quan tâm người dùng mạng xã hội phục vụ công tác truyền thông tuyển sinh trường đại học triển khai giải tốn theo mơ hình - Xây dựng từ khóa tương ứng ngành học Trường ĐH Kiến trúc Hà Nội áp dụng chương trình thử nghiệm Tiến hành thử nghiệm với mơ hình xử lý ngơn ngữ tự nhiên, đưa kết phân loại quan tâm người dùng ngành học áp dụng vào công tác truyền lu an thông tuyển sinh Trường Đại học Kiến trúc triển khai tập trung mạnh va vào việc thông tin, quảng bá hai ngành học Mỹ thuật – Nội thất Kiến n trúc – Quy hoạch địa bàn thành phố Hà Nội Hướng phát triển luận văn: Trong trình thực luận văn, khơng tránh khỏi có số hạn chế điều kiện mặt thời gian trình độ học viên Vì vậy, hướng nghiên cứu học viên là: - Ngoài việc sử dụng viết, luận văn hướng đến việc sử dụng 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 Facebook mà cịn mở rộng cho mạng xã hội phổ biến khác - Bài toán khám phá quan tâm người dùng mạng xã hội phục vụ công tác truyền thông tuyển sinh trường đại học có ứng dụng rộng rãi cho nhiều lĩnh vực Kết tốn cơng cụ đắc lực để sở giáo dục có điều chỉnh, định hướng cơng tác truyền thơng sau tác động đến quan điểm người dùng Do đó, luận văn tiếp tục phát triển theo hướng ứng dụng toán 51 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 ngữ nghĩa viết mạng xã hội dựa Wikipedia, Hội nghị Khoa học Quốc gia lần thứ X – Nghiên cứu ứng dụng CNTT (FAIR'10), Đà Nẵng [3] Bùi Khánh Linh, Nguyễn Thị Thu Hà, Nguyễn Thị Ngọc Tú, Đào Thanh Tĩnh (2016), Phân loại văn tiếng việt dựa mơ hình chủ đề, Hội nghị Khoa học Quốc gia lần thứ IX ―Nghiên cứu ứng dụng Công nghệ thông an lu tin (FAIR'9), Cần Thơ Danh mục tài liệu tiếng Anh: n va [4] Bing Liu (2007), Web Data Mining, Department of Computer Science University of Illinois at Chicago, Springer, Berlin, Germany [5] Diana Palsetia, Md Mostofa, Ali Patwary, Kunpeng Zhang, Kathy Lee, Christopher Moran, Yves Xie, Daniel Honbo, Ankit Agrawal, Wei-keng Liao, Alok Choudhary, User-Interest based Community Extraction in Social Networks, ACM, NY, USA, 2012 [6] Mehdi Allahyari, Seyed Amin Pouriyeh, Mehdi Assefi, Saied Safaei, Elizabeth D Trippe, Juan B Gutierrez, Krys J Kochut, ‘2017’, “A Brief Survey of Text Mining: Classification, Clustering and Extraction Techniques”, arXiv:1707.02919 [cs.CL] [7] M F Schwartz and D C M Wood (1993), “Discovering shared interests using graph analysis”, Communications of the ACM, pp 78–89 52 [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 an lu n va 53 PHỤ LỤC Danh sách từ stop words tiếng Việt: bập_bà_bập_bõm bập_bõm õm 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 an lu a_ha à_ơi á_à n va 54 an va chắc_hẳn chăn_chắn chằn_chặn chẳng_lẽ chẳng_những chẳng_nữa chẳng_phải chầm_chập hàng h ng hiện_nay hèn hết n 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 đơi đơi thật lu bao_lăm bao_lâu bao_nả bao_nhiêu bay_biến bằng_ấy bằng_không bằng_nấy bắt_đầu_từ dùng dƣới đạt đoạn lị Hơi hỡi Hịn Hơn Hung Ít Kém dành không_thể kì lại làm 55 an va hết nước hết hình hị khoan hồi nhiều nhóm không thể tuồng n đưa eo gặp giờ nên ngày lu đằng đâu đầu để lơng lốc thể tiện mãi Khá khi Khi khơng khiến khó khơn khơn xiết khơng biết khơng có không phải phỏng Phụt mực rón rốt sau 56 an va những nhược oai ối ối hay ô ối n ngồi ngơi ngƣơi định loạt luật mực sinh tâm tề thiết lu mặt miễn mơ phật mơ tê phép số muốn nào nãy năm mười hoạ thái tình độ đỗi thể trời ƣ xá trò rằng rất chi đỗi sau so so_sánh số sống tự tất 57 an va trời đất tuần từ từ_tốn tức n tháo thực thương tiếp tỏ tị te tồ t khói tơi lu thành thảo thật thêm thế ứừ vả vạn vậy veo vì chƣng vì ví ví vơ hình trung vừa vừa xin xồnh xoạch xt