2012

El Webmining

09/02/2012

Trabajo Bibliogrfico

Tema: WebMining

Trabajo Bibliogrfico

INDICE
Portada 1. Tema.1 2. ndice.2 3. Introduccin. 3 . 1.1 Infometra de la Web..4 1.2 La World Wide Web (W3)..5 1.3 Informacin en la W3.5 1.4 Problemas a la hora de encontrar tanta informacin..5 2 El Web Mining6 2.1 Qu es el webminig? En que se diferencia de datamining?...........................................6 2.2 Origen del trmino..6 2.3 Cules son sus objetivos? .7 2.4 Cmo se trabaja en el Web Mining .....7 2.4.1 Seleccin y recopilacin de los datos...8 2.4.2 Tratamiento previo de los datos ....8 2.4.3 Transformacin de los datos8 2.4.4. Tcnicas, algoritmos y mtodos usados en web mining [10]8 2.4.4.1. Self Organizing Feature Maps (SOFMs..8 2.4.4.2. K-Means....8. 2.4.4.3. Arboles de Decisin....9 2.4.4.4. Support Vector Machines (SVMs)..9. 2.4.4.5. Algoritmos Inspirados en la Vida9 3 Tipos de Web Mining....9 3.1 El Web Mining de contenido9 3.2 El Web Mining de estructura...............................................................................................9 3.3 El Web Mining de uso..10 4. Herramientas para el Webmining...11 4.1 Metadatos..11 4.2 Hiperenlaces.11 4.3 Logs11 4.4 Mtodos estadsticos...11 4.5 Reglas de Asociacin..11 5. Futuro del Web Mining.12 6. Porque Utilizar webminig.12 7. Software aplicando webminig Ejemplos...13 7. Conclusin..13 8. Bibliografa.13

Trabajo Bibliogrfico

. 1.-

Introduccin.

La web posee millones de pginas estticas y dinmicas y aproximadamente 300 Millones de usuarios a nivel mundial. La web oculta es ms grande en informacin que surface web o web superficial, en la siguiente figura se aprecia la informacin semntica que por ahora es 5% que en el futuro debe aumentar (Fig. 2), esta regin es poco usada aunque en ella se encuentra informacin fidedigna pero el universo de informacin y la forma de buscar, encontrar lo que necesitamos depende de muchos factores como: que buscamos?, Son solo imgenes, Videos lo que necesitamos y donde lo encontramos?.

Fig. 1 Partes de la Web

[7]

Hoy en da la web es un fenmeno que rompe esquemas y no sabemos a ciencia cierta hacia donde nos dirigimos debido a su crecimiento y adems por su riqueza de datos y son los buscadores la herramienta fundamental para encontrar estos datos, en este mar de datos es posible encontrar informacin no imaginada y de seguro que deben existir patrones y relaciones que debemos aun descubrir a todo lo expuesto se le llama minera de datos(datamining) y en el caso de la web se le llama minera de la web (webminig).

Trabajo Bibliogrfico

Fig. 2 Web Semntica o Web de datos[ 8]

1.1 Infometra de la Web Producto del trabajo colaborativo de millones de personas, George Kipling Zipf, lingista de Harvard escribi la Ley del mnimo esfuerzo. Su descubrimiento fue que si una persona contaba el nmero de veces que usaba cada palabra en distintos textos en ingls, y las ordenaba de la ms a la menos frecuente, se cumpla que la frecuencia F de la palabra ensima, es multiplicada por i, era igual a una constante C, y la constante dependa del texto escogido. Actualmente en la web es necesario elevar i a un exponente t mayor que 1 y cercano a 2 para muchos textos existentes, en particular la web. Explica Zipf que esto es una condicin humana donde es siempre es ms fcil escribir una palabra conocida que usar una que lo es menos. Es decir la ley del mnimo esfuerzo sea escribir menos palabras.

Fig. x Ley de Zipf y de Heaps [ 7]

Trabajo Bibliogrfico

En la web se puede apreciar que es factible la aplicacin del mnimo esfuerzo

1.2 La World Wide Web (W3) Inventada por Tim Berners Lee en los 90 y es hipertexto aplicado a internet. La W3 establece conexiones, enlaces entre el universo propio de cada uno y los universos de los otros. En laW3 la comunicacin se establece a travs de los enlaces que forman un entramado, una textura (origen etimolgico del vocablo texto). Nos movemos en la red digital y nos proyectamos de un continente a otro sin que exista una verdadera separacin. Saltamos de un enlace a otro sin que notemos barreras geogrficas ni tecnolgicas. La posibilidad tcnica de estos enredos deriva de la caracterstica principal de la W3, la hipertextualidad. Concepto, a su vez, muy allegado al de transversalidad. Nuestra personalidad de red, la imagen que presentamos segn la informacin que mostremos en la W3, se compone de la combinacin de varios papeles, identidades y funciones que nos permiten aislarnos o conectarnos con otros.

1.3 Informacin en la W3 Existe mucha informacin en la W3 o derivada de ella. Por un lado la que percibimos a simple vista, los documentos hipermedia que conforman la W3 de manera explcita y que abunda cada vez ms. Y, por otro lado, la informacin subyacente y que se encuentra en capas ms profundas. Ya no nos conformamos con lo primero que nos llega a las manos, cada vez exigimos mayor precisin. Nos sumergirnos en niveles ms profundos para conocer qu otros datos podemos extraer y que nos pueden servir de utilidad. Para conseguir esto, nos basamos en otras caractersticas de la W3. 1.4 Problemas a la hora de encontrar tanta informacin El browsing, el serendipity, son maneras de buscar y encontrar informacin saltando de una pgina web a otra a travs de los enlaces. A partir de una ubicacin

Trabajo Bibliogrfico

concreta se decide navegar y ampliar la bsqueda a otras pginas remitidas por la pgina de partida y as sucesivamente. Este sistema provoca un fenmeno de desorientacin dentro de la W3, que no siempre nos conduce a la informacin deseada. Algunas razones para que se produzca este fenmeno son: La ingente cantidad de documentos web en este territorio del ciberespacio. La cobertura limitada de la W3. Con recursos ocultos o poco accesibles (licencias, suscripciones y acceso previo pago), generalmente datos procedentes de bases de datos. Programa de consulta basado en bsquedas por palabra clave. Personalizacin para usuarios individuales. Con el uso de buscadores tenemos solventado el problema de la desorientacin al obtener listados de direcciones. Se trata de una recuperacin automatizada, previa bsqueda en las bases de datos de estos recursos. La pertinencia de los resultados vendr en funcin de la calidad de las tcnicas utilizadas para la bsqueda, almacenamiento y elaboracin de las consultas. Estos robots, han ido evolucionando con el paso del tiempo. En una primera fase, los buscadores, se basaban nicamente en la comparacin de cadenas de caracteres. En la segunda generacin, se tienen en cuenta las direcciones que ms han sido enlazadas. Y en la tercera, se establecen ponderaciones sobre los enlaces relacionados y que adems que contengan dichas cadenas de caracteres. Pero un inconveniente que todava persiste en los buscadores es la barrera lingstica. La bsqueda de informacin y la forma de interrogar al motor de bsqueda queda an limitada por el idioma. 2 El Web Mining 2.1 Qu es webminig? En que se diferencia de dataming? La minera de datos o webmining se refiere al proceso global de descubrir informacin o conocimiento potencialmente til y previamente desconocido a partir de datos de la Web (Etzioni 1996).Es un campo multidisciplinar donde convergen reas como la recuperacin de informacin, el datamining, la estadstica, la visualizacin de datos, lenguajes de etiquetas, tecnologa web, etc., con el objetivo de descubrir redes de relaciones existentes en la W3, utilizando su informacin desestructurada o semi-estructurada. Es decir, una vez transformados los datos y planteado el algoritmo a seguir, es el sistema el que muestra representaciones y sugiere modelos. Esta visin es diferente al tradicional planteamiento de leyes (modelos pre establecidos por investigadores) o cualquier otra hiptesis que, una vez reconvertidos los datos, es ese analista el que comprueba si los resultados se ajustan al patrn previamente planteado. Y este campo se diferencia de la minera de datos o datamining en que ste pretende descubrir modelos existentes dentro de bases de datos estructurados. El Web Mining es una metodologa de recuperacin de la informacin que usa herramientas de la minera de datos para extraer informacin tanto del contenido de las pginas, de su estructura de relaciones (enlaces) y de los registro de navegacin de los usuarios. 2.2 Origen del trmino

Trabajo Bibliogrfico

La primera aparicin del trmino Web Mining es en 1996 en un artculo de OrenEtzioni [Etzioni 1996]. Y los define como el uso de las tcnicas de datamining con el fin de descubrir y extraer informacin de los servicios y documentos de la World Wide Web de manera automtica.

2.3 Cules son sus objetivos? Mejorar la navegacin del usuario en un espacio tan vasto y cambiante como es la W3. Tener representaciones grficas que reflejen los cambios sufridos y/o representar la estructura general de la red. Descubrir recursos, extraer informacin, analizar datos e inferir generalidades. Encontrar informacin relevante Obtener nuevos conocimientos provenientes de la informacin disponible en la W3 Personalizar la informacin Saber ms sobre usuarios o clientes

2.4 Cmo se trabaja en el Web Mining

Web Mining

XML RDF Metadatos, Data Modeling Information management technologie Database, query, transaction, Metdata

Metadata

Semantic Web Mining

Fig.3 Semantic webminig technologies

Trabajo Bibliogrfico

2.4.1 Seleccin y recopilacin de los datos En primer lugar decidir qu se quiere estudiar y cules son los datos que nos facilitarn esa informacin. Posteriormente se localizan los documentos o archivos adquirir. Estos se capturarn y se almacenarn los datos pertinentes. 2.4.2 Tratamiento previo de los datos Se trata de filtrar y limpiar los datos recogidos. Una vez extrada una determinada informacin a partir de un documento, ya sea HTML, XML, texto, ps, PDF, LaTeX, FAQs,...., se realizan tareas de criba y normalizacin, eliminando los datos errneos o incompletos, presentando los restantes de manera ordenada y con los mismos criterios formales hasta conseguir una homogeneidad formal, etc. y dems labores enfocadas a la obtencin de unos datos originales listos para su transformacin por medios automticos. 2.4.3 Transformacin de los datos En esta fase se utilizan algoritmos inteligentes de bsqueda de patrones de comportamiento y detectar asociaciones. Estos algoritmos se elaboran previamente utilizando recursos estadsticos, tcnicas procedentes del data mining, etc., se procede a transformar los datos para obtener como resultado, informacin sobre ellos. Los principales algoritmos se basan en la reunin de grupos homogneos (ej. Usuarios que visitan ms de un nmero determinado de pginas), reglas de asociacin de pginas, seguimiento de rutas o historial de navegacin de una persona, etc. Esta metamorfosis suministra informacin que englobe a la mayor parte de los datos estudiados. En esta fase se consiguen generalizaciones que se perciben en el establecimiento de enlaces, en muchas ocasiones en forma grfica. Esta fase, junto con la prxima, son las ms cercanas al campo de la visualizacin, especialmente en mtodos de visualizacin. 2.4.4. Tecnicas, algoritmos y metodos usados en web mining [10] El concepto web mining, agrupa a todas las tcnicas, algoritmos y metodologas utilizadas para extraer informacin y conocimiento desde los web data, entre los cuales se cuentan: 2.4.4.1. Self Organizing Feature Maps (SOFMs): Esta herramienta tiene una estructura semejante a las redes neuronales, pero en este caso el aprendizaje se da de manera competitiva, es decir, las neuronas compiten para ser activadas, y solo lo hace una a la vez. La idea de este aprendizaje es que se compara un elemento con la red con el fin de encontrar la neurona ms similar, o neurona ganadora. A partir de lo anterior se generar grupos de neuronas o clusters cuyas caractersticas son similares. 2.4.4.2. K-Means: Este algoritmo se basa en la determinacin de grupos o clusters dentro de un conjunto de datos. Para su funcionamiento se necesita como parmetro el nmero esperado de grupos (k). Cada uno de estos clusters estar representado por un centroide, que es el elemento cuyas caractersticas se parecen ms a las de su conjunto (Obtenido mediante una medida de similitud). Este

Trabajo Bibliogrfico

mtodo tiene una alta performance, por lo que es posible repetirlo varias veces con distintos parmetros. 2.4.4.3. Arboles de Decisin: Esta tcnica se basa en la estimacin de un resultado y toma de decisiones a partir de datos conocidos. La idea es identificar los atributos mnimos con los cuales se pueda deducir un resultado, clasificando los datos en una estructura de rbol y movindose a travs de las ramas. 2.4.4.4. Support Vector Machines (SVMs): En comparacin con las redes neuronales, tiene la ventaja de ser menos propensos al sobre aprendizaje, por lo tanto pueden mantener un gran nmero de caractersticas y datos sin preocuparse de la complejidad del problema. La idea bsica de esta herramienta es trabajar con ciertas funciones efectivas (Funciones de Kernel) que permitan tratar los datos a otro nivel dimensional y de esta forma trabajar con modelos complejos. 2.4.4.5. Algoritmos Inspirados en la Vida. Se trata de una nueva familia de algoritmos cuya operacin est basada en cmo ciertas especies, bacterias y la misma evolucin con cambios genticos, tratan de sobrevivir y perpetuarse en la vida. 3 Tipos de Webmining El Webmining nos ayuda a descubrir informacin, encontrar documentos relacionados, mostrar temticas, averiguar el grado de satisfaccin de recursos web, etc. Segn el fin deseado, la actividad de excavar en la web se desglosa entre lneas. 3.1 El Webmining de contenido Busca la regularidad y dinmica de los contenidos en la W3. Los documentos Web pueden ser datos sin estructurar, archivos HTML parcialmente estructurados, o informacin procedente de bases de datos generadas en pginas con formato HTML. Estos documentos hipertexto incluyen texto y tambin a imgenes, audio, vdeo, metadatos e hiperenlaces. La metodologa utilizada en este apartado, va desde las tradicionales relaciones entre trminos hasta la tecnologa que se utiliza en la minera textual (texto mining).Esta ltima consiste en analizar elementos textuales con el fin de identificar, deducir y ampliar conocimiento a partir de cualquier organizacin de documentos(por ejemplo, bases de datos, web).La extraccin (mining) de informacin, intenta inferir la estructura del sitio web(web siete) para transformarla y convertirla en una base de datos a nivel lgico. 3.2 El Webmining de estructura Webmining de estructura, intenta descubrir la organizacin de los enlaces del conjunto de hiperenlaces dentro del documento para generar un informe

Trabajo Bibliogrfico

estructural sobre la pgina y el sitio web. Segn el objetivo a estudiar, se pueden dar tres tipos de informes: Basndose en los hiperenlaces, clasifica las pginas Web y genera el informe. Revelando la estructura del documento Web en s. Descubriendo la naturaleza de la jerarqua o de la red de hiperenlaces del sitio Web de un dominio particular. Suele dar como resultado representaciones grficas para una mejor visin del conocimiento obtenido y pueden utilizarse como gua para el usuario en busca de informacin. 3.3 El Web Mining de uso El Webmining de uso es la aplicacin de las tcnicas de datamining para descubrir pautas de conducta a la hora de utilizar la web por parte de los usuarios. Pautas sobre: El acceso que utilizan los clientes cuando consultan el sitio web de una empresa. Los usuarios que interrogan a una aplicacin que precede a una base de datos. Los individuos que navegan por pginas determinadas, a partir de datos secundarios derivados de interacciones automticas de los usuarios mientras navegan por la web se pueden cubrir mejor las necesidades que se solicitan a travs de aplicaciones basadas en protocolos W3. A continuacin se presenta una implementacin en la Caja Municipal de Chimbote que hace uso de Web Minig de acuerdo a este tipo de webminig

Fig. 1 Implementacin de Web Minig [6]

10

Trabajo Bibliogrfico

4. Herramientas para el Webmining Como ya he comentado al principio, en los tres tipos de extraccin de informacin web se utilizan tcnicas que se venan utilizando con la minera de datos y otras que se han planteado y perfeccionado en ambos casos. Se trata de campos extremadamente ligados, el primero centrado en datos hipertextuales en red (W3) y el segundo aplicado a informacin estructurada o semi-estructurada que se encuentra en bases de datos. Segn pues la rama en la que se est trabajando dentro de la extraccin de informacin web, se utilizan ms los elementos formales o los elementos de contenido. Apuntamos algunos de ellos. 4.1 Metadatos Los metadatos, entendidos como normas de representacin de la estructura auto identificativa del documento. El anlisis de estos proporciona un mecanismo formal para la categorizacin y clasificacin automtica de documentos. Aplicando a los metadatos unas determinadas escalas conceptuales, se pueden construir espacios conceptuales facetados segn la perspectiva que le interese a cada usuario. Esta modalidad de identificacin permite el uso de programas y servicios informticos. Utilizado principalmente en el Web Mining de Contenido. Con estos elementos y con la ayuda de la inteligencia artificial, se intenta conseguir deducciones terminolgicas, predicciones en respuestas a consultas complejas,todo ello cuando las relaciones entre trminos y los conceptos que representan no mantienen una relacin lineal directa. 4.2 Hiperenlaces En la tecnologa hipertextual, cada bloque de texto contiene una multitud de palabras clave, pictogramas y/o dibujos que son susceptibles de ser marcados con el ratn. Estos puntos de interseccin, denominados "enlaces. Estos enlaces se pueden desglosar en: Externos: entre documentos diferentes Internos: que a su vez pueden ser estructurales (incluyendo elementos multimedia en el documento, o de referencia a otros puntos del mismo documento. 4.3 Logs Los ficheros logs son una grabacin de la actividad de un servidor o de un sitio web a lo largo de un perodo de tiempo determinado. La informacin se genera automticamente y suelen incluir la direccin IP de los visitantes, la pgina solicitada junto con la fecha y hora de la consulta, tiempo de lectura, si han accedido desde buscadores,Suelen ser ficheros voluminosos y registran visitas automticas de robots, no efectuadas por usuarios de manera voluntaria y con una intencin. 4.4 Mtodos estadsticos Como el clustering o proceso de encontrar grupos tras un procesamiento de los datos. Es decir, a priori se desconoce el nmero de grupos o las caractersticas delos mismos. Otro mtodo es el escalamiento multidimensional (MDS), 4.5 Reglas de Asociacin

11

Trabajo Bibliogrfico

Las relaciones planteadas entre elementos web (contenidos, documentos, instituciones, usuarios,) se materializan con la inclusin de hiperenlaces. El poder de decisin a la hora de incluir o no un nuevo enlace muestra el grado de inters hacia ese enlace establecido. Una de las herencias procedentes del campo de la recuperacin de informacin son los anlisis de citas. Bajo este planteamiento, se establecen relaciones entre elementos u actores sociales. Las asociaciones entre usuarios que consultan una misma pgina, los entes que son enlazados por otros entes, los textos ms utilizados a lo largo del tiempo y su conexin con otros textos,son claros ejemplos de relaciones sincrnicas y diacrnicas. Estas reglas son una tcnica alternativa para detenerse en modelos que se repiten entre usuarios que comparten caminos transversales similares. En algunos motores de bsqueda se ha implantado ya esta filosofa de relaciones para una mayor precisin en los resultados obtenidos. 5. Futuro del Web Mining El potencial que tiene el Webmining o extraccin de informacin web para detectar colegios invisibles es muy alto y adems de prctico, necesario ante el crecimiento de la informacin en todo tipo de formatos, ms an en la W3. Estos colegios invisibles se establecen como redes de relaciones existentes, directas o indirectas, entre autores de documentos web que versan sobre una misma temtica o lnea de investigacin concreta. El reconocimiento y representacin de las comunidades cientficas latentes, permitirn a las personas a navegar, a buscar y ver los contenidos que alberga laW3.Por una parte permite descubrir y describir redes de relaciones y pautas de comportamiento en la W3, lo que proporciona guas para el usuario y la navegacin por mbitos concretos. Por otro lado, facilita el poder de prediccin y el grado de exactitud a la hora de recuperar informacin tras una consulta compleja y sin la ayuda de lenguajes controlados que analicen el contenido de los documentos. Con esta introduccin se ha pretendido hacer un esbozo de lo que es el Webmining los usos para la mejora en la recuperacin de informacin web y para proporcionar ms informacin sobre la red hipertextual y mostrar las dificultades con las que trabaja dadas las caractersticas de la red. Se trata de una red poco estructurada, pero menos aleatoria de lo que se puede percibir en un primer momento. El Webmining nos da la oportunidad de encontrar nuevos recursos, extraer la informacin ms interesante y, tras un proceso de anlisis, finalmente mostrar modelos de informacin de carcter general en la W3. 6. Porque Utilizar web minig Se Debe implementar una webmining ya que nos brinda la posibilidad de tener acceso a informacin detallada de los usuarios de las pginas web obteniendo as los datos necesarios para poder fidelizar a nuestros clientes. En la actualidad la Web es muy utilizada por diferentes tipos de usuarios y con diferentes necesidades, esto hace indispensable la implementacin de una web mining.

12

Trabajo Bibliogrfico

La web es uno de las aplicaciones o fenmenos ms importantes que han surgido en los ltimos tiempos, y la webmining nos da la oportunidad de descubrir un medio significativo para exponer riquezas de informacin. El Desarrollo de una webmining no demanda de un gran presupuesto y su implementacin es a corto plazo lo que lo hace fcil de implementar en cualquier organizacin. La webmining juega un rol importante para lograr la efectividad en las relaciones de patrones interesantes de comportamiento de usuarios ante una web. La webmining deben verse como oportunidades sin precedentes para la obtencin de informacin que antes no estaba a la mano y el mejoramiento delos procesos dentro de una pgina web. La Gran parte de Empresas y Organizaciones ya cuentan con una pgina web o sitio web, lo cual facilita an ms la implementacin de una webmining. El nmero de usuarios de la web cada da es mayor lo cual hace urgente la implementacin de una webmining. 7.- Software aplicando webminig Ejemplos Aunque existen pocos desarrollos conocidos para su aplicacin se conoce de Web Usage Mining of users predictions in the University,Facebook, Twiter, E_learning que emplean webminig es seguro y el tiempo esta cercano que las empresas hagan uso de esta nueva forma de gestionar informacin 8. Conclusin Actualmente que estamos en la sociedad de la informacin y el conocimiento y los avances tecnolgicos es necesario gestionar informacin para que las empresas u organizaciones se vean beneficiadas y webming que ya despert inters en las reas cientficas tambin lo hace en el rea empresarial. La cantidad de informacin que puede poseer una organizacin fcilmente podra utilizar webming para personalizar mas aun los sistemas de informacin y siendo webminig un gran espacio para la investigacin. 9. Bibliografa [1] Chen M. Park J. y Yu P.(1996) Data mining for path traversal patterns in a web environment .En : Proc. 16 th International conference on distributed computing system Pg. 385 392 [2]. J. Wang, Y. Huang, G. Wu, and F. Zhang, Web Mining: KnowledgeDiscoveryon the Web Proc. Int'l Conf. Systems, Man and Cybernetics (SMC'99), vol. 2, pp.137-141. [3]. Baeza-Yates, R. Pobrete, B. Una herramienta de minera de consultas paraeldiseo del contenido y la estructura de un sitioWeb Actas del III Taller Nacional deMinera de Datos y Aprendizaje TAMIDA2005, pp.39-48, 2005.8. Kosala, R. and Blockeel, H. Web Mining Research: A Survey. ACM SIGKDDExplorations, Newsletter of the Special Interest Group on Knowledge DiscoveryandData Mining. Page 1-9, 2000.

13

Trabajo Bibliogrfico

[4] Kosala, R. and Blockeel, H. Web Mining Research: A Survey. ACM SIGKDD Explorations, Newsletter of the Special Interest Group on Knowledge Discovery and Data Mining. 2000. [5] Chakrabarti, S. Data Mining for hypertext: a tutorial survey. ACM SIGKDD Explorations,Newsletter of the Special Interest Group on Knowledge Discovery and Data Mining, 2000. [6] Implementacin de una Web Mining sobre reconocimiento de patrones de comportamientos de usuarios para la caja Municipal.
http://es.scribd.com/julio_seminario/d/54965076-Proyecto-de-Tesis-Web-mining

[7] Ricardo baeza-Yates. Excavando la web. El profesional de la informacin. v13, n1, 2004 [8] Tendencias Informticas http://emerac.files.wordpress.com/2010/07/web-semantica.jpg [9] Lola Garcia Santiago. El web mining: Una tecnologa para la indagacin en la world wide web. http://es.scribd.com/hilvanando/d/2982183-EL-WEB-MINING [10] Aplicacion de tecncas de web mining sobre los datos originados por usuarios de pgina web http://www.dii.uchile.cl/~ris/RISXXIV/Velasquez47.pdf [10] Edwin Percy Marquez, Desarrollo de un modelo de minera de datos acadmico http://bibliotecadigital.umsa.bo:8080/rddu/bitstream/123456789/306/3/T1372.pdf

14