Search (76 results, page 4 of 4)

  • × theme_ss:"Automatisches Klassifizieren"
  1. Pfeffer, M.: Automatische Vergabe von RVK-Notationen anhand von bibliografischen Daten mittels fallbasiertem Schließen (2007) 0.00 
    0.0040618787 = product of:
  0.016247515 = sum of:
    0.016247515 = product of:
      0.03249503 = sum of:
        0.03249503 = weight(_text_:der in 558) [ClassicSimilarity], result of:
          0.03249503 = score(doc=558,freq=10.0), product of:
            0.098138146 = queryWeight, product of:
              2.2337668 = idf(docFreq=12875, maxDocs=44218)
              0.043933928 = queryNorm
            0.3311152 = fieldWeight in 558, product of:
              3.1622777 = tf(freq=10.0), with freq of:
                10.0 = termFreq=10.0
              2.2337668 = idf(docFreq=12875, maxDocs=44218)
              0.046875 = fieldNorm(doc=558)
      0.5 = coord(1/2)
  0.25 = coord(1/4)
    Abstract
    Klassifikation von bibliografischen Einheiten ist für einen systematischen Zugang zu den Beständen einer Bibliothek und deren Aufstellung unumgänglich. Bislang wurde diese Aufgabe von Fachexperten manuell erledigt, sei es individuell nach einer selbst entwickelten Systematik oder kooperativ nach einer gemeinsamen Systematik. In dieser Arbeit wird ein Verfahren zur Automatisierung des Klassifikationsvorgangs vorgestellt. Dabei kommt das Verfahren des fallbasierten Schließens zum Einsatz, das im Kontext der Forschung zur künstlichen Intelligenz entwickelt wurde. Das Verfahren liefert für jedes Werk, für das bibliografische Daten vorliegen, eine oder mehrere mögliche Klassifikationen. In Experimenten werden die Ergebnisse der automatischen Klassifikation mit der durch Fachexperten verglichen. Diese Experimente belegen die hohe Qualität der automatischen Klassifikation und dass das Verfahren geeignet ist, Fachexperten bei der Klassifikationsarbeit signifikant zu entlasten. Auch die nahezu vollständige Resystematisierung eines Bibliothekskataloges ist - mit gewissen Abstrichen - möglich.
  2. Mengle, S.; Goharian, N.: Passage detection using text classification (2009) 0.00 
    0.0037202754 = product of:
  0.014881101 = sum of:
    0.014881101 = product of:
      0.029762203 = sum of:
        0.029762203 = weight(_text_:22 in 2765) [ClassicSimilarity], result of:
          0.029762203 = score(doc=2765,freq=2.0), product of:
            0.15384912 = queryWeight, product of:
              3.5018296 = idf(docFreq=3622, maxDocs=44218)
              0.043933928 = queryNorm
            0.19345059 = fieldWeight in 2765, product of:
              1.4142135 = tf(freq=2.0), with freq of:
                2.0 = termFreq=2.0
              3.5018296 = idf(docFreq=3622, maxDocs=44218)
              0.0390625 = fieldNorm(doc=2765)
      0.5 = coord(1/2)
  0.25 = coord(1/4)
    Date
    22. 3.2009 19:14:43
  3. Liu, R.-L.: ¬A passage extractor for classification of disease aspect information (2013) 0.00 
    0.0037202754 = product of:
  0.014881101 = sum of:
    0.014881101 = product of:
      0.029762203 = sum of:
        0.029762203 = weight(_text_:22 in 1107) [ClassicSimilarity], result of:
          0.029762203 = score(doc=1107,freq=2.0), product of:
            0.15384912 = queryWeight, product of:
              3.5018296 = idf(docFreq=3622, maxDocs=44218)
              0.043933928 = queryNorm
            0.19345059 = fieldWeight in 1107, product of:
              1.4142135 = tf(freq=2.0), with freq of:
                2.0 = termFreq=2.0
              3.5018296 = idf(docFreq=3622, maxDocs=44218)
              0.0390625 = fieldNorm(doc=1107)
      0.5 = coord(1/2)
  0.25 = coord(1/4)
    Date
    28.10.2013 19:22:57
  4. Chan, L.M.; Lin, X.; Zeng, M.: Structural and multilingual approaches to subject access on the Web (1999) 0.00 
    0.003425277 = product of:
  0.013701108 = sum of:
    0.013701108 = product of:
      0.027402217 = sum of:
        0.027402217 = weight(_text_:der in 162) [ClassicSimilarity], result of:
          0.027402217 = score(doc=162,freq=4.0), product of:
            0.098138146 = queryWeight, product of:
              2.2337668 = idf(docFreq=12875, maxDocs=44218)
              0.043933928 = queryNorm
            0.27922085 = fieldWeight in 162, product of:
              2.0 = tf(freq=4.0), with freq of:
                4.0 = termFreq=4.0
              2.2337668 = idf(docFreq=12875, maxDocs=44218)
              0.0625 = fieldNorm(doc=162)
      0.5 = coord(1/2)
  0.25 = coord(1/4)
    Abstract
    Zu den großen Herausforderungen einer sinnvollen Suche im WWW gehören die riesige Menge des Verfügbaren und die Sparchbarrieren. Verfahren, die die Web-Ressourcen im Hinblick auf ein effizienteres Retrieval inhaltlich strukturieren, werden daher ebenso dringend benötigt wie Programme, die mit der Sprachvielfalt umgehen können. Im folgenden Vortrag werden wir einige Ansätze diskutieren, die zur Bewältigung der beiden Probleme derzeit unternommen werden
  5. Frobese, D.T.: Klassifikationsaufgaben mit der SENTRAX : Konkreter Fall: Automatische Detektion von SPAM (2006) 0.00 
    0.003425277 = product of:
  0.013701108 = sum of:
    0.013701108 = product of:
      0.027402217 = sum of:
        0.027402217 = weight(_text_:der in 5980) [ClassicSimilarity], result of:
          0.027402217 = score(doc=5980,freq=4.0), product of:
            0.098138146 = queryWeight, product of:
              2.2337668 = idf(docFreq=12875, maxDocs=44218)
              0.043933928 = queryNorm
            0.27922085 = fieldWeight in 5980, product of:
              2.0 = tf(freq=4.0), with freq of:
                4.0 = termFreq=4.0
              2.2337668 = idf(docFreq=12875, maxDocs=44218)
              0.0625 = fieldNorm(doc=5980)
      0.5 = coord(1/2)
  0.25 = coord(1/4)
    Footnote
    Beitrag der Proceedings des Fünften Hildesheimer Evaluierungs- und Retrievalworkshop (HIER 2006), Hildesheim, xx.x.2006.
  6. Braun, T.: Dokumentklassifikation durch Clustering (o.J.) 0.00 
    0.0030275458 = product of:
  0.012110183 = sum of:
    0.012110183 = product of:
      0.024220366 = sum of:
        0.024220366 = weight(_text_:der in 1671) [ClassicSimilarity], result of:
          0.024220366 = score(doc=1671,freq=2.0), product of:
            0.098138146 = queryWeight, product of:
              2.2337668 = idf(docFreq=12875, maxDocs=44218)
              0.043933928 = queryNorm
            0.2467987 = fieldWeight in 1671, product of:
              1.4142135 = tf(freq=2.0), with freq of:
                2.0 = termFreq=2.0
              2.2337668 = idf(docFreq=12875, maxDocs=44218)
              0.078125 = fieldNorm(doc=1671)
      0.5 = coord(1/2)
  0.25 = coord(1/4)
    Abstract
    Beim Clustering werden Dokumente aufgrund von Ähnlichkeiten untereinander klassifiziert, im Gegensatz z.B. zur Klassifikation anhand einer Ontologie. Bei den gebräuchlichen Clusteringverfahren wird ein Dokument als die Menge seiner Wörter angesehen. Zur Bestimmung der Ähnlichkeit zwischen Dokumenten werden verschiedene Ähnlichkeitsmaße definiert.
  7. Oberhauser, O.: Automatisches Klassifizieren und Bibliothekskataloge (2005) 0.00 
    0.0029971176 = product of:
  0.01198847 = sum of:
    0.01198847 = product of:
      0.02397694 = sum of:
        0.02397694 = weight(_text_:der in 4099) [ClassicSimilarity], result of:
          0.02397694 = score(doc=4099,freq=4.0), product of:
            0.098138146 = queryWeight, product of:
              2.2337668 = idf(docFreq=12875, maxDocs=44218)
              0.043933928 = queryNorm
            0.24431825 = fieldWeight in 4099, product of:
              2.0 = tf(freq=4.0), with freq of:
                4.0 = termFreq=4.0
              2.2337668 = idf(docFreq=12875, maxDocs=44218)
              0.0546875 = fieldNorm(doc=4099)
      0.5 = coord(1/2)
  0.25 = coord(1/4)
    Abstract
    In der bibliothekarischen Welt sind die Vorzüge einer klassifikatorischen Inhaltserschließung seit jeher wohlbekannt. Auch im Zeitalter der Online-Kataloge gibt es dafür keinen wirklichen Ersatz, da - kurz formuliert - ein stichwortbasiertes Retrieval alleine mit Problemen wie Ambiguität und Mehrsprachigkeit nicht fertig zu werden vermag. Zahlreiche Online-Kataloge weisen daher Notationen verschiedener Klassifikationssysteme auf; allerdings sind die darauf basierenden Abfragemöglichkeiten meist noch arg unterentwickelt. Viele Datensätze in OPACs sind aber überhaupt nicht sachlich erschlossen, sei es, dass sie aus retrospektiv konvertierten Nominalkatalogen stammen, sei es, dass ein Mangel an personellen Ressourcen ihre inhaltliche Erschließung verhindert hat. Angesichts großer Mengen solcher Datensätze liegt ein Interesse an automatischen Verfahren zur Sacherschließung durchaus nahe.
  8. Khoo, C.S.G.; Ng, K.; Ou, S.: ¬An exploratory study of human clustering of Web pages (2003) 0.00 
    0.0029762203 = product of:
  0.011904881 = sum of:
    0.011904881 = product of:
      0.023809763 = sum of:
        0.023809763 = weight(_text_:22 in 2741) [ClassicSimilarity], result of:
          0.023809763 = score(doc=2741,freq=2.0), product of:
            0.15384912 = queryWeight, product of:
              3.5018296 = idf(docFreq=3622, maxDocs=44218)
              0.043933928 = queryNorm
            0.15476047 = fieldWeight in 2741, product of:
              1.4142135 = tf(freq=2.0), with freq of:
                2.0 = termFreq=2.0
              3.5018296 = idf(docFreq=3622, maxDocs=44218)
              0.03125 = fieldNorm(doc=2741)
      0.5 = coord(1/2)
  0.25 = coord(1/4)
    Date
    12. 9.2004 9:56:22
  9. Automatische Klassifikation und Extraktion in Documentum (2005) 0.00 
    0.0026219315 = product of:
  0.010487726 = sum of:
    0.010487726 = product of:
      0.020975452 = sum of:
        0.020975452 = weight(_text_:der in 3974) [ClassicSimilarity], result of:
          0.020975452 = score(doc=3974,freq=6.0), product of:
            0.098138146 = queryWeight, product of:
              2.2337668 = idf(docFreq=12875, maxDocs=44218)
              0.043933928 = queryNorm
            0.21373394 = fieldWeight in 3974, product of:
              2.4494898 = tf(freq=6.0), with freq of:
                6.0 = termFreq=6.0
              2.2337668 = idf(docFreq=12875, maxDocs=44218)
              0.0390625 = fieldNorm(doc=3974)
      0.5 = coord(1/2)
  0.25 = coord(1/4)
    Content
    "LCI Comprend ist ab sofort als integriertes Modul für EMCs Content Management System Documentum verfügbar. LCI (Learning Computers International GmbH) hat mit Unterstützung von neeb & partner diese Technologie zur Dokumentenautomation transparent in Documentum integriert. Dies ist die erste bekannte Lösung für automatische, lernende Klassifikation und Extraktion, die direkt auf dem Documentum Datenbestand arbeitet und ohne zusätzliche externe Steuerung auskommt. Die LCI Information Capture Services (ICS) dienen dazu, jegliche Art von Dokument zu klassifizieren und Information daraus zu extrahieren. Das Dokument kann strukturiert, halbstrukturiert oder unstrukturiert sein. Somit können beispielsweise gescannte Formulare genauso verarbeitet werden wie Rechnungen oder E-Mails. Die Extraktions- und Klassifikationsvorschriften und die zu lernenden Beispieldokumente werden einfach interaktiv zusammengestellt und als XML-Struktur gespeichert. Zur Laufzeit wird das Projekt angewendet, um unbekannte Dokumente aufgrund von Regeln und gelernten Beispielen automatisch zu indexieren. Dokumente können damit entweder innerhalb von Documentum oder während des Imports verarbeitet werden. Der neue Server erlaubt das Einlesen von Dateien aus dem Dateisystem oder direkt von POPS-Konten, die Analyse der Dokumente und die automatische Erzeugung von Indexwerten bei der Speicherung in einer Documentum Ablageumgebung. Diese Indexwerte, die durch inhaltsbasierte, auch mehrthematische Klassifikation oder durch Extraktion gewonnen wurden, werden als vordefinierte Attribute mit dem Documentum-Objekt abgelegt. Handelt es sich um ein gescanntes Dokument oder ein Fax, wird automatisch die integrierte Volltext-Texterkennung durchgeführt."
  10. Koch, T.; Vizine-Goetz, D.: DDC and knowledge organization in the digital library : Research and development. Demonstration pages (1999) 0.00 
    0.0025689579 = product of:
  0.010275831 = sum of:
    0.010275831 = product of:
      0.020551663 = sum of:
        0.020551663 = weight(_text_:der in 942) [ClassicSimilarity], result of:
          0.020551663 = score(doc=942,freq=4.0), product of:
            0.098138146 = queryWeight, product of:
              2.2337668 = idf(docFreq=12875, maxDocs=44218)
              0.043933928 = queryNorm
            0.20941564 = fieldWeight in 942, product of:
              2.0 = tf(freq=4.0), with freq of:
                4.0 = termFreq=4.0
              2.2337668 = idf(docFreq=12875, maxDocs=44218)
              0.046875 = fieldNorm(doc=942)
      0.5 = coord(1/2)
  0.25 = coord(1/4)
    Abstract
    Der Workshop gibt einen Einblick in die aktuelle Forschung und Entwicklung zur Wissensorganisation in digitalen Bibliotheken. Diane Vizine-Goetz vom OCLC Office of Research in Dublin, Ohio, stellt die Forschungsprojekte von OCLC zur Anpassung und Weiterentwicklung der Dewey Decimal Classification als Wissensorganisationsinstrument fuer grosse digitale Dokumentensammlungen vor. Traugott Koch, NetLab, Universität Lund in Schweden, demonstriert die Ansätze und Lösungen des EU-Projekts DESIRE zum Einsatz von intellektueller und vor allem automatischer Klassifikation in Fachinformationsdiensten im Internet.
  11. Panyr, J.: Vektorraum-Modell und Clusteranalyse in Information-Retrieval-Systemen (1987) 0.00 
    0.0024220366 = product of:
  0.009688146 = sum of:
    0.009688146 = product of:
      0.019376293 = sum of:
        0.019376293 = weight(_text_:der in 2322) [ClassicSimilarity], result of:
          0.019376293 = score(doc=2322,freq=2.0), product of:
            0.098138146 = queryWeight, product of:
              2.2337668 = idf(docFreq=12875, maxDocs=44218)
              0.043933928 = queryNorm
            0.19743896 = fieldWeight in 2322, product of:
              1.4142135 = tf(freq=2.0), with freq of:
                2.0 = termFreq=2.0
              2.2337668 = idf(docFreq=12875, maxDocs=44218)
              0.0625 = fieldNorm(doc=2322)
      0.5 = coord(1/2)
  0.25 = coord(1/4)
    Abstract
    Ausgehend von theoretischen Indexierungsansätzen wird das klassische Vektorraum-Modell für automatische Indexierung (mit dem Trennschärfen-Modell) erläutert. Das Clustering in Information-Retrieval-Systemem wird als eine natürliche logische Folge aus diesem Modell aufgefaßt und in allen seinen Ausprägungen (d.h. als Dokumenten-, Term- oder Dokumenten- und Termklassifikation) behandelt. Anschließend werden die Suchstrategien in vorklassifizierten Dokumentenbeständen (Clustersuche) detailliert beschrieben. Zum Schluß wird noch die sinnvolle Anwendung der Clusteranalyse in Information-Retrieval-Systemen kurz diskutiert
  12. Brückner, T.; Dambeck, H.: Sortierautomaten : Grundlagen der Textklassifizierung (2003) 0.00 
    0.0024220366 = product of:
  0.009688146 = sum of:
    0.009688146 = product of:
      0.019376293 = sum of:
        0.019376293 = weight(_text_:der in 2398) [ClassicSimilarity], result of:
          0.019376293 = score(doc=2398,freq=2.0), product of:
            0.098138146 = queryWeight, product of:
              2.2337668 = idf(docFreq=12875, maxDocs=44218)
              0.043933928 = queryNorm
            0.19743896 = fieldWeight in 2398, product of:
              1.4142135 = tf(freq=2.0), with freq of:
                2.0 = termFreq=2.0
              2.2337668 = idf(docFreq=12875, maxDocs=44218)
              0.0625 = fieldNorm(doc=2398)
      0.5 = coord(1/2)
  0.25 = coord(1/4)
  13. Oberhauser, O.: Automatisches Klassifizieren : Verfahren zur Erschließung elektronischer Dokumente (2004) 0.00 
    0.0024220366 = product of:
  0.009688146 = sum of:
    0.009688146 = product of:
      0.019376293 = sum of:
        0.019376293 = weight(_text_:der in 2487) [ClassicSimilarity], result of:
          0.019376293 = score(doc=2487,freq=8.0), product of:
            0.098138146 = queryWeight, product of:
              2.2337668 = idf(docFreq=12875, maxDocs=44218)
              0.043933928 = queryNorm
            0.19743896 = fieldWeight in 2487, product of:
              2.828427 = tf(freq=8.0), with freq of:
                8.0 = termFreq=8.0
              2.2337668 = idf(docFreq=12875, maxDocs=44218)
              0.03125 = fieldNorm(doc=2487)
      0.5 = coord(1/2)
  0.25 = coord(1/4)
    Abstract
    Automatisches Klassifizieren von Textdokumenten bedeutet die maschinelle Zuordnung jeweils einer oder mehrerer Notationen eines vorgegebenen Klassifikationssystems zu natürlich-sprachlichen Texten mithilfe eines geeigneten Algorithmus. In der vorliegenden Arbeit wird in Form einer umfassenden Literaturstudie ein aktueller Kenntnisstand zu den Ein-satzmöglichkeiten des automatischen Klassifizierens für die sachliche Erschliessung von elektronischen Dokumenten, insbesondere von Web-Ressourcen, erarbeitet. Dies betrifft zum einen den methodischen Aspekt und zum anderen die in relevanten Projekten und Anwendungen gewonnenen Erfahrungen. In methodischer Hinsicht gelten heute statistische Verfahren, die auf dem maschinellen Lernen basieren und auf der Grundlage bereits klassifizierter Beispieldokumente ein Modell - einen "Klassifikator" - erstellen, das zur Klassifizierung neuer Dokumente verwendet werden kann, als "state-of-the-art". Die vier in den 1990er Jahren an den Universitäten Lund, Wolverhampton und Oldenburg sowie bei OCLC (Dublin, OH) durchgeführten "grossen" Projekte zum automatischen Klassifizieren von Web-Ressourcen, die in dieser Arbeit ausführlich analysiert werden, arbeiteten allerdings noch mit einfacheren bzw. älteren methodischen Ansätzen. Diese Projekte bedeuten insbesondere aufgrund ihrer Verwendung etablierter bibliothekarischer Klassifikationssysteme einen wichtigen Erfahrungsgewinn, selbst wenn sie bisher nicht zu permanenten und qualitativ zufriedenstellenden Diensten für die Erschliessung elektronischer Ressourcen geführt haben. Die Analyse der weiteren einschlägigen Anwendungen und Projekte lässt erkennen, dass derzeit in den Bereichen Patent- und Mediendokumentation die aktivsten Bestrebungen bestehen, Systeme für die automatische klassifikatorische Erschliessung elektronischer Dokumente im laufenden operativen Betrieb einzusetzen. Dabei dominieren jedoch halbautomatische Systeme, die menschliche Bearbeiter durch Klassifizierungsvorschläge unterstützen, da die gegenwärtig erreichbare Klassifizierungsgüte für eine Vollautomatisierung meist noch nicht ausreicht. Weitere interessante Anwendungen und Projekte finden sich im Bereich von Web-Portalen, Suchmaschinen und (kommerziellen) Informationsdiensten, während sich etwa im Bibliothekswesen kaum nennenswertes Interesse an einer automatischen Klassifizierung von Büchern bzw. bibliographischen Datensätzen registrieren lässt. Die Studie schliesst mit einer Diskussion der wichtigsten Projekte und Anwendungen sowie einiger im Zusammenhang mit dem automatischen Klassifizieren relevanter Fragestellungen und Themen.
  14. Yi, K.: Challenges in automated classification using library classification schemes (2006) 0.00 
    0.0024220366 = product of:
  0.009688146 = sum of:
    0.009688146 = product of:
      0.019376293 = sum of:
        0.019376293 = weight(_text_:der in 5810) [ClassicSimilarity], result of:
          0.019376293 = score(doc=5810,freq=2.0), product of:
            0.098138146 = queryWeight, product of:
              2.2337668 = idf(docFreq=12875, maxDocs=44218)
              0.043933928 = queryNorm
            0.19743896 = fieldWeight in 5810, product of:
              1.4142135 = tf(freq=2.0), with freq of:
                2.0 = termFreq=2.0
              2.2337668 = idf(docFreq=12875, maxDocs=44218)
              0.0625 = fieldNorm(doc=5810)
      0.5 = coord(1/2)
  0.25 = coord(1/4)
    Content
    Vortrag anlässlich der 72ND IFLA General Conference and Council, 20-24 August 2006, Seoul, Korea
  15. Illing, S.: Automatisiertes klinisches Codieren (2021) 0.00 
    0.0024220366 = product of:
  0.009688146 = sum of:
    0.009688146 = product of:
      0.019376293 = sum of:
        0.019376293 = weight(_text_:der in 419) [ClassicSimilarity], result of:
          0.019376293 = score(doc=419,freq=2.0), product of:
            0.098138146 = queryWeight, product of:
              2.2337668 = idf(docFreq=12875, maxDocs=44218)
              0.043933928 = queryNorm
            0.19743896 = fieldWeight in 419, product of:
              1.4142135 = tf(freq=2.0), with freq of:
                2.0 = termFreq=2.0
              2.2337668 = idf(docFreq=12875, maxDocs=44218)
              0.0625 = fieldNorm(doc=419)
      0.5 = coord(1/2)
  0.25 = coord(1/4)
    Abstract
    Die in diesem Artikel vorgestellte Bachelorarbeit behandelt die Ergebnisse einer Shared Task im Bereich eHealth. Es wird untersucht, ob die Klassifikationsgenauigkeit ausgewählter klinischer Codiersysteme durch den Einsatz von Ensemble-Methoden verbessert werden kann. Entscheidend dafür sind die Werte der Evaluationsmaße Mean Average Precision und F1-Maß.
  16. Wille, J.: Automatisches Klassifizieren bibliographischer Beschreibungsdaten : Vorgehensweise und Ergebnisse (2006) 0.00 
    0.002119282 = product of:
  0.008477128 = sum of:
    0.008477128 = product of:
      0.016954256 = sum of:
        0.016954256 = weight(_text_:der in 6090) [ClassicSimilarity], result of:
          0.016954256 = score(doc=6090,freq=2.0), product of:
            0.098138146 = queryWeight, product of:
              2.2337668 = idf(docFreq=12875, maxDocs=44218)
              0.043933928 = queryNorm
            0.17275909 = fieldWeight in 6090, product of:
              1.4142135 = tf(freq=2.0), with freq of:
                2.0 = termFreq=2.0
              2.2337668 = idf(docFreq=12875, maxDocs=44218)
              0.0546875 = fieldNorm(doc=6090)
      0.5 = coord(1/2)
  0.25 = coord(1/4)
    Abstract
    Diese Arbeit befasst sich mit den praktischen Aspekten des Automatischen Klassifizierens bibliographischer Referenzdaten. Im Vordergrund steht die konkrete Vorgehensweise anhand des eigens zu diesem Zweck entwickelten Open Source-Programms COBRA "Classification Of Bibliographic Records, Automatic". Es werden die Rahmenbedingungen und Parameter f¨ur einen Einsatz im bibliothekarischen Umfeld geklärt. Schließlich erfolgt eine Auswertung von Klassifizierungsergebnissen am Beispiel sozialwissenschaftlicher Daten aus der Datenbank SOLIS.

Authors

Years

Languages

  • d 38
  • e 37
  • a 1
  • More… Less…

Types

  • a 51
  • el 14
  • x 9
  • m 2
  • r 2
  • s 1
  • More… Less…

Themes