Сколько стоят монеты в вашем кошельке

Обучение модели на собственных данных

Нам необходимо обучить ранжирующую модель (ranker), чтобы она генерировала ссылки на правильные документы. Процесс обучения на собственных данных описан в блоге DeepPavlov. Поскольку модель ODQA использует модель , мы можем загрузить ее конфигурацию отдельно и заменить путь, который указывает на путь, где находятся файлы данных модели:

Мы также уменьшаем размер батча, иначе процесс обучения не поместится в памяти.

Теперь обучим модель и посмотрим, как она работает:

Эта команда позволяет получить полный список файлов, которые имеют отношение к указанному ключевому слову.

Теперь запустим актуальную модель ODQA и посмотрим, как она работает:

В ответ мы получим:

Все еще не идеально…

BERT классификация с использованием DeepPavlov

Вернемся к задаче классификации текста с использованием BERT. DeepPavlov содержит несколько предобученных конфигураций для этой задачи, например, классификация настроений в Twitter. В этом файле раздел описывает конвейер, который состоит из следующих шагов:

• используется для преобразования ожидаемого вывода (), который является именем класса, в числовой идентификатор ();
• принимает входной текст и выдает набор данных для последующей сети BERT;
• создает BERT-эмбеддинги для входного текста
• кодирует в one-hot encoding, необходимое для финального слоя классификатора;
• — модель классификации, представляющая собой многослойную CNN с определенными параметрами;
• — финальный слой, преобразующий выходные данные сети в соответствующую метку.

В конфигурации также определяются:

• в разделе — описание формата и пути к входным данным;
• в разделе — параметры обучения;
• а также некоторый другие характеристики.

Определив конфигурацию, мы можем обучить соответствующий конвейер из командной строки следующим образом:

Команда устанавливает все необходимые зависимости (например, , и т.д.), скачивает все необходимые файлы предварительно обученных моделей, а последняя строка непосредственно выполняет обучение.

Как только модель обучилась, мы можем взаимодействовать с ней с помощью командной строки:

Также можно использовать обученную модель с помощью Python SDK:

Языки, которые поддерживает наш ИИ для распознавания текста

Наш искусственный интеллект для обнаружения текста великолепен, так как он поддерживает все виды языков для обеспечения точного распознавания текста. Он имеет широкий диапазон охвата и может легко идентифицировать любой язык. Мы с гордостью можем сказать, что эта разработка позволила нам предоставить эффективное решение для наших клиентов независимо от их выбора языка.

В рамках списка наш ИИ может обнаруживать и распознавать китайский, хинди, испанский, французский, арабский, португальский, русский, немецкий, японский и индонезийский языки. Эта передовая технология была разработана для удовлетворения постоянно растущих потребностей предприятий с клиентами из разных слоев общества и культур по всему миру.

Наш полезный инструмент также обнаруживает многоязычный текст, написанный с помощью наиболее распространенных инструментов для написания ИИ, таких как Jasper, Rytr, Writesonic, Anyword, Copy AI, Frase, Article Forge и Google Bard.

Шаг 4: лемматизация текста (определение начальной формы слов)

В английском, как и в большинстве языков, слова имеют несколько различных форм. Например:

В обоих предложениях употребляется одно существительное «pony», но с разными окончаниями. При обработке текста компьютеру очень полезно знать исходные формы используемых слов, чтобы понимать, что в обоих предложениях речь идёт об одном и том же предмете. Иначе строки «pony» и «ponies» он воспримет как два не связанных между собой слова.

В NLP этот процесс определения начальной формы, или леммы, каждого слова в предложении имеет название «лемматизация».

То же делают и с глаголами. Их также можно лемматизировать, то есть выделить исходную, неспрягаемую форму. Поэтому, предложение «I had two ponies» можно представить как «I two ».

Определение лемм компьютер обычно выполняет по справочным таблицам форм слов, характерных для частей речи, и иногда — набора некоторых правил обработки незнакомых слов.

Вот так будет выглядеть предложение после лемматизации — выделения основной формы глагола:

Единственное изменение в том, что «is» превратилось в «be».

Основы NLP для текста

1. Токенизация по предложениям.
2. Токенизация по словам.
3. Лемматизация и стемминг текста.
4. Стоп-слова.
5. Регулярные выражения.
6. Мешок слов.
7. TF-IDF.

3. Лемматизация и стемминг текста

Примеры:

Примеры:

1. Слово good – это лемма для слова better. Стеммер не увидит эту связь, так как здесь нужно сверяться со словарем.
2. Слово play – это базовая форма слова playing. Тут справятся и стемминг, и лемматизация.
3. Слово meeting может быть как нормальной формой существительного, так и формой глагола to meet, в зависимости от контекста. В отличие от стемминга, лемматизация попробует выбрать правильную лемму, опираясь на контекст.

здесь
эту чудесную шпаргалку

5. Регулярные выражения.

• . – любой символ, кроме перевода строки;
• \w – один символ;
• \d – одна цифра;
• \s – один пробел;
• \W – один НЕсимвол;
• \D – одна НЕцифра;
• \S – один НЕпробел;
• – находит любой из указанных символов match any of a, b, or c;
• – находит любой символ, кроме указанных;
• – находит символ в промежутке от a до g.

документации Pythonrere.sub

regexregex101

6. Мешок слов

извлечением признаков

1. Определить словарь известных слов (токенов).
2. Выбрать степень присутствия известных слов.

схожие документысхожее содержимоеПример:

3. Создаем векторы документа

Еще пару слов про мешок слов

• игнорирование регистра слов;
• игнорирование пунктуации;
• выкидывание стоп-слов;
• приведение слов к их базовым формам (лемматизация и стемминг);
• исправление неправильно написанных слов.

N-граммаПример:

• the office
• office building
• building is
• is open
• open today

Оценка (скоринг) слов

1. Количество. Подсчитывается, сколько раз каждое слово встречается в документе.
2. Частотность. Подсчитывается, как часто каждое слово встречается в тексте (по отношению к общему количеству слов).

Лучшее приложение-календарь для iPhone с красивым дизайном и функциональностью — Timepage

Приложение Timepage от Moleskine легко настраивается по внешнему виду: на выбор предлагается 25 цветовых тем (включая черно-белую). Приложение предлагает только три основных варианта просмотра. Оно открывается в режиме повестки дня; проведите пальцем вправо, чтобы увидеть месяц и список событий на сегодня. Нажмите, чтобы развернуть расписание на день, или нажмите и удерживайте отдельные события для предварительного просмотра. Снова проведите пальцем влево, чтобы вернуться в ежедневник. Но Timepage — это не просто красивое лицо. Уникальные функции, такие как интеллектуальная тепловая карта (показана на скриншоте слева вверху), позволяют легко составлять расписание, показывая, какие дни заполнены, а какие свободны. Чем более непрозрачным является круг вокруг даты, тем больше мероприятий запланировано на этот день. Вы даже можете удерживать и перетаскивать цветные круги в нижней части экрана, чтобы отфильтровать тепловую карту для каждого календаря.

Проведите пальцем вправо, чтобы уточнить настройки, или включите функцию Smart Alerts в меню, чтобы получать уведомления, когда начнется дождь, когда пора уходить или получать ежедневную сводку предстоящего расписания. Здесь же вы найдете список RSVP, в котором отображаются все ожидающие приглашения на мероприятия, на которые вам необходимо ответить. Приложение полностью совместимо с Siri и предлагает 17 виджетов на выбор, так что вы можете управлять и просматривать свой календарь, даже не открывая приложение. Именно эти уникальные функции и возможность настройки убедили меня перейти на Timepage для личного использования. Приложение также позволяет быстро добавлять события с помощью обработки естественного языка. Это не так гладко, как в Fantastical, но это относительно новая функция для Timepage, поэтому мы можем ожидать, что она станет еще лучше. Цена Timepage: $1,99/месяц или $11,99/год; или выберите пакет Moleskine Studio (который также включает приложения Moleskine для ведения списка дел и блокнота) за $19,99/год.

Настроить легко

Здесь не так много настроек, но в этом нет необходимости. Тем не менее, ничего не стоит, чтобы вы могли назначить своему календарю универсальное сочетание клавиш и выбрать календарь по умолчанию для новых событий:

Вы также можете выбрать, какие календари будут отображаться и не показываться в вашей повестке дня. Это полезно, если у вас есть доступ к большому количеству календарей, с которыми вы не консультируетесь регулярно.

При желании вы также можете настроить работу аварийных сигналов, хотя некоторые пользователи, без сомнения, предпочтут использовать аварийные сигналы из стандартного приложения Календарь.

Лучший способ добавлять события

Одна из самых сильных сторон Fantastical всегда заключалась в том, что вы можете описать событие на естественном языке, а приложение проанализирует то, что вы сказали, и добавит его в свой календарь. Например, если вы введете «Познакомьтесь с Брайаном в 14:00 на 2 часа», Fantastical создаст мероприятие под названием «Познакомьтесь с Брайаном» со 2 до 16 часов сегодня. Это гораздо более приятный способ создания событий, чем проработка того, что составляет опрос.

В Fantastical 2 парсер был значительно улучшен. Хотя базовая функция остается прежней, лучше дразнить несколько двусмысленные фразы. Теперь стало намного проще создавать повторяющиеся события и добавлять оповещения.

Как Fantastical обращается с часовыми поясами, также было улучшено. В то время как оригинал просто преобразует любую информацию о часовом поясе в ваше местное время, Fantastical 2 отслеживает исходное время и показывает вас обоих. Вы также можете добавить информацию о часовом поясе в зависимости от местоположения.

Если вы большой пользователь Fantastical, как и я, эти улучшения складываются и стоят всего 50 долларов.

Извлечь существительные

Вы можете получить более мелкозернистый и извлечь все существительные в тексте.

22 июня 1941 года европейские державы Оси начали вторжение в Советский Союз, открыв крупнейший в истории наземный театр военных действий, в результате которого Ось, в первую очередь германский вермахт, оказалась в войне на истощение. Вторая мировая война (часто сокращенно Вторая или Вторая мировая война), также известная как Вторая мировая война, была глобальной войной, которая продолжалась с 1939 по 1945 год.

Это возвращает:

• полномочия
• вторжение
• земельные участки
• театр
• война
• история
• война
• истирание
• война

Вывод

Вышеуказанные методы являются отправной точкой для конвейера НЛП. Можно проявить творческий подход и объединить разбор даты / времени с извлечением именованных сущностей, чтобы построить график событий с актерами / игроками. Или, в качестве альтернативы, совокупные упоминания с помощью веб-скребка, возможности безграничны

Я планирую добавить больше функциональных возможностей, таких как модели обучения, классификация текста, сегментация предложений и многое другое, так что следите за обновлениями. Любые отзывы приветствуются.

Использование BERT для Q&A

DeepPavlov имеет две предобученные модели для ответов на вопросы, обученные на Stanford Question AnsweringDataset (SQuAD): R-NET и BERT. В предыдущем примере использовалась модель с R-NET. Теперь мы переключим ее на BERT. Конфигурация является хорошей отправной точкой для построения вопрос-ответной модели на основе BERT:

Если посмотреть на файл конфигурации ODQA, то следующая его часть отвечает за ответы на вопросы:

Изначально используется модель, задаваемая конфигурационным файлом . Чтобы изменить механизм ответа на вопрос в модели ODQA, необходимо просто заменить поле в конфигурации на :

Теперь попробуем взаимодействовать с моделью точно так же, как делали раньше:

Ниже приведены некоторые вопросы и ответы, полученные с помощью обновленной модели:

Вопрос	Ответ
what is coronavirus?	respiratory tract infection
is hydroxychloroquine suitable?	well tolerated
which drugs should be used?	antibiotics, lactulose, probiotics
what is incubation period?	3-5 days
is patient infectious during incubation period?	MERS is not contagious
how to contaminate virus?	helper-cell-based rescue system cells
what is coronavirus type?	enveloped single stranded RNA viruses
what are covid symptoms?	insomnia, poor appetite, fatigue, and attention deficit
what is reproductive number?	5.2
what is the lethality?	10%
where did covid-19 originate?	uveal melanocytes
is antibiotics therapy effective?	less effective
what are effective drugs?	M2, neuraminidase, polymerase, attachment and signal-transduction inhibitors
what is effective against covid?	Neuraminidase inhibitors
is covid similar to sars?	All coronaviruses share a very similar organization in their functional and structural genes
what is covid similar to?	thrombogenesis

Обучение модели на собственных данных

Нам необходимо обучить ранжирующую модель (ranker), чтобы она генерировала ссылки на правильные документы. Процесс обучения на собственных данных описан в блоге DeepPavlov. Поскольку модель ODQA использует модель , мы можем загрузить ее конфигурацию отдельно и заменить путь, который указывает на путь, где находятся файлы данных модели:

Мы также уменьшаем размер батча, иначе процесс обучения не поместится в памяти.

Теперь обучим модель и посмотрим, как она работает:

Эта команда позволяет получить полный список файлов, которые имеют отношение к указанному ключевому слову.

Теперь запустим актуальную модель ODQA и посмотрим, как она работает:

В ответ мы получим:

Все еще не идеально…

Лучшее универсальное приложение-календарь для iPhone для опытных пользователей — Fantastical

Fantastical — одно из тех приложений, которые попадают почти в каждый список «лучших из лучших», и оно более чем оправдывает ожидания. Приложение Fantastical сочетает в себе привлекательный, интуитивно понятный дизайн и надежные функции, необходимые опытным пользователям. Это все простота родного календаря Apple, но с более продвинутыми функциями. Стандартный вид DayTicker чист и лаконичен. Разноцветные полосы в верхней части помогают визуализировать многодневные и перекрывающиеся события и с первого взгляда определить, насколько занят тот или иной день. Цвета показывают, к какому календарю относится событие — на скриншоте фиолетовые события находятся в моем личном календаре, а синие — в подписном календаре хоккейных матчей Seattle Kraken. Потяните сверху вниз, чтобы просмотреть весь месяц. Создание событий на естественном языке — это то место, где Fantastical действительно выделяется: по мере ввода текста приложение показывает, как ваши слова «ложатся» в детали события, расположенные ниже, так что вам не придется перепроверять детали уже после того, как все готово, как это делается в других приложениях с возможностями естественного языка. (Вот как это выглядит на моем телефоне). Кроме того, Fantastical предлагает целых 14 различных виджетов для домашнего экрана и просмотра Today. Цена Fantastical: Бесплатно; обновление до Premium за $4,99/месяц или $39,99/год, чтобы получить дополнительные функции продуктивности, планирования и совместной работы.

Как я тестировал приложения для календаря

После фильтрации первоначального списка по вышеуказанным критериям я протестировал каждое из 30 лучших приложений на своем телефоне (iPhone 13 под управлением iOS 15). Для каждого приложения я следовал углубленному процессу тестирования, который включал в себя:

• Прохождение любого управляемого онбординга
• Синхронизация событий из существующих аккаунтов Календаря Google
• Проверка вариантов просмотра и выбор наиболее рационального и полезного
• Создание нового события — как вручную, так и с помощью создания события на естественном языке, для тех приложений, которые предлагают такую возможность
• Редактирование существующего события
• Добавление местоположения, приглашенных, сведений о видеоконференциях и других сведений к новым событиям
• Настройка таких параметров, как цвета темы, значения по умолчанию для продолжительности события, календарь, в который добавляются новые события, и уведомления.
• Получение общего представления о дизайне приложения, пользовательском интерфейсе и любых уникальных особенностях

После этого первого раунда тестирования я смог значительно сузить список. Затем я вернулся в десятку лучших, тестируя более продвинутые функции, такие как повторяющиеся события, составление расписания, расширенные оповещения и рассматривая доступные виджеты. Я также держал приложения на своем телефоне в течение недели, чтобы посмотреть, как работают уведомления, виджеты и синхронизация календаря на постоянной основе. Здесь представлены лучшие приложения для работы с календарем, которые я нашел.

Лучший календарь iPhone для хранения рабочей почты и календаря в одном месте — Календарь Microsoft Outlook

Microsoft Outlook ориентирован на пользователей Windows, но его приложение календаря более чем способно стать вашим основным календарем для iPhone. Когда-то приложение можно было использовать только по требованию компании, но Microsoft повысила уровень дизайна — сегодня приложение Outlook так же просто и легко в использовании, как и лучшие приложения календаря для iPhone. Дизайн предлагает несколько вариантов просмотра (повестка дня, день, 3 дня и месяц): в верхней части экрана нажмите значок справа, чтобы переключить вид. В вариантах «Повестка дня» и «День» по умолчанию отображается недельный блок — потяните вниз на эту неделю, чтобы увидеть и прокрутить месяцы. Если ваша компания уже использует электронную почту Outlook, то это лучший вариант календаря, объединяющий электронную почту, расписание и контакты в одном месте, что делает его загрузку несомненной. Кроме того, вы можете синхронизировать с Outlook другие календари, которые вы можете использовать, поэтому вы легко сможете объединить в одном приложении свое рабочее и личное расписание. Ваш календарь Outlook также автоматически передается сотрудникам вашей компании. Outlook поставляется с шестью виджетами на домашнем экране и в режиме «Сегодня». Кроме того, благодаря Microsoft Bing вы можете подписаться на различные публичные календари, чтобы добавить в календарь любимые профессиональные спортивные команды или расписание телепередач. Microsoft Outlook Calendar Цена: Бесплатно при использовании с существующими учетными записями электронной почты и календаря

Сокращение слов

Лемматизация — это приведение любой формы словарного запаса в общую форму, которая может выражать полную семантику. Условно говоря, определение — простой и легкий способ объединения слов, конечный результат — определение, но оно может не иметь практического значения. Сокращение морфологии является относительно сложным. Результатом является оригинальная форма слова, которое может иметь определенное значение. По сравнению с извлечением ствола, оно имеет большую исследовательскую и прикладную ценность.

Например, stemming, не практично предполагать, что слово предоставление является условием. Однако алгоритм лемматизации в nltk очень плохой. В принципе, можно понять, что только парафраз может быть приведен к единственному виду, а некоторые другие ненормальные формы множественного числа могут быть преобразованы в единственное число. Но прилагательные, становящиеся существительными, могут потерпеть неудачу.

Конкретные примеры следующие:

Приведенный выше пример также из той же статьиhttps://zhangmingemma.github.io/2017/03/29/Python+NLTK-Natural-Language-Process.html

Код для основных операций

Для этих основных операций мы даем код предварительной обработки.

Каждый может использовать его непосредственно после этого и посмотреть, как его пишут другие. Повторное его использование — это тоже здорово. Улучшить эффективность, прийти к ха-ха и накопить опыт.

Если вы хотите исправить некоторые опечатки, используйте пакет textblob. Сейчас я буду использовать только pip для его установки. Я попытался установить conda безуспешно. Таким образом, вы можете использовать только Python, который поставляется с системой, для запуска этого скрипта на естественном языке.

Установить TextBlob

При его использовании вам нужно только представить его заранее, и вы также можете использовать этот инструмент для выполнения предварительной обработки

Код исправления орфографии выглядит следующим образом:

Я также увидел еще несколько интересных процедур, поэтому решил включить их:

№2 :: Фильм “Всё везде и сразу” (2022)

Сюжет: Представьте, что существуют альтернативные варианты нашей реальности, где вы — совершенно другой человек. В этом лично убеждается Эвелин (Мишель Йео), получив доступ к воспоминаниям, эмоциям и невероятным способностям других версий себя. Теперь Эвелин может прожить тысячи жизней и быть кем угодно — известной актрисой, мастером боевых искусств, оперной дивой и даже небесным божеством. Но всем мультивселенным угрожает таинственная сущность, с которой Эвелин предстоит сразиться. Как знать, возможно, заодно она разберётся и с самым страшным злом — своими налогами.

• Оригинальное название: “Everything Everywhere All at Once”
• Страна: США
• Бюджет: $ 25 000 000

Только посмотрите, что вам нужно

Одна из самых интересных новых функций в Fantastical 2 — наборы календарей. При использовании набора календарей вы объединяете различные календари и получаете только события из этой группы. Например, если есть несколько рабочих календарей, на которые вы подписаны, а также ваш собственный рабочий календарь, вы можете сгруппировать их вместе. Затем, когда вы находитесь в своем офисе, вы можете легко показать всю свою рабочую информацию, скрывая посторонние события из других ваших календарей (например, Facebook).

Если ваш календарь выглядит так, как будто вы собираетесь провести президентскую кампанию, то возможность разделить его так, чтобы вы могли видеть только те события, которые наиболее актуальны для вас в данный момент, легко стоит $ 50.

Yargy-парсер — извлечение структурированное информации из текстов на русском языке с помощью грамматик и словарей

Yargy-парсерТомита-парсераконтекстно-свободных грамматикстатью про Yargy и библиотеку Natasha

вводный разделсправочникCookbookt.me/natural_language_processing

• ;
• ;
• .

• ;
• ;
• .

• ;
• (особенно полезно, ни одно решение на практике без этого приёма не обходится).

репозиторий с примерами

• парсинг объявлений с Авито;
• разбор рецептов из ВК.

natasha-usage

• разбор фида о работе метро в Спб;
• парсинг объявлений о сдаче жилья в соцсетях;
• извлечение атрибутов из названий авто покрышек;
• парсинг вакансий из канала jobs чата ODS;

natasha.github.io

Что такое обработка естественного языка

Обработка естественного языка (далее NLP — Natural language processing) — область, находящаяся на пересечении computer science, искусственного интеллекта и лингвистики. Цель заключается в обработке и “понимании” естественного языка для перевода текста и ответа на вопросы.

С развитием голосовых интерфейсов и чат-ботов, NLP стала одной из самых важных технологий искусственного интеллекта. Но полное понимание и воспроизведение смысла языка  — чрезвычайно сложная задача, так как человеческий язык имеет особенности:

• Человеческий язык  — специально сконструированная система передачи смысла сказанного или написанного. Это не просто экзогенный сигнал, а осознанная передача информации. Кроме того, язык кодируется так, что даже маленькие дети могут быстро выучить его.
• Человеческий язык  — дискретная, символьная или категориальная сигнальная система, обладающая надежностью.
• Категориальные символы языка кодируются как сигналы для общения по нескольким каналам: звук, жесты, письмо, изображения и так далее. При этом язык способен выражаться любым способом.

Где применяется NLP

Сегодня быстро растет количество полезных приложений в этой области:

• поиск (письменный или устный);
• показ подходящей онлайн рекламы;
• автоматический (или при содействии) перевод;
• анализ настроений для задач маркетинга;
• распознавание речи и чат-боты,
• голосовые помощники (автоматизированная помощь покупателю, заказ товаров и услуг).

Глубокое обучение в NLP

Существенная часть технологий NLP работает благодаря глубокому обучению (deep learning) — области машинного обучения, которая начала набирать обороты только в начале этого десятилетия по следующим причинам:

• Накоплены большие объемы тренировочных данных;
• Разработаны вычислительные мощности: многоядерные CPU и GPU;
• Созданы новые модели и алгоритмы с расширенными возможностями и улучшенной производительностью, c гибким обучением на промежуточных представлениях;
• Появились обучающие методы c использованием контекста, новые методы регуляризации и оптимизации.

Большинство методов машинного обучения хорошо работают из-за разработанных человеком представлений (representations) данных и входных признаков, а также оптимизации весов, чтобы сделать финальное предсказание лучше.

В глубокомобучении алгоритм пытается автоматически извлечь лучшие признаки или представления из сырых входных данных.

Созданные вручную признаки часто слишком специализированные, неполные и требуют время на создание и валидацию. В противоположность этому, выявленные глубоким обучением признаки легко приспосабливаются.

Глубокое обучение предлагает гибкий, универсальный и обучаемый фреймворк для представления мира как в виде визуальной, так и лингвистической информации. Вначале это привело к прорывам в областях распознавания речи и компьютерном зрении. Эти модели часто обучаются с помощью одного распространенного алгоритма и не требуют традиционного построения признаков под конкретную задачу.

Недавно я закончил исчерпывающий курс по NLP с глубоким обучением из Стэнфорда.

Этот курс — подробное введение в передовые исследование по глубокому обучению, примененному к NLP. Курс охватывает представление через вектор слов, window-based нейросети, рекуррентные нейросети, модели долгосрочной-краткосрочной памяти, сверточные нейросети и некоторые недавние модели с использованием компонента памяти. Со стороны программирования, я научился применять, тренировать, отлаживать, визуализировать и создавать собственные нейросетевые модели. 

Замечание:  доступ к лекциям из курса и домашним заданиям по программированию находится в этом репозитории.

№1 :: Фильм “Аватар 2: Путь воды” (2022)

Сюжет: После принятия образа аватара солдат Джейк Салли становится предводителем народа на’ви и берет на себя миссию по защите новых друзей от корыстных бизнесменов с Земли. Теперь ему есть за кого бороться — с Джейком его прекрасная возлюбленная Нейтири. Когда на Пандору возвращаются до зубов вооруженные земляне, Джейк готов дать им отпор.

• Оригинальное название: “Avatar 2: The Way of Water”
• Страна: США
• Бюджет: $ 350 000 000

Предлагаем вам также поучаствовать в нашем опросе:

Будем рады вашим лайкам, дизлайкам и комментариям.И не забывайте подписываться на наш канал — вас ждет ещё много интересного…Будьте В Рейтинге!

ИТОГИ-2022 Другие топы: