著录项信息
专利名称 | 网络信息抽取及处理的方法及系统 |
申请号 | CN03109338.8 | 申请日期 | 2003-04-04 |
法律状态 | 撤回 | 申报国家 | 中国 |
公开/公告日 | 2004-10-13 | 公开/公告号 | CN1536483 |
优先权 | 暂无 | 优先权号 | 暂无 |
主分类号 | 暂无 | IPC分类号 | 暂无查看分类表>
|
申请人 | 陈文中 | 申请人地址 | 香港屯门黄金海岸4座19D
变更
专利地址、主体等相关变化,请及时变更,防止失效 |
权利人 | 陈文中 | 当前权利人 | 陈文中 |
发明人 | 陈文中 |
代理机构 | 中国商标专利事务所有限公司 | 代理人 | 吴平 |
摘要
一种网络信息抽取及处理的方法及系统,采用了人工智能与自然语言处理技术,能够自动的从各个指定的站点下载每天最新的新闻信息,并且进行内容抽取,分类,自动精简全文,且将全文储存,并进行文本索引以便日后进行高效的全文检索。
1、一种网络信息抽取及处理的方法,包括如下步骤:
一.新闻下载步骤:包括如下步骤
url分析步骤:系统指定一定的url,程序能够自动的从这些url 上分析出新闻的最终内容url,而不用对每个新闻网站做一个特定的 url模块,采用给予url统计以及对url进行相关性分析的方法,在一 个含有最终内容新闻连接地址的网页,进行统计和分析,找到有用的 最终url地址;
自动抓取新闻网页步骤:将目标地址中的链接页面所有符合url 格式的页面进行下载;
垃圾过滤步骤:实现对抓下来的新闻内容网页进行垃圾过滤,除 去其中的html标签以及一些无用的中文,最终得到中文向量信息;
信息提取步骤:对以上得到的中文向量进行信息提取,前期实 现能够提取标题和内容,后期实现对web新闻内容进行特征提取,相 关性分析,文档分类,排重处理等等;
二.自动生成摘要步骤:进行分词、特征词分析、句子重要分析、 生成摘要,并输出摘要;
三.生成全文索引步骤:对所有已经下载并且完成内容抽取的新 闻内容文件进行全文索引,包括如下步骤:
传入步骤,传入下一个文件名;
索引判断步骤,判断是否已经索引过,是则回到传入步骤,否 则进入下一步;
过滤步骤,过滤其中所有垃圾及无意义的词;
匹配分词步骤,进行词典匹配分词;
ngram分词步骤,进行ngram分词,以免词典分词有未能完全 分出来的词;
更新步骤,对每一个词都更新相关的索引文件,包括关键字和日 期,类别索引;
四.层次文本分类步骤:是把一个新的文档归入一个给定的层次 类别里的一个类里分类步骤;每份文档仅仅只能被归入一个类里,在 层次类别里的每个类与许多词汇和术语相关有较大权重一个给定的 术语在层次中的一个层次上,而stopword在另一个层次上.被摘录的 文档(财政的新闻)的特征词在这个系统中被当作术语和字汇使用; 包括层次训练步骤和文档分类步骤;
层次训练是文档分类的预处理,在分类之前,先对类别的层次进 行训练;训练的功能是要收集来自训练文档的一组特征(特征词), 然后为每个节点(类别)在层次中分配特征权重,在文档分类算法 中,特征权重是用来为一份新的文档计算类别等级;
文件分类步骤是在被训练阶级组织之后,现在一份文件能被分 类到一个类别,文件分类方法从根类别开始,根类别的所有子类别被 分配等级,它由下面等式计算:
c是一个类别,d是一份文件,f是一个在D中的特征,Rcd是c的等 级,Nfd是f出现在d中的次数,Wfc是f在类别c中的权重;
如果所有子类别的等级都是零的或负的,d被留在根类别;如果 在子类别中有确定的正的最大的等级的类别,则该类别被选择;如果 该类别是一个叶类别,文件d被分到该类别;如果被选择的类别不是 叶类别,则在该类别的子类别中继续进行计算;因此,文件d能分到 叶类别或内部类别。
2、根据权利要求1所述的网络信息抽取及处理的方法,其特征 是所述的新闻下载步骤还包括管理步骤,实现对本机存储的新闻数据 进行管理,如删除,更新等。
3、根据权利要求1所述的网络信息抽取及处理的方法,其特征 是所述的方法还包括新闻查询步骤,包括如下步骤:
提交步骤,用户提交查询条件;
搜索步骤,对索引进行搜索操作,得到结果集;
返回步骤,将结果返回给用户。
4、根据权利要求1所述的网络信息抽取及处理方法,其特征是 所述的方法还包括日志以及事务处理步骤,即使是执行到一半终止 了,下次运行仍然能够恢复原有的索引结果,并且从失败的位置开始 从新进行索引工作,对于下载和摘要等工作进行纪录;下载线程的 url分析模块在分析url的时候,就先读入计数文件,并载入最新的两 个日志文件,用以判断是否已经下载过;每当下载一个新闻内容网页, 就存储相关的url至最新的日志文件中;在索引的过程中,必须先读 入索引的位置信息,然后读入必须索引的日志文件信息;然后对对应 的内容文件进行索引,同时更新索引日志文件中的索引位置信息;在 摘要的过程中,必须先读入摘要的位置信息,然后读入必须摘要的日 志文件信息;然后对对应的内容文件进行摘要,同时更新摘要日志文 件中的摘要位置信息;每当下载完一个文件的源代 码,分析出内容,进行完摘要,完成索引都要对这项工作进行纪录; 下载,摘要,索引三个线程永不停止,即使已经完成了某项工作,比 如摘要已经完成,则重新下载摘要的日志文件,开始摘要。
5、根据权利要求1所述的网络信息抽取及处理的方法,其特征 是所述的方法还包括管理步骤,管理步骤主要实现对本机的数据管 理,类别管理,新闻源管理,数据删除的索引更新,日志更新等。
6、根据权利要求1所述的网络信息抽取及处理的方法,其特征 是所述的自动摘要步骤可以是一个独立的步骤,需要与外部接口的 API接口只有一个get摘要ion,其接口原型为
public String get摘要ion(String FileName,boolean FileMode,int Ratio)
FileName参数,根据FileMode来决定;如果FileMode=true,那 么FileName则为文件名;否则,为待抽取的文档本身;FileMode参 数是模式参数;Ratio为抽比率,只允许0-100之间的整数。
7、根据权利要求1所述的网络信息抽取及处理的方法,其特征 是所述的生成全文索引步骤可以是一个独立的步骤,所需要提供的接 口参数只是一个文件名。
8、根据权利要求1所述的网络信息抽取及处理的方法,其特征 是所述的新闻下载步骤中采用对html的token分析方法;充分运用 java中的面向对象的思想,将每个html源代码文件看成一个对象, 同时建立一个名为token的类,token用来描述html中一个有意义的 字符串,并且由token继承出来urltoken类,urltoken用来描述特征符 合url格式的token;
在进行html源代码分析的时候,将每个文件看成一个对象,同时 就该文件中每一个html tag以及每一个html tag之间的字符串,都将 其看成一个字符串;
每个token所具有的属性为
String tokenstr=null;//描述该token的串值 int tokenloc=0; //该token在原文件中的位置 int gbnum=0; //该token中具有的中文字符数量 boolean iskeentag=false;//是否完全是一个内容亲密token Float keenvalue=0; //与内容的亲密程度 Token具有的比较特别的方法: public boolean ishref() { String flag 1=″href=″; int flag2=-1; if(tokenstr.索引Of(flag1)==flag2) return false; else return true; }
该方法用来判断是否一个url html tag;
对url进行分析,主要是由urlanalyse.class与contentanalyse.class 两个类实现的,主要实现了token流的分析;
分析的主要方法:urlanalyse.class有一个方法geturl(string filename)先将源代码转化成token流读入来,然后将每一个符合格式 的url token与这个url后面的gbnum不等于0的token加入缓存的 hashmap中,一般情况下,url后面的gbnum不等于0的token都是新 闻的标题。
9、根据权利要求1所述的网络信息抽取及处理的方法,其特征 是所述的自动生成摘要步骤中分词采用“无词库”分词方法,采用词 频,词重——衡量是词的可能性的算法公式:
P(w)=F(w)*L(w)c当(F(w)>minFreq,L(w)>minLen)否则 P(w)minFreq是预设的词的出现最小频率;通常≥2;降低不是词的串 minLen是预设的词的最短词长;通常≥1;保证低频词不被分开c是 预设的一个常值;通常≥4;保证长词不被分开;
流程如下:整文当作一个字符串,从头开始求子串,对所有子串 求权,取权高者作为词(太多无用扫描),系统值取一个串,采用所有 文件作为背景。
10、根据权利要求1所述的网络信息抽取及处理的方法,其特征 是所述的自动生成摘要步骤中特征词的抽取,基于词的频率以及想对 于背景知识库的词频来统计,
F(w)为词出现的频率,L(w)为词的长度,numdoc为该词的在本文中 出现次数,advnumdoc为所有文档中出现平均次数,D预设的最短词 长。
11、根据权利要求1所述的网络信息抽取及处理的方法,其特征 是所述的自动生成摘要步骤中句子的重要性与摘要的生成的关系:
对每一个句子按这个公式计算他们的权重;
Ti为句子组成的词的权重,S0为句子的总词数,S1为句子的字句数,
S2为数词的个数,m为整型常值,通常为1。
12、根据权利要求1所述的网络信息抽取及处理的方法,其特征 是所述的层次训练步骤包括4个步骤:
1)收集来自叶子类的特征词:层次中,对于每个叶子类的训练 文档(新闻)的特征词,只有那些在单一训练文档中出现2次以上或 者在训练文档集出现10次以上的特征词才被收集,这些词最后在摘要 中出现,这些收集的特征词表示了叶子类的特征,当一个叶子类属于 某一个训练文档集时,父类就要包含该叶子类的特征,非叶子类的特 征包括它的孩子节点的所有特征和在所有孩子节点中特征发生频率 的总和;
2)层次最优化步骤:最优化用来解决在类别节和它的父母类别 之间的竞争,因为一份文件(新闻)只能在类别的层次组织中被指定 为一个类别,当在类别之间有竞争的时候,运算法则应该为文件决定 适当的类别,包括如下步骤:
采集步骤,采集在一个类别中所有的特征;
特征判断步骤,判断是否在父母中的特征频率比在这个类别中大, 是则到下一步骤,否则没有操作;
查继步骤,查继承者的特征目录,找出继承者高频率和最低的频 率的特征;
比率判断步骤,判断是否在高的频率和最低的频率之差与最高 频率的比率比门槛值大,是则到下一步骤,否则从所有的继承者删除 该特征。只有父母保有该特征;
删除步骤,从继承者中删除该特征除非继承者有该特征的最高频 率;
3)分配类别特征权重步骤:为类别的每个特征指定权重,有比较 高的权重特征意味着它对类别是更重要的,在每个类别中所有的特征 被分配权重,由下式定义: Wfc=(λ+(1-λ)×Nfc/Mc) f正在每个存在的特征,c是类别,Wfc是被指定为特征的权重,λ是 一个叁数并且现在设定为0.4,Nfc是f在c中出现的次数,Mc是在c中 任何的特征最大的频率;
当一个特征只出现在兄弟类别中的时候,但是不在c中它本身,它 被指定为负权重,有负权重的特征被增加到c的特征列表,负权重由 下式定义: Wfc=-(λ+(1-λ)×Nfp/Mp) f正在每个存在的特征,c是类别,Wfc是被指定为特征的权重,λ是 一个叁数并且现在设定为0.4,Nfp是f在c的父类别中出现的次数,Mc 是在c的父类别中任何的特征最大的频率;
4)过滤每个类别的特征列表,每个类别的特征列表将被过滤, 只有前面200个正特征和前面200个负特征被保留到该类别的最终特 征列表中,无论是父类别还是叶类别,其他的特征将被抛弃。限制特 征的数量是用来降低分类一个文件的计算复杂度。
13、一种网络信息抽取及处理的系统,其特征在于:包括如下 装置:
一.新闻下载装置:包括如下装置
url分析装置:系统指定一定的url,程序能够自动的从这些url 上分析出新闻的最终内容url,而不用对每个新闻网站做一个特定的 url模块,采用给予url统计以及对url进行相关性分析的方法,在一 个含有最终内容新闻连接地址的网页,进行统计和分析,找到有用的 最终url地址;
自动抓取新闻网页装置:将目标地址中的链接页面所有符合url 格式的页面进行下载;
垃圾过滤装置:实现对抓下来的新闻内容网页进行垃圾过滤,除 去其中的html标签以及一些无用的中文,最终得到中文向量信息;
信息提取装置:对以上得到的中文向量进行信息提取,前期实 现能够提取标题和内容,后期实现对web新闻内容进行特征提取,相 关性分析,文档分类,排重处理等等;
二.自动生成摘要装置:进行分词、特征词分析、句子重要分析、 生成摘要,并输出摘要;
三.生成全文索引装置:对所有已经下载并且完成内容抽取的新 闻内容文件进行全文索引,包括如下装置:
传入装置,传入下一个文件名;
索引判断装置,判断是否已经索引过,是则回到传入装置,否 则进入下一步;
过滤装置,过滤其中所有垃圾及无意义的词;
匹配分词装置,进行词典匹配分词;
ngram分词装置,进行ngram分词,以免词典分词有未能完全 分出来的词;
更新装置,对每一个词都更新相关的索引文件,包括关键字和日 期,类别索引;
四.层次文本分类装置:是把一个新的文档归入一个给定的层次 类别里的一个类里分类装置;每份文档仅仅只能被归入一个类里,在 层次类别里的每个类与许多词汇和术语相关有较大权重一个给定的 术语在层次中的一个层次上,而stopword在另一个层次上.被摘录的 文档(财政的新闻)的特征词在这个系统中被当作术语和字汇使用; 包括层次训练装置和文档分类装置;
层次训练装置是对文档分类的预处理,在分类之前,先对类别的 层次进行训练;训练的功能是要收集来自训练文档的一组特征(特征 词),然后为每个节点(类别)在层次中分配特征权重,在文档分类 算法中,特征权重是用来为一份新的文档计算类别等级;
文件分类装置是在被训练阶级组织之后,现在一份文件能被分 类到一个类别,文件分类方法从根类别开始,根类别的所有子类别被 分配等级,它由下面等式计算:
c是一个类别,d是一份文件,f是一个在D中的特征,Rcd是c的等 级,Nfd是f出现在d中的次数,Wfc是f在类别c中的权重;
如果所有子类别的等级都是零的或负的,d被留在根类别;如果 在子类别中有确定的正的最大的等级的类别,则该类别被选择;如果 该类别是一个叶类别,文件d被分到该类别;如果被选择的类别不是 叶类别,则在该类别的子类别中继续进行计算;因此,文件d能分到 叶类别或内部类别。
14、根据权利要求13所述的网络信息抽取及处理的系统,其特 征是所述的新闻下载装置还包括管理装置,实现对本机存储的新闻数 据进行管理,如删除,更新等。
15、根据权利要求13所述的网络信息抽取及处理系统,其特征 是所述的系统还包括新闻查询装置,包括如下装置:
提交装置,用户提交查询条件;
搜索装置,对索引进行搜索操作,得到结果集;
返回装置,将结果返回给用户。
16、根据权利要求13所述的网络信息抽取及处理系统,其特征 是所述的系统还包括日志以及事务处理装置,即使是执行到一半终止 了,下次运行仍然能够恢复原有的索引结果,并且从失败的位置开始 从新进行索引工作,对于下载和摘要等工作进行纪录;下载线程的 url分析模块在分析url的时候,就先读入计数文件,并载入最新的两 个日志文件,用以判断是否已经下载过;每当下载一个新闻内容网页, 就存储相关的url至最新的日志文件中;在索引的过程中,必须先读 入索引的位置信息,然后读入必须索引的日志文件信息;然后对对应 的内容文件进行索引,同时更新索引日志文件中的索引位置信息;在 摘要的过程中,必须先读入摘要的位置信息,然后读入必须摘要的日 志文件信息。然后对对应的内容文件进行摘要,同时更新摘要日志文 件中的摘要位置信息;每当下载完一个文件的源代码,分析出内容, 进行完摘要,完成索引都要对这项工作进行纪 录;下载,摘要,索引三个线程永不停止,即使已经完成了某项工作, 比如摘要已经完成,则重新下载摘要的日志文件,开始摘要。
17、根据权利要求13所述的网络信息抽取及处理的系统,其特 征是所述的系统还包括管理装置,管理装置主要实现对本机的数据管 理,类别管理,新闻源管理,数据删除的索引更新,日志更新等。
18、根据权利要求13所述的网络信息抽取及处理的系统,其特 征是所述的自动摘要装置可以是一个独立的装置,需要与外部接口的 API接口只有一个get摘要ion,其接口原型为
public String get摘要ion(String FileName,boolean FileMode,int Ratio)
FileName参数,根据FileMode来决定;如果FileMode=true,那 么FileName则为文件名;否则,为待抽取的文档本身;FileMode参 数是模式参数;Ratio为抽比率,只允许0-100之间的整数。
19、根据权利要求13所述的网络信息抽取及处理的系统,其特 征是所述的生成全文索引装置可以是一个独立的装置,所需要提供的 接口参数只是一个文件名。
20、根据权利要求13所述的网络信息抽取及处理的系统,其特 征是所述的新闻下载装置中采用对html的token分析方法;充分运用 java中的面向对象的思想,将每个html源代码文件看成一个对象, 同时建立一个名为token的类,token用来描述html中一个有意义的 字符串,并且由token继承出来urltoken类,urltoken用来描述特征符 合url格式的token;
在进行html源代码分析的时候,将每个文件看成一个对象,同 时就该文件中每一个html tag以及每一个html tag之间的字符串,都 将其看成一个字符串;
每个token所具有的属性为
String tokenstr=null;//描述该token的串值 int tokenloc=0; //该token在原文件中的位置 int gbnum=0; //该token中具有的中文字符数量 boolean iskeentag=false;//是否完全是一个内容亲密token Float keenvalue=0; //与内容的亲密程度 Token具有的比较特别的方法: public boolean ishref() { String flag 1=″href=″; int flag2=-1; if(tokenstr.索引Of(flag1)=flag2) return false; else return true; }
该方法用来判断是否一个url html tag;
对url进行分析,主要是由urlanalyse.class与contentanalyse.class 两个类实现的,主要实现了token流的分析;
分析的主要方法:urlanalyse.class有一个方法geturl(string filename)先将源代码转化成token流读入来,然后将每一个符合格式 的url token与这个url后面的gbnum不等于0的token加入缓存的 hashmap中,一般情况下,url后面的gbnum不等于0的token都是新 闻的标题。
21、根据权利要求13所述的网络信息抽取及处理的系统,其特 征是所述的自动生成摘要装置中分词采用“无词库”分词方法,采用 词频, 当P(w)=F(w)*L(w)c(F(w)>minFreq,L(w)>minLen)否则P(w)minFreq是 预设的词的出现最小频率;通常≥2;降低不是词的串minLen是预设 的词的最短词长;通常≥1;保证低频词不被分开c是预设的一个常 值;通常≥4;保证长词不被分开;
流程如下:整文当作一个字符串,从头开始求子串,对所有子串 求权,取权高者作为词(太多无用扫描),系统值取一个串,采用所有 文件作为背景;
22、根据权利要求13所述的网络信息抽取及处理的系统,其特 征是所述的自动生成摘要装置中特征词的抽取,基于词的频率以及想 对于背景知识库的词频来统计,
F(w)为词出现的频率,L(w)为词的长度,numdoc为该词的在本文中 出现次数,advnumdoc为所有文档中出现平均次数,D预设的最短词 长。
23、根据权利要求13所述的网络信息抽取及处理的系统,其特 征是所述的自动生成摘要装置中句子的重要性与摘要的生成的关系:
对每一个句子按这个公式计算他们的权重;
Ti为句子组成的词的权重,S0为句子的总词数,S1为句子的字句数,
S2为数词的个数,m为整型常值,通常为1。
24、根据权利要求13所述的网络信息抽取及处理系统,其特征是 所述的层次训练装置包括4个装置:
1)收集装置:收集来自叶子类的特征词;层次中,对于每个叶 子类的训练文档(新闻)的特征词,只有那些在单一训练文档中出现 2次以上或者在训练文档集出现10次以上的特征词才被收集,这些词 最后在摘要中出现,这些收集的特征词表示了叶子类的特征,当一个 叶子类属于某一个训练文档集时,父类就要包含该叶子类的特征,非 叶子类的特征包括它的孩子节点的所有特征和在所有孩子节点中特 征发生频率的总和;
2)层次最优化装置:最优化用来解决在类别节和它的父母类别 之间的竞争,因为一份文件(新闻)只能在类别的层次组织中被指定 为一个类别,当在类别之间有竞争的时候,运算法则应该为文件决 定适当的类别,包括如下装置:
采集装置,采集在一个类别中所有的特征;
特征判断装置,判断是否在父母中的特征频率比在这个类别中大, 是则到下一装置,否则没有操作;
查继装置,查继承者的特征目录,找出继承者高频率和最低的频 率的特征;
比率判断装置,判断是否在高的频率和最低的频率之差与最高频 率的比率比门槛值大,是则到下一装置,否则从所有的继承者删除该 特征。只有父母保有该特征;
删除装置,从继承者中删除该特征除非继承者有该特征的最高频 率;
3)分配类别特征权重装置:为类别的每个特征指定权重,有比较 高的权重特征意味着它对类别是更重要的,在每个类别中所有的特征 被分配权重,由下式定义: Wfc=(λ+(1-λ)×Nfc/Mc) f正在每个存在的特征,c是类别,Wfc是被指定为特征的权重,λ是 一个叁数并且现在设定为0.4,Nfc是f在c中出现的次数,Mc是在c中 任何的特征最大的频率;
当一个特征只出现在兄弟类别中的时候,但是不在c中它本身,它 被指定为负权重,有负权重的特征被增加到c的特征列表,负权重由 下式定义: Wfc=-(λ+(1-λ)×Nfp/Mp) f正在每个存在的特征,c是类别,Wfc是被指定为特征的权重,λ是 一个叁数并且现在设定为0.4,Nfp是f在c的父类别中出现的次数,Mc 是在c的父类别中任何的特征最大的频率;
4)过滤装置:过滤每个类别的特征列表,每个类别的特征列表 将被过滤,只有前面200个正特征和前面200个负特征被保留到该类 别的最终特征列表中,无论是父类别还是叶类别,其他的特征将被抛 弃。限制特征的数量是用来降低分类一个文件的计算复杂度。
引用专利(该专利引用了哪些专利)
序号 | 公开(公告)号 | 公开(公告)日 | 申请日 | 专利名称 | 申请人 | 该专利没有引用任何外部专利数据! |
被引用专利(该专利被哪些专利引用)
序号 | 公开(公告)号 | 公开(公告)日 | 申请日 | 专利名称 | 申请人 | 1 | | 2010-10-13 | 2010-10-13 | | |
2 | | 2007-02-09 | 2007-02-09 | | |
3 | | 2010-12-28 | 2010-12-28 | | |
4 | | 2007-04-28 | 2007-04-28 | | |
5 | | 2005-03-23 | 2005-03-23 | | |
6 | | 2010-04-26 | 2010-04-26 | | |
7 | | 2013-03-13 | 2013-03-13 | | |
8 | | 2010-10-15 | 2010-10-15 | | |
9 | | 2013-02-01 | 2013-02-01 | | |
10 | | 2005-12-21 | 2005-12-21 | | |
11 | | 2008-12-17 | 2008-12-17 | | |
12 | | 2006-03-10 | 2006-03-10 | | |
13 | | 2006-09-06 | 2006-09-06 | | |
14 | | 2013-02-01 | 2013-02-01 | | |
15 | | 2010-06-28 | 2010-06-28 | | |
16 | | 2006-08-18 | 2006-08-18 | | |
17 | | 2012-09-28 | 2012-09-28 | | |
18 | | 2005-12-30 | 2005-12-30 | | |
19 | | 2011-12-01 | 2011-12-01 | | |
20 | | 2010-11-17 | 2010-11-17 | | |
21 | | 2007-01-22 | 2007-01-22 | | |
22 | | 2011-03-04 | 2011-03-04 | | |
23 | | 2007-04-29 | 2007-04-29 | | |
24 | | 2012-09-25 | 2012-09-25 | | |
25 | | 2013-03-13 | 2013-03-13 | | |
26 | | 2008-03-06 | 2008-03-06 | | |
27 | | 2012-09-25 | 2012-09-25 | | |
28 | | 2006-11-01 | 2006-11-01 | | |
29 | | 2011-01-18 | 2011-01-18 | | |
30 | | 2010-08-31 | 2010-08-31 | | |
31 | | 2008-07-24 | 2008-07-24 | | |
32 | | 2005-01-07 | 2005-01-07 | | |
33 | | 2009-12-31 | 2009-12-31 | | |
34 | | 2007-03-13 | 2007-03-13 | | |
35 | | 2006-11-21 | 2006-11-21 | | |
36 | | 2007-04-18 | 2007-04-18 | | |
37 | | 2006-01-25 | 2006-01-25 | | |
38 | | 2008-01-03 | 2008-01-03 | | |
39 | | 2010-11-17 | 2010-11-17 | | |
40 | | 2006-06-23 | 2006-06-23 | | |
41 | | 2015-02-06 | 2015-02-06 | | |
42 | | 2014-03-31 | 2014-03-31 | | |
43 | | 2010-10-15 | 2010-10-15 | | |
44 | | 2013-09-24 | 2013-09-24 | | |
45 | | 2010-12-28 | 2010-12-28 | | |
46 | | 2010-12-23 | 2010-12-23 | | |
47 | | 2010-06-28 | 2010-06-28 | | |
48 | | 2014-03-12 | 2014-03-12 | | |
49 | | 2005-10-26 | 2005-10-26 | | |