. . . . . . . . "\u041E\u0431\u0443\u0447\u0435\u0301\u043D\u0438\u0435 \u0440\u0430\u043D\u0436\u0438\u0301\u0440\u043E\u0432\u0430\u043D\u0438\u044E (\u0430\u043D\u0433\u043B. learning to rank \u0438\u043B\u0438 machine-learned ranking, MLR) \u2014 \u044D\u0442\u043E \u043A\u043B\u0430\u0441\u0441 \u0437\u0430\u0434\u0430\u0447 \u043C\u0430\u0448\u0438\u043D\u043D\u043E\u0433\u043E \u043E\u0431\u0443\u0447\u0435\u043D\u0438\u044F \u0441 \u0443\u0447\u0438\u0442\u0435\u043B\u0435\u043C, \u0437\u0430\u043A\u043B\u044E\u0447\u0430\u044E\u0449\u0438\u0445\u0441\u044F \u0432 \u0430\u0432\u0442\u043E\u043C\u0430\u0442\u0438\u0447\u0435\u0441\u043A\u043E\u043C \u043F\u043E\u0434\u0431\u043E\u0440\u0435 \u0440\u0430\u043D\u0436\u0438\u0440\u0443\u044E\u0449\u0435\u0439 \u043C\u043E\u0434\u0435\u043B\u0438 \u043F\u043E \u043E\u0431\u0443\u0447\u0430\u044E\u0449\u0435\u0439 \u0432\u044B\u0431\u043E\u0440\u043A\u0435, \u0441\u043E\u0441\u0442\u043E\u044F\u0449\u0435\u0439 \u0438\u0437 \u043C\u043D\u043E\u0436\u0435\u0441\u0442\u0432\u0430 \u0441\u043F\u0438\u0441\u043A\u043E\u0432 \u0438 \u0437\u0430\u0434\u0430\u043D\u043D\u044B\u0445 \u0447\u0430\u0441\u0442\u0438\u0447\u043D\u044B\u0445 \u043F\u043E\u0440\u044F\u0434\u043A\u043E\u0432 \u043D\u0430 \u044D\u043B\u0435\u043C\u0435\u043D\u0442\u0430\u0445 \u0432\u043D\u0443\u0442\u0440\u0438 \u043A\u0430\u0436\u0434\u043E\u0433\u043E \u0441\u043F\u0438\u0441\u043A\u0430. \u0427\u0430\u0441\u0442\u0438\u0447\u043D\u044B\u0439 \u043F\u043E\u0440\u044F\u0434\u043E\u043A \u043E\u0431\u044B\u0447\u043D\u043E \u0437\u0430\u0434\u0430\u0451\u0442\u0441\u044F \u043F\u0443\u0442\u0451\u043C \u0443\u043A\u0430\u0437\u0430\u043D\u0438\u044F \u043E\u0446\u0435\u043D\u043A\u0438 \u0434\u043B\u044F \u043A\u0430\u0436\u0434\u043E\u0433\u043E \u044D\u043B\u0435\u043C\u0435\u043D\u0442\u0430 (\u043D\u0430\u043F\u0440\u0438\u043C\u0435\u0440, \u00AB\u0440\u0435\u043B\u0435\u0432\u0430\u043D\u0442\u0435\u043D\u00BB \u0438\u043B\u0438 \u00AB\u043D\u0435 \u0440\u0435\u043B\u0435\u0432\u0430\u043D\u0442\u0435\u043D\u00BB; \u0432\u043E\u0437\u043C\u043E\u0436\u043D\u043E \u0438\u0441\u043F\u043E\u043B\u044C\u0437\u043E\u0432\u0430\u043D\u0438\u0435 \u0438 \u0431\u043E\u043B\u0435\u0435, \u0447\u0435\u043C \u0434\u0432\u0443\u0445 \u0433\u0440\u0430\u0434\u0430\u0446\u0438\u0439). \u0426\u0435\u043B\u044C \u0440\u0430\u043D\u0436\u0438\u0440\u0443\u044E\u0449\u0435\u0439 \u043C\u043E\u0434\u0435\u043B\u0438 \u2014 \u043D\u0430\u0438\u043B\u0443\u0447\u0448\u0438\u043C \u043E\u0431\u0440\u0430\u0437\u043E\u043C (\u0432 \u043D\u0435\u043A\u043E\u0442\u043E\u0440\u043E\u043C \u0441\u043C\u044B\u0441\u043B\u0435) \u043F\u0440\u0438\u0431\u043B\u0438\u0437\u0438\u0442\u044C \u0438 \u043E\u0431\u043E\u0431\u0449\u0438\u0442\u044C \u0441\u043F\u043E\u0441\u043E\u0431 \u0440\u0430\u043D\u0436\u0438\u0440\u043E\u0432\u0430\u043D\u0438\u044F \u0432 \u043E\u0431\u0443\u0447\u0430\u044E\u0449\u0435\u0439 \u0432\u044B\u0431\u043E\u0440\u043A\u0435 \u043D\u0430 \u043D\u043E\u0432\u044B\u0435 \u0434\u0430\u043D\u043D\u044B\u0435. \u041E\u0431\u0443\u0447\u0435\u043D\u0438\u0435 \u0440\u0430\u043D\u0436\u0438\u0440\u043E\u0432\u0430\u043D\u0438\u044E \u2014 \u044D\u0442\u043E \u0435\u0449\u0451 \u0434\u043E\u0432\u043E\u043B\u044C\u043D\u043E \u043C\u043E\u043B\u043E\u0434\u0430\u044F, \u0431\u0443\u0440\u043D\u043E \u0440\u0430\u0437\u0432\u0438\u0432\u0430\u044E\u0449\u0430\u044F\u0441\u044F \u043E\u0431\u043B\u0430\u0441\u0442\u044C \u0438\u0441\u0441\u043B\u0435\u0434\u043E\u0432\u0430\u043D\u0438\u0439, \u0432\u043E\u0437\u043D\u0438\u043A\u0448\u0430\u044F \u0432 2000-\u0435 \u0433\u043E\u0434\u044B \u0441 \u043F\u043E\u044F\u0432\u043B\u0435\u043D\u0438\u0435\u043C \u0438\u043D\u0442\u0435\u0440\u0435\u0441\u0430 \u0432 \u043E\u0431\u043B\u0430\u0441\u0442\u0438 \u0438\u043D\u0444\u043E\u0440\u043C\u0430\u0446\u0438\u043E\u043D\u043D\u043E\u0433\u043E \u043F\u043E\u0438\u0441\u043A\u0430 \u043A \u043F\u0440\u0438\u043C\u0435\u043D\u0435\u043D\u0438\u044E \u043C\u0435\u0442\u043E\u0434\u043E\u0432 \u043C\u0430\u0448\u0438\u043D\u043D\u043E\u0433\u043E \u043E\u0431\u0443\u0447\u0435\u043D\u0438\u044F \u043A \u0437\u0430\u0434\u0430\u0447\u0430\u043C \u0440\u0430\u043D\u0436\u0438\u0440\u043E\u0432\u0430\u043D\u0438\u044F."@ru . . . . . . . . . "\u041E\u0431\u0443\u0447\u0435\u0301\u043D\u0438\u0435 \u0440\u0430\u043D\u0436\u0438\u0301\u0440\u043E\u0432\u0430\u043D\u0438\u044E (\u0430\u043D\u0433\u043B. learning to rank \u0438\u043B\u0438 machine-learned ranking, MLR) \u2014 \u044D\u0442\u043E \u043A\u043B\u0430\u0441\u0441 \u0437\u0430\u0434\u0430\u0447 \u043C\u0430\u0448\u0438\u043D\u043D\u043E\u0433\u043E \u043E\u0431\u0443\u0447\u0435\u043D\u0438\u044F \u0441 \u0443\u0447\u0438\u0442\u0435\u043B\u0435\u043C, \u0437\u0430\u043A\u043B\u044E\u0447\u0430\u044E\u0449\u0438\u0445\u0441\u044F \u0432 \u0430\u0432\u0442\u043E\u043C\u0430\u0442\u0438\u0447\u0435\u0441\u043A\u043E\u043C \u043F\u043E\u0434\u0431\u043E\u0440\u0435 \u0440\u0430\u043D\u0436\u0438\u0440\u0443\u044E\u0449\u0435\u0439 \u043C\u043E\u0434\u0435\u043B\u0438 \u043F\u043E \u043E\u0431\u0443\u0447\u0430\u044E\u0449\u0435\u0439 \u0432\u044B\u0431\u043E\u0440\u043A\u0435, \u0441\u043E\u0441\u0442\u043E\u044F\u0449\u0435\u0439 \u0438\u0437 \u043C\u043D\u043E\u0436\u0435\u0441\u0442\u0432\u0430 \u0441\u043F\u0438\u0441\u043A\u043E\u0432 \u0438 \u0437\u0430\u0434\u0430\u043D\u043D\u044B\u0445 \u0447\u0430\u0441\u0442\u0438\u0447\u043D\u044B\u0445 \u043F\u043E\u0440\u044F\u0434\u043A\u043E\u0432 \u043D\u0430 \u044D\u043B\u0435\u043C\u0435\u043D\u0442\u0430\u0445 \u0432\u043D\u0443\u0442\u0440\u0438 \u043A\u0430\u0436\u0434\u043E\u0433\u043E \u0441\u043F\u0438\u0441\u043A\u0430. \u0427\u0430\u0441\u0442\u0438\u0447\u043D\u044B\u0439 \u043F\u043E\u0440\u044F\u0434\u043E\u043A \u043E\u0431\u044B\u0447\u043D\u043E \u0437\u0430\u0434\u0430\u0451\u0442\u0441\u044F \u043F\u0443\u0442\u0451\u043C \u0443\u043A\u0430\u0437\u0430\u043D\u0438\u044F \u043E\u0446\u0435\u043D\u043A\u0438 \u0434\u043B\u044F \u043A\u0430\u0436\u0434\u043E\u0433\u043E \u044D\u043B\u0435\u043C\u0435\u043D\u0442\u0430 (\u043D\u0430\u043F\u0440\u0438\u043C\u0435\u0440, \u00AB\u0440\u0435\u043B\u0435\u0432\u0430\u043D\u0442\u0435\u043D\u00BB \u0438\u043B\u0438 \u00AB\u043D\u0435 \u0440\u0435\u043B\u0435\u0432\u0430\u043D\u0442\u0435\u043D\u00BB; \u0432\u043E\u0437\u043C\u043E\u0436\u043D\u043E \u0438\u0441\u043F\u043E\u043B\u044C\u0437\u043E\u0432\u0430\u043D\u0438\u0435 \u0438 \u0431\u043E\u043B\u0435\u0435, \u0447\u0435\u043C \u0434\u0432\u0443\u0445 \u0433\u0440\u0430\u0434\u0430\u0446\u0438\u0439). \u0426\u0435\u043B\u044C \u0440\u0430\u043D\u0436\u0438\u0440\u0443\u044E\u0449\u0435\u0439 \u043C\u043E\u0434\u0435\u043B\u0438 \u2014 \u043D\u0430\u0438\u043B\u0443\u0447\u0448\u0438\u043C \u043E\u0431\u0440\u0430\u0437\u043E\u043C (\u0432 \u043D\u0435\u043A\u043E\u0442\u043E\u0440\u043E\u043C \u0441\u043C\u044B\u0441\u043B\u0435) \u043F\u0440\u0438\u0431\u043B\u0438\u0437\u0438\u0442\u044C \u0438 \u043E\u0431\u043E\u0431\u0449\u0438\u0442\u044C \u0441\u043F\u043E\u0441\u043E\u0431 \u0440\u0430\u043D\u0436\u0438\u0440\u043E\u0432\u0430\u043D\u0438\u044F \u0432 \u043E\u0431\u0443\u0447\u0430\u044E\u0449\u0435\u0439 \u0432\u044B\u0431\u043E\u0440\u043A\u0435 \u043D\u0430 \u043D\u043E\u0432\u044B\u0435 \u0434\u0430\u043D\u043D\u044B\u0435."@ru . . . . . "Learning to rank or machine-learned ranking (MLR) is the application of machine learning, typically supervised, semi-supervised or reinforcement learning, in the construction of ranking models for information retrieval systems. Training data consists of lists of items with some partial order specified between items in each list. This order is typically induced by giving a numerical or ordinal score or a binary judgment (e.g. \"relevant\" or \"not relevant\") for each item. The goal of constructing the ranking model is to rank new, unseen lists in a similar way to rankings in the training data."@en . . . . . . . . . . . . . "Aprendizaje de clasificaci\u00F3n"@es . . . "25050663"^^ . . . . . . . . . . . . . . . . . . . . . . . . . . . "\u041D\u0430\u0432\u0447\u0430\u043D\u043D\u044F \u0440\u0430\u043D\u0436\u0443\u0432\u0430\u043D\u043D\u044E (\u0430\u043D\u0433\u043B. learning to rank) \u0430\u0431\u043E \u043C\u0430\u0448\u0438\u043D\u0435-\u043D\u0430\u0432\u0447\u0430\u043D\u043D\u044F \u0440\u0430\u043D\u0436\u0443\u0432\u0430\u043D\u043D\u044E (\u041C\u041D\u0420, \u0430\u043D\u0433\u043B. machine-learned ranking) \u0454 \u0437\u0430\u0441\u0442\u043E\u0441\u0443\u0432\u0430\u043D\u043D\u044F\u043C \u043C\u0430\u0448\u0438\u043D\u043D\u043E\u0433\u043E \u043D\u0430\u0432\u0447\u0430\u043D\u043D\u044F, \u044F\u043A \u043F\u0440\u0430\u0432\u0438\u043B\u043E, \u043D\u0430\u0432\u0447\u0430\u043D\u043D\u044F \u0437 \u0443\u0447\u0438\u0442\u0435\u043B\u0435\u043C, \u043D\u0430\u043F\u0456\u0432\u0430\u0432\u0442\u043E\u043C\u0430\u0442\u0438\u0447\u043D\u043E\u0433\u043E \u043D\u0430\u0432\u0447\u0430\u043D\u043D\u044F\u043C \u0430\u0431\u043E \u043D\u0430\u0432\u0447\u0430\u043D\u043D\u044F \u0437 \u043F\u0456\u0434\u043A\u0440\u0456\u043F\u043B\u0435\u043D\u043D\u044F\u043C, \u043F\u0440\u0438 \u043F\u043E\u0431\u0443\u0434\u043E\u0432\u0456 \u043C\u043E\u0434\u0435\u043B\u0435\u0439 \u0440\u0430\u043D\u0436\u0443\u0432\u0430\u043D\u043D\u044F \u0434\u043B\u044F \u0456\u043D\u0444\u043E\u0440\u043C\u0430\u0446\u0456\u0439\u043D\u043E-\u043F\u043E\u0448\u0443\u043A\u043E\u0432\u0438\u0445 \u0441\u0438\u0441\u0442\u0435\u043C. \u041D\u0430\u0432\u0447\u0430\u043B\u044C\u043D\u0456 \u043D\u0430\u0431\u043E\u0440\u0438 \u0434\u0430\u043D\u0438\u0445 \u0441\u043A\u043B\u0430\u0434\u0430\u044E\u0442\u044C\u0441\u044F \u0437\u0456 \u0441\u043F\u0438\u0441\u043A\u0456\u0432 \u0435\u043B\u0435\u043C\u0435\u043D\u0442\u0456\u0432 \u0437 \u0434\u0435\u044F\u043A\u0438\u043C \u0447\u0430\u0441\u0442\u043A\u043E\u0432\u0438\u043C \u043F\u043E\u0440\u044F\u0434\u043A\u043E\u043C, \u0437\u0430\u0434\u0430\u043D\u0438\u043C \u043C\u0456\u0436 \u0435\u043B\u0435\u043C\u0435\u043D\u0442\u0430\u043C\u0438 \u0432 \u043A\u043E\u0436\u043D\u043E\u043C\u0443 \u0441\u043F\u0438\u0441\u043A\u0443. \u0426\u0435\u0439 \u043F\u043E\u0440\u044F\u0434\u043E\u043A, \u044F\u043A \u043F\u0440\u0430\u0432\u0438\u043B\u043E, \u0432\u0456\u0434\u043F\u043E\u0432\u0456\u0434\u0430\u0454 \u0447\u0438\u0441\u043B\u043E\u0432\u0438\u043C \u0430\u0431\u043E \u043F\u043E\u0440\u044F\u0434\u043A\u043E\u0432\u0438\u043C \u0431\u0430\u043B\u0430\u043C \u0430\u0431\u043E \u0431\u0456\u043D\u0430\u0440\u043D\u0438\u043C \u0440\u0456\u0448\u0435\u043D\u043D\u044F\u043C (\u043D\u0430\u043F\u0440\u0438\u043A\u043B\u0430\u0434, \u00AB\u0432\u0456\u0434\u043F\u043E\u0432\u0456\u0434\u0430\u0454\u00BB \u0430\u0431\u043E \u00AB\u043D\u0435 \u0432\u0456\u0434\u043F\u043E\u0432\u0456\u0434\u0430\u0454\u00BB) \u0434\u043B\u044F \u043A\u043E\u0436\u043D\u043E\u0433\u043E \u0435\u043B\u0435\u043C\u0435\u043D\u0442\u0430. \u041C\u0435\u0442\u043E\u044E \u043C\u043E\u0434\u0435\u043B\u0456 \u0440\u0430\u043D\u0436\u0443\u0432\u0430\u043D\u043D\u044F \u0454 \u043F\u0440\u0438\u0441\u0432\u043E\u0454\u043D\u043D\u044F \u0440\u0430\u043D\u0433\u0443, \u0442\u043E\u0431\u0442\u043E, \u0443 \u043F\u0440\u043E\u0432\u0435\u0434\u0435\u043D\u043D\u0456 \u043F\u0435\u0440\u0435\u0441\u0442\u0430\u043D\u043E\u0432\u043A\u0438 \u0435\u043B\u0435\u043C\u0435\u043D\u0442\u0456\u0432 \u0437 \u043C\u0435\u0442\u043E\u044E \u0441\u0442\u0432\u043E\u0440\u0435\u043D\u043D\u044F \u043D\u043E\u0432\u0438\u0445 \u0441\u043F\u0438\u0441\u043A\u0456\u0432, \u044F\u043A\u0456 \u00AB\u043F\u043E\u0434\u0456\u0431\u043D\u0456\u00BB \u0434\u043E \u0440\u0435\u0439\u0442\u0438\u043D\u0433\u0456\u0432 \u0443 \u043D\u0430\u0432\u0447\u0430\u043B\u044C\u043D\u0438\u0445 \u0434\u0430\u043D\u0438\u0445 \u0432 \u043F\u0435\u0432\u043D\u043E\u043C\u0443 \u0441\u0435\u043D\u0441\u0456."@uk . . . . . . . . . . . . . . . . . "\u041D\u0430\u0432\u0447\u0430\u043D\u043D\u044F \u0440\u0430\u043D\u0436\u0443\u0432\u0430\u043D\u043D\u044E"@uk . . "Learning to rank or machine-learned ranking (MLR) is the application of machine learning, typically supervised, semi-supervised or reinforcement learning, in the construction of ranking models for information retrieval systems. Training data consists of lists of items with some partial order specified between items in each list. This order is typically induced by giving a numerical or ordinal score or a binary judgment (e.g. \"relevant\" or \"not relevant\") for each item. The goal of constructing the ranking model is to rank new, unseen lists in a similar way to rankings in the training data."@en . . . . . . . . . . . . "Aprendizaje de clasificaci\u00F3n\u200B o aprendizaje autom\u00E1tico de clasificaci\u00F3n (MLR, por sus siglas en ingl\u00E9s) es la aplicaci\u00F3n de aprendizaje autom\u00E1tico, t\u00EDpicamente supervisado, semisupervisado o aprendizaje reforzado en la construcci\u00F3n de modelos de clasificaci\u00F3n para sistemas de recuperaci\u00F3n de informaci\u00F3n.\u200B Los datos de entrenamiento consisten en listas de elementos con alg\u00FAn orden parcial especificado entre elementos en cada lista. Este orden es t\u00EDpicamente inducido por dar una puntuaci\u00F3n num\u00E9rica u ordinal o un juicio binario (p. ej., \u00ABrelevante\u00BB o \u00ABno relevante\u00BB) para cada elemento. El prop\u00F3sito del modelo de clasificaci\u00F3n es producir una permutaci\u00F3n de elementos en nuevas listas, que no se ven de una manera que sea \u00ABsimilar\u00BB a clasificaciones en los datos de entrenamiento en alg\u00FAn sentido. El aprendizaje de clasificaci\u00F3n es relativamente una nueva \u00E1rea de investigaci\u00F3n que ha surgido en la \u00FAltima d\u00E9cada."@es . . . . . . . . . . . . . . . . . . . . . . . . "1124870156"^^ . . . . . . . . . . . . . . . . . . . . "Aprendizaje de clasificaci\u00F3n\u200B o aprendizaje autom\u00E1tico de clasificaci\u00F3n (MLR, por sus siglas en ingl\u00E9s) es la aplicaci\u00F3n de aprendizaje autom\u00E1tico, t\u00EDpicamente supervisado, semisupervisado o aprendizaje reforzado en la construcci\u00F3n de modelos de clasificaci\u00F3n para sistemas de recuperaci\u00F3n de informaci\u00F3n.\u200B Los datos de entrenamiento consisten en listas de elementos con alg\u00FAn orden parcial especificado entre elementos en cada lista. Este orden es t\u00EDpicamente inducido por dar una puntuaci\u00F3n num\u00E9rica u ordinal o un juicio binario (p. ej., \u00ABrelevante\u00BB o \u00ABno relevante\u00BB) para cada elemento. El prop\u00F3sito del modelo de clasificaci\u00F3n es producir una permutaci\u00F3n de elementos en nuevas listas, que no se ven de una manera que sea \u00ABsimilar\u00BB a clasificaciones en los datos de entrenamiento en alg\u00FAn sentid"@es . . . . . . . . . . . . . . . . . . . . . . . . . . "\u041E\u0431\u0443\u0447\u0435\u043D\u0438\u0435 \u0440\u0430\u043D\u0436\u0438\u0440\u043E\u0432\u0430\u043D\u0438\u044E"@ru . . "Learning to rank"@en . . . . . . . . . "\u041D\u0430\u0432\u0447\u0430\u043D\u043D\u044F \u0440\u0430\u043D\u0436\u0443\u0432\u0430\u043D\u043D\u044E (\u0430\u043D\u0433\u043B. learning to rank) \u0430\u0431\u043E \u043C\u0430\u0448\u0438\u043D\u0435-\u043D\u0430\u0432\u0447\u0430\u043D\u043D\u044F \u0440\u0430\u043D\u0436\u0443\u0432\u0430\u043D\u043D\u044E (\u041C\u041D\u0420, \u0430\u043D\u0433\u043B. machine-learned ranking) \u0454 \u0437\u0430\u0441\u0442\u043E\u0441\u0443\u0432\u0430\u043D\u043D\u044F\u043C \u043C\u0430\u0448\u0438\u043D\u043D\u043E\u0433\u043E \u043D\u0430\u0432\u0447\u0430\u043D\u043D\u044F, \u044F\u043A \u043F\u0440\u0430\u0432\u0438\u043B\u043E, \u043D\u0430\u0432\u0447\u0430\u043D\u043D\u044F \u0437 \u0443\u0447\u0438\u0442\u0435\u043B\u0435\u043C, \u043D\u0430\u043F\u0456\u0432\u0430\u0432\u0442\u043E\u043C\u0430\u0442\u0438\u0447\u043D\u043E\u0433\u043E \u043D\u0430\u0432\u0447\u0430\u043D\u043D\u044F\u043C \u0430\u0431\u043E \u043D\u0430\u0432\u0447\u0430\u043D\u043D\u044F \u0437 \u043F\u0456\u0434\u043A\u0440\u0456\u043F\u043B\u0435\u043D\u043D\u044F\u043C, \u043F\u0440\u0438 \u043F\u043E\u0431\u0443\u0434\u043E\u0432\u0456 \u043C\u043E\u0434\u0435\u043B\u0435\u0439 \u0440\u0430\u043D\u0436\u0443\u0432\u0430\u043D\u043D\u044F \u0434\u043B\u044F \u0456\u043D\u0444\u043E\u0440\u043C\u0430\u0446\u0456\u0439\u043D\u043E-\u043F\u043E\u0448\u0443\u043A\u043E\u0432\u0438\u0445 \u0441\u0438\u0441\u0442\u0435\u043C. \u041D\u0430\u0432\u0447\u0430\u043B\u044C\u043D\u0456 \u043D\u0430\u0431\u043E\u0440\u0438 \u0434\u0430\u043D\u0438\u0445 \u0441\u043A\u043B\u0430\u0434\u0430\u044E\u0442\u044C\u0441\u044F \u0437\u0456 \u0441\u043F\u0438\u0441\u043A\u0456\u0432 \u0435\u043B\u0435\u043C\u0435\u043D\u0442\u0456\u0432 \u0437 \u0434\u0435\u044F\u043A\u0438\u043C \u0447\u0430\u0441\u0442\u043A\u043E\u0432\u0438\u043C \u043F\u043E\u0440\u044F\u0434\u043A\u043E\u043C, \u0437\u0430\u0434\u0430\u043D\u0438\u043C \u043C\u0456\u0436 \u0435\u043B\u0435\u043C\u0435\u043D\u0442\u0430\u043C\u0438 \u0432 \u043A\u043E\u0436\u043D\u043E\u043C\u0443 \u0441\u043F\u0438\u0441\u043A\u0443. \u0426\u0435\u0439 \u043F\u043E\u0440\u044F\u0434\u043E\u043A, \u044F\u043A \u043F\u0440\u0430\u0432\u0438\u043B\u043E, \u0432\u0456\u0434\u043F\u043E\u0432\u0456\u0434\u0430\u0454 \u0447\u0438\u0441\u043B\u043E\u0432\u0438\u043C \u0430\u0431\u043E \u043F\u043E\u0440\u044F\u0434\u043A\u043E\u0432\u0438\u043C \u0431\u0430\u043B\u0430\u043C \u0430\u0431\u043E \u0431\u0456\u043D\u0430\u0440\u043D\u0438\u043C \u0440\u0456\u0448\u0435\u043D\u043D\u044F\u043C (\u043D\u0430\u043F\u0440\u0438\u043A\u043B\u0430\u0434, \u00AB\u0432\u0456\u0434\u043F\u043E\u0432\u0456\u0434\u0430\u0454\u00BB \u0430\u0431\u043E \u00AB\u043D\u0435 \u0432\u0456\u0434\u043F\u043E\u0432\u0456\u0434\u0430\u0454\u00BB) \u0434\u043B\u044F \u043A\u043E\u0436\u043D\u043E\u0433\u043E \u0435\u043B\u0435\u043C\u0435\u043D\u0442\u0430. \u041C\u0435\u0442\u043E\u044E \u043C\u043E\u0434\u0435\u043B\u0456 \u0440\u0430\u043D\u0436\u0443\u0432\u0430\u043D\u043D\u044F \u0454 \u043F\u0440\u0438\u0441\u0432\u043E\u0454\u043D\u043D\u044F \u0440\u0430\u043D\u0433\u0443, \u0442\u043E\u0431\u0442\u043E, \u0443 \u043F\u0440\u043E\u0432\u0435\u0434\u0435\u043D\u043D\u0456 \u043F\u0435\u0440\u0435\u0441\u0442\u0430\u043D\u043E\u0432\u043A\u0438 \u0435\u043B\u0435\u043C\u0435\u043D\u0442\u0456\u0432 \u0437 \u043C\u0435\u0442\u043E\u044E \u0441\u0442\u0432\u043E\u0440\u0435\u043D\u043D\u044F \u043D\u043E\u0432\u0438\u0445 \u0441\u043F\u0438\u0441\u043A\u0456\u0432, \u044F\u043A\u0456 \u00AB\u043F\u043E\u0434\u0456\u0431\u043D\u0456\u00BB \u0434\u043E \u0440\u0435\u0439\u0442\u0438\u043D\u0433\u0456\u0432 \u0443 \u043D\u0430\u0432\u0447\u0430\u043B\u044C\u043D\u0438\u0445 \u0434\u0430\u043D\u0438\u0445 \u0432 \u043F\u0435\u0432\u043D\u043E\u043C\u0443 \u0441\u0435\u043D\u0441\u0456."@uk . . . . . . . . . . . . . . . . . . . . . . . . . . . . . "48380"^^ . . . . . . . . . . . . . . . . . . . . .