Разобрать слово по составу гостиница: «Гостиница» корень слова и разбор по составу

admin

Содержание

Слова «гостиница» морфологический и фонетический разбор

Объяснение правил деление (разбивки) слова «гостиница» на слоги для переноса.
Онлайн словарь Soosle.ru поможет: фонетический и морфологический разобрать слово «гостиница» по составу, правильно делить на слоги по провилам русского языка, выделить части слова, поставить ударение, укажет значение, синонимы, антонимы и сочетаемость к слову «гостиница».

Слово гостиница по слогам

Содержимое:

  • 1 Слоги в слове «гостиница» деление на слоги
  • 2 Как перенести слово «гостиница»
  • 3 Морфологический разбор слова «гостиница»
  • 4 Разбор слова «гостиница» по составу
  • 5 Сходные по морфемному строению слова «гостиница»
  • 6 Синонимы слова «гостиница»
  • 7 Ударение в слове «гостиница»
  • 8 Фонетическая транскрипция слова «гостиница»
  • 9 Фонетический разбор слова «гостиница» на буквы и звуки (Звуко-буквенный)
  • 10 Предложения со словом «гостиница»
  • 11 Сочетаемость слова «гостиница»
  • 12 Значение слова «гостиница»
  • 13 Склонение слова «гостиница» по подежам
  • 14 Как правильно пишется слово «гостиница»
  • 15 Ассоциации к слову «гостиница»

Слоги в слове «гостиница» деление на слоги

Количество слогов: 4
По слогам: го-сти-ни-ца

По правилам школьной программы слово «гостиница» можно поделить на слоги разными способами. Допускается вариативность, то есть все варианты правильные. Например, такой:
гос-ти-ни-ца

По программе института слоги выделяются на основе восходящей звучности:
го-сти-ни-ца

Ниже перечислены виды слогов и объяснено деление с учётом программы института и школ с углублённым изучением русского языка.

  • го — начальный, прикрытый, открытый, 2 буквы
  • сти — средний, прикрытый, открытый, 3 буквы
    с примыкает к этому слогу, а не к предыдущему, так как не является сонорной (непарной звонкой согласной)
  • ни — средний, прикрытый, открытый, 2 буквы
  • ца — конечный, прикрытый, открытый, 2 буквы

    • Как перенести слово «гостиница»

    го—стиница
    гос—тиница
    гости—ница
    гостини—ца

    Морфологический разбор слова «гостиница»

    Часть речи:

    Имя существительное

    Грамматика:

    часть речи: имя существительное;
    одушевлённость: неодушевлённое;
    род: женский;
    число: единственное;
    падеж: именительный;
    отвечает на вопрос: (есть) Что?

    Начальная форма:

    гостиница

    Разбор слова «гостиница» по составу

    гостиницкорень
    аокончание

    гостиница

    Сходные по морфемному строению слова «гостиница»

    Сходные по морфемному строению слова

  • вилла
  • квартира
  • таверна
  • комната
  • улица

    • Синонимы слова «гостиница»

    1. отель

    2. плавгостиница

    3. риокан

    4. подворье

    5. корчма

    6. трактир

    7. мотель

    8. пансионат

    9. караван-сарай

    10. пансион

    11. патха-сала

    12. заезжий двор

    13. заезжий дом

    14. номера

    15. постоялый двор

    16. дом колхозника

    17. австерия

    18. всеприемница

    Ударение в слове «гостиница»

    гости́ница — ударение падает на 2-й слог

    Фонетическая транскрипция слова «гостиница»

    [гаст’`ин’ица]

    Фонетический разбор слова «гостиница» на буквы и звуки (Звуко-буквенный)

    БукваЗвукХарактеристики звукаЦвет
    г[г]согласный, звонкий парный, твёрдый, шумныйг
    о[а]гласный, безударныйо
    с[с]согласный, глухой парный, твёрдый, шумныйс
    т[т’]согласный, глухой парный, мягкий, шумныйт
    и[`и]гласный, ударныйи
    н[н’]согласный, звонкий непарный (сонорный), мягкийн
    и[и]гласный, безударныйи
    ц[ц]согласный, глухой непарный, твёрдый, шумныйц
    а[а]гласный, безударныйа

    Число букв и звуков:
    На основе сделанного разбора делаем вывод, что в слове 9 букв и 9 звуков.
    Буквы: 4 гласных буквы, 5 согласных букв.
    Звуки: 4 гласных звука, 5 согласных звуков.

    Предложения со словом «гостиница»

    Все свободные номера в гостиницах будут заняты до конца месяца.

    Источник: Барбара Макмаон, Рискни и выиграй!, 2011.

    Когда доклад закончился, вы встречаете в холле гостиницы друга.

    Источник: Сьюзан Уэйншенк, 100 главных принципов дизайна. Как удержать внимание, 2011.

    Исполняет роль компаньонки и помощницы спившейся хозяйки гостиницы.

    Источник: Чарлз Тодд, Хладнокровное предательство, 2005.

    Сочетаемость слова «гостиница»

    1. небольшая гостиница

    2. маленькая гостиница

    3. дешёвая гостиница

    4. в лучшей гостинице города

    5. в гостинице аэропорта

    6. в гостинице на улице

    7. хозяин гостиницы

    8. в холле гостиницы

    9. дверь гостиницы

    10. гостиница называлась

    11. гостиница принадлежит

    12. гостиница пустовала

    13. вернуться в гостиницу

    14. остановиться в гостинице

    15. выйти из гостиницы

    16. (полная таблица сочетаемости)

    Значение слова «гостиница»

    ГОСТИ́НИЦА , -ы, ж. Дом с меблированными комнатами для кратковременного проживания в нем приезжающих. — Приехали мы поздно вечером и остановились в лучшей гостинице города. Гл. Успенский, Новые времена, новые заботы. (Малый академический словарь, МАС)

    Склонение слова «гостиница» по подежам

    ПадежВопросЕдинственное числоЕд.ч.Множественное числоМн.ч.
    ИменительныйИм.что?гостиницагостиницы
    РодительныйРод.чего?гостиницыгостиниц
    ДательныйДат.чему?гостиницегостиницам
    ВинительныйВин. что?гостиницугостиницы
    ТворительныйТв.чем?гостиницей, гостиницеюгостиницами
    ПредложныйПред.о чём?гостиницегостиницах

    Как правильно пишется слово «гостиница»

    Правописание слова «гостиница»
    Орфография слова «гостиница»

    Правильно слово пишется: гости́ница

    Нумерация букв в слове
    Номера букв в слове «гостиница» в прямом и обратном порядке:

    • 9
      г
      1
    • 8
      о
      2
    • 7
      с
      3
    • 6
      т
      4
    • 5
      и
      5
    • 4
      н
      6
    • 3
      и
      7
    • 2
      ц
      8
    • 1
      а
      9

    Ассоциации к слову «гостиница»

    • Постоялец

    • Портье

    • Администратор

    • Вестибюль

    • Пансионат

    • Вывеска

    • Швейцар

    • Номер

    • Проживание

    • Фойе

    • Ресторан

    • Дилижанс

    • Ночлег

    • Мотель

    • Пансион

    • Холл

    • Ресторанчик

    • Турист

    • Вира

    • Харчевня

    • Такси

    • Убогая

    • Трактир

    • Отель

    • Багаж

    • Вокзал

    • Владелец

    • Постоялое

    • Таверна

    • Хозяин

    • Апартамент

    • Казино

    • Дежурная

    • Клоп

    • Извозчик

    • Набережная

    • Паломник

    • Общежитие

    • Бар

    • Салун

    • Персонал

    • Фасад

    • Владелица

    • Кафе

    • Санаторий

    • Притон

    • Путешественник

    • Чаевые

    • Парикмахерская

    • Универмаг

    • Пекин

    • Хозяйка

    • Кинотеатр

    • Курорт

    • Напрокат

    • Путеводитель

    • Пристанище

    • Придорожный

    • Комфортабельный

    • Приезжий

    • Гостиничный

    • Курортный

    • Высотный

    • Туристический

    • Респектабельный

    • Горничный

    • Шикарный

    • Прибалтийский

    • Постоялый

    • Уютный

    • Первоклассный

    • Провинциальный

    • Деревенский

    • Регистрационный

    • Загородный

    • Приличный

    • Обслуживающий

    • Развлекательный

    • Служащий

    • Переночевать

    • Поселить

    • Заночевать

    • Ночевать

    • Поселиться

    • Останавливаться

    • Переполнить

    • Заказать

    • Селиться

    • Отвезти

    • Оплатить

    • Пообедать

    • Обшарпать

    • Разместиться

    • Расплатиться

    • Поужинать

    • Порекомендовать

    • Доехать

    • Позавтракать

    • Довезти

    • Отелить

    Гостиницы с богатой историей | Актуально Арендатор ру коммерческая недвижимость

    Архитектура столичных зданий позволяет с точностью до десятилетия определить, когда и при каком правителе они были возведены. Не все жилые здания, построенные в прошлом веке, дожили до наших времен. Чего нельзя сказать о гостиницах. В этом материале мы рассмотрим пять «гостиничных героев» в различных категориях, «жизненный путь» которых может рассказать о политических и исторических вехах в развитии города Москвы.

    Пять звезд – гостиница «Москва»

    Гостиница «Москва», занимающая целый квартал, стала одной из первых гостиниц, построенных в советской Москве. Массивное здание играет доминирующую роль в формировании района, непосредственно прилегающего к Кремлю. «Москва» отличается сложной архитектурной пластикой, призванной согласовать строение с соседствующими Кремлём и зданием Исторического музея. Строительство отеля велось с 1933 по 1935 годы по проекту архитекторов Л. Савельева, О. Стапрана и А. Щусева.

    Охотный ряд, считавшийся в начале XX века одним из самых антисанитарных районов города, стал первым московским районом, подвергшимся коренной реконструкции в 1920-е годы. Что неудивительно: ведь там располагались многочисленные лавки и трактиры. Советские власти решили «подчистить» центр города, а на месте торговых рядов построить что-нибудь монументальное.В 1922 году здесь планировали возвести Дворец труда. Проведённый представительный конкурс на лучший проект не привёл к воплощённым результатам. В силу финансовых трудностей строительство было отложено. Однако работы по реконструкции застройки начались: в том же году снесли часовню Александра Невского на Манежной площади, в 1924 году начался массовый снос торговых лавок в южной части Охотного Ряда (преимущественно деревянные строения). В 1930 году снесли церковь Параскевы Пятницы, а всю рыночную торговлю перенесли на Цветной бульвар.

    Первоначальный проект гостиницы Моссовета (проектное название), выполненный в конце 1920-х годов молодыми архитекторами О. Стапраном и Л. Савельевым, был решён в духе конструктивизма и входил в очевидное противоречие со сложившимся историческим обликом района. Суровый аскетизм массивного здания не увязывался с ансамблем Кремля, застройкой Охотного Ряда, Тверской и Моховой улиц.

    Вариант Савельева

    В качестве соавтора, призванного исправить «ошибки» проекта, пригласили Алексея Щусева. Каркасная коробка здания к тому времени уже достраивалась, и внести значительные изменения не представлялось возможным. Однако Щусев с большой изобретательностью и тактом внёс изменения в проект, добавив лаконичный декор в духе неоклассицизма, не нарушив при этом конструктивистскую основу проекта здания.

    Генеральный план (Щусев)

    В результате появился строгий и монументальный восьмиколонный портик высотой в шесть этажей с открытой террасой, просторные лоджии-аркады по центру главного фасада, многочисленные балконы. Углы здания были акцентированы башенками. Само здание приобрело большую пластичность благодаря более выраженному членению главного фасада.

    Специально для гостиницы архитекторами было сделано 18 комплектов мебели из разных пород деревьев. И 20 декабря 1935 года первые посетители смогли увидеть всю роскошь первого советского отеля.

    План номера

    Рассказывают, что некоторые премированные поездкой в «Москву» граждане так боялись замарать интерьер комнат, что спали прямо на полу. Помимо рабочих и колхозников в числе постояльцев были замечены Алексей Стаханов, Валерий Чкалов, Демьян Бедный, Георгий Жуков, Людмила Целиковская, Михаил Жаров, Аркадий Райкин, Юрий Гагарин, Борис Ельцин, а последним «звёздным» проживающим стал Роберт Де Ниро.

    Тогда же Щусев выполнил эскизы второй очереди гостиницы, но до строительства новых корпусов дело не дошло. 10-этажный корпус, выходящий на площадь Революции (фасадом на здание Музея Ленина), и 6-этажный, обращённый к Театральной площади, начали строить только в 1968 году. Для осуществления проекта понадобилось снести ряд строений, примыкавших к «Москве» с востока, в том числе и старую гостиницу «Гранд-отель». Архитекторы А. Борецкий, Д. Солопов и И. Рожкин в целом учли композиционные идеи, заложенные предшественниками. Вторая очередь гостиницы была сдана в эксплуатацию в 1977 году, к 60-летию Октябрьской революции; тем самым корпуса гостиницы «Москва» заняли собой целый квартал. Однако декор новых корпусов получился более сухим по рисунку; 6-этажный корпус вообще был решён в духе обыкновенной бетонной коробки, что внесло, по мнению некоторых специалистов, резкий диссонанс в ансамбль Театральной площади.

    Любители выпить наверняка заприметили фасад не только в старых советских фильмах, но и на этикетке водки. По легенде, поместить туда здание придумали аналитики госбезопасности. Считалось, что такую водку употребляют начальство и творческие личности, а соответственно, по версии чекистов, они когда-нибудь да остановятся в гостинице, которую часто видят у себя на столе. А там уже их можно будет прослушать и сделать выводы.

    В 1942 году в «Москве» погиб народный поэт Белоруссии Янка Купала. Он поскользнулся на мраморной лестнице и упал в лестничный пролёт с 10-го этажа. Милиция посчитала это несчастным случаем, хотя в народе ходили слухи, что НКВД приложил руку к этой смерти. А когда в 2003 году гостиницу начали разбирать, ходили слухи, что, на шестом этаже найден секретный бункер Берии: стены его были в полтора метра толщиной, так что строителям пришлось изрядно потрудиться, чтобы разобрать это укрытие. Под зданием же была обнаружена взрывчатка, которую заложили ещё в начале Великой Отечественной войны, чтобы взорвать отель, если до него доберутся немцы.

    Но тогда разрушать гостиницу не пришлось. Это начали делать спустя 60 лет, когда здание было признано аварийным. Последние постояльцы получили в качестве бонуса ваучер на проживание в уже новой гостинице в течение недели. Власти обещали, что воспользоваться подарком можно будет уже в 2010-м.

    Гостиница «Москва» на почтовой марке СССР, 1946  Здание Совета министров СССР (слева) и фрагмент гостиницы «Москва» на  почтовой марке СССР, выпущенной к 800-летию Москвы

    Существует легенда о том, что И. В. Сталин лично утверждал окончательный проект гостиницы, представленный Щусевым, и именно это обстоятельство стало причиной заметной асимметрии главного фасада здания. Архитектор для утверждения подготовил проект главного фасада с двумя вариантами оформления. Оба варианта были совмещены в одном чертеже и разделялись осью симметрии: на правой части чертежа был изображён более строгий вариант, на левой части — вариант с большим количеством декоративных деталей. Сталин поставил свою подпись посредине: уточнить, что именно имел в виду Иосиф Виссарионович, никто из проектировщиков не решился, и Щусев реализовал в одном фасаде оба варианта оформления, в буквальном соответствии с утверждённым чертежом. Якобы по этой причине ризалиты главного фасада отличаются друг от друга. Это не более чем красивая легенда. Сталин не ставил подписи под проектами. По факту всё оказалось гораздо прозаичнее: подпись под одним из вариантов фасада, разделённого осью симметрии, ставил Щусев. Далее чертежи ушли строителям, которые сделали всё как на рисунке. В то время параллельно строительству здания возводились леса, которые скрыли ошибку до момента их демонтажа.

    Общая площадь комплекса составит 183 000 кв. м. Проект нового здания на месте разрушенной гостиницы разработан архитектором ГУП «Моспроект-2 им. М. В. Посохина» В. В. Колосницыным. Заказчиком реконструкции является ОАО «Декмос».

    Четыре звезды – гостиница «Космос»

    Гостиничный комплекс «Космос» был построен для обслуживания XXII летних Олимпийских игр, проходивших в Москве в 1980.

    Гостиница «Космос». 1980-е годы

    Архитектура и дизайн здания с видом на ВДНХ и на монумент «Покорителям космоса» разрабатывались совместно командой советских и французских архитекторов (В. Андреев, Т. Заикин, В. Стейскал — Моспроект-1; О. Какуб, П. Жуглё, С. Эпстейн — Франция).

    Гостиница включала: 1718 стандартных номеров на 2 кровати, 53 двухкомнатных номера, 6 четырёхкомнатных номеров и около 3600 мест гостиничной сети общественного питания.

    При планировании помещений пришлось строго придерживаться советских норм, которые не только сильно отличались от западных, но и были гораздо строже. Строительством здания занималась французская фирма «Sefri».

    Официальное открытие отеля состоялось 18 июля 1979 года. На нем присутствовало множество видных политических деятелей, бизнесменов, звёзд эстрады. Пел специально приглашенный певец Джо Дассен.

    «Космос», в отличие от подобных ей «Зари» и «Туриста», представляет собой двадцати пяти этажное здание, напоминающее форму подковы.

    Во время олимпийских игр в гостинице размещался олимпийский пресс-центр. Так же в гостинице было множество других массовых мероприятий: Фестиваль молодежи и студентов, телепередачи «Утренняя звезда», «Песня года», конкурс «Хрустальная ладья», а в 2004 году в гостинице Космос проходил проект «Народный артист-2». Среди гостей гостиницы были такие известные личности как: Джо Дассен, Алла Пугачева, Гарри Каспаров и другие известные люди.

    Также «Космос» прославился тем, что Тынис Мяги исполнил песню «Олимпиада 80» у главного входа в гостиницу.

    А в фильме «Дневной дозор» гостиница была штабом темных сил. Часть съёмок производилась в гостинице.

    Однако, несмотря на то, что разработчики гостиницы утверждали, что в безопасности объекта можно не сомневаться, в 2010 году сотрудница клининговой компании, следившая за чистотой в гостиничной парикмахерской, сварилась в шахте лифта заживо. Трагедия произошла, когда она спускалась на лифте на цокольный этаж с мешками мусора. Когда открылись двери лифта, внезапно прорвало основную отопительную трубу. Температура жидкости (воды с добавлением особых присадок) в резервуарах на момент аварии составляла около 130 градусов. Мощная струя кипятка обдала несчастную. Женщина скончалась на месте. Авария на теплотрассе произошла в результате выхода из строя вентиля.

    В настоящее время в гостинице Космос останавливаются российские и зарубежные туристы и деловые люди, участники выставок, которые проходят на ВВЦ, все, кому удобно расположение гостиницы.

    Три звезды — гостиница «Измайлово»

    История гостиницы «Измайлово» тесно связана c историей города Москвы. В 1980 Москва была выбрана центром проведения Олимпийских игр. Город ожидал большой наплыв иностранных спортсменов, болельщиков и репортеров, привлеченных зрелищными играми и состязаниями центрального спортивного события года.

    Было принято решение построить гостиницу в самом зеленом районе Москвы – Измайлово.

    Над проектом строительства гостиницы «Измайлово» работала большая команда: архитекторы Д. Бурдин и Ю. Рабаев, инженер Е. Скородумов, знаменитый скульптор З. Церетели и многие другие.

    В итоге в Москве за четыре года был построен достойный архитектурный памятник, за работу над которым авторы были удостоены госпремии.

    Несмотря на то, что участие в Олимпийских играх-1980 было бойкотировано большинством капиталистических государств, гостей и участников собралось немало.

    По задумке создателей, гостинично-туристический комплекс должен был быть связан с Олимпийскими Играми на всех уровнях: и в пространственном воплощении, и в цветовом исполнении. За основу были взяты олимпийские кольца – символы континентов Земли. Именно поэтому гостиница «Измайлово» представляет собой комплекс из пяти высотных зданий в 30 этажей каждое, два из которых соединены торцами. А названия зданиям были даны по буквам греческого алфавита: Альфа, Бета, Вега, Гамма-Дельта. Корпуса комплекса расположили вокруг площади, на которой построили концертный зал.

    Народ их называл на русский манер – «АБВГД-йкой». Все 5 корпусов могли одновременно разместить до 10 тысяч человек, что было зафиксировано в книге мировых рекордов Гиннеса. Разумеется, при строительстве такого объекта международного значения были изначально заложены передовые технологии того времени, внутренний интерьер гостиницы и оборудование соответствовали мировым стандартам безопасности и сервиса.

    Так, гостиничная система теплоснабжения по своей мощности не уступает трем районным котельным. При строительстве «Измайлово» были применены и инновационные разработки советских ученых: система автоматического учета номеров, механического пыледымоудаления. Разработчики внедрили также принципиально новую систему вентиляции и кондиционирования, спринклерного огнетушения.

    После проведения Олимпийских игр Измайлово было переведено в ведомство гостиниц СССР и корпуса открылись для размещения обычных граждан и гостей столицы. Позднее гостиничный комплекс принимал еще участников массовых и всесоюзных международных мероприятий – Игр доброй воли, Фестиваля молодежи и студентов, Спартакиад народов СССР. По советской классификации уровня сервиса Измайлово соответствовало уровню Интурсервиса.

    После распада СССР начался период реформ, и гостиничный комплекс Измайлово не избежал проблем того времени: централизованное управление гостиничным комплексом и бюджетное финансирование прекратились. Нужно заметить, что руководство гостиницы Измайлово приняло не самое плохое решение – предприятие было акционировано и выставлено на приватизационный залоговый аукцион, причем, не полностью, а по корпусам. Такой ход позволил потенциальным покупателям выгоднее приватизировать гостиничные корпуса по частям. Таким образом, Измайлово в структуре гостиничного бизнеса в 90-х годах стало позиционироваться как 5 самостоятельных гостиничных предприятий. Это разделение в ведении коммерческой и хозяйственной деятельности существует и сейчас, но москвичи по-прежнему воспринимают полюбившуюся им «АБВГДэйку» как единый гостиничный комплекс.

    В настоящее время все корпуса гостинично-туристического комплекса «Измайлово» по международной сертификации соответствуют трехзвездочному уровню сервиса.

    Две звезды – гостиница «Славянка»

    Гостиница «Славянка» также является гостиницей «с историей». В этом году ей исполнилось 77 лет, большую часть которых она была известна как гостиница Центрального дома Советской Армии (ЦДСА), став «Славянкой» лишь в 1995 году.

    Ее построили на месте снесенной церкви Иоанна Воина на Божедомке. Само место было связано с армией.

    В гостинице Славянка в разное время останавливались многие известные военачальники, в частности, А. И. Покрышкин, И. Н. Кожедуб. В годы Великой Отечественной войны здесь размещались наиболее отличившиеся фронтовики, приезжавшие в столицу для получения правительственных наград, проходившие реабилитацию после лечения в госпиталях. В это время в истории гостиницы были моменты, когда раскладушки стояли даже в коридорах. Немало ночей на них скоротали будущие генералы и маршалы нашей армии. Жили здесь и французские летчики полка «Нормандия-Неман».

    Боевые товарищи могли найти потерянных однополчан. Часто там проводили встречи герои обороны Брестской крепости. Много свидетельств случайных встреч ветеранов, которые думали, что больше не увидятся.

    Нынешнее руководство «Славянки» хотело бы иметь уголок истории гостиницы, но пока не может найти многих важных документов. Более 60 лет гостиница была структурным подразделением Центрального дома Советской Армии, но в документах о ней — ни слова. Сохранились лишь приказы по личному составу.

    Москвичи и гости столицы, кто проходит мимо серого семиэтажного здания, у входа в которое стоят скульптуры летчика и танкиста в форме 30-х годов прошлого века, полагают, что и внутри военная гостиница ненамного изменилась со времени своего открытия.

    К руководству «Славянки» даже обращались съемочные группы исторического фильма с просьбой поснимать в старых интерьерах. Каково же было удивление режиссера, когда выяснилось, что от гостиницы-общежития, каким она была долгие годы, от старой предвоенной и послевоенной обстановки в настоящее время фактически ничего не осталось. Разве что только скульптуры у входа, ставшие яркой достопримечательностью «Славянки» и возле которых очень любят фотографироваться как отечественные постояльцы, так и иностранцы.

    И сегодня в Славянке рады каждому гостю, но особое отношение здесь, конечно же, к военнослужащим и членам их семей. К услугам посетителей — 305 комфортабельных номеров различных категорий. Гостиница Славянка отличается удобным расположением: в центре города, недалеко от Театра Российской Армии и спорткомплекса «Олимпийский». При этом цены на проживание доступны многим.

    Congress hotel – «Ирис Конгресс Отель»

    С именем Святослава Федорова на протяжении многих десятилетий было связано понятие прогресса в медицине. В шестидесятых годах он приступил к решению сложнейшей в медицинском и социальном аспектах проблемы — замене помутневшего хрусталика искусственным. А в конце семидесятых предложил миру еще одну инновационную технологию – избавление пациентов от близорукости при помощи надрезов («насечек») на роговице.

    После многогранных экспериментальных исследований Святослав Николаевич провел первую в СССР успешную имплантацию интраокулярной линзы, открыв тем самым новое направление в науке. Последующие десятилетия доказали перспективность выбранного им научного направления. Только в России С.Н. Федоровым и его учениками проведено около 1,5 млн. таких операций.

    Однако мало кто знает, что Святослав Федоров был причастен к открытию первого сетевого отеля мирового класса в СССР.

    В 1989 он решил построить при МНТК «Микрохирургия глаза» шикарный отель для богатых клиентов-иностранцев, которые приезжали в Москву для того, чтобы сделать операцию на глазах. Для проектирования и строительства гостиницы была приглашена французская компания Bouygues.

    Проект Iris стал первым для компании в России. В дальнейшем у Bouygues было много успешных проектов в РФ — строительство торговых центров «Атриум» и «Мега Белая Дача», а также реконструкция Главного здания МГУ в Москве, здания отеля Hyatt в Екатеринбурге и др.

    Федоров предполагал, что иностранные граждане охотнее будут приезжать в СССР, если им будут предложены все условия для проживания на высшем уровне.

    Архитектура отеля была уникальна для России. Внешняя облицовка отеля у многих ассоциировалась с прибрежными гостиницами мировых курортов.

    Кроме того, впервые в отеле был реализован огромный атриум, с куполом, по форме напоминающим глазную радужку. А сам отель имел форму человеческого глаза.

    К управлению отелем была привлечена французская сеть Accor Это был один из первых зарубежных операторов на зарождавшемся российском рынке. Французы управляли гостиницей под luxury-брендом Pullman Iris 5* который в начале 1991 года открыл свои двери для первых гостей.

    Одни название объекта связывали с латинским словом «ирис», что означает радужную оболочку глаза, другие расшифровывали как заглавные буквы имен жены Федорова — Ирэны и его самого – Славы.

    В 1993 управляющая компания заменила бренд гостиницы на более демократичный — Sofitel Iris 5*.

    Многие граждане во времена дефицита приходили в Iris ознакомиться с французской кухней, так как на первом этаже функционировал ресторан Champs-Elysees, в котором можно было полакомиться устрицами и «божоле».

    Однако после распада СССР и успехов японских медиков в области офтальмологии, планы Федорова рухнули, как карточный домик. Iris так и не увидел наплыва богатых постояльцев со слабым зрением. И в 1998 сеть Accor вышла из проекта, а отель, строительство которого велось на кредитные средства, после трагической гибели Федорова ушел с молотка.

    Однако с развитием гостиничного бизнеса в России, стало понятно, что отель, расположение которой находится далеко не в центре города (Коровинское шоссе, дом 10), никак не может именоваться «пятизвездочным». Отель меняет владельцев, которые преобразовывают систему управления, стремясь найти нишу Iris на рынке. Гостиница переименована в «Ирис Конгресс Отель».

    Упор на конференции и мероприятия стал спасением для экономики отеля. Позиционирование в таком ракурсе позволило вдвое увеличить выручку объекта. Появившийся в середине 2000-х новый собственник Amtel Properties усиливает акцент на оказание конгресс-услуг.

    А то, что рядом с гостиницей работает ЗАГС – на годы вперед обеспечило «Ирис Конгресс Отель» заказами на проведения свадебных торжеств и прочих праздников. Так как по соотношению качества и предоставляемых услуг с «Ирисом» мало кто из столичных отелей может посоревноваться.

    Интересным фактом является то, что в одном из залов гостиницы Федоров задумывал, соорудить операционную. И по легенде успел провести в ней несколько удачных операций.

    В течение всех 20 лет его гостями становились известные люди: видные политики, ученые, музыкальные коллективы, звезды отечественной и зарубежной эстрады, именитые тренеры и спортсмены – участники гонки «Формула-1», знаменитые футбольные, баскетбольные и хоккейные команды.

    И сейчас гостиница сохраняет свою индивидуальность и историю. Так, уникальная архитектура и интерьеры привлекают внимание не только постояльцев, но и деятелей кино – в стенах гостиницы регулярно снимаются художественные фильмы и сериалы.

    В номерном фонде гостиницы 201 номер, включая 20 двухкомнатных номеров «люкс» и один президентский. В «Ирис» также входит: фитнес-центр, 12 конференц-залов и переговорных комнат, многофункциональный зал-трансформер со сценой, бизнес-центр, парковка и несколько лужаек для барбекю.

     

    Анастасия Кременчук

    отель Thermal в Карловых Варах

    0

    «…мы медленно проехали мимо небольшой просеки, в пятьдесят шагов ширины, и посреди нее я увидел картину, потрясшую меня до глубины души. На полянке стояла большая стая собак, больших и малых, рыжих, белых и черных. Собаки волновались и робели. Одна маленькая желтая собачонка лежала на снегу. В стороне рвался и лаял огромный черный пес, держась, однако, все время под прикрытием толпы. А посередине стоял большой угрюмый волк. Волк? Он показался мне львом. Он стоял один-одинешенек – решительный, спокойный, с ощетинившимся загривком и прочно расставленными ногами – и поглядывал то туда, то сюда, готовый к атаке по всем направлениям».
     

    Э. Сетон-Томпсон. Виннипегский волк

     

    Комплекс конгресс-центра и отеля Thermal. Фото: Василий Бабуров

    Комплекс конгресс-центра и отеля Thermal. Фото: Василий Бабуров

    Комплекс конгресс-центра и отеля Thermal. Фото: Василий Бабуров

    Комплекс конгресс-центра и отеля Thermal. Фото: официальный сайт отеля Thermal / мэрии Карловых Вар. www.karlovy-vary.cz

    Комплекс конгресс-центра и отеля Thermal. Фото: официальный сайт отеля Thermal / мэрии Карловых Вар. www.karlovy-vary.cz

    В самом центре буржуазно-респектабельных Карловых Вар высится модернистский колосс из бетона, стекла и стали. Его масштаб и облик не имеют ничего общего с пестрым бюргерским окружением, однако и не подавляют его – он просто чужак, так сказать, «иностранец с видом на жительство». Характерный облик здания позволяет безошибочно определить время его строительства – рубеж шестидесятых-семидесятых годов. Как и большинство своих ровесников, комплекс конгресс-центра и отеля Thermal находится под угрозой – если не сноса, то, как минимум, серьезной реконструкции, чреватой сильным искажением его оригинального облика. Время, в которое был построен Thermal, и строгая бруталистская архитектура мало у кого вызывают теплые чувства – что у местных, что у приезжих.

    Искусствоведы, напротив, высоко оценивают это здание, художественные достоинства которого не бросаются в глаза, но опытным взглядом считываются. Хотя Thermal открылся лишь в середине 1970-х, не самые лучшие годы в истории страны – это продукт другого, более раннего и счастливого времени, которое чешские исследователи называют «золотым веком» чехословацкой архитектуры. Со стороны это видится некоторым преувеличением, которое можно объяснить ностальгией по Пражской весне. У той эпохи есть сходство с нашим Серебряным веком – культурным расцветом, закончившимся катастрофой. Однако шестидесятые годы ХХ века как-то не ассоциируются с серебром – скорее уж с титаном. Поэтому уместнее было бы назвать это время Титановым веком, тем более что были у него и свои титаны.

    В советское время аббревиатура «ЧССР» (название страны с 1960 г.) вводила в некоторое заблуждение: Чехословакия казалась еще одной союзной республикой. И хотя это было совсем не так (даже в годы Застоя между странами сохранялись определенные социальные и тем более культурные различия), развитие чехословацкой архитектуры в целом шло параллельным курсом советской. В межвоенные годы Чехословакия могла гордиться сильной модернистской школой, однако война и последовавшая после недолгой «интермедии» глубокая сталинская «заморозка» выбили страну из мирового культурного контекста. В отличие от метрополии, сталинизм чехословацкого образца не породил выдающихся произведений: работа в жанре «освоения классического наследия», который в Чехословацкой Республике называли «социалистическим реализмом» (или сокращенно «сорелой»), была явно по принуждению. Поэтому переход к модернизму, санкционированный Москвой, был гораздо менее болезненным и более естественным, нежели в СССР.

    Вместе с тем, за 1940–1950-е годы поколение ведущих архитекторов успело почти полностью смениться. На авансцену вышли люди, получившие диплом либо незадолго до, либо уже после войны. Поэтому «оттепель», принесенная московскими ветрами и завершившаяся в конечном итоге Пражской весной, как и в Советском Союзе, стала временем не столько возрождения довоенного модернизма, сколько созданием нового – во многом на основе «импорта» идей тогдашнего архитектурного мейнстрима (от позднего Ле Корбюзье и Мис ван дер Роэ до необруталистов, метаболистов и др. ).

    В силу исторических обстоятельств (как мы помним, за Пражской весной последовала новая, хотя и не столь глубокая, но все же продолжительная заморозка, получившая название «нормализации») именно этому поколению было суждено оставить наиболее заметный след в архитектуре социалистической Чехословакии.

    Либерализация режима в начале 1960-х позволила многим профессионалам покинуть крупные государственные проектные институты и открыть частные бюро, добиваясь успеха в конкурентной борьбе. Освобождение от диктата государства и развитая конкурсная практика способствовали появлению внушительного числа оригинальных построек, среди которых были объекты мирового уровня. Большинство из них были созданы поколением сорокалетних, наиболее яркими представителями которого были Карел Прагер, Владимир Дедечек, Карел Фильсак, супруги Шрамеки и многие другие). При этом архитектурными центрами были не только Прага, Брно и Братислава, но и, к примеру, небольшой Либерец, где работали Карел Губачек и группа SIAL, создатели одного из самых ярких произведений чехословацкой архитектуры – башни на горе Ештед.

    К этому поколению принадлежали и супруги Владимир (1920–1990) и Вера (род. в 1927) Махонины, авторы карловарского Thermal’а. Эту пару ошибочно принимают за советских архитекторов, проектировавших для Чехословакии, однако к СССР они отношения не имели. В заблуждение вводит фамилия Владимира, который родился в Праге в семье экономиста Константина Махонина, бежавшего из России в разгар гражданской войны.

    Первые шаги в карьере архитекторов были связаны с «сорелой» (проект Центрального дома армии в Праге в виде сталинской высотки, 1953–1954), затем последовали работы в переходном от неоклассицизма к модернизму стиле (Дворец культуры в Йиглаве, проект 1956 г., реализация 1961 г.). Шестидесятые годы – самые успешные в творчестве Махониных. Они побеждают в нескольких конкурсах на крупные общественные здания (комплекс в Карловых Варах (1964), Дом культуры быта (1968) и универмаг Kotva (1970) в Праге, посольство ЧССР в Берлине (1970)), которые реализуются уже в следующем десятилетии. Именно в 1960-е годы Махонины вырабатывают оригинальный персональный стиль: если в проекте Thermal’а чувствуется определенное влияние Тангэ и Смитсонов (а через них Миса), то Дом культуры быта и Kotva – совершенно самостоятельные произведения.

    Творческий подъем заканчивается с разгоном Пражской весны и «нормализацией». Частная практика в ЧССР более невозможна, архитекторам приходится вернуться в государственные проектные институты. Отказ подписать письмо с одобрением ввода войск лишает Махониных права участвовать в конкурсах, сужая диапазон их деятельности до завершения собственных, начатых ранее проектов и выполнения институтской «текучки». Их работы не публикуются, а если что-то и попадает в печать (как, например, в 12-й том «Всеобщей истории архитектуры»), то без упоминания авторства.

    Судьба махонинских построек сложилась относительно благополучно. Все они сохранились, используются по назначению, хотя авторские интерьеры частично утрачены. В наибольшей «зоне» риска находится Thermal, который не имеет статуса памятника архитектуры, поэтому может быть распродан по частям и реконструирован без условий сохранения оригинального облика и внутреннего убранства. К тому же это не самое любимое в городе сооружение: большинство горожан не воспринимают его как культурную ценность. Тем не менее, комплекс играет важную функцию – это не только большой отель, приносящий прибыль, но и главная площадка престижного кинофестиваля, для которого он, собственно, и был возведен.

    Идея строительства этого сооружения была продиктована не только прагматическими соображениями (необходимостью вместить многочисленных гостей фестиваля) – требовалось создать новый символ Карловых Вар. Задача, на первый взгляд, неожиданная, учитывая, что визитной карточкой города были и остаются его курортная функция и живописное природное окружение. Дело в том, что до 1945 года по этническому составу это было скорее немецкое, нежели чешское поселение, которое в мире знали как Карлсбад. Чешское название было лишь официальным, да и то только с 1918 года. Общеупотребимым оно стало только после депортации судетских немцев и переселения на их место чехов и словаков, которым пришлось обживать чужой им город. Этому городу был нужен новый символ. Поэтому планируемое крупномасштабное сооружение в центре Карловых Вар должно было нести тройную смысловую нагрузку, олицетворяя Чехословакию, современную (технологически развитую) и социалистическую.

    Старая часть Карловых Вар, практически не пострадавшая в годы войны, застроена весьма плотно. Она представляет собой длинную извивающуюся полосу застройки, заполнившей ущелье речки Теплы и взбирающейся на окрестные горы. Соответственно, свободных участков под строительство крупного комплекса в центре не нашлось, а строить за его пределами значило бы снизить престижность объекта. Поэтому в жертву был принесен целый квартал исторической застройки Хебской улицы, расположенный на границе курортной зоны и торгово-делового района.

    Квартал Хебской улицы, принесенный в жертву новому комплексу. Фото 1930-х гг.

    Конкурсный проект Thermal’a. 1964. Макет. Фото из архива Веры Махониной

    Комплекс Thermal по завершении строительства. Фото: Ярослав Франта. Источник: http://www.sosbrutalism.org/cms/16270579

    Хотя Карловы Вары отсчитывают свою историю с XIV столетия, ансамбль исторического центра в своем нынешнем виде сложился к рубежу XIX–XX веков. Довольно точную, хотя и едкую оценку его архитектуры дал Ле Корбюзье, сравнив городскую застройку с «парадом» пирожных на витрине. Если продолжить аналогию, то Thermal – это кофемашина, красующаяся среди канноли, меренг и релижьез.

    Участок, расчищенный под строительство, представлял собой обширную террасу между берегом реки и крутым, почти отвесным склоном горы. Махонины, чей проект победил в конкурсе, оригинально его обыграли, разделив комплекс на две части (большую и малую) и разнеся их в пространстве. Внизу они разметили основной, более крупный блок гостиницы и конгресс-центра, а на горе – его «филиал» в виде трехэтажного павильона с кафе, открытым бассейном и террасой с панорамным видом на город. Благодаря этой расчлененности структуры и «пористости» большей части фасадных поверхностей, Thermal, при всей своей немасштабности, в целом удачно вписался в окружение. «Имплантацию» значительно смягчило и природное окружение, которое не просто присутствует, а главенствует в городе.

    Объемно-пространственная конфигурация приречной части комплекса основана на популярнейшем архетипе послевоенного модернизма – «Ливер-хаус» Г. Баншафта / SOM, «башня на стилобате». В вертикальном объеме расположены гостиничные номера, в стилобате – общественные функции (холл, конференц-залы, магазины, кафе, фойе и пр.), а под землей – паркинг с автосервисом. При этом внешний облик здания имеет иные, отличные от «Ливер-хаус» прообразы: прежде всего, ранний, «мисовский» брутализм Смитсонов и постройки Тангэ 1950-х гг. Конструктивная структура – стальной каркас, фасады из стекла и железобетонных панелей. К моменту проектирования Thermal’а абстрактная архитектура стеклянных призм 1950-х гг. («Ливер-хаус», отель SAS Якобсена или техцентр General Motors Сааринена-младшего) уже была пройденным этапом и в Чехословакии (самое яркое высказывание на эту тему – Институт молекулярной химии в Праге 1962 г. – принадлежит Карелу Прагеру). Здания становились более сложными по композиции и структурно выразительными. В Thermal’е и конструкция, и материалы не просто «честно выявлены» в соответствии с принципами необруталистов и Мис ван дер Роэ (Иллинойский технологический институт в Чикаго), но и эстетически артикулированы. Как и в «Краун-холл» и «Сигрэм» Миса, стальной каркас играет не только утилитарную, но в равной степени эстетическую роль. Бетон же используется в качестве ограждающего материала – отказываясь от его пластических качеств, авторы демонстрируют технологичность своей архитектуры, т.е. высокий уровень национальной строительной культуры.

    Комплекс конгресс-центра и отеля Thermal. Фото: Василий Бабуров

    Комплекс конгресс-центра и отеля Thermal. Фото: Василий Бабуров

    Комплекс конгресс-центра и отеля Thermal. Фото: Василий Бабуров

    Комплекс конгресс-центра и отеля Thermal. Фото: Василий Бабуров

    Комплекс конгресс-центра и отеля Thermal. Фото: Василий Бабуров

    Комплекс конгресс-центра и отеля Thermal. Фото: Василий Бабуров

    Комплекс конгресс-центра и отеля Thermal. Фото: Василий Бабуров

    Комплекс конгресс-центра и отеля Thermal. Фото: Василий Бабуров

    Комплекс конгресс-центра и отеля Thermal. Фото: Василий Бабуров

    Комплекс конгресс-центра и отеля Thermal. Фото: Василий Бабуров

    Комплекс конгресс-центра и отеля Thermal. Фото: Василий Бабуров

    Комплекс конгресс-центра и отеля Thermal. Фото: Василий Бабуров

    Комплекс конгресс-центра и отеля Thermal. Фото: Василий Бабуров

    Вестибюль конгресс-центра. Фото: Ярослав Франта. Источник: http://www.sosbrutalism.org/cms/16270579

    Холл отеля Thermal. Источник: http://www.ceskatelevize.cz/ct24/regiony/1531430-bude-festivalovy-hotel-thermal-pamatkou

    Малый зал конгресс-центра. Фото: Ярослав Франта. Источник: http://www. sosbrutalism.org/cms/16270579

    Большой зал конгресс-центра. Источник: http://www.carlsbad-convention.cz/cz/kongresove-centrum-lazensky-hotel-thermal-karlovy-vary

    Кафе. Фото из архива Веры Махониной

    Типовой номер отеля Thermal. Фото из архива Веры Махониной

    Стилобат имеет ярко выраженную двухчастную структуру: к курортной зоне обращены открытые террасы, акцентированные эффектной винтовой лестницей, а к торгово-деловой – глухие цилиндрические объемы, в которых расположены не требующие естественного освещения конференц-залы. «Курортная» часть стилобата, высотный объем и нагорный «филиал» с бассейном стилистически перекликаются со зданием префектуры Кагава Кэндзо Тангэ (1955–58) и с постройками Эгона Айерманна (в частности, с павильоном ФРГ на Экспо-58 в Брюсселе). А в конфигурации противоположной части стилобата, акцентированной бетонными цилиндрами, неявно прослеживается влияние поздних работ Райта (музей Гуггенхайма, штаб-квартира Johnson’s Wax).

    Махонины не ограничились разработкой архитектурного проекта, а спроектировали все интерьеры, включая дизайн мебели, т.е. создали 100-процентный Gesamtkunstwerk. В настоящее время муниципалитет Карловых Вар ходатайствует о придании комплексу статуса памятника культуры, и шансы на положительное решение довольно велики. Это внушает надежду на то, что Thermal избежит судьбы своей «сестры» – тбилисской гостиницы «Иверия», построенной в те же годы и очень близкой по архитектуре. Следующим этапом должна стать реставрация комплекса, утратившего прежний лоск, и реконструкция открытых пространств, непосредственно его окружающих.

    Нагорный корпус отеля Thermal. Фото: Василий Бабуров

    Нагорный корпус отеля Thermal. Фото: Василий Бабуров

    Нагорный корпус отеля Thermal. Фото: Василий Бабуров

    Нагорный корпус отеля Thermal. Фото: Василий Бабуров

    Нагорный корпус отеля Thermal. Фото: Василий Бабуров

    Нагорный корпус отеля Thermal. Фото: Василий Бабуров

    Нагорный корпус отеля Thermal. Фото: Василий Бабуров

    Нагорный корпус отеля Thermal. Фото: Василий Бабуров

    Нагорный корпус отеля Thermal. Фото: Василий Бабуров

    Нагорный корпус отеля Thermal. Фото: Василий Бабуров

    Нагорный корпус отеля Thermal. Фото: Василий Бабуров

    Нагорный корпус отеля Thermal. Фото: Василий Бабуров

    Комплекс конгресс-центра и отеля Thermal. Чертеж из архива Веры Махониной

    Комплекс конгресс-центра и отеля Thermal. Чертеж из архива Веры Махониной

    Комплекс конгресс-центра и отеля Thermal. Чертеж из архива Веры Махониной

    Комплекс конгресс-центра и отеля Thermal. Чертеж из архива Веры Махониной

    Сложное предложение (Упражнения и тест)

    Упражнение 1.

    Подготовьтесь к чтению вслух (расставьте логические ударения; определите место пауз; вспомните, что является сигналом конца предложения).
    Как доказать, что перед нами одно сложное предложение? Запишите его.

    В каких случаях вы можете лишь указать место, где нужен знак, но ещё не знаете, как обосновать его выбор?

    Уж небо осенью дышало, уж реже солнышко блистало, короче становился день, лесов таинственная сень с печальным шумом обнажалась, ложился на поля туман, гусей крикливых караван тянулся к югу: приближалась довольно скучная пора; стоял ноябрь уж у двора.
    (А. Пушкин)

    Упражнение 2.

    Из данных простых предложений составьте сложные, используя союз И. Запишите полученные предложения, применяя нужное правило пунктуации.

    О чём мы узнаём из первого сложного предложения дополнительно к содержанию простых, вошедших в его состав? А из второго? Опираясь на проведённые наблюдения, докажите, что содержание сложного предложения богаче содержания составляющих его простых.

    I.1) Пошёл дождь. 2) Полеводы облегчённо вздохнули.
    II. 1) Пошёл дождь. 2) Полеводы начали беспокоиться.

    Упражнение 3.

    Найдите сложные предложения, подчеркните грамматические основы.
    Укажите средства связи входящих в сложные простых предложений. Запишите, обозначая вид сложного предложения.


    1) Нет счастья вне родины, каждый интонация пускай корни в родную землю. (И. Тургенев) 2) Я люблю Россию до боли сердечной и даже не могу помыслить себя где-либо, кроме России. (М. Салтыков-Щедрин) 3) Я изъездил почти всю страну, видел много мест, удивительных и сжимающих сердце, но ни одно из них не обладало такой внезапной лирической силой, как Михайловское. (К. Паустовский) 4) Истоки сыновнего чувства к отчизне лежат там, где мы рождаемся и живём. (В. Песков)

    Упражнение 4.

    Из данных простых составьте сложные предложения, используя подходящее средство связи и устраняя повтор слов.
    Запишите полученные предложения, расставляя знаки препинания.
    Объясните, какие новые оттенки значения появились в сложных предложениях по сравнению с простыми, из которых они составлены.


    1) В этом году мы начинаем изучать историю русской литературы. Знать историю русской литературы — потребность каждого культурного человека. 2) С именем М. В. Ломоносова мы могли бы встретиться не только на уроках химии, физики, астрономии, литературы, но и на уроках русского языка. М. В. Ломоносов — автор первой русской грамматики. 3) «Слово о полку Игореве» написано на древнерусском языке. Мы читаем «Слово о полку Игореве» в переводе.

    Упражнение 5.

    Придумайте бессоюзные сложные предложения, в которых смысловые отношения между их частями опирались бы на лексические значения таких слов и словосочетаний: плохая погода — несостоявшаяся прогулка; словарь — правописание слов; весна — цветы; жаркая погода — пляж; билет на поезд — командировка

    Упражнение 6.

    Запишите предложения, расставляя недостающие знаки препинания. Укажите вид сложных предложений.
    Назовите пунктуационные правила, которые нашли применение в записанных вами предложениях.
    Составьте схемы предложений, выделенных для синтаксического разбора, чтобы объяснить расстановку знаков препинания.

    1) Я узнал что осень смешала все чистые краски, какие существуют на земле, и нанесла их как на холст на далёкие пространства земли и неба. 2) Я видел листву не только золотую и пурпурную но и алую фиолетовую коричневую чёрную серую и почти белую. 3) Краски казались особенно мягкими из-за осенней мглы неподвижно висевшей в воздухе.4 4) А когда шли дожди мягкость красок сменялась блеском.4 5) В сосновых чащах дрожали от холода берёзы осыпанные сусальной позолотой. 6) Деревья начинали желтеть снизу: я видел осины красные внизу и совсем ещё зелёные на верхушках. 7) Я уверил себя что эта осень первая и последняя в моей жизни.
    (К. Паустовский)

    Упражнение 7.

    Прочитайте, найдите простые и сложные предложения. Укажите в них грамматические основы. Определите вид каждого сложного предложения и расскажите, как связаны в нем простые. Начертите схемы 1-го и 3-го предложений.

    1) Стоял апрель, мы жили в Ялте, бездельничали после девяти месяцев отчаянной трепки в зимнем океане. 2) Мы жили в гостинице на набережной, и по ночам над нашими окнами шумело море, иногда перехлестывая через парапет. 3) Я все думал, что вот строил человек дом, хотел тихо пожить, чай пить, глядеть на море, вообще как-то побыть самому, писать там что-нибудь, думать. 4) Отчего нам было скучно, мы не знали. 5) Забавин оглянулся и через три-четыре секунды увидел высокую белую звезду маяка, окруженную сиянием, вспыхнувшую на мгновение ярким светом в ночи и снова погасшую. 6) Потом звезда опять вспыхнула и погасла, и так повторялось все время, и было странно и приятно видеть этот мгновенный немой свет. 7) Иногда лыжникам попадался лисий след, который ровной и в то же время извилистой строчкой тянулся от былья к былью, от кочки к кочке. 8) Потом след поворачивал и пропадал в снежном сиянии. 9) Лыжники шли дальше, и им попадались уже заячьи следы или беличьи в осиновых и березовых рощах. 10) Окна были холодны и прозрачны, но лавки с печками источали сухое тепло, и хорошо было смотреть на солнечные снега за окнами и слушать быстрое мягкое постукивание колес внизу.
    (По Ю. П. Казакову.)

    Упражнение 8.

    Прочитайте. Определите грамматические основы и начертите схемы предложений.

    1) Ягненок дрожал мелкой дрожью и валился с ножек, когда его внесли в избу и опустили на пол. 2) Солнце всходило, но вместе с ним с востока шли облака, и как-то не светлело. 3) Изредка блеснет на солнце серебристой чешуйкой летучая рыбка, покажет черную спину играющий кит и шумно выпустит фонтан воды, высоко реет в воздухе темный фрегат (морская птица) или белоснежный альбатрос. 4) Убеждения внушаются теорией, поведение же формируется примером. 5) Если бы я мог сбросить со счетов еще лет десять, то мне хватило бы времени написать еще и вторую повесть. 6) Даша прощалась с ним так, как прощаются навсегда.

    Упражнение 9.

    Спишите предложения, соблюдая орфографические и пунктуационные нормы. Вставьте вместо пропуска слова хищный или хищнический. Составьте схемы сложных предложений. Выполните синтаксический разбор простых предложений.

    1) Эпитет «простоватый» ознчал (не)столько умстве(н, нн)ую бедность сколько отсу_ствие … накло(н, нн)остей. (М. Салтыков-Щедрин) 2) Пулей выт_нув шею несё(тся, ться) чирок над ним (не)отст_вая падая и примеряясь пр_ворный … сокол. (А. Н. Толстой) 3) Ст_ратели портят по словам учё(н, нн)ых лучшие места своею … выработкой золотонос(?)-ного песка. (Д. Мамин-Сибиряк) 4) Он п_спешно разв_зал уз_лок ст_раясь уверну(тся, ться) от … рук вырывавших его и сунул в чью(то) руку яблоко которое ему м_шало. (А. Куприн)

    Упражнение 10.

    Спишите, соблюдая орфографические и пунктуационные нормы. Составьте схемы сложных предложений. Определите их вид.

    Все м_лились о снеге и вот наконец пошли косич(?)ки по небу мороз н_чал сдавать. Ветер опять утих и бл_годатный снег начал медле(н, нн)о опуска(тся, ться) на землю. Радос(?)но смотрели крест(?)яне на п_рхающие в воздухе пушистые снежинки которые опускались на землю. Что(бы) насл_ди(тся, ться) этой к_ртиной я вышел в поле. Чудное зрел_ще открылось глазам моим: всё безгр_ничное пр_странство (во)круг меня предст_вляло вид снежного потока. Мне к_залось буд(то) небеса разверзлись ра(с, сс)ьшались снежным пухом н_полняя весь воздух дв_жением и пор_зительной тиш_ной. Наступали дли(н, нн)ые зимние сум_рки и пад_ющий снег нач_нал закрывать все предметы и белым мраком од_вал землю. (По С. Аксакову)

    Упражнение 11.

    Спишите текст. Подчеркните грамматическую основу предложений.

    Я шел вместе со своей тенью по росистой, радужной траве поляны, входил в пестрый сумрак аллеи, ведущей к пруду, и луна покорно следовала за мной. Я шел, оглядываясь, — она, зеркально сияя и дробясь, катилась сквозь черный и местами ярко блестящий узор ветвей и листьев. Я стоял на росистом скате к полноводному пруду, широко сиявшему своей золотой поверх¬ностью возле плотины вправо. Я стоял, глядел — и луна стояла, глядела. Возле берега, подо мной, была зыбкая, темно-зеркальная бездна подводного неба, на которой висели, чутким сном спали, спрятав под крыло голову и глубоко отражаясь в ней, утки… Какое молчание — так может молчать только что-нибудь живое!.. (И. Бунин.)

    Упражнение 12.

    Расставьте знаки препинания. Определите, двусоставной или односоставной является каждая часть сложного предложения, определите тип односоставной предикативной конструкции (безличная, неопределенно-личная и т.п.)

    1) Я должен был нанять быков чтоб втащить мою тележку на эту проклятую гору потому что была уже осень и гололедица. (М. Лермонтов.) 2) Сделалось так темно что в каюте и салонах зажгли электричество. (В. Катаев.) 3) Когда я читаю или слышу об ухе с дымком меня непременно посещает одно и то же но очень радостное воспоминание как одноглазый мой дед Павел лупил меня палкой за уху пахнущую дымом потому что она может пахнуть только по причине разгильдяйства. (В. Астафьев.)

    Упражнение 13.

    Расставьте знаки препинания в сложных предложениях. Найдите предикативные конструкции в сложных предложениях. Найдите слова, которые не позволяют употребить предикативные конструкции как простые предложения.

    1) Он вскочил со скамейки и проворно удалился прежде чем Литвинов успел промолвить слово. (И. Тургенев.) 2) …Как только черт спрятал в кармане свой месяц вдруг по всему миру сделалось так темно что не всякий бы нашел дорогу в шинок. (Н. Гоголь.) 3) Я раскаиваться начал что поехал в Сушково но дрогнуло затрепыхалось сердце когда возле одиноко и плоско стоявшего на берегу барака увидел я косматенького уже седого человека. (В. Астафьев. ) 4) Когда ночная роса и горный ветер освеж.ли мою горящую голову и мысли пришли в обычный порядок то я понял что гнаться за погибшим счастьем бесполезно и безрассуАно. (М. Лермонтов.)

     

    1. Дайте верную характеристику следующего предложения.
    У Берсенева в комнате стояло фортепьяно, небольшое и не новое, но с мягким и приятным, хоть и не совсем чистым тоном. (И.С. Тургенев)

    1) простое осложнённое
    2) сложносочинённое
    3) сложноподчинённое
    4) сложное бессоюзное   

    2. Сколько грамматических основ содержится в следующем предложении?

    Давно уже отмечено умными людьми, что счастье как здоровье: когда оно налицо, его не замечаешь. (М. Булгаков)

    3. В каком случае дано сложное предложение?

    1) Каждый язык принадлежит обществу, известному общественному союзу.
    2) Подруга думы праздной, чернильница моя, мой век разнообразный тобой украсил я.
    3) Есть терпение, будет и умение.
    4) Подъезжая к крыльцу, заметил он выглянувшие из окон почти в одно и то же время два лица: женское в чепце, узкое и длинное, как огурец, и мужское, круглое, широкое, как молдаванские тыквы.

    4. Какое сложное предложение состоит из трех простых?

    1) Жизнь страшна и чудесна, а потому, какой страшный рассказ ни расскажи на Руси, как ни украшай его разбойничьими гнездами, длинными ножичками и чудесами, он всегда отзовется в душе слушателя былью.
    2) Некоторые магазины залиты светом, и кажется, что люди в них плавают, точно рыбы в воде аквариумов.
    3) Я помню, что, когда вы, бывало, приезжали к нам на каникулы или просто так, то в доме становилось как-то свежее и светлее, точно с люстры чехлы снимали.
    4) Кончался лес, и, распахнувшись до дальнего синего неба, ударила в глаза росистая ярость лугов.

    5. Какое сложное предложение состоит из четырех простых?

    1) Увидеть и услышать писателя для меня, провинциала, — я тогда работал в Сибири — было бы необычайным, ослепительным счастьем, на которое я не мог и надеяться.
    2) Я заметил, что, куда ни пойдешь, найдешь что-нибудь замечательное.
    3) Мне захотелось броситься отцу на шею и, как учила Анисья, поклониться ему в ноги, но вид дачи с готическими окнами удержал меня.
    4) Камю пришел в литературу с осознанием того, что жизнь бессмысленна, а небо пусто, и это в известной мере парализовало его гуманистические устремления.

    6. Какое предложение является сложносочиненным?

    1) Гейне создал «Зимнюю сказку» в Париже, там же Тургенев писал «Отцы и дети».
    2) Едва начался декабрьский рассвет, Аночка вышла на улицу.
    3) Глушь и дичь в пуще, однако чистые просеки делятся на правильные нумерованные квадраты.
    4) Как он добрался сюда — уж этого никак не мог он понять.

    7. Укажите номера двух сложносочинённых предложений. (Знаки препинания не расставлены.)

    1) Как все русские дворяне он в молодости учился музыке и как почти все русские дворяне играл плохо. (И.С. Тургенев)
    2) В это мгновение донёсся голос супруги и повернувшись Василиса столкнулся с ней. (М. Булгаков)
    3) В томленьях грусти безнадежной в тревогах шумной суеты звучал мне долго голос нежный и снились милые черты. (А.С. Пушкин)
    4) Пока не требует поэта к священной жертве Аполлон в заботах суетного света он малодушно погружён. (А.С. Пушкин)

    8. Какое предложение является сложноподчиненным?

    1) Я вам отвечу очень просто, поскольку мы уже друзья.
    2) По обе стороны — высокие, до пяти метров высоты, неприступные стены камыша, издавна получившие название крепей, глухие же чащи зеленых дремучих зарослей называют Каспийскими джунглями.
    3) Нежнейшие оттенки цветов — красного, малинового, желтого и зеленого — раскрашивали облако, лучи каждое мгновение тоже меняли свою окраску.
    4) То раздавались удары, то пели колеса.

    9. Укажите номера трёх сложноподчиненных предложений.     (Знаки препинания не расставлены.)

    1) Я уже заметил что на свете помимо лета есть ещё осень зима весна когда из дому можно выходить только изредка. (И.А.Бунин)
    2) Когда вы бродили по лесу вы были смелы и прекрасны. (В.Хлебников)
    3) Так стоял он загораживая дверь огромный и чёрный и говорил Иисус и громко вторило его словам прерывистое и сильное дыхание Петра. (Л. Андреев)
    4) В третьем классе я сказал директору дерзость за которую меня едва не исключили из гимназии. (И. Бунин)

    10. Какое предложение является сложным бессоюзным?

    1) Я не знаю, будет ли свидание.
    2) Раз эти стихи написаны, я смотрю на них как на товар.
    3) Как ни тепел был дождь, мы начали зябнуть.
    4) Растительность песков богаче глинистых пустынь, поэтому пески издавна используются для выпаса овечьих отар.

    11. Укажите номера трёх сложных бессоюзных предложений. (Знаки препинания не расставлены.)

    1) Снова тучи надо мною собралися в тишине рок завистливой бедою угрожает снова мне. (А.С. Пушкин)
    2) Обед продолжался довольно долго Берсенев разговаривал с Еленой об университетской жизни о своих намерениях и надеждах. (И.С. Тургенев)
    3) Все двадцать четыре года моей жизни я прожил в городе и думал что вьюга воет только в романах. (М. Булгаков)
    4) Цели нет передо мною сердце пусто празден ум. (А.С. Пушкин)

    12. Какое предложение является сложным с разными видами связи?

    1) Истину нельзя рассказать так, чтобы ее поняли; надо, чтобы в нее поверили.
    2) Не стоит сейчас даже и мечтать об этом, а то еще, пожалуй, начнешь страдать черной меланхолией.
    3) Едва уехал командир дивизии, как началась стрельба из малокалиберных пушек, что было совершенной неожиданностью.
    4) Зверя и всякую птицу обмануть можно: покричи раненым зайцем — на этот крик лиса прибежит.

    13. Выпишите цифры, обозначающие в сложном предложении запятые между частями, связанными сочинительной связью.

    Пространства стали доступней, (1) дороги сократились во времени. Однажды в течение одного дня мне пришлось побывать в столицах трех европейских государств, (2) а вечером я еще успел поглазеть на публику в Марсельском порту, (3) но за день из-за утомления и спешки почти ничего не осталось в моей памяти…
    Многим кажется, (4) что чем больше человек изъездит, (5) тем культурнее он будет и тем шире станет его кругозор.

    14. Выпишите цифры, обозначающие запятые между частями сложноподчиненного предложения.

    Было время, (1) когда ночной сторож в усадьбе звонил в колокол, (2) отбивая вечернюю и утреннюю зарю. Звон вырывался за околицу, (3) стлался над рекой Соротью, (4) озерами и затухал в михайловских рощах. Одни краски сменялись другими, (5) одни звуки поглощались или, (6) наоборот, (7) усиливались. Все это и еще многое другое было тем, (8) из чего складывалась жизнь пушкинской усадьбы.

    15. Выпишите цифры, обозначающие знаки препинания между частями бессоюзного предложения.

    Задумывались ли вы над тем, (1) сколько слов в русском языке, (2) можно ли их сосчитать? Очевидно, (3) установить точное количество слов русского языка, (4) да и любого другого, (5) абсолютно невозможно хотя бы потому, (6) что лексика находится в постоянном движении: (7) одни слова уходят из языка, (8) другие закрепляются в нем.
                                                      

                                         Ответы:

    Николай Коняев — Крестное знамение

     

    Шесть непридуманных рассказов

     

    Женщина с коляской

    Священник Анатолий рассказывал, как он крестился.
    «Я уже женатым был, уже дочка родилась, а всё ещё не крестился. И жена тоже некрещёной была. Только книги церковные читали и о Боге говорили, а креститься как-то всё не могли собраться…
    И вот, это уже в конце восьмидесятых было, жена с дочкой поехала в отпуск, а вернулась уже с крестиком на шее.
    И так мне неприятно стало, когда я этот крестик увидел… Ведь вместе бы могли креститься!
    Сам не понимаю почему, но как-то обидно мне стало… Даже книги церковные перестал жене читать вслух, хотя она и любила их слушать…
    А потом жена снова уехала, и тогда я решил креститься и сам.
    И вот пошёл в церковь и загадал: если правильно решил, пусть я женщину с ребёнком встречу в этой аллее…
    Но тут же сообразил, что нехорошо так загадывать в самом, можно сказать, главном деле жизни. Что же это? Если не встречу, так и креститься не надо… Такая глупость… 
    Так я разозлился на себя, что забыл даже, куда иду…
    И вот тут и минуты не прошло, как на пустой аллее женщина появилась с ребёнком в коляске.
    Вот так и крестился… 
    Жена, когда увидела крестик на моей груди, обняла меня и заплакала.
    Священник Анатолий перекрестился, замолчав, а потом добавил:
    – А женщина эта с коляской теперь каждый раз, когда что-то важное решить надо, появляется…

    Старец Иоанн

    Всенощная ещё не началась, но в храме уже тесно стало. 
    Прихожане сгрудились вокруг старца Иоанна, сидящего в кресле возле аналоя с праздничной иконой.
    Слабым, дрожащим голосом он вёл свою беседу, то разговаривая с отдельными людьми, то обращаясь ко всем сразу.
    И тогда, хотя по-прежнему слабо звучал дрожащий голос, как-то слышнее становилось, и каждое слово можно было разобрать даже и в задних рядах.
    Впрочем, этот эффект можно было объяснить устройством акустики храма.
    Когда старец Иоанн вёл частный разговор, он опускал свою седую голову в камилавке, слушая говорившего, а когда обращался ко всем, голова его была поднята, и слова разносились по всему помещению.
    Вот и сейчас, когда свечница протянула ему мобильный телефон, не слышно было ничего, о чём разговаривает старец, а когда, вернув телефон, поднялся он из кресла, сразу голос обрёл силу. ..
    – А сейчас помолимся вместе за раба Божьего Сергия… – сказал старец. – Он идёт к нам…
    И хотя вроде бы, с какой это стати надобно молиться за человека, который позвонил отцу Иоанну, что идёт в церковь, но не прозвучало ни слова недоумения. Все прихожане начали молиться, осеняя себя крестным знамением.
    И действительно, немного и времени прошло, как открылась дверь, и в храм вошёл мужчина лет сорока, в кожаной куртке.
    Перекрестился и он, и тоже начал молиться.
    А потом, притомившись, старец Иоанн снова опустился в кресло, и беседа его с прихожанами продолжилась.
    Как раз тут к мужчине в куртке протиснулась свечница.
    – Пойдёмте, Сергий… – сказала она. – Вас батюшка зовёт…
    Мужчина удивлённо посмотрел на неё, но спорить не стал, послушно двинулся за свечницей, протискиваясь через прихожан, ещё теснее сгрудившихся вокруг отца Иоанна.
    Мне самому хотелось подойти сегодня к батюшке, взять благословение на важное для меня дело, но, похоже было, что не получится, скоро уже должна была начаться всенощная, а народу к старцу не становилось меньше.
    И не то чтобы раздражение у меня вызвал этот Сергей, предваривший своё появление в храме телефонным звонком, но досада была, это уж точно…
    Чтобы не накручивать себя, я вышел в притвор, где устроена была церковная лавка, начал разглядывать свежие номера журналов…
    Я успел прочитать несколько заметок, когда в церковной лавке появился мужчина в кожаной куртке.
    Лицо его было ещё растеряннее, чем тогда, когда он вошёл в храм.
    – Мне записки написать надо… – сказал он мне. – Вы не подскажете, как это сделать…
    – А вот листочки… – сказал я. – Кого за здравие нужно – те имена в записку «За здравие». Кого за упокой – те имена в этот, Сергей, листочек…
    Мужчина взял листочки, которые я протянул ему, но продолжал смотреть на меня.
    – Простите… – сказал он. – А откуда здесь все моё имя знают?
    – Ну как откуда… – я пожал плечами. – Когда вы батюшке позвонили, он объявил, что сейчас Сергей придёт, и ещё помолиться попросил за вас…
    – Но я же не звонил никому… – покачал головой Сергей. – Не мог я звонить, потому что не только телефона, но и батюшку не знал. Я вообще ещё час назад не знал, куда я пойду: такое состояние было… А потом я сюда свернул и эту церковь увидел… 
    – Ну, это не важно, звонили вы или нет… – сказал я, чувствуя, как рассеивается досада. – Главное, что отец Иоанн сказал, что вы придёте. И имя ваше назвал… Вы пишите, пишите записки, как он велел…
    Сергей кивнул и отодвинулся в сторону, а ко мне почти подбежала свечница.
    – Ну что же вы здесь стоите? – сказала она. – Сейчас же всенощная начнётся. Не успеете благословиться у старца.
    Слава Богу, благословение старца Иоанна я успел взять… 
    На очень важное для меня дело просил я его…

    Двенадцатый пузырек

    За обедом в трапезной моя жена Марина рассказала историю, которую поведал нам епископ Мстислав, про чудо, произошедшее с ним у мощей Александра Свирского.

    1.
    Произошло это событие, когда Мстислава только ещё назначили игуменом…
    И вот служил он молебен у мощей Александра Свирского и вдруг – столько тогда разговоров ходило насчёт подлинности обретённых в Военно-медицинской академии мощей! – задумался, а на самом ли деле это мощи преподобного?
    И вот закрыл он после молебна мощи и уже выходил из храма, как подбежал к нему мужчина с грудным ребёнком на руках.
    – Отче… – говорит. – Благословите к мощам приложиться, мы специально с Урала ехали, а вот опоздали…
    – Ну, если с Урала специально ехали, то приложитесь, конечно…
    И пока открывал мощи, мужчина рассказал ему, что два года назад жена его операцию сделала, да так, что пришлось распрощаться с надеждой завести своих детей. И год назад они приехали сюда, к Александру Свирскому, чтобы благословиться – ребёнка из детдома взять.
    А домой вернулись – и не заладилось дело.
    – Сами ведь, знаете, владыка, какое это непростое дело, если ты не иностранец… – рассказывал мужчина. – Где найдёшь столько тысяч долларов, чтобы взятку дать? В общем, совсем загоревали мы, но прошло ещё немного времени, и вдруг жена говорит, что она забеременела. Такое вот чудо произошло!
    – И родила?
    – Так его и родила, – осторожно прикладывая ребёнка головкой к мощам, сказал мужчина. – Такое вот у нас, владыка, чудо родилось по молитвам преподобного Александра Свирского… Вот мы и привезли его сюда, чтобы он тоже приложился к мощам. ..
    – А сама-то жена чего не приехала? – спросил владыка.
    – Как же не приехала… Приехала, конечно… Только у неё, как нарочно, критические дни начались, нельзя ей сегодня в храм. На улице, на скамеечке сидит…
    – Действительно, чудо… – выслушав эту историю, сказал я.
    – Ещё бы не чудо… – сказал владыка. – После этого случая у меня уже никогда больше сомнений в подлинности мощей преподобного не возникало…

    2.
    – Так со мною тоже похожая история случилась… – сказал отец Павел, когда Марина закончила свой рассказ. – Я тогда ещё послушником был, продавал в церковной лавке миро от мощей Александра Свирского… Торговля плохо шла, а с другой стороны: какое это миро? Собрали два года назад, в маслице развели, потом остатки ещё раз в маслице развели. И ещё раз, и ещё… Сколько его, настоящего мира, в наших пузырьках осталось?
    И вот только подумал так, старушка в лавку заходит.
    – Мне, – говорит, – двенадцать пузырьков отпусти, сынок…
    А мне жалко старушку стало. Совсем плохо одета, сразу видно, что на пенсию одну живёт. Какие у неё деньги?
    – Бабушка, – говорю, – зачем вам двенадцать пузырьков, если тут только одно название, что миро – столько раз его разбавляли…
    А старушка деньги свои не убирает.
    – Глупости-то не говори, сынок… – говорит. – Я не видела ничего, а этим миром глаза помазала и отпала темнота. Так что не сомневайся. Давай мне двенадцать пузырьков, как я просила…
    Ну коли просит, так что ж?
    Отсчитал ей двенадцать пузырьков, а их именно столько и оказалось в лавке, выставил все на прилавок.
    Старушка сложила все в кошёлку свою, а один пузырёк на прилавке оставила.
    – Это, – говорит, – тебе от меня. Мажься этим миром и не сомневайся…
    Отец Павел замолчал и вытащил из кармана рясы пузырёк с миром.
    – Это тот двенадцатый пузырёк, который вам старушка оставила? – спросил я.
    – Тот-тот… – сказал отец Павел. – Я этим миром уже который год пользуюсь… Когда мало становится, долью маслицем и снова мажусь.
    – И помогает?
    – Помогает, конечно… – сказал отец Павел. – Я ж последние восемь лет только этим маслицем и лечусь…

    Первое крестное знамение
    (рассказ железнодорожника)

    Это в Сибири было, когда я первый раз себя крестным знамением осенил…
    Вёл я поезд тогда, и вот под утро приближались мы к переезду, где шоссейная трасса нашу железную дорогу пересекала.
    И всё хорошо вроде.
    Зелёные огни горят, можно не сбавлять хода, но тут – прямо в глазах у меня потемнело! – на путях человек стоит в чёрном монашеском облачении и руками семафорит нам. 
    Как уж я затормозить успел, сам не понимаю.
    Как в тумане всё было… 
    Опамятовал я, когда помощник меня тормошить стал.
    – Петрович! – говорит. – Герой ты! Как ты углядел её в сумерках?
    – Кого её? – спрашиваю.
    – Ну, машину эту гружёную. Которая на переезде застряла…
    Слез я с локомотива.
    Действительно, в серых рассветных сумерках на переезде грузовая машина стоит.
    Ну да…
    Если бы влетели в неё, мало бы не показалось ни машине, ни нашему составу. Спасибо монаху, который просигналить успел и остановил поезд.
    – А где он? – спрашиваю.
    – Кто он?!
    – Монах, который поезд остановил…
    – Да ты что, Петрович?! – говорит помощник. – Не было никакого монаха…
    – Как же не было, – говорю, – если я сам его видел…
    Ну, пока машину стаскивали с переезда, освобождая путь, прошли мы по составу, чтобы посмотреть: не пострадал ли кто из пассажиров.
    И вот ведь что удивительно…
    Хоть и тормозил я в экстренном порядке, а из пассажиров почти никто и не проснулся даже… А которые проснулись, целы были… Никто не пострадал.
    Уже к концу состава мы подходили, когда увидел я своего монаха. Сидит в плацкартном вагоне на боковом месте и перебирает чётки.
    – Вот, – показываю я своему помощнику, – вот кто нас спас! Это он мне просемафорил об опасности…
    – А как это удалось вам?! – удивился помощник. – Как вы перед поездом встать сумели?
    Но монах и сам разговору нашему удивился.
    – Да не вставал я нигде… – сказал он и перекрестился. – Сижу здесь, молитвы читаю, чтобы доехали благополучно… А что, произошло что-то?
    – Произошло… – сказал я. – Получается, что твоя молитва и выручила нас.
    И перекрестился я.
    Первый раз в жизни перекрестился…

    Блаженная Ольга

    Вспомнил блаженную Ольгу, с которой мы познакомились, когда снимали фильм «Голос Андрея Первозванного».
    Она была тогда с нашей киногруппой на Авраамиевом скиту, но странно – столько было фотоаппаратов и кинокамер, а она никуда не попала.
    Впрочем, чудо, что она вообще попала на скит, ведь никто не афишировал, что здесь будут устанавливать поклонный крест!
    Более того, произошло это неожиданно, почти случайно, а Ольга отку-
    да-то узнала и добралась до острова ещё раньше, чем туда прибыла киногруппа.
    Ольга эта жила на чердаке в гостинице.
    На чердак этот я лазил с оператором посмотреть на панораму, открывающуюся из выбитого окна, и перемазался весь, хотя и старался там ни до чего не дотрагиваться, а Ольга жила на этом чердаке месяцами и ходила всегда чистенькая, в беленьких, без единого пятнышка носочках.
    На Авраамиевом скиту Ольга сразу принялась таскать к кресту тяжеленные камни.
    – Ольга! – пытались мы остановить её. – Пожалей себя. Это же такие тяжести.
    – Так я себя и жалею! – ответила Ольга. – Я же не камни таскаю. Грехи свои.
    Судя по тому, какие мы выбирали камни, нам смело можно было записываться в праведники.
    Но Ольга и не думала никого обличать, она просто радовалась, что и на Авраамиевом острове установлен поклонный крест, и эта радость сообщилась и нам.
    А говорила Ольга всегда то, что думала, и это не очень-то нравилось в монастыре. 
    Несколько раз её прогоняли со службы, а потом и из монастыря попросили уехать.
    И Ольга уехала с Валаама.
    Знакомые рассказывали, что видели, как она уезжала.
    Никого не ругала, никого не обличала, сидела на пристани тихая-тихая.
    – Уезжаешь, значит? – спросил монах, которого специально отправили проследить, чтобы она не осталась здесь.
    – Уезжаю…
    – Не понравилось, значит, у нас?
    – Понравилось.. . Просто я к Ксенюшке решила съездить, так чего же на острове сидеть. Надо ехать, раз Ксенюшка позвала.
    И уехала.
    Рассказывали ещё, были свидетели и этому, что прямо с причала поехала Ольга на Смоленское кладбище.
    И там, только миновала кладбищенские ворота – и всё.
    Пропала куда-то.
    И сколько не искали её, так и не нашли. 
    И никто больше не видел её.
    А та гостиница на Валааме, на чердаке которой жила Ольга, сгорела той же зимой.
    Говорят, какие-то правила пожарной безопасности были нарушены.
    Но сейчас новую гостиницу на том месте построили.
    Я сам там не был, но говорят, что отличная гостиница: и чисто, и удобства – всё, как в городе…

    Последнее причастие

    Ещё утром отец шутил, а в обед лёг на диван и руки на груди сложил.
    – Всё, дочка… – сказал он. – Кажется, не выкарабкаться мне теперь…
    – Да ты что, папа?! – запротестовала Наталья. – Ты же сегодня только из больницы выписался… Тебе пожить надо теперь, всё-таки немного подлечили тебя. ..
    Она говорила так, но – она работала на скорой помощи! – сама видела, как побелело лицо отца, как нехорошо заострился нос.
    – Всё… – не слушая её, сказал отец. – Совсем нехорошо давит в груди…
    И он закрыл глаза.
    Не было сомнений, он уходил… И Наталья, хотя и работала врачом, не очень понимала, что делать. Девяносто четыре года исполнилось отцу, и никакими таблетками невозможно было восстановить в нём жизненные силы.
    Но и сидеть и просто смотреть, как уходит отец, было невыносимо. Наталья взяла в руки молитвенник, стала искать нужную молитву, но тут телефон зазвонил.
    – Это отец Евгений! – раздался в трубке голос знакомого священника. – Я больную причащать иду. Если хотите, я могу зайти, Григория Васильевича причастить по пути…
    – Заходите, отец Евгений… – сглотнув слёзы, сказала Наташа. – Причастите, если успеете…
    И, положив трубку, снова посмотрела на отца.
    Нет! Не успевал священник.
    Наталья потрогала пульс, но пульса не было, конечно. Уже и не дышал отец, и какая-то смертная муть растекалась вокруг…
    Отец Евгений пришёл минут через десять.
    – Григорий Васильевич где? – ещё в дверях спросил он. – В гостиной?
    – Нет… – сказала Наташа. – Он у себя в комнате… Только папа уже умер, отец Евгений…
    – Умер? – священник отодвинул Наталью и прошёл в комнату, где не раз бывал, навещая отца во время болезни.
    – Григорий! – громко сказал он. – Отец Евгений пришёл! Причащаться будешь?
    И тут Наталья глазам своим не поверила. 
    Умерший отец чуть приподнялся на диване.
    – Да! – сказал он.
    И причастил его отец Евгений.
    И Наталью заставил запивку принести.
    И когда сделал отец два глотка тёплой, подслащённой вином воды, снова откинулся он на подушку, вздохнул три раза и закрыл глаза теперь уже навсегда.
    Потрясённая Наталья слушала, как читает отец Евгений отходную молитву, смотрела на дароносицу, на стоящий на столике ковчежец, на отца, лицо которого стало ещё бледнее, и думала, что всё осталось прежним, как и полчаса назад, когда отец первый раз умер. ..
    Ничего не изменилось…
    Только смертная муть ушла, и никакой смерти рядом с умершим отцом не было.
    И нигде её не было…

    Николай Михайлович КОНЯЕВ

    Отзывы 1506 пациентов о онкологическом диспансере в Краснодаре

    Пациент
    +7-961-85XXXXX

    21 февраля в 19:01

    +2.0 отлично

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Отлично

    Отлично

    Отлично

    Отлично

    Отлично

    Проверено (2)

    Посетили в феврале 2023

    ул. Димитрова, 146

    Пациент
    +7-918-91XXXXX

    29 декабря 2022
    в 21:32

    Проверено (2)

    Посетили в январе 2020

    ул. Димитрова, 146

    Пациент
    +7-918-66XXXXX

    12 декабря 2022
    в 21:56

    +2. 0 отлично

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Отлично

    Отлично

    Отлично

    Отлично

    Отлично

    Проверено (2)

    Посетили в октябре 2016

    ул. Димитрова, 146

    Пациент
    +7-918-18XXXXX

    2 декабря 2022
    в 13:20

    Проверено (2)

    Посетили в ноябре 2022

    ул. Димитрова, 146

    Пациент
    +7-918-31XXXXX

    24 ноября 2022
    в 12:17

    -2.0 ужасно

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Ужасно

    Ужасно

    Ужасно

    Ужасно

    Ужасно

    Проверено (3)

    Посетили в октябре 2022

    ул. Димитрова, 146

    Пациент
    +7-989-08XXXXX

    7 ноября 2022
    в 12:08

    +0.6 хорошо

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Отлично

    Отлично

    Отлично

    Плохо

    Ужасно

    Проверено (2)

    Посетили в ноябре 2022

    ул. Димитрова, 146

    Пациент
    +7-918-66XXXXX

    4 августа 2022
    в 20:43

    +1.8 отлично

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Хорошо

    Отлично

    Отлично

    Отлично

    Отлично

    Проверено (2)

    Посетили в августе 2022

    ул. Димитрова, 146

    Пациент
    +7-918-37XXXXX

    19 июня 2022
    в 08:37

    +1.8 отлично

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Хорошо

    Отлично

    Отлично

    Отлично

    Отлично

    Проверено (2)

    Посетили в мае 2022

    ул. Димитрова, 146

    Пациент
    +7-918-44XXXXX

    30 мая 2022
    в 22:32

    +2.0 отлично

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Отлично

    Отлично

    Отлично

    Отлично

    Отлично

    Проверено (2)

    Посетили в мае 2022

    ул. Димитрова, 146

    Пациент
    +7-999-08XXXXX

    23 мая 2022
    в 21:54

    -0.2 нормально

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Плохо

    Плохо

    Хорошо

    Плохо

    Хорошо

    Проверено (2)

    Посетили в мае 2022

    ул. Димитрова, 146

    Пациент
    +7-918-02XXXXX

    4 апреля 2022
    в 23:58

    +1.0 хорошо

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Хорошо

    Хорошо

    Хорошо

    Хорошо

    Хорошо

    Проверено (2)

    Посетили в апреле 2022

    ул. Димитрова, 146

    Пациент
    +7-918-45XXXXX

    24 марта 2022
    в 19:47

    -1.0 плохо

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Ужасно

    Нормально

    Хорошо

    Ужасно

    Ужасно

    Проверено (2)

    Посетили в марте 2022

    ул. Димитрова, 146

    Пациент
    +7-978-84XXXXX

    17 марта 2022
    в 20:20

    +1.8 отлично

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Хорошо

    Отлично

    Отлично

    Отлично

    Отлично

    Проверено (2)

    Посетили в декабре 2020

    ул. Димитрова, 146

    Пациент
    +7-918-45XXXXX

    31 января 2022
    в 08:46

    +0.4 нормально

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Хорошо

    Нормально

    Нормально

    Нормально

    Хорошо

    Проверено (2)

    Посетили в декабре 2021

    ул. Димитрова, 146

    Пациент
    +7-918-44XXXXX

    18 января 2022
    в 17:35

    -0.6 плохо

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Нормально

    Хорошо

    Нормально

    Ужасно

    Ужасно

    Проверено (2)

    Посетили в январе 2022

    ул. Димитрова, 146

    Пациент
    +7-918-30XXXXX

    22 декабря 2021
    в 20:33

    Проверено (2)

    Посетили в декабре 2021

    ул. Димитрова, 146

    Пациент
    +7-918-16XXXXX

    14 декабря 2021
    в 10:09

    Проверено (2)

    Посетили в декабре 2021

    ул. Димитрова, 146

    Пациент
    +7-938-18XXXXX

    15 ноября 2021
    в 18:35

    -0.8 плохо

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Нормально

    Нормально

    Плохо

    Плохо

    Ужасно

    Проверено (1)

    Посетили в ноябре 2021

    ул. Димитрова, 146

    Пациент
    +7-938-40XXXXX

    26 октября 2021
    в 13:10

    -1. 2 ужасно

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Нормально

    Нормально

    Ужасно

    Ужасно

    Ужасно

    Проверено (3)

    Посетили в октябре 2021

    ул. Димитрова, 146

    Пациент
    +7-929-85XXXXX

    20 октября 2021
    в 11:30

    +2.0 отлично

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Отлично

    Отлично

    Отлично

    Отлично

    Отлично

    Проверено (1)

    Посетили в октябре 2021

    ул. Димитрова, 146

    Пациент
    +7-918-12XXXXX

    11 октября 2021
    в 14:12

    +2. 0 отлично

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Отлично

    Отлично

    Отлично

    Отлично

    Отлично

    Проверено (1)

    Посетили в сентябре 2021

    ул. Димитрова, 146

    Пациент
    +7-961-53XXXXX

    16 сентября 2021
    в 21:44

    +2.0 отлично

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Отлично

    Отлично

    Отлично

    Отлично

    Отлично

    Проверено (1)

    Посетили в сентябре 2021

    ул. Димитрова, 146

    Пациент
    +7-918-44XXXXX

    16 августа 2021
    в 13:09

    0. 0 нормально

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Нормально

    Нормально

    Отлично

    Нормально

    Ужасно

    Проверено (1)

    Посетили в августе 2021

    ул. Димитрова, 146

    Пациент
    +7-903-41XXXXX

    15 августа 2021
    в 21:19

    +1.2 отлично

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Хорошо

    Хорошо

    Отлично

    Хорошо

    Хорошо

    Проверено (1)

    Посетили в июле 2021

    ул. Димитрова, 146

    Пациент
    +7-900-28XXXXX

    10 августа 2021
    в 21:54

    -0. 4 нормально

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Нормально

    Нормально

    Нормально

    Нормально

    Ужасно

    Проверено (2)

    Посетили в июле 2021

    ул. Димитрова, 146

    Пациент
    +7-953-82XXXXX

    29 июля 2021
    в 17:52

    +2.0 отлично

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Отлично

    Отлично

    Отлично

    Отлично

    Отлично

    Проверено (1)

    Посетили в июле 2021

    ул. Димитрова, 146

    Пациент
    +7-918-95XXXXX

    23 июля 2021
    в 07:31

    +1. 4 отлично

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Хорошо

    Хорошо

    Отлично

    Хорошо

    Отлично

    Проверено (1)

    Посетили в июне 2021

    ул. Димитрова, 146

    Пациент
    +7-905-43XXXXX

    21 июля 2021
    в 21:54

    Проверено (1)

    Посетили в июле 2021

    ул. Димитрова, 146

    Пациент
    +7-918-45XXXXX

    20 июля 2021
    в 19:02

    Проверено (1)

    Посетили в июле 2021

    ул. Димитрова, 146

    Пациент
    +7-918-43XXXXX

    16 июня 2021
    в 12:45

    -2.0 ужасно

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Ужасно

    Ужасно

    Ужасно

    Ужасно

    Ужасно

    Проверено (1)

    Посетили в июне 2021

    ул. Димитрова, 146

    Пациент
    +7-938-41XXXXX

    4 июня 2021
    в 08:59

    +0.4 нормально

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Отлично

    Нормально

    Хорошо

    Нормально

    Плохо

    Проверено (1)

    Посетили в мае 2021

    ул. Димитрова, 146

    Пациент
    +7-908-67XXXXX

    29 апреля 2021
    в 21:17

    +2.0 отлично

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Отлично

    Отлично

    Отлично

    Отлично

    Отлично

    Проверено (1)

    Посетили в апреле 2021

    ул. Димитрова, 146

    Пациент
    +7-918-23XXXXX

    8 апреля 2021
    в 12:57

    +2.0 отлично

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Отлично

    Отлично

    Отлично

    Отлично

    Отлично

    Проверено (1)

    Посетили в марте 2021

    ул. Димитрова, 146

    Пациент
    +7-918-00XXXXX

    4 апреля 2021
    в 13:26

    Проверено (1)

    Посетили в марте 2020

    ул. Димитрова, 146

    Пациент
    +7-918-06XXXXX

    18 марта 2021
    в 23:15

    +1.0 хорошо

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Хорошо

    Отлично

    Отлично

    Хорошо

    Плохо

    Проверено (2)

    Посетили в марте 2021

    ул. Димитрова, 146

    Пациент
    +7-918-62XXXXX

    17 марта 2021
    в 18:54

    -1.2 ужасно

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Плохо

    Ужасно

    Хорошо

    Ужасно

    Ужасно

    Проверено (2)

    Посетили в марте 2021

    ул. Димитрова, 146

    Пациент
    +7-918-43XXXXX

    16 марта 2021
    в 08:40

    +0.6 хорошо

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Хорошо

    Хорошо

    Нормально

    Нормально

    Хорошо

    Проверено (1)

    Посетили в марте 2021

    ул. Димитрова, 146

    Пациент
    +7-918-21XXXXX

    20 февраля 2021
    в 19:49

    -1.0 плохо

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Нормально

    Нормально

    Ужасно

    Ужасно

    Плохо

    Проверено (1)

    Посетили в феврале 2021

    ул. Димитрова, 146

    Пациент
    +7-967-66XXXXX

    11 февраля 2021
    в 12:28

    +1.0 хорошо

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Хорошо

    Хорошо

    Отлично

    Хорошо

    Нормально

    Проверено (1)

    Посетили в феврале 2021

    ул. Димитрова, 146

    Пациент
    +7-909-46XXXXX

    11 февраля 2021
    в 10:35

    +1.2 отлично

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Хорошо

    Хорошо

    Отлично

    Хорошо

    Хорошо

    Проверено (1)

    Посетили в феврале 2021

    ул. Димитрова, 146

    Пациент
    +7-900-13XXXXX

    29 декабря 2020
    в 09:41

    Проверено (3)

    Посетили в декабре 2020

    ул. Димитрова, 146

    Пациент
    +7-988-31XXXXX

    25 декабря 2020
    в 12:40

    +1.4 отлично

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Хорошо

    Хорошо

    Отлично

    Хорошо

    Отлично

    Проверено (1)

    Посетили в январе 2019

    ул. Димитрова, 146

    Пациент
    +7-918-21XXXXX

    22 декабря 2020
    в 06:37

    +1.2 отлично

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Нормально

    Отлично

    Хорошо

    Хорошо

    Отлично

    Проверено (1)

    Посетили в декабре 2020

    ул. Димитрова, 146

    Пациент
    +7-961-52XXXXX

    18 декабря 2020
    в 19:03

    +1.8 отлично

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Отлично

    Отлично

    Отлично

    Отлично

    Хорошо

    Проверено (1)

    Посетили в декабре 2020

    ул. Димитрова, 146

    Пациент
    +7-964-90XXXXX

    15 декабря 2020
    в 14:43

    +1.4 отлично

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Отлично

    Отлично

    Отлично

    Отлично

    Плохо

    Проверено (1)

    Посетили в июле 2018

    ул. Димитрова, 146

    Пациент
    +7-905-40XXXXX

    9 декабря 2020
    в 21:46

    +1.0 хорошо

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Хорошо

    Хорошо

    Отлично

    Хорошо

    Нормально

    Проверено (1)

    Посетили в декабре 2020

    ул. Димитрова, 146

    Пациент
    +7-918-05XXXXX

    12 ноября 2020
    в 10:54

    -1.6 ужасно

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Плохо

    Плохо

    Ужасно

    Ужасно

    Ужасно

    Проверено (1)

    Посетили в ноябре 2020

    ул. Димитрова, 146

    Пациент
    +7-928-24XXXXX

    11 ноября 2020
    в 10:36

    +0.2 нормально

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Нормально

    Хорошо

    Отлично

    Нормально

    Ужасно

    Проверено (1)

    Посетили в ноябре 2020

    ул. Димитрова, 146

    Пациент
    +7-999-63XXXXX

    30 октября 2020
    в 20:24

    +2.0 отлично

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Отлично

    Отлично

    Отлично

    Отлично

    Отлично

    Проверено (1)

    Посетили в октябре 2020

    ул. Димитрова, 146

    Пациент
    +7-960-49XXXXX

    21 сентября 2020
    в 12:38

    +0.8 хорошо

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Нормально

    Отлично

    Отлично

    Нормально

    Нормально

    Проверено (1)

    Посетили в сентябре 2020

    ул. Димитрова, 146

    Пациент
    +7-929-27XXXXX

    21 августа 2020
    в 09:35

    Проверено (3)

    Посетили в августе 2020

    ул. Димитрова, 146

    Пациент
    +7-938-51XXXXX

    28 июля 2020
    в 14:09

    -1.6 ужасно

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Нормально

    Ужасно

    Ужасно

    Ужасно

    Ужасно

    Проверено (1)

    Посетили в феврале 2020

    ул. Димитрова, 146

    Пациент
    +7-918-34XXXXX

    5 июня 2020
    в 14:10

    +2.0 отлично

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Отлично

    Отлично

    Отлично

    Отлично

    Отлично

    Проверено (1)

    Посетили в мае 2020

    ул. Димитрова, 146

    Пациент
    +7-909-46XXXXX

    3 июня 2020
    в 23:21

    -2.0 ужасно

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Ужасно

    Ужасно

    Ужасно

    Ужасно

    Ужасно

    Проверено (1)

    Посетили в июне 2020

    ул. Димитрова, 146

    Пациент
    +7-928-24XXXXX

    3 июня 2020
    в 19:48

    0.0 нормально

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Хорошо

    Нормально

    Хорошо

    Плохо

    Плохо

    Проверено (1)

    Посетили в апреле 2020

    ул. Димитрова, 146

    Пациент
    +7-918-08XXXXX

    30 мая 2020
    в 09:17

    +0.4 нормально

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Нормально

    Отлично

    Отлично

    Ужасно

    Нормально

    Проверено (1)

    Посетили в мае 2020

    ул. Димитрова, 146

    Пациент
    +7-937-56XXXXX

    22 мая 2020
    в 11:36

    +2.0 отлично

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Отлично

    Отлично

    Отлично

    Отлично

    Отлично

    Проверено (1)

    Посетили в мае 2019

    ул. Димитрова, 146

    Пациент
    +7-918-10XXXXX

    14 мая 2020
    в 12:25

    +1.0 хорошо

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Отлично

    Отлично

    Плохо

    Отлично

    Нормально

    Проверено (1)

    Посетили в мае 2020

    ул. Димитрова, 146

    Пациент
    +7-995-20XXXXX

    22 марта 2020
    в 15:52

    +1.4 отлично

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Хорошо

    Отлично

    Отлично

    Хорошо

    Хорошо

    Проверено (1)

    Посетили в марте 2020

    ул. Димитрова, 146

    Пациент
    +7-918-48XXXXX

    5 марта 2020
    в 22:24

    +0.8 хорошо

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Отлично

    Отлично

    Ужасно

    Отлично

    Нормально

    Проверено (1)

    Посетили в январе 2020

    ул. Димитрова, 146

    Пациент
    +7-918-16XXXXX

    12 февраля 2020
    в 13:02

    -1.2 ужасно

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Нормально

    Нормально

    Ужасно

    Ужасно

    Ужасно

    Проверено (2)

    Посетили в августе 2019

    ул. Димитрова, 146

    Пациент
    +7-918-48XXXXX

    20 ноября 2019
    в 20:28

    +0.4 нормально

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Хорошо

    Отлично

    Отлично

    Ужасно

    Плохо

    Проверено (1)

    Посетили в феврале 2019

    ул. Димитрова, 146

    Пациент
    +7-926-40XXXXX

    7 ноября 2019
    в 15:55

    -1.6 ужасно

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Плохо

    Плохо

    Ужасно

    Ужасно

    Ужасно

    Проверено (1)

    Посетили в ноябре 2019

    ул. Димитрова, 146

    Пациент
    +7-918-09XXXXX

    7 октября 2019
    в 20:12

    -0.8 плохо

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Нормально

    Нормально

    Ужасно

    Плохо

    Плохо

    Проверено (1)

    Посетили в октябре 2019

    ул. Димитрова, 146

    Пациент
    +7-918-01XXXXX

    18 сентября 2019
    в 16:34

    +2.0 отлично

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Отлично

    Отлично

    Отлично

    Отлично

    Отлично

    Проверено (1)

    Посетили в сентябре 2019

    ул. Димитрова, 146

    Пациент
    +7-925-71XXXXX

    17 сентября 2019
    в 16:33

    -1.4 ужасно

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Плохо

    Плохо

    Ужасно

    Ужасно

    Плохо

    Проверено (1)

    Посетили в сентябре 2019

    ул. Димитрова, 146

    Пациент
    +7-978-74XXXXX

    15 сентября 2019
    в 10:30

    +2.0 отлично

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Отлично

    Отлично

    Отлично

    Отлично

    Отлично

    Проверено (1)

    Посетили в сентябре 2019

    ул. Димитрова, 146

    Пациент
    +7-918-47XXXXX

    4 сентября 2019
    в 20:27

    -1.0 плохо

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Ужасно

    Нормально

    Хорошо

    Ужасно

    Ужасно

    Проверено (1)

    Посетили в сентябре 2019

    ул. Димитрова, 146

    Пациент
    +7-918-97XXXXX

    24 июня 2019
    в 17:28

    -1.0 плохо

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    +7-989-82XXXXX

    23 мая 2019
    в 20:59

    +2.0 отлично

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    +7-988-55XXXXX

    25 апреля 2019
    в 22:35

    -2. 0 ужасно

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    +7-929-82XXXXX

    16 апреля 2019
    в 13:07

    -2.0 ужасно

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    +7-918-43XXXXX

    11 апреля 2019
    в 16:08

    -2.0 ужасно

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    +7-918-26XXXXX

    9 апреля 2019
    в 07:49

    +1.0 хорошо

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    +7-918-07XXXXX

    22 марта 2019
    в 20:28

    +2.0 отлично

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    +7-927-76XXXXX

    22 марта 2019
    в 12:43

    +1. 0 хорошо

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    +7-918-15XXXXX

    21 марта 2019
    в 12:47

    -2.0 ужасно

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    +7-918-08XXXXX

    4 марта 2019
    в 16:10

    +1.8 отлично

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Отлично

    Отлично

    Отлично

    Хорошо

    Отлично

    Проверено (1)

    ул. Димитрова, 146

    Гость

    2 марта 2019
    в 13:59

    Автор не подтвердил факты из отзыва документами, поэтому отзыв аннулирован. Восстановим, если получим подтверждение. Если вы автор, позвоните нам 8 (800) 600-30-28.

    ул. Димитрова, 146

    Пациент
    +7-918-93XXXXX

    13 февраля 2019
    в 13:57

    -1.0 плохо

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    +7-918-24XXXXX

    12 февраля 2019
    в 21:22

    +2.0 отлично

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    +7-924-19XXXXX

    26 января 2019
    в 17:51

    -2.0 ужасно

    Проверено (1)

    ул. Димитрова, 146

    Скрытый

    24 января 2019
    в 18:30

    +0.8 хорошо

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Нормально

    Отлично

    Нормально

    Хорошо

    Хорошо

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    +7-908-67XXXXX

    2 декабря 2018
    в 23:45

    -2.0 ужасно

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    +7-918-44XXXXX

    1 декабря 2018
    в 17:38

    +2.0 отлично

    Проверено (1)

    ул. Димитрова, 146

    Гость

    17 ноября 2018
    в 18:19

    +2.0 отлично

    ул. Димитрова, 146

    Пациент
    +7-928-42XXXXX

    8 ноября 2018
    в 23:18

    -2.0 ужасно

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    +7-961-53XXXXX

    29 октября 2018
    в 21:45

    +2.0 отлично

    Проверено (1)

    ул. Димитрова, 146

    Скрытый

    25 октября 2018
    в 17:39

    +1.8 отлично

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Отлично

    Отлично

    Отлично

    Отлично

    Хорошо

    Проверено (1)

    ул. Димитрова, 146

    Скрытый

    19 октября 2018
    в 15:18

    +0.8 хорошо

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Хорошо

    Отлично

    Хорошо

    Хорошо

    Плохо

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    +7-900-23XXXXX

    8 октября 2018
    в 07:16

    -1.0 плохо

    Проверено (1)

    ул. Димитрова, 146

    Гость

    30 августа 2018
    в 13:28

    +2.0 отлично

    ул. Димитрова, 146

    Гость

    23 августа 2018
    в 10:41

    +2.0 отлично

    ул. Димитрова, 146

    Гость

    27 июля 2018
    в 18:25

    +2.0 отлично

    ул. Димитрова, 146

    Пациент
    +7-988-34XXXXX

    25 июня 2018
    в 13:03

    +2.0 отлично

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    +7-989-83XXXXX

    25 июня 2018
    в 12:47

    -2. 0 ужасно

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    +7-918-01XXXXX

    14 июня 2018
    в 06:43

    -2.0 ужасно

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    +7-918-24XXXXX

    31 мая 2018
    в 01:11

    -2.0 ужасно

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    +7-938-53XXXXX

    14 мая 2018
    в 15:01

    -2.0 ужасно

    Проверено (1)

    ул. Димитрова, 146

    Гость

    7 мая 2018
    в 22:48

    -2.0 ужасно

    ул. Димитрова, 146

    Пациент
    +7-988-55XXXXX

    4 мая 2018
    в 13:15

    -2. 0 ужасно

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    +7-961-52XXXXX

    17 апреля 2018
    в 18:41

    +1.0 хорошо

    Проверено (1)

    ул. Димитрова, 146

    Скрытый

    9 апреля 2018
    в 22:49

    +2.0 отлично

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    +7-928-29XXXXX

    29 марта 2018
    в 16:07

    +2.0 отлично

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    +7-963-31XXXXX

    22 марта 2018
    в 17:31

    +2.0 отлично

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    +7-918-04XXXXX

    14 февраля 2018
    в 23:55

    -2. 0 ужасно

    Проверено (1)

    ул. Димитрова, 146

    Гость

    5 февраля 2018
    в 21:51

    +2.0 отлично

    ул. Димитрова, 146

    Скрытый

    4 февраля 2018
    в 13:01

    +0.4 нормально

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Нормально

    Плохо

    Отлично

    Хорошо

    Нормально

    Проверено (1)

    ул. Димитрова, 146

    Гость

    20 января 2018
    в 19:52

    +2.0 отлично

    ул. Димитрова, 146

    Пациент
    +7-918-67XXXXX

    17 января 2018
    в 21:55

    +2.0 отлично

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    +7-904-30XXXXX

    12 декабря 2017
    в 22:54

    +2.0 отлично

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    +7-928-04XXXXX

    7 декабря 2017
    в 13:15

    -2.0 ужасно

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    +7-988-52XXXXX

    29 ноября 2017
    в 11:41

    +2.0 отлично

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    +7-989-83XXXXX

    7 ноября 2017
    в 17:24

    +2.0 отлично

    Проверено (1)

    ул. Димитрова, 146

    Гость

    26 октября 2017
    в 23:26

    +2.0 отлично

    ул. Димитрова, 146

    Скрытый

    5 октября 2017
    в 14:14

    +2.0 отлично

    Проверено (1)

    ул. Димитрова, 146

    Гость

    3 октября 2017
    в 19:54

    +2.0 отлично

    ул. Димитрова, 146

    Гость

    27 сентября 2017
    в 11:21

    -2.0 ужасно

    ул. Димитрова, 146

    Гость

    5 сентября 2017
    в 13:15

    -2.0 ужасно

    ул. Димитрова, 146

    Гость

    6 августа 2017
    в 17:26

    +2.0 отлично

    ул. Димитрова, 146

    Пациент
    Сергей К.

    8 июля 2017
    в 18:39

    +2.0 отлично

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    +7-960-48XXXXX

    23 июня 2017
    в 10:38

    -2.0 ужасно

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    Татьяна Л.

    17 июня 2017
    в 10:39

    +2.0 отлично

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    +7-952-86XXXXX

    13 июня 2017
    в 11:11

    -2.0 ужасно

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    Валентина К.

    26 мая 2017
    в 18:51

    +2.0 отлично

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    +7-952-81XXXXX

    24 мая 2017
    в 11:58

    -2.0 ужасно

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    +7-918-45XXXXX

    24 мая 2017
    в 11:04

    -2.0 ужасно

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    +7-952-81XXXXX

    24 мая 2017
    в 09:18

    -1.0 плохо

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    +7-918-33XXXXX

    23 мая 2017
    в 16:38

    -2.0 ужасно

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    Аня О.

    10 мая 2017
    в 10:49

    +2.0 отлично

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    Вера Б.

    5 мая 2017
    в 18:08

    -2.0 ужасно

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    +7-989-76XXXXX

    5 мая 2017
    в 02:01

    +2.0 отлично

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    +7-900-23XXXXX

    27 апреля 2017
    в 12:51

    -1.0 плохо

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    Александр Ф.

    16 марта 2017
    в 10:17

    +2.0 отлично

    Проверено (1)

    ул. Димитрова, 146

    Гость

    28 февраля 2017
    в 18:40

    +2.0 отлично

    ул. Димитрова, 146

    Гость

    25 февраля 2017
    в 22:34

    -2.0 ужасно

    ул. Димитрова, 146

    Пациент
    +7-918-22XXXXX

    17 февраля 2017
    в 17:27

    +2.0 отлично

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    +7-918-25XXXXX

    28 декабря 2016
    в 11:02

    +2.0 отлично

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    +7-961-82XXXXX

    21 декабря 2016
    в 00:23

    -2.0 ужасно

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Ужасно

    Ужасно

    Ужасно

    Ужасно

    Ужасно

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    +7-918-39XXXXX

    15 декабря 2016
    в 09:45

    -2.0 ужасно

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    +7-918-24XXXXX

    10 декабря 2016
    в 17:27

    +2.0 отлично

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    +7-918-37XXXXX

    1 декабря 2016
    в 15:36

    -2.0 ужасно

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    Ольга Б.

    26 ноября 2016
    в 18:35

    +2.0 отлично

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    +7-928-04XXXXX

    19 ноября 2016
    в 07:34

    +2.0 отлично

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    +7-909-46XXXXX

    11 ноября 2016
    в 00:31

    -2.0 ужасно

    Проверено (1)

    ул. Димитрова, 146

    Гость

    10 ноября 2016
    в 20:04

    +2.0 отлично

    ул. Димитрова, 146

    Пациент
    +7-918-19XXXXX

    26 октября 2016
    в 10:23

    +2.0 отлично

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Отлично

    Отлично

    Отлично

    Отлично

    Отлично

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    +7-918-46XXXXX

    23 октября 2016
    в 17:58

    +2. 0 отлично

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    +7-918-14XXXXX

    15 октября 2016
    в 18:59

    +1.0 хорошо

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    +7-918-43XXXXX

    2 октября 2016
    в 13:06

    +2.0 отлично

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    +7-962-86XXXXX

    1 октября 2016
    в 03:24

    -2.0 ужасно

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    +7-918-03XXXXX

    26 сентября 2016
    в 13:10

    -2.0 ужасно

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    +7-928-30XXXXX

    20 сентября 2016
    в 14:01

    +2.0 отлично

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    татьяна с.

    13 сентября 2016
    в 12:33

    +2.0 отлично

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    +7-952-81XXXXX

    17 августа 2016
    в 14:38

    +2.0 отлично

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    георгий т.

    1 августа 2016
    в 13:43

    -1.0 плохо

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    Зарина И.

    14 июля 2016
    в 20:13

    +2.0 отлично

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    +7-908-68XXXXX

    13 июля 2016
    в 08:26

    -1.0 плохо

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    +7-918-39XXXXX

    10 июля 2016
    в 00:30

    -2.0 ужасно

    Проверено (1)

    ул. Димитрова, 146

    Гость

    30 июня 2016
    в 11:16

    0.0 нормально

    ул. Димитрова, 146

    Гость

    3 июня 2016
    в 09:41

    0.0 нормально

    ул. Димитрова, 146

    Гость

    16 мая 2016
    в 09:15

    +1.0 хорошо

    ул. Димитрова, 146

    Гость

    11 мая 2016
    в 10:41

    +2. 0 отлично

    ул. Димитрова, 146

    Гость

    11 апреля 2016
    в 21:37

    -2.0 ужасно

    ул. Димитрова, 146

    Пациент
    Анюта К.

    26 февраля 2016
    в 15:40

    -2.0 ужасно

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    Надя Г.

    14 января 2016
    в 15:48

    +2.0 отлично

    Проверено (1)

    ул. Димитрова, 146

    Скрытый

    10 января 2016
    в 14:17

    +2.0 отлично

    Проверено (1)

    ул. Димитрова, 146

    Гость

    5 января 2016
    в 15:58

    0.0 нормально

    ул. Димитрова, 146

    Гость

    16 декабря 2015
    в 21:30

    +2.0 отлично

    ул. Димитрова, 146

    Пациент
    Александр С.

    10 декабря 2015
    в 09:58

    +1.0 хорошо

    Проверено (1)

    ул. Димитрова, 146

    Гость

    13 октября 2015
    в 18:14

    -1.0 плохо

    ул. Димитрова, 146

    Пациент
    Виктория Н.

    1 октября 2015
    в 19:13

    +2.0 отлично

    Проверено (1)

    ул. Димитрова, 146

    Гость

    29 августа 2015
    в 19:00

    +1.0 хорошо

    ул. Димитрова, 146

    Гость

    20 августа 2015
    в 19:46

    -1. 0 плохо

    ул. Димитрова, 146

    Пациент
    Марина З.

    9 августа 2015
    в 09:24

    -2.0 ужасно

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    Яна И.

    2 июня 2015
    в 17:33

    +1.0 хорошо

    Проверено (1)

    ул. Димитрова, 146

    Гость

    27 мая 2015
    в 15:46

    +2.0 отлично

    ул. Димитрова, 146

    Гость

    19 мая 2015
    в 13:15

    +2.0 отлично

    ул. Димитрова, 146

    Гость

    16 апреля 2015
    в 17:26

    +2.0 отлично

    ул. Димитрова, 146

    Пациент
    Наталья-Васильевна М.

    16 апреля 2015
    в 12:56

    -1.0 плохо

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    Патимат И.

    16 апреля 2015
    в 12:26

    +2.0 отлично

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    Nastya V.

    7 апреля 2015
    в 15:18

    -2.0 ужасно

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    Сергей Ш.

    6 апреля 2015
    в 13:39

    +2.0 отлично

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    Наташа К.

    27 марта 2015
    в 00:32

    +2.0 отлично

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    сергей ю.

    18 марта 2015
    в 16:48

    +2.0 отлично

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    Ивета П.

    15 марта 2015
    в 18:51

    +1.0 хорошо

    Проверено (1)

    ул. Димитрова, 146

    Гость

    6 марта 2015
    в 12:25

    -2.0 ужасно

    ул. Димитрова, 146

    Скрытый

    5 марта 2015
    в 17:17

    +2.0 отлично

    Проверено (1)

    ул. Димитрова, 146

    Гость

    4 марта 2015
    в 19:22

    -1.0 плохо

    ул. Димитрова, 146

    Гость

    4 февраля 2015
    в 18:41

    0. 0 нормально

    ул. Димитрова, 146

    Гость

    11 января 2015
    в 13:40

    -1.0 плохо

    ул. Димитрова, 146

    Пациент
    Леха Г.

    12 ноября 2014
    в 15:11

    +2.0 отлично

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    Ирина И.

    10 ноября 2014
    в 19:17

    +1.2 отлично

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Отлично

    Отлично

    Отлично

    Нормально

    Нормально

    Проверено (1)

    ул. Димитрова, 146

    Скрытый

    24 октября 2014
    в 11:40

    -2.0 ужасно

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    Наталья Ч.

    27 сентября 2014
    в 19:53

    +2.0 отлично

    Проверено (1)

    ул. Димитрова, 146

    Гость

    22 августа 2014
    в 23:00

    0.0 нормально

    ул. Димитрова, 146

    Гость

    6 мая 2014
    в 18:06

    +1.0 хорошо

    ул. Димитрова, 146

    Гость

    5 мая 2014
    в 22:23

    +2.0 отлично

    ул. Димитрова, 146

    Гость

    20 марта 2014
    в 18:37

    +2. 0 отлично

    ул. Димитрова, 146

    Гость

    20 марта 2014
    в 16:52

    +2.0 отлично

    ул. Димитрова, 146

    Гость

    11 марта 2014
    в 12:54

    -2.0 ужасно

    ул. Димитрова, 146

    Гость

    19 февраля 2014
    в 21:36

    -2.0 ужасно

    ул. Димитрова, 146

    Гость

    2 февраля 2014
    в 14:05

    +1.0 хорошо

    ул. Димитрова, 146

    Гость

    22 декабря 2013
    в 08:28

    -1.0 плохо

    ул. Димитрова, 146

    Гость

    18 декабря 2013
    в 18:43

    +2. 0 отлично

    ул. Димитрова, 146

    Гость

    10 декабря 2013
    в 10:42

    +2.0 отлично

    ул. Димитрова, 146

    Пациент
    Ольга Ч.

    5 декабря 2013
    в 11:18

    +2.0 отлично

    Проверено (1)

    ул. Димитрова, 146

    Гость

    25 октября 2013
    в 20:32

    +1.0 хорошо

    ул. Димитрова, 146

    Гость

    25 октября 2013
    в 16:04

    +2.0 отлично

    ул. Димитрова, 146

    Гость

    2 октября 2013
    в 11:58

    -1.0 плохо

    ул. Димитрова, 146

    Гость

    3 июля 2013
    в 10:12

    -1.0 плохо

    ул. Димитрова, 146

    Гость

    16 июня 2013
    в 20:39

    +1.0 хорошо

    ул. Димитрова, 146

    Гость

    18 апреля 2013
    в 09:52

    0.0 нормально

    ул. Димитрова, 146

    Гость

    2 апреля 2013
    в 10:35

    +0.6 хорошо

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Нормально

    Отлично

    Отлично

    Нормально

    Плохо

    ул. Димитрова, 146

    Пациент
    Лилия Ф.

    26 марта 2013
    в 13:54

    +2.0 отлично

    Проверено (1)

    ул. Димитрова, 146

    Пациент
    Анатолий Т.

    19 марта 2013
    в 21:24

    +0.6 хорошо

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Хорошо

    Хорошо

    Хорошо

    Нормально

    Нормально

    Проверено (1)

    ул. Димитрова, 146

    Гость

    20 января 2013
    в 09:29

    -1.0 плохо

    ул. Димитрова, 146

    Гость

    15 января 2013
    в 16:45

    -2.0 ужасно

    ул. Димитрова, 146

    Гость

    3 декабря 2012
    в 11:53

    -2.0 ужасно

    ул. Димитрова, 146

    Гость

    17 ноября 2012
    в 09:55

    +2.0 отлично

    ул. Димитрова, 146

    Гость

    24 сентября 2012
    в 23:29

    +1.8 отлично

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Хорошо

    Отлично

    Отлично

    Отлично

    Отлично

    ул. Димитрова, 146

    Гость

    13 сентября 2012
    в 11:13

    +1.0 хорошо

    ул. Димитрова, 146

    Гость

    21 августа 2012
    в 23:05

    -1.2 ужасно

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Нормально

    Нормально

    Ужасно

    Ужасно

    Ужасно

    ул. Димитрова, 146

    Гость

    15 августа 2012
    в 15:29

    -1.0 плохо

    ул. Димитрова, 146

    Гость

    14 августа 2012
    в 07:55

    0.0 нормально

    ул. Димитрова, 146

    Гость

    6 августа 2012
    в 09:06

    -1. 2 ужасно

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Плохо

    Плохо

    Плохо

    Ужасно

    Плохо

    ул. Димитрова, 146

    Гость

    21 июля 2012
    в 21:32

    0.0 нормально

    ул. Димитрова, 146

    Гость

    5 июня 2012
    в 19:17

    -2.0 ужасно

    ул. Димитрова, 146

    Гость

    12 мая 2012
    в 20:28

    -2.0 ужасно

    ул. Димитрова, 146

    Гость

    23 марта 2012
    в 21:29

    +2.0 отлично

    ул. Димитрова, 146

    Гость

    21 марта 2012
    в 21:35

    -2.0 ужасно

    ул. Димитрова, 146

    Гость

    17 февраля 2012
    в 17:24

    +0.8 хорошо

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Нормально

    Отлично

    Отлично

    Нормально

    Нормально

    ул. Димитрова, 146

    Гость

    30 января 2012
    в 22:42

    +0.6 хорошо

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Плохо

    Нормально

    Отлично

    Отлично

    Нормально

    ул. Димитрова, 146

    Гость

    16 ноября 2011
    в 15:47

    +1.8 отлично

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Хорошо

    Отлично

    Отлично

    Отлично

    Отлично

    ул. Димитрова, 146

    Гость

    22 августа 2011
    в 18:26

    +1.6 отлично

    Здание и помещения

    Оборудование и медикаменты

    Отношение медперсонала

    Комфорт пребывания

    Время ожидания

    Отлично

    Хорошо

    Отлично

    Отлично

    Хорошо

    ул. Димитрова, 146

    Hotel Определение и значение — Merriam-Webster

    1 из 2

    гостиница · тел хо-тел

    ˈhō-ˌtel

    : учреждение, которое предоставляет жилье и обычно питание, развлечения и различные личные услуги для населения : гостиница

    гостиница

    hō-tel-dəm 

    ˈhō-ˌtel-

    существительное

    Отель

    2 из 2

    кодовое слово связи

    — используется как кодовое слово для письма

  • караван-сарай
  • Караван-сарай
  • хоспис
  • общежитие
  • общежитие
  • гостиница
  • домик
  • общественный дом
  • таверна

    • Просмотреть все синонимы и антонимы в тезаурусе 

    Примеры предложений

    Существительное выписка из отеля на свое 50-летие они остановились в одном из лучших отелей в Сан-Франциско

    Последние примеры в Интернете

    В ближайшие недели к ним присоединились сочувствующие, пока вокруг отеля не собралось сто пятьдесят скваттеров. — Рут Маргалит, The New Yorker , 20 февраля 2023 г. Было также глубокое непонимание того, как должен был появиться проект отеля . — Арканзас Онлайн , 19 февраля 2023 г. Шеф-повара были переманены из топ-уровня 9Группы 0027 hotel , такие как Aman и Experience, были разработаны для поощрения подлинной связи с окружающей средой и, прежде всего, для развлечения. — Ли Кобай, Отчет Робба , 19 февраля 2023 г. Турнир В прошлом месяце в бальном зале отеля аэропорта более 100 игроков со всей страны собрались на турнир Мартина Лютера Кинга-младшего по секционному бриджу 2023 года. — Эрни Саггс, 9 лет.0027 ajc , 19 февраля 2023 г. Тем временем французские продавцы не стеснялись своих сделок с Россией: в прошлом месяце группа французских агентов по продажам объединилась, чтобы покрыть расходы российских дистрибьюторских компаний, приехавших на выставку Unifrance Rendez-Vous в Париже. — Кристофер Вурлиас, Variety , 18 февраля 2023 г. Проект будет включать в себя не только стадион на 20 000 мест для Indy Eleven, но и более 600 квартир, 205 000 квадратных футов офисных площадей, почти 200 000 квадратных футов для розничной торговли и ресторанов, гостиница и гаражи. — Клэр Раффорд, The Indianapolis Star , 17 февраля 2023 г. Сообщается, что Никубин познакомился с мужчиной на сайте знакомств, и они вместе сняли комнату в отеле Sunset Station . — Грег Венер, Fox News , 17 февраля 2023 г. The North Branch Inn Courtesy of North Branch В отеле The North Branch Inn, расположенном в нескольких минутах езды от Калликуна, есть то, чего нет ни у кого другого.0027 отель в этом районе: 100-летний боулинг телефона позади вестибюля. — ELLE , 17 февраля 2023 г. Узнать больше

    Эти примеры предложений автоматически выбираются из различных онлайн-источников новостей, чтобы отразить текущее использование слова «отель». Мнения, выраженные в примерах, не отражают точку зрения Merriam-Webster или ее редакторов. Отправьте нам отзыв.

    История слов

    Этимология

    Существительное

    заимствовано из французского hôtel, восходит к старофранцузскому hostel, ostel «проживание, размещение» — подробнее в записи общежития 1

    Первое известное использование

    Существительное

    1687, в значении, определенном выше

    Кодовое слово связи

    1951, в значении, определенном выше

    Путешественник во времени

    Первое известное использование отель был в 1687 г.

    Посмотреть другие слова того же года горячая вытяжка

    Гостиница

    Гостиница

    Посмотреть другие записи поблизости

    Процитировать эту запись0003

    «Гостиница.» Словарь Merriam-Webster.com , Merriam-Webster, https://www.merriam-webster.com/dictionary/hotel. По состоянию на 5 марта 2023 г.

    Копия цитирования

    Детское определение

    отель

    существительное

    гостиница · тел хо-тел

    : заведение, которое предоставляет своим гостям жилье и, как правило, питание, развлечения и персональные услуги. Перевод hotel для говорящих на арабском языке

    Britannica.com: статья в энциклопедии о hotel

    Последнее обновление: — Обновлены примеры предложений

    Подпишитесь на крупнейший словарь Америки и получите тысячи дополнительных определений и расширенный поиск без рекламы!

    Merriam-Webster без сокращений

    Гостиница Определение и значение | Dictionary.com

    • Основные определения
    • Синонимы
    • Тест
    • Связанный контент
    • Примеры
    • Британский

    Показывает уровень сложности слова.

    [ hoh-tel ]

    / hoʊˈtɛl /

    См. слово, которое чаще всего путают с мотелем

    Сохранить это слово!

    См. синонимы для: гостиница / отели на Thesaurus.com

    Показывает уровень оценки в зависимости от сложности слова.

    сущ.

    коммерческое учреждение, предлагающее жилье путешественникам, а иногда и постоянным жителям, и часто имеющее рестораны, конференц-залы, магазины и т. д., доступные для широкой публики.

    слово, используемое в сообщениях для обозначения буквы H.

    Отель, военный. название НАТО для класса атомных советских подводных лодок, вооруженных баллистическими ракетами с одиночной боевой частью: на вооружении ВМФ СССР 1959–91.

    СРАВНЕНИЕ ЗНАЧЕНИЙ

    Нажмите для параллельного сравнения значений. Используйте функцию сравнения слов, чтобы узнать разницу между похожими и часто путаемыми словами.

    ДРУГИЕ СЛОВА ДЛЯ гостиницы

    1 общежитие, общежитие, гостевой дом, мотель.

    См. синонимы к слову отель на Thesaurus.com

    ВИКТОРИНА

    ВСЕ ЗА(У)Р ЭТОГО БРИТАНСКОГО ПРОТИВ. АМЕРИКАНСКИЙ АНГЛИЙСКИЙ ВИКТОРИНА

    Между тем, как люди говорят по-английски в США и Великобритании, огромная разница. Способны ли ваши языковые навыки определить разницу? Давай выясним!

    Вопрос 1 из 7

    Правда или ложь? Британский английский и американский английский различаются только сленговыми словами.

    Начало отеля

    Впервые записано в 1670–1680 гг.; от франц. hôtel, старофранцузское общежитие общежитие

    исследование синонимов гостиницы

    1. Гостиница, дом, гостиница, таверна относятся к заведениям для проживания или развлечения путешественников и других. Гостиница — обычное слово, подразумевающее более или менее просторное заведение с современной обстановкой, хотя это не всегда так: лучшая гостиница в городе; дешевый отель рядом с доками. Слово «дом» часто используется в названии определенного отеля, имея в виду богатство и роскошь: Parker House; Дом Палмера. Гостиница предполагает место домашнего уюта и старинного внешнего вида или обычаев; он используется для причудливого или архаичного эффекта в названиях некоторых трактиров и отелей в США: Pickwick Inn; Уэйсайд Инн. Таверна, как и английский трактир, — это дом, в котором продается ликер для питья в помещении; до недавнего времени он был архаичным или диалектным в США, но был возрожден, чтобы заменить салон, который имел неблагоприятный оттенок: таверны должны закрываться к двум часам ночи. Это слово также использовалось в значении гостиницы, особенно в Новой Англии, еще с колониальных времен: Таверна Уиггинса.

    ДРУГИЕ СЛОВА ОТ СЛОВА hotel

    hotel·less, прилагательное

    СЛОВА, КОТОРЫЕ МОЖНО СПУТАТЬ СО СЛОВОМ hotel

    1. общежитие, отель 2. отель , мотель

    Слова рядом с отелем

    опущенный, хот-дог, хот-дог, горячая вытяжка, отель, Дом инвалидов, отель-де-виль, отель-Дьё, владелец отеля, владелец отеля

    Dictionary.com Unabridged На основе словаря Random House Unabridged Dictionary, © Random House, Inc. , 2023

    Слова, связанные с отелем

    общежитие, дом, гостиница, жилье, мотель, курорт, таверна, банкомат, караван-сарай, свалка, блоха, ночлежка, хоспис, общежитие, придорожный дом, спа, пансион, трактир, ночлежка

    Как пользоваться гостиницей в приговор

    • Он владеет огромным количеством предприятий, включая угольные шахты, курортные отели и сельскохозяйственные предприятия, многие из которых регулируются государственными органами, которые ему подчиняются.

      Угольная компания губернатора-миллиардера может получить большой прорыв от собственных регуляторов|Кен Уорд-младший|17 сентября 2020 г.|ProPublica

    • Рядом с клубом есть несколько отелей, сказал бывший чиновник, поэтому было жизненно важно иметь место для агентов и оборудования.

      Предприятия Трампа взимают с Секретной службы более 1,1 миллиона долларов, в том числе за комнаты в клубе, закрытом из-за пандемии|Дэвид Фарентхолд, Джош Доуси|17 сентября 2020 г.|Washington Post

    • Жилищная комиссия проголосует в эту пятницу по предложению купить отели Residence Inn в Мишн-Вэлли и Керни-Меса.

      Утренний отчет: Ужасный фиолетовый уровень|Голос Сан-Диего|16 сентября 2020 г.|Голос Сан-Диего

    • Он сказал, что тем, кто забронировал номер в другом отеле, придется связаться с отелем напрямую, чтобы отменить бронирование.

      DC Mid-Atlantic Leather Weekend 2021 отменен из-за COVID|Лу Чиббаро-младший|15 сентября 2020 г.|Washington Blade .

      Сделать поли меньше занозой в заднице|Юджин Робинсон|14 сентября 2020|Ози

    • Плоть окружила его у главного бассейна отеля Paradise Hotel and Residences в Боке.

      Влиятельный конгрессмен пишет о «мясистых грудях»|Асавин Суэбсенг|7 января 2015 г.|DAILY BEAST

    • Скализ назвал выступление, которое он произнес в отеле за пределами Нового Орлеана, «ошибкой, о которой я сожалею».

      Расисты из Луизианы, которые ухаживали за Стивом Скализом|Джейсон Берри|3 января 2015 г.|DAILY BEAST

    • Дополнительная плата за доступ к Wi-Fi в отеле не только эксплуататорская, но и становится все более неуместной.

      Как «этичная» сеть отелей Marriott обижает гостей во имя безопасности Wi-Fi|Кайл Чайка|31 декабря 2014 г.|DAILY BEAST

    • Скорость Wi-Fi в отелях может достигать 1,5 Мбит/с», — сказал Сесар.

      Как «этичная» сеть отелей Marriott обижает гостей во имя безопасности Wi-Fi|Кайл Чайка|31 декабря 2014 г.|DAILY BEAST

    • Если кто-то хочет обеспечить прямое и безопасное соединение, ни одна организация, будь то гостиница или что-то другое, не должна его блокировать.

      Как «этичная» сеть отелей Marriott обижает гостей во имя безопасности Wi-Fi|Кайл Чайка|31 декабря 2014 г.|DAILY BEAST

    • «Этот дом, должно быть, был отелем какой-то знатной семьи, барон; у него благородные пропорции», — сказал Дэвид Арден.

      Мат|Джозеф Шеридан Ле Фаню

    • Там он приказал привести машину в рабочее состояние к следующему утру и вернулся в гостиницу.

      Веселые приключения Аристида Пужоля|Уильям Дж. Локк

    • Возле отеля он наткнулся на двух сестер, сидевших на скамейке и пьющих кофе.

      Веселые приключения Аристида Пужоля|Уильяма Дж. Локка

    • Я повернулась, сунула сумочку на колени ближайшему и с легким сердцем повела даму обратно в отель.

      Эдинбургский журнал Блэквуда, том 60, № 372, октябрь 1846 г.|Разное

    • Вернувшись в отель, он поцеловал своего неуместного соседа по комнате с нежностью женщины.

      Радостные приключения ариристида Пуджола | Уильям Дж. Локк

    Британские словарь Определения для отеля (1 из 2)

    Отель

    / (həʊˈtɛl) /

    A (Həʊˈtɛl) /

    обычно еда для гостей и часто содержит общественный бар

    Происхождение слова для отеля

    C17: от французского hôtel, от старофранцузского общежития; см. определения гостиницы

    в Британском словаре (2 из 2)

    Гостиница

    / (həʊˈtɛl) /

    существительное

    связь кодовое слово для буквы h

    © William Collins Sons & Co. Ltd. , 1979, 1986 © HarperCollins Издательство 1998, 2000, 2003, 2005, 2006, 2007, 2009 гг., 2012

    Расшифровать синтаксический анализ | Анаграмма синтаксического анализа

    Слова из 5 букв, полученные путем расшифровки синтаксического анализа

      • тот, кто копирует слова или поведение другого
      • 20 асперов равны 1 курушу в Турции
      • уменьшать постепенно или понемногу
      • снять кожу
      • удалить края и обрезать до нужного размера
      • мелкие кусочки или стружка из
      • анализировать синтаксически, назначая составляющую структуру (предложению)
      • преступление, заключающееся в принуждении лица к вступлению в половую связь против его или ее воли
      • акт ограбления страны в войне
      • уничтожить и лишить его владения
      • Евразийское растение, выращиваемое на семена и в качестве кормовой культуры
      • заставить (кого-то) заниматься сексом против его воли
      • сбор из натуральных продуктов
      • получить или вывести
      • не заняты запланированной деятельностью
      • тонкий и удобный
      • воздерживаться от причинения вреда
      • без украшения или орнамента
      • запасное автомобильное колесо и шина для четырехколесного транспортного средства
      • отказаться от того, что строго не нужно
      • больше, чем необходимо, желательно или требуется
      • дополнительный компонент машины или другого устройства
      • отсутствует по величине или количеству
      • очков в кегли; сбить все десять после прокатки двух мячей
      • хранится в резерве специально для использования в экстренных случаях
      • сохранить или освободить от опыта или действия
      • используйте экономно или осторожно
      • приспособление с древком и зазубренным острием, используемое для ловли рыбы
      • длинный заостренный стержень, используемый в качестве инструмента или оружия
      • направлен вверх, как копье
      • пронзить копьем

    Слова из 4 букв, полученные путем расшифровки синтаксического анализа

      • тот, кто копирует слова или поведение другого
      • тот, кто копирует слова или поведение другого
      • изобразить или создать карикатуру на
      • человек, похожий на нечеловеческого примата
      • любой из различных приматов с коротким хвостом или вообще без хвоста
      • подражать некритично и во всех аспектах
      • куполообразная или сводчатая ниша или выступ на здании, особенно в восточной части церкви; обычно содержит алтарь
      • (греческая мифология) греческий бог войны; сын Зевса и Геры; отождествляется с Романом Марсом
      • вульгарное сленговое обозначение ануса
      • мясистая часть человеческого тела, на которой вы сидите
      • внешне видимая хрящевая структура наружного уха
      • плодоносящий колосья злакового растения, особенно кукурузы
      • внимание к тому, что сказано
      • хороший слух
      • орган чувств слуха и равновесия
      • период, отмеченный отличительным признаком или отсчитываемый от фиксированной точки или события
      • основное деление геологического времени; эпоха обычно делится на два или более периодов
      • (бейсбол) мера эффективности питчера; рассчитывается как среднее количество заработанных пробежек, разрешенных питчером за каждые девять подач
      • уменьшать постепенно или понемногу
      • снять кожу
      • удалить края и обрезать до нужного размера
      • мелкие кусочки или стружка из
      • Дерево Старого Света, имеющее сладкие сочные плоды с зернистой текстурой; широко культивируется во многих сортах
      • сладкие сочные плоды с зернистой текстурой, доступные во многих сортах
      • бобовое растение рода Pisum с маленькими белыми цветками и длинными зелеными стручками, содержащими съедобные зеленые семена
      • семена гороха, используемые в пищу
      • плод или семена гороха
      • преступление, заключающееся в принуждении лица к вступлению в половую связь против его или ее воли
      • акт ограбления страны в войне
      • уничтожить и лишить его владения
      • Евразийское растение, выращиваемое на семена и кормовую культуру
      • заставить (кого-то) заниматься сексом против его воли
      • акт сильного удара
      • легкий удар
      • звук легкого удара
      • упрек за какой-то промах или проступок
      • производить легкие повторяющиеся постукивания по поверхности
      • жанр афроамериканской музыки 1980-х и 1990-х годов, в котором рифмованные тексты поются под музыкальное сопровождение; появилось несколько форм рэпа
      • резко ударить
      • исполнять рэп-музыку
      • много говорить
      • многословный разговор
      • снести, чтобы сравнять с землей
      • произнести раздраженным тоном
      • грубый напильник с острыми выступами
      • скоблить рашпилем
      • произнести скрипучим голосом
      • сбор из натуральных продуктов
      • получить или вывести
      • ткань с выступающими округлыми поперечными рубчиками
      • неофициальное сокращение слова «представитель»
      • вызывают увядание или сухость от воздействия тепла
      • стать поверхностно обожженным
      • (используемые в основном для растительности) потерявшие всю влагу
      • слегка и поверхностно подгорать, что влияет на цвет
      • сделать очень горячим и сухим
      • выполнение движений в атаке и защите кулаками и руками; часть тренировки боксера
      • любой из различных неметаллических минералов (кальцит или полевой шпат), светлый, прозрачный или полупрозрачный и поддающийся расщеплению
      • прочный закругленный шест из дерева или металла, используемый для поддержки такелажа
      • коробка легкая
      • драться словесно
      • бой со шпорами
      • комплектация лонжеронами

    Слова из 3 букв, полученные путем расшифровки синтаксического анализа

      • тот, кто копирует слова или поведение другого
      • изобразить или создать карикатуру на
      • человек, похожий на нечеловеческого примата
      • любой из различных приматов с коротким хвостом или вообще без хвоста
      • подражать некритично и во всех аспектах
      • единица площади, равная 100 кв. м
      • единица площади, равная 100 м2
      • штат на юге центральной части США; один из штатов Конфедерации во время Гражданской войны в США 90 036
      • бесцветный инертный газ без запаха; один из шести инертных газов; составляет примерно 1% земной атмосферы
      • юга Европы; похож на сумматор
        • , но меньше его
      • кобра использовалась фараонами как символ их власти над жизнью и смертью
      • внешне видимая хрящевая структура наружного уха
      • плодоносящий колосья злакового растения, особенно кукурузы
      • внимание к тому, что сказано
      • хороший слух
      • орган чувств слуха и равновесия
      • период, отмеченный отличительным признаком или отсчитываемый от фиксированной точки или события
      • основное деление геологического времени; эпоха обычно делится на два или более периодов
      • (бейсбол) мера эффективности питчера; рассчитывается как среднее количество заработанных пробежек, разрешенных питчером за каждые девять подач
      • Состояние по существу равного или эквивалентного; одинаково сбалансированный
      • (гольф) стандартное количество ударов, установленное для каждой лунки на поле для гольфа или для всего поля
      • сделать счет (на лунке) равным номиналу
      • (балет) шаг в танце (особенно в классическом балете)
      • бобовое растение рода Pisum с маленькими белыми цветками и длинными зелеными стручками, содержащими съедобные зеленые семена
      • семена гороха, используемые в пищу
      • плод или семена гороха
      • Сквозной; посредством; через агентство; к; для; для каждого.
      • часть ноги человека ниже голеностопного сустава
      • акт сильного удара
      • легкий удар
      • звук легкого удара
      • упрек за какой-то промах или проступок
      • производить легкие повторяющиеся постукивания по поверхности
      • жанр афроамериканской музыки 1980-х и 1990-х годов, в котором рифмованные тексты поются под музыкальное сопровождение; появилось несколько форм рэпа
      • резко ударить
      • исполнять рэп-музыку
      • много говорить
      • многословный разговор
      • сеть в ретикулярной формации, выполняющая функцию предупреждения или возбуждения
      • ткань с выступающими округлыми поперечными рубчиками
      • неофициальное сокращение слова «представитель»
      • широко распространенная система, состоящая из всех клеток, способных поглощать бактерии или коллоидные частицы и т. д., за исключением некоторых лейкоцитов
      • человек, которому не хватает здравого смысла
      • истощение
      • кусок металла, обтянутый кожей, с гибкой ручкой; используется для поражения людей
      • водный раствор сахаров, солей и минералов, циркулирующий по сосудистой системе растения
      • копать землю под
      • все, что кажется неограниченным по количеству или объему
      • часть океана или большой водоем с соленой водой, частично окруженный сушей
      • бурная вода со значительными волнами
      • санаторий у родника или на берегу моря
      • место деятельности с оборудованием и приспособлениями для упражнений и улучшения физической формы
      • фешенебельный отель обычно в курортной зоне

    Слова из 2 букв, полученные путем расшифровки синтаксического анализа

      • единица площади, равная 100 кв. м
      • штат на юге центральной части США; один из штатов Конфедерации во время Гражданской войны в США 90 036
      • бесцветный инертный газ без запаха; один из шести инертных газов; составляет примерно 1% земной атмосферы
      • Территория США в восточной части острова Самоа
      • очень ядовитый металлический элемент, имеющий три аллотропные формы; мышьяк и соединения мышьяка используются в качестве гербицидов и инсектицидов и различных сплавов; найдено в арсенопирите, аурипигменте и реальгаре
      • в той же степени (часто за которой следует «как»)
      • трехвалентный металлический элемент редкоземельной группы; происходит с иттрием
      • палата в больнице или поликлинике, укомплектованная персоналом и оборудованная для оказания неотложной помощи лицам, нуждающимся в неотложной медицинской помощи
      • радиоактивный трансурановый элемент, полученный бомбардировкой плутония нейтронами
      • неофициальное обозначение отца; вероятно, произошло от детского лепета
      • короткоживущий радиоактивный металлический элемент, образующийся из урана и распадающийся на актиний, а затем на свинец
      • Среднеатлантический штат; одна из первых 13 колоний
      • единица давления, равная одному ньютону на квадратный метр
      • электронная система усиления, используемая в качестве системы связи в общественных местах
      • 17-я буква еврейского алфавита
      • Редкий тяжелый поливалентный металлический элемент, химически напоминающий марганец и используемый в некоторых сплавах; получается как побочный продукт при рафинировании молибдена
      • древнеегипетский бог солнца с головой ястреба; универсальный творец; он слился с богом Аменом как Амон-Ра, чтобы стать царем богов
      • слог, обозначающий вторую (сверхтоническую) ноту любой мажорной гаммы в сольмизации

    Самые популярные анаграммы

    • виоседу
    • охота
    • салатин
    • млпсе
    • спасительный
    • сфаолр
    • возражать
    • тгадврт
    • Лингми
    • ивинда
    • мудрец
    • лалбот
    • suatsrne
    • чамс
    • герсил
    • навязывать
    • тидрф
    • gtrfoe
    • редеха
    • тейнкл

    © 2021 Unscramble. org

    Мы никоим образом не связаны с SCRABBLE®, Mattel, Spear, Hasbro или Zynga with Friends

    Анализ настроений для отзывов об отелях

    Нравится вам это или нет, отзывы гостей становятся важным фактором, влияющим на бронирование и покупки. Подумайте о собственном опыте. Когда вы ищете место для отдыха на Expedia, Booking или TripAdvisor, что вы делаете? Я готов поспорить, что вы будете прокручивать экран вниз, чтобы проверить обзоры, прежде чем вы это узнаете.

     

    Другими словами, отзывы гостей явно влияют на решения людей о бронировании, а это значит, что вам лучше обратить внимание на то, что люди говорят о вашем отеле. Не только ты хочешь прочитайте отзывов, а проанализируйте  их так, чтобы вы могли больше узнать о своих клиентах. Отзывы могут сказать вам, соответствуете ли вы ожиданиям ваших клиентов, что имеет решающее значение для разработки маркетинговых стратегий, основанных на личностях ваших клиентов.

     

    Отзывы важны, и вы, как владельцы отелей, должны начать их использовать. В следующей части мы поговорим о том, как сделать анализ настроений по отзывам об отелях и как перенести все данные обзора в Excel.

     

    Содержание

    • Что такое анализ настроений
    • Собрать отзывы об отелях с помощью Octoparse
      • Анализ тональности отзывов об отелях
    • с помощью Python

     

    Что такое анализ тональности

    Анализ тональности, также называемый анализом мнений, представляет собой метод анализа текста, который может извлекать эмоции из заданного текста, будь то положительные, отрицательные или нейтральные, и возвращать оценку тональности. Этот метод обычно используется в обзорах или текстах социальных сетей.

     

    Очистка отзывов об отелях с помощью Octoparse

    Инструмент для очистки веб-страниц, Octoparse , представляет собой мощный веб-скрапер, созданный для людей, не имеющих опыта программирования. Он имеет два режима для извлечения данных: один — « Custom Task », а другой — « Task Template ». Для «Пользовательской задачи» пользователи могут создать собственный сканер для получения нужных им данных. Кроме того, он имеет режим автоматического обнаружения, чтобы помочь новым пчелам начать работу легко и быстро. «Шаблон задачи» — это встроенные сканеры, готовые к использованию без какой-либо настройки задачи. Со встроенными сканерами все, что вам нужно сделать, это выбрать шаблон, который поможет вам получить целевые данные, которые необходимо заполнить некоторыми необходимыми параметрами, и позволить парсеру очистить данные для вас. Это действительно хорошо для новичков, которые понятия не имеют, как создать сканер для очистки нужных данных. Вы также можете найти более продвинутые функции, такие как облачный сервис, запланированное задание, API, IP-прокси и т. д.

     

     

    Извлеките отзывы об отелях с помощью шаблона Octoparse TripAdvisor

    Шаг 1: Соберите все URL-адреса отелей, которые мы хотим легко извлечь из документа, или поместите их в любое место скопируйте и вставьте позже.

    Шаг 2: Откройте Octoparse и введите ключевое слово TripAdvisor, вы увидите все имеющиеся у нас парсеры TripAdvisor. Вы можете выбрать парсер TripAdvisor Review. (Вы увидите краткое руководство, объясняющее, что делает этот конкретный шаблон, как его использовать, какие параметры вы должны ввести и какие данные вы можете получить.)

    Шаг 3: Нажмите «Попробовать» и вставьте все URL-адреса отелей, которые мы подготовили ранее. Как только мы закончим вводить параметры, нажмите кнопку «Сохранить и запустить», чтобы запустить парсер.

    Шаг 4: Экспортируйте все извлеченные данные во все форматы, поддерживаемые Octoparse, такие как Excel, CSV, JSON и HTML. Кроме того, мы можем экспортировать данные в нашу базу данных или инструменты визуализации данных через API Octoparse.

     

    После того, как мы успешно извлекли все отзывы об отеле, мы готовы получить оценку тональности для каждого отзыва с помощью Python. Если вы хотите создать собственный поисковый робот для настройки полей данных отзывов об отелях, перейдите к руководству по извлечению отзывов клиентов из Tripadvisor, чтобы получить более подробную информацию.

     

    Обзоры отелей Анализ настроений с помощью Python

    Сначала мы импортируем библиотеки. Здесь мы будем использовать две библиотеки для этого анализа.

     

    Первая называется pandas . Это библиотека с открытым исходным кодом, предоставляющая простые в использовании структуры данных и функции анализа для Python.

     

    Вторая библиотека, которую мы будем использовать, — это мощная библиотека на Python под названием NLTK . NLTK расшифровывается как Natural Language Toolkit, который является широко используемой библиотекой НЛП с большим количеством корпусов, моделей и алгоритмов.

     

     

    Давайте продолжим и импортируем сохраненные отзывы.

     

     

    Здесь мы применили функцию с именем SentimentIntensityAnalyzer() в nltk. sentiment.vader . SentimentAnalyzer может реализовывать и облегчать задачи анализа тональности с помощью алгоритмов и функций NLTK, поэтому оценки тональности можно генерировать без сложного кодирования. Прежде чем использовать его, нам нужно вызвать его.

     

     

    Теперь мы вызвали функцию, примените ее для получения оценок полярности. Существует четыре типа оценок: отрицательные, нейтральные, положительные и составные. Используя apply()  и lambda , мы можем преобразовать результат и поместить его во фрейм данных «отзывы».

     

     

    Затем у нас есть оценка тональности для каждого отзыва.

     

     

     

    Каждый отзыв имеет отрицательную оценку, нейтральную оценку, положительную оценку и составную оценку. Составной балл представляет собой комплексную оценку первых трех баллов. Этот показатель находится в диапазоне от -1 до 1. Обычно мы устанавливаем пороговое значение составного балла для определения тональности. Здесь мы могли бы установить порог ±0,2. Если составной балл отзыва больше 0,2, то отзыв положительный. Если составной балл отзыва меньше 0,2, то отзыв отрицательный. Если составной балл находится в диапазоне от -0,2 до 0,2, отзыв считается нейтральным.

     

     

    Как мы видим, 97,2% отзывов положительные и только 1,22% отзывов отрицательные. Основываясь на результате, можно с уверенностью сказать, что Hotel Giraffe by Library Hotel Collection – это популярный отель.

    Конечно, мы можем сделать гораздо больше для дальнейшего анализа отзывов:

    1. Построить облако слов или модель тематического моделирования, чтобы определить основные причины, по которым люди любят этот отель.
    2. Сравните оценки тональности с другими отелями, извлекая отзывы из других отелей и анализируя с помощью описанных выше шагов.
    3. Извлеките дополнительную информацию, такую ​​как дата проверки, вклад рецензента, голос рецензента за оценку, голосование за оценку, количество акций и т.  д., визуализируйте их и примените подходы к бизнес-анализу.

     

    Теперь вы знаете, насколько важны отзывы для успеха вашего бизнеса. Почему бы не зайти на Octoparse и не попробовать самому. Это простой в использовании веб-скребок, который может помочь вам превратить веб-сайты в структурированные данные за считанные клики. Более того, есть готовые к использованию шаблоны и пожизненные бесплатные версии. Не стесняйтесь обращаться к нам, если вам нужна помощь в вашем проекте, связанном с парсингом веб-страниц.

     

    Связанные ресурсы

    Как извлечь данные об отеле без программирования

    Извлечь данные об отелях с Booking.com Поиск

    • Статья
    • 12 минут на чтение

    При создании запросов в Azure Cognitive Search можно выбрать полный синтаксис анализатора запросов Lucene для специализированных форм запросов: подстановочные знаки, нечеткий поиск, поиск близости, регулярные выражения. Большая часть синтаксиса синтаксического анализатора запросов Lucene реализована в Azure Cognitive Search без изменений, за исключением поиска *range, который создается с помощью выражений $filter .

    Чтобы использовать полный синтаксис Lucene, вы установите для параметра queryType значение «full» и передадите выражение запроса, созданное по образцу подстановочного знака, нечеткого поиска или одной из других форм запроса, поддерживаемых полным синтаксисом. В REST выражения запросов предоставляются в параметре search запроса Search Documents (REST API).

    Пример (полный синтаксис)

    Следующий пример представляет собой поисковый запрос, созданный с использованием полного синтаксиса. В этом конкретном примере показан поиск в поле и повышение терминологии. Он ищет отели, в которых поле категории содержит термин «бюджет». Любые документы, содержащие фразу «недавно отремонтированные», ранжируются выше в результате значения повышения термина (3). 93″, «режим поиска»: «все» }

    Хотя параметр searchMode не относится к какому-либо типу запроса, он имеет значение в этом примере. Всякий раз, когда в запросе присутствуют операторы, обычно следует устанавливать searchMode=all , чтобы гарантировать соответствие всем критериям.

    Дополнительные примеры см. в разделе Примеры синтаксиса запросов Lucene. Дополнительные сведения о запросе запроса и параметрах, включая searchMode, см. в разделе Поиск документов (REST API).

    Основы синтаксиса

    Следующие основные принципы синтаксиса применяются ко всем запросам, использующим синтаксис Lucene.

    Вычисление оператора в контексте

    Размещение определяет, интерпретируется ли символ как оператор или просто еще один символ в строке.

    Например, в полном синтаксисе Lucene тильда (~) используется как для нечеткого, так и для приближенного поиска. При размещении после фразы в кавычках символ ~ вызывает поиск близости. При размещении в конце термина ~ вызывает нечеткий поиск.

    Внутри термина, такого как «бизнес~аналитик», персонаж не оценивается как оператор. В этом случае, предполагая, что запрос является запросом термина или фразы, полнотекстовый поиск с лексическим анализом удаляет ~ и разбивает термин «бизнес-аналитик» на два: бизнес-аналитик ИЛИ.

    В приведенном выше примере используется тильда (~), но тот же принцип применяется ко всем операторам.

    Экранирование специальных символов

    Чтобы использовать любой из операторов поиска как часть искомого текста, экранируйте символ, поставив перед ним одинарную обратную косую черту ( 9″ ~ * ? : \ /

    Примечание

    Несмотря на то, что экранирование сохраняет токены вместе, лексический анализ во время индексации может удалить их. Например, стандартный анализатор Lucene разбивает слова на дефисы, пробелы и другие символы. Если вам требуется специальные символы в строке запроса, может потребоваться анализатор, сохраняющий их в индексе. Некоторые варианты включают анализаторы естественного языка Майкрософт, сохраняющие слова, написанные через дефис, или пользовательский анализатор для более сложных шаблонов. Дополнительные сведения см. в разделе Частичные термины, шаблоны. и специальные символы.

    Кодирование небезопасных и зарезервированных символов в URL-адресах

    Убедитесь, что все небезопасные и зарезервированные символы закодированы в URL-адресе. Например, «#» — небезопасный символ, поскольку он является идентификатором фрагмента/привязки в URL-адресе. Символ должен быть закодирован как %23 , если он используется в URL-адресе. ‘&’ и ‘=’ — это примеры зарезервированных символов, поскольку они разграничивают параметры и указывают значения в Когнитивном поиске Azure. Дополнительные сведения см. в документе RFC1738: унифицированные указатели ресурсов (URL).

    Небезопасные символы 9~ [ ] . Зарезервированные символы: ; / ? : @ = + & .

    Булевы операторы

    Булевы операторы можно вставлять в строку запроса для повышения точности совпадения. Полный синтаксис поддерживает текстовые операторы в дополнение к символьным операторам. Всегда указывайте текстовые логические операторы (И, ИЛИ, НЕ) заглавными буквами.

    Текстовый оператор Персонаж Пример Использование
    И + Wi-Fi И роскошь Указывает термины, которые должно содержать совпадение. В этом примере механизм запросов будет искать документы, содержащие как wifi , так и luxury . Символ плюса ( + ) также можно использовать непосредственно перед термином, чтобы сделать его обязательным. Например, +wifi +luxury предусматривает, что оба термина должны появляться где-то в поле одного документа.
    ИЛИ (нет) 1 Wi-Fi ИЛИ люкс Находит совпадение, если найден любой термин. В этом примере механизм запросов вернет совпадение для документов, содержащих либо wifi , либо luxury , либо и то, и другое. Поскольку OR является оператором соединения по умолчанию, вы также можете его не использовать, например, wifi luxury будет эквивалентно wifi OR luxury .
    НЕ ! , - Wi-Fi – люкс Возвращает совпадения для документов, исключающих термин. Например, wifi –luxury будет искать документы, содержащие термин wifi , но не luxury . Важно отметить, что оператор НЕ ( NOT , ! или - ) в полном синтаксисе ведет себя иначе, чем в простом синтаксисе. В полном синтаксисе отрицания всегда будут объединяться по И с запросом, так что wifi -luxury интерпретируется как «wifi, а не роскошь» независимо от того, установлено ли для параметра searchMode значение any или all . Это дает вам более интуитивно понятное поведение для отрицаний по умолчанию. Одно отрицание, такое как запрос -luxury , не допускается в синтаксисе полного поиска и всегда будет возвращать пустой набор результатов.

    1 | символов не поддерживаются для операций ИЛИ.

    Полевой поиск

    Операцию поиска по полю можно определить с помощью синтаксиса fieldName:searchExpression , где поисковым выражением может быть одно слово или фраза, или более сложное выражение в круглых скобках, возможно, с логическими операторами. Некоторые примеры включают следующее:

    Обязательно заключайте несколько строк в кавычки, если вы хотите, чтобы обе строки оценивались как единое целое, в этом случае ищите двух разных исполнителей в поле исполнителей .

    Поле, указанное в fieldName:searchExpression , должно быть полем с возможностью поиска . Подробную информацию о том, как атрибуты индекса используются в определениях полей, см. в разделе Создание индекса.

    Примечание

    При использовании выражений поиска с полем вам не нужно использовать параметр searchFields , так как каждое выражение поиска с полем имеет явно указанное имя поля. Однако вы по-прежнему можете использовать параметр searchFields , если хотите выполнить запрос, в котором некоторые части относятся к определенному полю, а остальные могут применяться к нескольким полям. Например, запрос search=genre:jazz NOT history&searchFields=description будет соответствовать jazz только полю жанр , в то время как NOT history будет соответствовать полю description . Имя поля, указанное в fieldName:searchExpression , всегда имеет приоритет над параметром searchFields , поэтому в этом примере нам не нужно включать жанр в параметр searchFields .

    Нечеткий поиск

    Нечеткий поиск находит совпадения в терминах, имеющих схожую конструкцию, расширяя термин максимум до 50 терминов, которые соответствуют критерию расстояния два или меньше. Дополнительные сведения см. в разделе Нечеткий поиск.

    Чтобы выполнить нечеткий поиск, используйте символ тильды «~» в конце одного слова с необязательным параметром, числом от 0 до 2 (по умолчанию), который определяет расстояние редактирования. Например, «синий~» или «синий~1» вернет «синий», «синий» и «клей».

    Нечеткий поиск можно применять только к терминам, а не к фразам, но вы можете добавить тильду к каждому термину отдельно в имени или фразе, состоящей из нескольких частей. Например, «Университет~ из~ «Вашингтон~» будет соответствовать «Университету Вашингтона»9.0003

    Поиск по близости

    Поиск по близости используется для поиска терминов, близких друг к другу в документе. Вставьте символ тильды «~» в конце фразы, за которой следует количество слов, образующих границу близости. Например, "отель аэропорт"~5 найдет термины «гостиница» и «аэропорт» в пределах пяти слов друг от друга в документе.

    Повышение термина

    Повышение термина относится к более высокому ранжированию документа, если он содержит усиленный термин, по сравнению с документами, которые не содержат термин. Это отличается от профилей оценки тем, что профили оценки повышают определенные поля, а не конкретные термины. 9″, символ с коэффициентом значимости (числом) в конце слова, которое вы ищете. Вы также можете повышать фразы. Чем выше коэффициент значимости, тем более релевантным будет термин по отношению к другим поисковым запросам. По умолчанию, коэффициент усиления равен 1. Хотя коэффициент усиления должен быть положительным, он может быть меньше 1 (например, 0,20)

    Поиск по регулярному выражению

    Поиск по регулярному выражению находит соответствие на основе шаблонов, допустимых в Apache Lucene , как описано в классе RegExp. В Azure Cognitive Search регулярное выражение заключено между косой чертой /.

    Например, чтобы найти документы, содержащие слова «мотель» или «гостиница», укажите /[mh]otel/ . Поиск по регулярным выражениям сопоставляется с отдельными словами.

    Некоторые инструменты и языки предъявляют другие требования к escape-символам. Для JSON строки, содержащие косую черту, экранируются обратной косой чертой: «microsoft.com/azure/» становится search=/.*microsoft.com\/azure\/.*/ , где search=/.* .*/ устанавливает регулярное выражение, а microsoft.com\/azure\/ — это строка с экранированной косой чертой.

    Два общих символа в запросах регулярных выражений: . и *. А . соответствует любому одному символу, а * соответствует предыдущему символу ноль или более раз. Например, /be./ будет соответствовать терминам «bee» и «bet», а /be*/ будет соответствовать «be», «bee» и «beee», но не «bet». Вместе .* позволяют сопоставить любую серию символов, поэтому /be.*/ будет соответствовать любому термину, начинающемуся с «be», например «better».

    Поиск с подстановочными знаками

    Можно использовать общепризнанный синтаксис для поиска нескольких ( * ) или одиночных ( ? ) подстановочных знаков. Полный синтаксис Lucene поддерживает сопоставление префиксов, инфиксов и суффиксов.

    Обратите внимание, что анализатор запросов Lucene поддерживает использование этих символов с одним термином, а не с фразой.

    Тип приставки Описание и примеры
    префикс Фрагмент термина предшествует * или ? . Например, выражение запроса search=alpha* возвращает «буквенно-цифровой» или «алфавитный». Сопоставление префиксов поддерживается как в простом, так и в полном синтаксисе.
    суффикс Фрагмент термина идет после * или ? с косой чертой для разграничения конструкции. Например, search=/.*numeric/ возвращает «алфавитно-цифровой».
    инфикс Фрагменты терминов заключают * или ? . Например, search=non*al возвращает «нечисловые» и «бессмысленные».

    Вы можете комбинировать операторы в одном выражении. Например, 980?2* соответствует «98072-1222» и «98052-1234», где ? соответствует одному (обязательному) символу, а * соответствует символу произвольной длины, который следует за ним.

    Для сопоставления суффиксов требуется прямая косая черта регулярного выражения / разделителей. Вообще нельзя использовать * или ? Символ в качестве первого символа термина без /. Также важно отметить, что * будут вести себя по-разному при использовании вне запросов регулярных выражений. Вне разделителей косой черты / в регулярном выражении * является подстановочным знаком и будет соответствовать любой серии символов, очень похожей на .* в регулярном выражении. Например, search=/non.*al/ даст тот же набор результатов, что и 9.1239 поиск=не*ал .

    Примечание

    Как правило, сопоставление с образцом происходит медленно, поэтому вы можете изучить альтернативные методы, такие как токенизация ребер n-грамм, которая создает токены для последовательностей символов в термине. При токенизации n-грамм индекс будет больше, но запросы могут выполняться быстрее, в зависимости от конструкции шаблона и длины индексируемых строк. Дополнительные сведения см. в разделе Поиск по частичному термину и шаблоны со специальными символами.

    Влияние анализатора на подстановочные запросы

    Во время синтаксического анализа запросы, сформулированные как префикс, суффикс, подстановочный знак или регулярные выражения, передаются в дерево запросов как есть, минуя лексический анализ. Совпадения будут найдены только в том случае, если индекс содержит строки в формате, указанном в вашем запросе. В большинстве случаев вам понадобится анализатор во время индексации, который сохраняет целостность строки, чтобы частичное сопоставление терминов и шаблонов было успешным. Дополнительные сведения см. в статье Частичный поиск терминов в запросах Azure Cognitive Search.

    Рассмотрим ситуацию, когда вам может потребоваться, чтобы поисковый запрос «терминат*» возвращал результаты, содержащие такие термины, как «терминировать», «терминировать» и «терминировать».

    Если бы вы использовали анализатор en.lucene (англ. Lucene), он применил бы агрессивное определение корней каждого термина. Например, «завершение», «завершение», «завершение» будут токенизированы до токена «termi» в вашем индексе. С другой стороны, термины в запросах, использующих подстановочные знаки или нечеткий поиск, вообще не анализируются, поэтому не будет результатов, соответствующих запросу «terminat*».

    С другой стороны, анализаторы Microsoft (в данном случае анализатор en.microsoft) немного более продвинуты и используют лемматизацию вместо стемминга. Это означает, что все сгенерированные токены должны быть допустимыми английскими словами. Например, «завершить», «завершить» и «завершение» в основном останутся в индексе целиком и будут предпочтительным выбором для сценариев, которые сильно зависят от подстановочных знаков и нечеткого поиска.

    Оценка запросов с подстановочными знаками и регулярных выражений

    Когнитивный поиск Azure использует оценку на основе частоты (BM25) для текстовых запросов. Однако для запросов с подстановочными знаками и регулярных выражений, где область терминов потенциально может быть широкой, фактор частоты игнорируется, чтобы предотвратить смещение ранжирования в сторону совпадений с более редкими терминами. Все совпадения обрабатываются одинаково для поиска с использованием подстановочных знаков и регулярных выражений.

    Специальные символы

    В некоторых случаях вам может понадобиться выполнить поиск по специальному символу, например смайлику «❤» или знаку «€». В таких случаях убедитесь, что используемый вами анализатор не отфильтровывает эти символы. Стандартный анализатор пропускает многие специальные символы, исключая их из вашего индекса.

    Анализаторы, которые размечают специальные символы, включают анализатор пробелов, который принимает во внимание любые последовательности символов, разделенные пробелами, как токены (поэтому строка «❤» будет считаться токеном). Кроме того, языковой анализатор, такой как анализатор Microsoft English («en.microsoft»), будет принимать строку «€» в качестве токена. Вы можете протестировать анализатор, чтобы увидеть, какие токены он генерирует для данного запроса.

    При использовании символов Unicode убедитесь, что символы правильно экранированы в URL-адресе запроса (например, для «❤» будет использоваться escape-последовательность %E2%9D%A4+ ). Почтальон делает этот перевод автоматически.

    Приоритет (группировка)

    Скобки можно использовать для создания подзапросов, включая операторы в операторе в скобках. Например, motel+(wifi|luxury) будет искать документы, содержащие термин «мотель» и либо «wifi», либо «роскошь» (или оба).

    Группировка полей аналогична, но ограничивает группировку одним полем. Например, hotelAmenities:(gym+(wifi|pool)) ищет в поле «hotelAmenities» слова «тренажерный зал» и «wifi» или «тренажерный зал» и «бассейн».

    Ограничения размера запроса

    Когнитивный поиск Azure налагает ограничения на размер и состав запроса, поскольку неограниченные запросы могут дестабилизировать работу службы поиска. Существуют ограничения на размер и состав запроса (количество предложений). Также существуют ограничения на длину поиска по префиксу и на сложность поиска по регулярному выражению и поиску по подстановочным знакам. Если ваше приложение генерирует поисковые запросы программно, мы рекомендуем спроектировать его таким образом, чтобы оно не создавало запросы неограниченного размера.

    Дополнительные сведения об ограничениях запросов см. в разделе Ограничения запросов API.

    См. также

    • Примеры запросов для простого поиска
    • Примеры запросов для полного поиска Lucene
    • Поиск документов
    • Синтаксис выражения OData для фильтров и сортировки
    • Простой синтаксис запроса в Когнитивном поиске Azure

    Интеллектуальный анализ данных для рекомендательных систем с использованием машинного обучения0003

    В последнее время выбор подходящего места в гостинице и бронирование жилья стали для путешественников насущной проблемой. Онлайн-поиск отелей был увеличен очень быстрыми темпами и стал очень трудоемким из-за наличия огромного количества онлайн-информации. Рекомендательные системы (РС) приобретают все большее значение в связи с их значимостью в принятии решений и предоставлении подробной информации о требуемом продукте или услуге. Получить рекомендации отелей, работая с текстовыми отзывами об отелях, числовыми рейтингами, голосами, рейтингами и количеством просмотров видео, стало сложно. Чтобы генерировать верные рекомендации, мы предложили интеллектуальный подход, который также работает с разнородными данными большого размера для удовлетворения потребностей потенциальных клиентов. Подход коллаборативной фильтрации (CF) является одним из самых популярных методов RS для выработки рекомендаций. Мы предложили новый подход к рекомендациям CF, в котором анализ настроений на основе мнений используется для получения матрицы характеристик отеля путем идентификации полярности. Наш подход сочетает в себе лексический анализ, синтаксический анализ и семантический анализ, чтобы понять отношение к особенностям отеля и профилирование типа гостя (одиночка, семья, пара и т. д.). Предлагаемая система рекомендует отели на основе особенностей отеля и типа гостя для персонализированных рекомендаций. Разработанная система не только имеет возможность обрабатывать разнородные данные с использованием платформы больших данных Hadoop, но также рекомендует класс отеля на основе типа гостя с использованием нечетких правил. Различные эксперименты проводятся с реальными наборами данных, полученными с двух веб-сайтов отелей. Кроме того, были рассчитаны значения точности и полноты, а также F-мера, и результаты обсуждены с точки зрения повышения точности и времени отклика, что значительно лучше, чем при традиционных подходах.

    1. Введение

    В современную эпоху развития веб-технологий рекомендательные системы (РС) привлекли к себе внимание делового сообщества и обычных людей благодаря своей значимости и важности в электронной коммерции и достижению превосходное одобрение клиента. В настоящее время считается, что электронная коммерция тесно связана с удовлетворенностью клиентов, и конечный успех всегда зависит от лояльности клиентов. То же самое и с системами онлайн-бронирования и бронирования, которые являются основным компонентом индустрии туризма. Мариани и др. [1] обсуждали, что самой мощной и популярной отраслью, оказывающей большое влияние на общий ВВП мировой экономики, является туризм. Туристы во всем мире всегда ищут лучшие отели для своего проживания во время туров, поэтому рекомендательные системы остаются их основным выбором для получения наилучших доступных вариантов отелей для онлайн-бронирования задолго до прибытия в пункт назначения, чтобы избежать любых будущих проблем с проживанием в отелях.

    Лю и др. [2] обсудили, что в недавнем прошлом были созданы некоторые рекомендательные системы, чтобы облегчить туристам получение списка рекомендаций отелей перед бронированием. Характер большей части данных в Интернете и сети является разнородным, что становится препятствием для рекомендательных систем, поскольку обычные рекомендательные системы имеют дело только с однородными данными, что снижает эффективность рекомендательных систем отелей. Сложные данные в различных формах, таких как числовые, текстовые и визуальные, требуют внимания разработчиков для разработки рекомендательных систем, учитывающих разнородность данных. Ли и др. [3] заметил, что в последнее время на рынке доступно несколько рекомендателей, обладающих некоторыми возможностями для работы с разнородными данными, в которых они использовали рейтинги, полученные из отзывов клиентов, но не включают обзоры, голоса, ранги и просмотры видео из доступных отзывов пользователей. в социальных сетях. В предлагаемом подходе мы также использовали различные типы отзывов пользователей, такие как голоса и просмотры видео на YouTube. Предлагаемая нами рекомендательная система дает двойную новизну и преимущество; во-первых, он использует матрицу характеристик отеля, чтобы рекомендовать подходящий отель пользователю на основе как количественных (числовых), так и качественных (текстовых) характеристик, используя классификацию машинного обучения для получения верных рекомендаций; он извлекает контекстную информацию о пользователях и извлекает настроения из отзывов, анализируя отзывы других путешественников, а также рейтинги, голоса и просмотры видео на YouTube, чтобы повысить точность рекомендаций. Во-вторых, нечеткий модуль предоставляет рекомендации отелей для определенного типа пользователей, таких как одинокие, семейные, деловые, друзья и пары, поскольку рекомендации будут различаться в зависимости от типа поездки и предпочтений пользователя. Как и для семьи, «комната», «еда» и «чистота» являются основными предпочтениями, но для одного гостя такие удобства, как «бассейн», «спа» и «тренажерный зал», могут иметь большее предпочтение. Точно так же «WiFi» и «компьютер» могут быть важными функциями для пользователя, находящегося в командировке.

    Чжан и Мао [4] предположили, что рекомендательные системы разрабатываются для получения верных и актуальных рекомендаций. Релевантная рекомендация означает рекомендацию, которая соответствует предпочтениям и выбору клиента. Обычно рекомендательная система использует оценки клиентов и отзывы из предыдущих данных с учетом атрибутов или особенностей отеля. Таким образом, основной задачей в этой статье является разработка интеллектуального подхода, который обрабатывает и анализирует большие разнородные веб-данные для получения верных рекомендаций по отелям, которые соответствуют выбору клиента.

    При работе с разнообразными данными в нашей многофункциональной системе рекомендаций по отелям основной проблемой был анализ мнений/настроений отзывов пользователей для расчета показателя полярности, который отражает степень сходства или неприязни к отелю со стороны пользователя. Типичный рекомендатель обычно опирается на оценки предыдущих пользователей об атрибутах или функциях отеля, но наш предлагаемый рекомендатель также использует обзоры, числовые рейтинги и просмотры видео, чтобы получить истинные результаты многотипных отзывов пользователей. Оценка полярности обеспечивает текстовую сторону мнения пользователя о конкретном отеле. Чтобы справиться с разнообразием разнородных данных, поскольку в представленном подходе используются как числовые, так и текстовые данные, в нашем подходе использовалось решение для работы с большими данными, включающее Hadoop, поскольку оно лучше справляется с разнородностью и разнообразием данных. Мы определили тип гостя (одиночка, семья, бизнес, друзья и пара) в качестве основной части этого исследования. Мы не только рассмотрим различные параметры рейтинга, но и применим сентиментальный анализ отзывов пользователей на основе признаков. Например, Trip Advisor позволяет путешественникам оценивать отели по нескольким параметрам, таким как расположение, номер, чистота, обслуживание и персонал. Процесс извлечения мнений из текстовых обзоров называется анализом настроений/анализом мнений.

    В литературе представлен ряд исследований, посвященных анализу настроений с использованием современных методов обработки обзоров для предоставления рекомендаций. Классификация машинного обучения — один из наиболее полезных методов классификации настроений категоризированного текста по положительным, отрицательным или нейтральным категориям. В технике машинного обучения наборы данных для обучения и тестирования имеют важное значение. Учебный набор данных используется для изучения документов, а тестовый набор данных используется для проверки производительности. Существует четыре основных типа машинного обучения для классификации отзывов, как показано в таблице 19. 0003

    В области анализа данных машинное обучение является частью так называемой прогнозной аналитики. Алгоритмы машинного обучения — это не последовательность процессов, последовательно выполняемых для получения заранее определенного результата. Вместо этого они представляют собой серию процессов, направленных на «изучение» закономерностей из прошлых событий и построение функций, которые могут давать хорошие прогнозы с определенной степенью достоверности.

    Анализ или классификация настроений на основе машинного обучения используется для классификации и предоставления рекомендаций пользователям. В методах контролируемого машинного обучения требуются два типа наборов данных: набор обучающих данных и набор тестовых данных. Автоматический классификатор изучает факторы классификации документа из обучающего набора, а точность классификации можно оценить с помощью тестового набора. Ключевым шагом в технике контролируемого машинного обучения является выбор признаков. Выбор классификатора и выбор признаков определяют эффективность классификации.

    Основной целью нашей системы рекомендаций является предоставление предложений и рекомендаций, которые действительно основаны на предпочтениях и выборе клиента. Корен и др. [5] сосредоточился на качестве рекомендаций. Автор предполагает, что при обработке большого количества пользовательских оценок и отзывов для предоставления эффективных и правдивых рекомендаций существенное значение имеет качество рекомендаций [6]. Бронирование через онлайн-системы и рекомендателей в последние годы увеличилось, и многонациональные организации работают над этим доменом, чтобы извлечь максимальную выгоду. Система рекомендаций (RS) помогает клиентам не только находить подходящие отели, но и приносит пользу во всех областях, таких как фильмы, книги и всевозможные другие продукты и предметы. RS может обрабатывать различные типы данных, т. е. отели, фильмы и музыку. Общая архитектура рекомендателя представлена ​​на рисунке 1. Hsieh et al. [6] подробно объяснили, что разные рекомендательные системы построены с использованием разных методов и алгоритмов, которые используют предыдущие данные клиентов, состоящие из отзывов и оценок о различных продуктах, для получения истинных рекомендаций. Берк [7] обсуждал различные типы алгоритмов рекомендаций. Он объяснил, что существует два метода рекомендаций. Во-первых, это совместная фильтрация (CF), а во-вторых, фильтрация на основе контента (CBF). Смешение этих двух алгоритмов называется гибридной фильтрацией.

    Лопс и др. [8] объяснили, что наиболее распространенным методом рекомендательной фильтрации является совместная фильтрация; однако предпочтения и выбор пользователей представлены их связанными точками в рекомендательной системе на основе контента. CF работает, собирая пользовательские рейтинги для элементов в данном домене и вычисляя сходство между пользователями или элементами, чтобы предоставить соответствующие рекомендации. Экстранд и др. [9] уточняют, что совместная фильтрация использует класс методов и использует предпочтения других пользователей, которые они выразили для тех же элементов, чтобы рекомендовать элементы активному пользователю. Этот метод также может быть полезен во всех других областях, где предпочтения клиентов могут изменяться случайным образом.

    Алгоритмы совместной фильтрации могут быть двух видов: рекомендательная система на основе элементов и рекомендательная система на основе пользователей. Рекомендации на основе элементов сравнивают сходство элементов, а рекомендации на основе пользователей вместо этого сравнивают сходства пользователей в процессе рекомендации.

    Согласно Zhang et al. [10], подход на основе коллаборативной фильтрации (CF-) является очень успешной технологией во всех RS. В работах [11, 12] сообщается, что существуют три фундаментальные проблемы, с которыми сталкиваются подходы CF, такие как (i) Холодный запуск Проблема возникает, когда появляется элемент, который ранее не оценивался, для него невозможно дать рекомендации или когда появляется новый пользователь без предварительно записанного профиля [13, 14](ii) Разреженность Проблема появляется, когда существует множество элементов, но слишком мало значений рейтинга, доступных на начальном этапе рекомендации [11, 14](iii) Масштабируемость Проблема возникает, когда данные пользователей и элементов очень велики для обработки [11].

    Большинство рекомендательных систем страдают от проблемы холодного запуска, потому что пользователи обычно не дают адекватных оценок отелям, чтобы включить совместную фильтрацию рекомендаций на основе, что может привести к проблеме, называемой проблемой холодного запуска. Мы предложили систему рекомендаций отелей, которая извлекает контекстную информацию и мнения из отзывов и рекомендует путешественникам названия отелей на основе их предпочтений, анализируя отзывы других путешественников вместе со значением рейтинга, рейтингами, голосами и просмотрами видео на YouTube. для повышения точности рекомендаций. Анализ настроений на основе мнений решает эту проблему, рассматривая четыре типа контекста: (i) тип гостя, который может быть «деловым», «пара», «в одиночку», «группа» и «семья»; (ii) название отеля; (iii) местоположение; и (iv) рейтинг различных отелей. Мы использовали подход, в котором метод совместной фильтрации сочетается с сентиментальным анализом, чтобы предоставить персонализированные рекомендации по отелям. Анализ настроений на основе мнений вычисляет полярность каждого предложения обзора, чтобы найти его оценку, эффективно решающую проблему холодного запуска и повышающую точность.

    Точно так же невозможно вручную отсортировать тысячи комментариев, разговоров в службу поддержки или отзывов клиентов, поскольку слишком много данных об отелях доступно для обработки. Анализ настроений позволяет обрабатывать данные в масштабе эффективным и экономичным способом, улучшая проблему масштабируемости. Анализ настроений или классификация на основе машинного обучения используется для классификации и предоставления рекомендаций пользователям. В методе классификации система учится на введенных ей данных, а затем использует это обучение для классификации новых рекомендаций. В методах контролируемого машинного обучения требуются два типа наборов данных: набор обучающих данных и набор тестовых данных. Автоматический классификатор изучает факторы классификации документа из обучающего набора, а точность классификации можно оценить с помощью тестового набора. Ключевым шагом в технике контролируемого машинного обучения является выбор признаков. Выбор классификатора и признаков определяет эффективность классификации. Некоторые исследователи ввели другой подход, известный как кластерный подход [6, 11, 15]. Совместная фильтрация на основе кластеризации сокращает время вычислений и фокусируется только на повышении эффективности использования времени, поскольку этап кластеризации выполняется в автономном режиме.

    Основная идея заключается в разработке рекомендательной системы, которая помогает пользователям находить отели в соответствии со своими предпочтениями и выбором, используя отзывы и оценки предыдущих пользователей. Из-за наличия обширных веб-данных основной проблемой при обработке тысяч элементов и связанной с ними информации является хранение и эффективность времени. Чтобы решить эту проблему, предлагается интеллектуальная и эффективная система рекомендаций по совместной фильтрации на основе элементов, которая использует платформу Hadoop вместе с базой данных NoSQL для повышения производительности и эффективности при работе с огромным количеством данных об отелях. Мы провели различные эксперименты для достижения прироста производительности Hadoop с улучшенным временем отклика рекомендателя, решая проблему масштабируемости [11].

    Предыдущим исследованиям не хватало точности истинных рекомендаций. Причиной меньшей точности является использование только количественных данных, таких как лайки и рейтинги, которые игнорировали качественный аспект отзывов пользователей и ставят под сомнение надежность точности предыдущего рекомендателя. Здесь важно отметить, что оба аспекта сходства пользователей могут дать нам верные и точные рекомендации. Таким образом, в рекомендателе необходимо учитывать как количественные, так и качественные аспекты многотипных отзывов пользователей. Как качественные, так и количественные аспекты сходства могут быть достигнуты за счет использования не только рейтингов, но и текстовых обзоров, голосований и просмотров видео, которые не были охвачены предыдущими подходами. Некоторые другие пробелы и отклонения также приведены в таблице 2. Это означает различия в предыдущих подходах и нашем подходе.

    Предлагаемая система способна эффективно хранить большое количество данных об отелях и предоставляет улучшенные рекомендации, позволяющие экономить время. В этом документе предполагается представить четыре основных вклада, изложенных в следующем: (i) Предлагаемая система рекомендаций помогает в получении истинных рекомендаций отеля путем обработки и анализа больших разнородных веб-данных, т. е. как рейтингов (числовых), так и обзоров (текстовых) с использованием подход анализа мнений и нечеткий подход для получения соответствующих рекомендаций в соответствии с типом и выбором клиентов (ii) Разработка веб-рекомендателя для рекомендации отелей, который объединяет связанные данные внешних ресурсов (веб-сайты отелей), содержащие информацию об отелях, доступную в Интернете (iii) Предлагаемый подход оптимизирует производительность предлагаемой системы рекомендаций по отелям с использованием базы данных NoSQL Cassandra в среде Hadoop(iv) Набор данных получен из двух разных источников (веб-сайтов), таких как TripAdvisor. com и Expedia.com

    Мы используем подход, основанный на мнении, который используется для классификации текста по трем выражениям настроения, таким как «Положительное», «Отрицательное» и «Нейтральное», с помощью словарей SentiWordnet Wordnet. При обработке обзоров и извлечении признаков из текстовых обзоров возникает ряд проблем. Некоторые из проблем заключаются в следующем: (i) работа с большими данными, которые состоят из текстовых обзоров, описывающих мнения людей об отелях (ii) случайные неформальные языки, аббревиатуры / смайлики / сленг или использование смайликов (iii ) Орфографические ошибки/опечатки (iv) Неоднозначные отзывы клиентов, например, «Я никогда раньше не жил в таком отеле, как этот!» Неоднозначность: мы не можем понять, лучший отель или худший(v)Отзывы, содержащие хэштеги(vi)Выявление полярности скрытых настроений клиента в данном отзыве

    Оставшийся документ организован и структурирован следующим образом. Соответствующая работа и родственные концепции описаны в Разделе 2. Совместная фильтрация и система рекомендаций обсуждаются, чтобы охватить предыдущую работу. Также объясняется общая модель рекомендаций. Методология разработки рекомендателя отеля объясняется в разделе 3. В нем объясняются предлагаемые компоненты рекомендателя отеля. Подробное описание предварительных экспериментов с тестовыми и обучающими наборами данных вместе с результатами представлено в Разделе 4. Обзор системы также представлен в этом же разделе. Сравнительный анализ предлагаемого подхода с предыдущими исследованиями представлен в Разделе 5. Заключение и дальнейшая работа представлены в Разделе 6.

    В этом разделе обсуждается предыдущая работа, связанная с рекомендательной системой. Предыдущие исследования описывают связанные концепции рекомендателей, такие как фильтрация информации и алгоритмы рекомендаций, которые ранее использовались для разработки рекомендательных систем [20], которые помогают понять и реализовать потребность в рекомендателях в современную эпоху веб-технологий.

    2.1. Рекомендательные системы

    Рекомендательные системы помогают конечным пользователям находить продукты и услуги, которые они ищут. Tan и He [13] предложили процедуру физического резонанса, названную резонансным подобия (RES), в качестве нового подхода. Это новое сходство обеспечивает превосходную точность прогнозирования по сравнению с традиционными мерами подобия, используемыми для оценок пользователей. Фасахте и др. [21] обсудили, что элементы без рейтинга могут быть рекомендованы и предсказаны с помощью различных методов фильтрации, и они провели эксперименты с использованием набора данных Trip Advisor. Кроме того, они представили гибридный подход, использующий рейтинговые данные и текстовый контент для прогнозирования поведения пользователя. Креспо и др. [22] обсуждают, что Sem-Fit использует точку зрения клиентов, чтобы применить методы нечеткой логики к связанным характеристикам клиентов и отелей, представленным с помощью онтологий предметной области и аффектных сеток. Ху и др. [23] измерили точность рейтинговых прогнозов и оценили эффективность рекомендателя контекстно-зависимых персонализированных отелей (CAPH), используя рейтинги и обзоры данных Trip Advisor.

    Хванг и др. [24] использовали обзоры Trip Advisor в семантическом методе скрытого распределения Дирихле (LDA), чтобы выполнить обзор отеля для систем управления отелем и получить отличимую производительность от частоты термина, обратной частоте документа (TF-IDF). метод. Автор использовал все типы характеристик отелей и пришел к выводу, что метод LDA на основе слов имеет более высокую точность по сравнению с методом LDA. Сандип и др. [25] выполнили анализ настроений сообщества в Твиттере, чтобы получить в режиме реального времени настроения простых людей, чтобы представить как существующих, так и потенциальных клиентов. Предложенный метод с использованием месячной оценки тональности хэш-тегов в Твиттере индийских операторов связи успешно предсказал темпы их роста с точки зрения добавления подписчиков. Мэн и др. [26] предложили метод под названием KASR (рекомендация службы с учетом ключевых слов), который реализован в Hadoop и облаке для анализа больших данных отзывов, чтобы повысить эффективность использования времени и масштабируемость в проектах больших данных [27, 28].

    Методы анализа текста в сочетании с отслеживанием и просмотром используются для разработки персонализированных рекомендаций по отелям Lin et al. [29]. Полезная модель стохастического программирования с использованием множественного регрессионного анализа была разработана Rianthong et al. для снижения стоимости поиска клиентов. [30] Делается вывод, что обзорный рейтинг, цены и полезность отелей необходимо брать в верхней части последовательности. Лал и Бэгель [31] исследуют наиболее важные и важные признаки для классификации настроений и группируют их в семь категорий, называемых базовыми признаками, признаками исходного слова, TF-IDF, признаками на основе пунктуации, признаками на основе предложений, N-граммами, и POS-лексиконы. Шарма и др. [17] использовали отзывы и предпочтения клиентов с сайта booking.com, чтобы определить рейтинг отеля, используя данные предыдущих пользователей в подходе системы рекомендаций на основе многокритериальных отзывов и методе НЛП. Чанг и др. [16] выдвинули гипотезу об окружающей среде отеля. CATPAC (программа анализа контента) использовалась для анализа отзывов и оценок пользователей, а SPSS (статистический пакет для социальных наук) использовался для анализа оценок пользователей с помощью регрессионного анализа и дисперсионного анализа (ANOVA) для проверки лояльности клиентов.

    Jannach et al. [32] работали над рекомендательной системой, в которой для получения точных рекомендаций использовались методы на основе регрессии и модели на основе элементов. Ибрагим и др. [33] представили персонализированную интеллектуальную информационную модель для изучения гостиничных услуг. Bouras и Tsogkas [34] использовали алгоритм k-means кластеризации пользователей с поддержкой Word Net, чтобы рекомендовать улучшенные новостные статьи. Чен и Чуанг [18] оптимизировали производительность повсеместно распространенной системы рекомендаций отелей, используя подход нелинейного и нечеткого программирования к набору данных отелей. Фасахте и др. [21] использовали подход на основе лексикона для определения отношения к аспектам отеля в определенном контексте, а также объяснили, как элементы без рейтинга могут быть использованы для рекомендаций с использованием метода CF на основе элементов. Для анализа поведения пользователя используются как рейтинговые данные из обзора пользователя, так и рейтинговые данные пользователя в гибридном рекомендательном подходе. Валькарс и др. [35] использовали Cassandra в качестве платформы распределенного приложения рекомендаций по большим данным и MySQL Cluster для сравнения.

    Предыдущие данные пользователя для различных продуктов и предметов, таких как отели, книги и статьи, собираются в системах с использованием алгоритмов совместной фильтрации. Алгоритм Rankboost и совместная фильтрация на основе кластеров используются для разработки системы рекомендаций отелей, предложенной Хьюмингом и Вейли [11], для получения рекомендаций в соответствии с собственным выбором пользователей. Для количественного и качественного анализа данные были получены с сайта hoteltravel.com.

    Существует ряд рекомендательных систем, разработанных исследователями и разработчиками, которые использовали алгоритмы и методы совместной фильтрации [36–42] для предоставления рекомендательных услуг. Совместная и контентная фильтрация использует знания пользователей для расчета корреляции с другими пользователями и выполнения определенных выводов в пространстве признаков [19]., 43]. В этой статье предложенная система рекомендаций отелей является высокоэффективной и в некоторой степени устраняет пробел, используя извлечение характеристик отеля с использованием анализа мнений на естественном языке.

    Нилаши и др. [44] использовали PCA-ANFIS (Анализ основных компонентов — Адаптивная нейро-нечеткая система вывода) и EM (Максимизация ожиданий) для разработки рекомендательной системы и внедрили их в сферу туризма на основе метода многокритериальной совместной фильтрации. Данные были получены с веб-сайта TripAdvisor для проведения экспериментов и достижения высокой точности и высокой эффективности времени для рекомендации отеля. Форасим и Ю [45] использовали k — средства и подход к совместной фильтрации, который приводит к более точным и менее трудоемким рекомендациям по сравнению с существующим традиционным. Kögel [46] отметил, что для получения соответствующих предложений в режиме реального времени используется подход к программной инженерии, основанный на моделировании, который собирает данные из разных источников и объединяет их. До и др. [47] исследуют общие методы реализации подхода на основе моделей для достижения высокой точности. Ибо и др. [48] ​​построили гибридную рекомендательную модель для рекомендации фильмов, используя анализ настроений на платформе spark, которая превосходит традиционные модели с точки зрения различных критериев оценки.

    3. Предлагаемая система рекомендаций отелей

    Предлагаемая система использует разнородный характер данных (текстовых и числовых), полученных из World Wide Web (www). Данные получены с выбранных веб-сайтов отелей (источников данных), содержащих ключевые слова, присутствующие в активном поисковом запросе пользователя. Веб-краулер использовался для загрузки запрошенных данных и сохранения полученных данных в базе данных NoSQL Cassandra для дальнейшей обработки. Данные обычно представлены в виде чисел (например, голосов, рейтингов и количества просмотров видео) и текста (например, обзоров и комментариев). Чтобы получить настоящие рекомендации, наша система использовала данные о рангах, голосах и отзывах, чтобы извлечь из них характеристики отеля.

    Система работает двумя параллельными способами. Числовые рейтинги и голоса отелей из каждого выбранного источника данных нормализованы. С другой стороны, данные обзоров обрабатываются с использованием пакета обработки естественного языка для анализа отзывов, а функции извлекаются в виде матрицы характеристик отеля. Кроме того, для этих извлеченных функций вычисляются числовые оценки полярности с использованием SentiWordNet, и рассчитывается средняя оценка полярности. Теперь средневзвешенные оценки полярности рассчитываются путем агрегирования нормализованной оценки ранга, оценки голосования и оценки полярности. Наконец, рекомендации вычисляются с применением подхода нечеткой логики. Мы определили нечеткое множество, содержащее определенные нечеткие правила, для расчета окончательной оценки, чтобы определить тип гостя (одиночка, семья, бизнес, друзья, пара и т. д.) для отеля. Предлагаемый подход к рекомендации отелей показан на рисунке 2. Отображаются окончательные рекомендации отелей на основе определенного типа гостей в одном из пяти различных классов.

    3.1. Процесс извлечения функций

    Прежде всего, прежде чем определить предпочтения рецензента по функциям, мы сначала анализируем необработанные текстовые обзоры и преобразовываем их в структурированную форму для извлечения функций, основанных на мнении. Отзывы с любого веб-сайта обычно извлекаются в файл Json, который затем загружается в системную базу данных. Мы изучили различные типы методов извлечения мнений на основе характеристик из текстовых обзоров и обнаружили, что пакет NLTK является наиболее подходящим инструментом для извлечения характеристик из отзывов об отелях. Набор инструментов для работы с естественным языком NLTK — это библиотека Python для создания программ, работающих с естественным языком. Библиотека может выполнять различные операции, такие как токенизация, выделение корней, классификация, синтаксический анализ, тегирование и семантическое обоснование. В этой статье мы использовали версию NLTK 3.3. Следующие шаги были выполнены для выявления многочисленных характеристик из отзывов об отелях: (i) Извлечение характеристик из обзора и группировка синонимичных характеристик (ii) Поиск и присвоение ценности мнениям, которые связаны с различными характеристиками в обзоре (iii) Назначение этих имеет значение в нормированном диапазоне

    Данные обзора преобразуются в значения, разделенные запятыми, чтобы быть доступными в легко читаемой форме, т. е. в формате данных на естественном языке. Предлагаемая система должна выполнять обработку естественного языка для извлечения характеристик отеля на основе мнения предыдущих гостей. Мы выполнили следующие четыре шага для обработки обзора текста на естественном языке следующим образом: (i) Лексический анализ (ii) Синтаксический анализ (iii) Семантический анализ (iv) Извлечение признаков

    3.
    1.1. Лексический анализ

    При лексическом анализе в качестве входных данных используются потоки символов, а в качестве выходных данных генерируются потоки токенов.

    (1) Токенизация . Отзывы об отелях доступны в виде абзаца, состоящего из нескольких предложений или строк. Эти строки разбиваются на токены или лексиконы. Эти токены обычно представляют собой слова, но также могут быть числами или символами. Обычно из предложений удаляются все пробельные символы, а алфавиты или числа рассматриваются как единый токен. Эти токены далее проходят через POS-теггер, чтобы получить разные части речи, называемые морфемами. Например, глагол «чувствует» хранится как «чувствовать + s», а существительное «овощи» сохраняется как «овощи + s». После этого морфемы лексически анализируются деревом синтаксического анализа (таблицы 3 и 4).

    3.1.2. Анализ синтаксиса

    На этом этапе анализа все предложения и фразы абзаца обзоров проверяются на соответствие установленным грамматическим правилам английского языка. В этом документе используется проверка орфографии Google для исправления грамматических ошибок и опечаток в просканированных обзорах. Опечатки в тексте отзыва исправляются с помощью статистической проверки орфографии (http://norvig.com/spell-correct.html) и удаления дубликатов и ненужных знаков препинания в предложениях, например, !, ? и т.д. использовал общепризнанный POS-тегер, чтобы удалить некоторую зашумленную информацию, содержащуюся в тексте отзыва, такую ​​как синтаксические ошибки и ошибки. На этом этапе также определяются основные части всех предложений, то есть часть объекта, часть субъекта и часть глагола. На этом этапе также генерируются дерево синтаксического анализа и типизированные зависимости. Анализатор синтаксической зависимости (http://nlp.stanford.edu/software/lex-parser.shtml.) также может возвращать отношения синтаксической зависимости между словами в предложении. от реальных слов, называемых производными словами. Стемминг используется для приведения производных слов к их корневым формам. В нашей работе использовался Lancaster Stemmer. Python NLTK предоставляет WordNet Lemmatizer, который использует базу данных WordNet для поиска лемм слов. Часть речи сначала определяется перед получением фактического корня слова. В этом процессе сначала определяется часть речи слова, и для каждой части речи применяются разные правила нормализации. (b) Удаление лишних слов: обзоры обычно содержат слова, которые не имеют существенного значения для выделения характеристик какого-либо продукта или продукта. такие элементы, как «the», «a», «также», «о», «an», «at», «to» и т. д. Эти слова удаляются. Не существует всемирно одобренной библиотеки для списка стоп-слов, присутствующих в английском языке. Чтобы решить эту проблему, мы разработали собственную библиотеку для таких слов в java. (c) Сокращение преувеличенных слов. (d) Слова, в которых одна и та же буква повторяется более двух раз в одном слове и не присутствует в лексиконе, сокращаются. к осмысленному слову с повторяющейся буквой, встречающейся только один раз, как преувеличенное слово «НЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕееееЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЕЧЕНИЕ» (e) Тегирование части речи: слова с похожими грамматическими свойствами классифицируются с помощью системы тегирования части речи. Каждое слово в обзоре разделено и помечено в соответствии с частью речи, к которой оно принадлежит. Слова помечаются как существительные в единственном числе, существительные во множественном числе, глаголы, прилагательные, наречия и т. д. Пакет NLP возвращает теги, такие как NN для нарицательных существительных в единственном числе, NP для имен собственных в единственном числе и т. д.

    3.1.3. Семантический анализ

    При семантическом анализе все помеченные слова среди предложений обзора извлекаются в какой-либо табличной форме. На этом конкретном этапе решается, какие действия выполняются конкретным субъектом, а также определяется ряд атрибутов, связанных с каждым объектом. Выход семантического анализатора, как и в таблице 5, содержит семантическую таблицу, которая генерируется по входному тексту обзора на основе дерева разбора, созданного на предыдущем этапе.

    Если в предложении есть существительное, то мы принимаем его за признак и сохраняем текущее предложение под этим признаком. Извлеченная информация в семантической таблице используется для выражения характеристик отеля. Чтобы найти значение полярности для всех характеристик из отзывов пользователей с использованием методов анализа мнений, получается матрица характеристик отеля, как показано в таблице 6.

    3.2. Обнаружение полярности

    Мы определяем полярность каждого отзыва в коллекции отзывов с помощью библиотеки NLTK и вычисляем совокупную оценку полярности для каждой функции на основе каждого отзыва для каждого отеля с выбранных веб-сайтов. Мы начали проводить анализ мнений на основе характеристик каждого отзыва, где мнение указывает на положительное, нейтральное или отрицательное мнение, которое рецензент выразил по поводу функции на основе слов мнения, поскольку существует несколько слов мнения (отличный, приятный и потрясающий), которые связаны с каждой функцией (местоположение, номер и еда) в обзоре. Мы оцениваем силу настроения каждого слова мнения, которая также называется полярностью. В этом анализе значения обзорных функций и связанные с ними мнения с точки зрения полярности получены и показаны в таблице 7.

    3.2.1. Поколение TF-IDF

    После предварительной обработки текстовых обзоров и удаления всех повторяющихся записей и ненужных стоп-слов для каждого обзора необходимо создать Tf-Idf (частота терминов -обратная частота документа). Мы вычисляем весовые коэффициенты каждого элемента в обзоре, используя метод термина «частота обратной частоты документа» (TF-IDF), чтобы определить, какие термины могут быть наиболее репрезентативными и часто встречающимися в коллекции документов, а также какие слова являются менее репрезентативными и редко встречающимися. . TF-IDF вычисляется для каждого термина, встречающегося в наборе обзоров. определяется следующим образом:

    В то время как IDF для термина задается следующим образом:

    Теперь мы должны взвесить частые термины и найти редкие, вычислив вес TF-IDF. Вес TF-IDF является произведением и :

    SentiWordNet — это словарь, который сообщает, а не значение, полярность настроений в обзоре. Для выявления полярности и субъективности различных отзывов об отелях, а также для получения полярности и субъективности мы использовали общедоступный анализатор английского языка SentiWordNet, содержащий мнения, извлеченные из базы данных WordNet. Мы разделяем нашу коллекцию отзывов, чтобы извлечь слова (функции отеля) и назначаем все репрезентативные элементы, встречающиеся под соответствующими функциями отеля, как объяснялось на предыдущих шагах, находим положительные (pos), отрицательные (neg) и нейтральные (neu) термины для расчета настроения. счет. SentiWordNet включен в пакет Python NLTK и предоставляет синсеты WordNet с полярностью настроений. WordNet дает различные типы семантических ассоциаций между словами, которые используются для расчета полярности настроений. Проще говоря, анализ настроений — это процесс количественной оценки чего-то качественного по своей природе, например, текстовых обзоров. Оценка тональности термина (положительная или отрицательная) умножается на вес TF-IDF для расчета общей оценки тональности (полярности) терминов в документе и определяется следующим образом:

    Общая оценка полярности настроений (отрицательная или положительная) объясняет, сколько характеристик положительно или отрицательно важны в отзыве об отеле. Поскольку с каждой функцией в обзоре связано несколько слов-мнений, рассчитывается средневзвешенное значение, которое выступает в качестве веса для представления общей положительной или отрицательной поляризации обзора. Если показатель полярности характеристики в отзывах об отеле больше нуля, то характеристика является положительно поляризованной; если меньше нуля, то поляризован отрицательно; а если он равен нулю, то он представляет нейтральность. Мы рассчитали полярность всех отзывов об отелях, взятых из разных источников данных.

    Полярность отзывов Pr об отеле с выбранного веб-сайта можно рассчитать, взяв разность совокупной оценки полярности положительных отзывов posr и совокупной оценки полярности отрицательных отзывов negr об этой конкретной гостинице h n from the particular selected website :where posr m  ∧ negr m  ∈  h n and h n  ∈ .

    Затем мы возьмем совокупную оценку полярности текстовых отзывов о каждом отеле с каждого выбранного веб-сайта. Агрегация — это процесс объединения вещей. То есть, сложив эти вещи вместе, чтобы мы могли ссылаться на них вместе:

    Средневзвешенное значение агрегированной полярности по общему количеству отзывов о соответствующем отеле на выбранном веб-сайте и весовому баллу рангов и голосов будет рассчитано следующим образом:

    Здесь T общее количество отзывов об отеле h n с веб-сайта отеля: где N — это общее количество выбранных веб-сайтов отелей, содержащих большое количество отзывов об отелях. N избранных веб-сайтов.

    3.3. Классификация типов и рекомендации

    Классификация осуществляется путем подсчета итогового балла. Слова отзывов сопоставляются со словарными словами, и если это положительное слово, то оценка будет +1; если отрицательное слово, то оценка будет -1, иначе 0. Окончательная рекомендация достигается с использованием подхода нечеткой логики. Теория нечетких множеств обеспечивает основу для представления неопределенности многих аспектов человеческого знания. Для данного элемента теория нечетких множеств представляет степени принадлежности множеству. Например, если у нас есть множество одиноких гостей, то мы можем считать, что человек, который любит заниматься в спортзале или массаж в отеле, принадлежит к такому множеству со степенью 1 или человек, который любит провести ночь газелей или Кинотеатр в отеле должен быть парой гостей и принадлежит к набору в какой-то другой степени. Цель нашего рекомендателя — предоставить рекомендации отелей на основе некоторых экспертных критериев с использованием нечеткого множества. Первый шаг процесса рекомендации состоит в представлении знаний о том, как выбираются отели. Эти знания выражаются с помощью нечетких множеств.

    На первом этапе нечеткие множества определяются на основе экспертных знаний. Эксперт объясняет характеристики отелей и характеристики клиентов с помощью нечетких множеств. Второй шаг состоит в предоставлении рекомендаций с использованием ранее построенной матрицы характеристик отеля и рейтинга, которая может использоваться рекомендательной системой, основанной на методе совместной фильтрации.

    3.3.1. Нечеткое множество

    Для представления степени принадлежности определенного отеля к определенному классу используется теория нечетких множеств. Окончательная рекомендация достигается с помощью подхода нечеткой логики, основанного на нечетких правилах, путем расчета окончательной оценки, чтобы определить класс отеля в зависимости от типа гостя (одиночка, пара и т. д.), как показано на рисунке 3. Определены нечеткие правила. следующим образом: Правило 1: если F  > 8, то тип отеля «R (рекомендуемый)» Правило 2: иначе, если F  > 6 и F  ≤ 8, тогда тип отеля «BR (наилучший рекомендуемый)» Правило 3: иначе, если F > 4 и F  ≤ 6, то тип отеля — «AR (средний рекомендуемый)» Правило 4: иначе, если F  > 2 и F  ≤ 4, то тип отеля — «LR (наименее рекомендуемый)» Правило 5: иначе Тип отеля «NR (не рекомендуется)»

    4.
    Настройка реализации
    4.1. Хранилище NoSQL

    Поскольку наш рекомендатель предназначен для работы с разнородными типами данных, требуется база данных, в которой можно хранить такие разнообразные данные. У нас есть база данных Cassandra для хранения данных, используемых в предлагаемом рекомендателе. Страницы обзора, соответствующие ключевым словам запроса, загружаются и сохраняются в базе данных NoSQL в Hadoop. Набор данных, используемый в этом исследовании, получен из внешних ресурсов, таких как веб-сайт отеля Trip Advisor и Expedia. Данные об отелях сохраняются в формате значений, разделенных запятыми (CSV). Таким образом, он преобразуется в формат JSON для повышения его удобочитаемости. Текстовые обзоры пользователей и рейтинги, присвоенные существующими пользователями, записанные как рейтинг, лайки или звездочки, хранятся в Cassandra. Оценка рангов может варьироваться по разным шкалам от 1 до 5 или от 1 до 10. В этой статье рассчитываются нормализованные ранги. Cassandra в разработанном подходе уменьшит время выполнения, представленное в миллисекундах (мс). Набор данных содержит отзывы об отелях и отзывы пользователей в виде голосов, рейтингов и просмотров видео на YouTube. Данные собираются на этапах, показанных на рисунке 4.9.0003

    В предлагаемом нами приложении обработка разработанного веб-рекомендательного приложения объясняется следующими шагами: (i) Запуск процесса (ii) Активный пользователь запрашивает систему, вводя данные в соответствии с критериями поиска и типами гостей, такими как соло , пара и бизнес (iii) Затем система проверяет данные предыдущих пользователей (рейтинги, ранги и обзоры), соответствующие запросу из Интернета в базе данных системы (iv) Система фильтрует данные запроса, сопоставляя запрос в доступные внешние веб-источники(v)Если совпадают с запросом, соберите метаданные(vi)Сохраните метаданные в базе данных NoSQL(vii)Если они не совпадают, удалите их(viii)Повторяйте, пока не будут найдены все совпадающие метаданные( ix) Конец

    4.2. Обзор системы

    Предлагаемое приложение рекомендательной системы состоит из трех основных компонентов. Первый — это внешние ресурсы, затем внешний интерфейс, а второй — внутренний, как показано на рис. 5. Набор данных содержит отзывы об отелях и рейтинги, взятые с внешних веб-сайтов отелей Trip Advisor и Expedia. Обзоры разделены на обучающие и тестовые наборы данных для проверки улучшенной производительности предлагаемой методологии с использованием платформы Hadoop и базы данных Cassandra. Полные данные сохраняются в базе данных предлагаемой системы с помощью веб-краулера, написанного на языке java в соответствии с разработанной методологией.

    Чтобы получить лучшие рекомендации, связанные с выбором и желанием пользователей, наша система рекомендаций по отелям разработана с использованием определенных методов и методов, а также использует некоторые инструменты с открытым исходным кодом, такие как платформа Hadoop и Cassandra. Приложение доступно онлайн с любой платформы и использует среду разработки, основанную на надежных инструментах с открытым исходным кодом. Вычислительная среда также обсуждается в Таблице 8. В предлагаемом приложении пользователь может запрашивать критерии поиска, чтобы получить рекомендации по своему желанию. Система предоставляет рекомендации, используя оценки полярности отзывов и рейтинги, рассчитанные с использованием данных отзывов пользователей, хранящихся в Cassandra, которые соответствуют запросу активного пользователя.

    4.3. Вычислительные ресурсы

    Ресурсы, необходимые для тестирования предлагаемой нами системы, также включают в себя некоторые надежные инструменты с открытым исходным кодом, например, Cassandra, Hadoop, amd PHP. Технические характеристики системы приведены в таблице 8.

    4.4. Веб-служба и методы

    Разработанное приложение для рекомендаций отелей будет доступно через веб-страницу. Соединения HTTP используются для выполнения ряда веб-служб с использованием соответствующих определяющих URI. Связанные данные собираются приложением, когда запрос GET отправляется по URI, при этом указанный метод обеспечивает аутентификацию пользователя и необходимые параметры запроса (QP). Соответствующее ответное сообщение HTTP форматируется в формате JSON с сохранением единообразия данных и возвращается в приложение. Когда пользователю требуются какие-либо данные с веб-страницы, для подключения пользователя используются определенные указанные URI и HTTP-соединения. Пользователь сделал запрос, и он отправляется через соответствующий метод HTTP с использованием необходимых параметров, требуемых этим конкретным методом, а затем после обработки запрошенные данные отображаются на странице внешнего интерфейса веб-приложения. Все используемые методы и их параметры в URI показаны в таблице 9..

    Данные об отеле преобразуются в формат JSON для предоставления информации об отеле для получения рекомендации из большого количества доступных отелей. Во время передачи данных веб-сервисы и методы защищены SSL через рекомендательное веб-приложение.

    4.5. Эксперимент и результаты

    Мы использовали два надежных репозитория данных (Trip Advisor и Expedia), содержащих значительное количество рейтингов, рейтингов и обзоров, чтобы представить разнородность данных, то есть текстовые обзоры и числовые рейтинги и рейтинги. Эти оценки данных содержат данные для 8000 самых популярных отелей, а также коллекцию отзывов и рейтингов отелей, которые полезны в наших экспериментах. После предварительной обработки данных, генерации TF-IDF и определения полярности с помощью SentiWordNet мы вычислили показатели полярности для текстовых обзоров, полученных с каждого выбранного веб-сайта. Мы проиллюстрировали данные, полученные от выбранных отелей и соответствующего источника данных, и их обработку в предлагаемой методологии в таблице 10.

    В таблице 8 выбранный внешний источник данных, используемый в нашей работе, такой как Trip Advisor, представлен как «D1», а Expedia — как «D2». Точно так же соответствующие выбранные отели представлены как Mandarin Oriental, New York «h2», Amsterdam Court Hotel «h3», Hotel Metro «h4», Millennium Hilton «h5» и Belnord Hotel «H5». Мы рассчитали баллы полярности текстовых отзывов для каждого отеля с выбранных веб-сайтов. Также рассчитываются нормализованная ранговая оценка (шкала 1–5) и оценка голосования. Оценка голосования представляет собой количество голосов, отданных клиентом каждому отелю. Названия отелей и источники данных с соответствующими им идентификаторами показаны в таблице.

    Нормализованные рейтинговые оценки выбранного отеля из двух выбранных источников данных, таких как Trip Advisor «D1» и Expedia «D2», представлены на рисунке 6, и было отмечено, что Expedia имеет более высокие рейтинги по сравнению с Trip Advisor. .

    Оценки полярности текстовых отзывов об отелях, взятых из различных выбранных источников данных, рассчитываются и агрегируются в Таблице 11. Средневзвешенная полярность достигается путем добавления нормализованных рангов и голосов к средней полярности (рассчитывается путем усреднения агрегированных полярностей).

    Сила веб-сайтов социальных сетей, таких как Twitter, YouTube и Facebook, также вносит изменения в то, как путешественники ищут предложения и советы, прежде чем принимать решение о бронировании определенного отеля. Видео содержат изображения отелей, а также представляют гостиничные услуги, что также может повлиять на поведение клиентов перед выбором отеля, а также повлиять на рейтинг отеля. Вот почему мы использовали просмотры видео на YouTube в нашей работе, чтобы представить гетерогенный подход. Мы добавили количество просмотров в средневзвешенной полярности, чтобы рассчитать агрегированную средневзвешенную полярность для рекомендаций по качеству. Окончательные баллы вместе с классами отелей показаны в Таблице 12.

    Эти разнородные источники данных, такие как рейтинги, голоса, текстовые обзоры и просмотры, вычисляются с использованием предложенного подхода, и окончательные ранговые баллы получаются, как показано на рис. 7. Отели классифицируются на основе итогового рейтингового балла. То же самое поясняется в таблице 12, а класс отеля определяется на основе нечеткого множества, используемого в нашей работе.

    Итоговый ранговый балл «F» отеля h2 «SpringHill Suites Denver Downtown» больше 8, поэтому он отнесен к классу «R». Отель h4 «Mandarin Oriental New York» относится к классу «BR», поскольку показатель «F» больше 6 и меньше 8. Принимая во внимание, что отель h3 «Amsterdam Court Hotel», отель h5 «Millennium Hilton» и H5 отель «Белнорд Отель» имеет больше 2 и меньше 4 баллов, поэтому он относится к классу «LR».

    На рис. 8 представлен класс каждого отеля, взятый из выбранных источников данных, по сравнению с окончательным ранговым баллом, рассчитанным на основе типов гостей, таких как соло, семья и пара.

    На рис. 7 представлена ​​оценка каждого рекомендованного критерия по отношению к выбранному источнику данных и предлагаемой системе с использованием разнородных данных.

    Это разработанное веб-приложение предоставляет клиентам возможность выбрать желаемый отель из большого количества доступных отелей. Рекомендательная система осуществляет поиск на основе заданных системой критериев в зависимости от типа гостя. Список рекомендуемых отелей, сгенерированный предлагаемой системой, показан на рисунке 9..

    5
    . Оценка производительности системы
    5.1. Метрики оценки

    Некоторые метрики оценки используются для оценки точности предлагаемой системы. Эти показатели оценки показывают, что результаты, полученные предлагаемой системой, принимаются целевыми пользователями. В основном оценка эффективности показывает, что нужно улучшить, прежде чем продукт выйдет на рынок. Без анализа производительности программное приложение, вероятно, будет страдать от таких проблем, как медленная работа, когда несколько пользователей используют его одновременно, или если система не отвечает быстро. Итак, мы провели анализ производительности, чтобы продемонстрировать, что предлагаемая система дает эффективные рекомендации; есть ряд метрик, но мы использовали три метрики, которые используются в этом исследовании.

    Точность — это первая мера, используемая для оценки нашей системы, представленная следующим уравнением:

    Согласно отзывам пользователей в системе, мы предполагаем, что A представляет собой общее количество рекомендованных отелей, понравившихся пользователю, а C представляет собой количество отелей, которые не понравились пользователю. « C  +  A » будет общим количеством отелей, рекомендованных системой одному и тому же пользователю. Точность можно рассчитать, взяв отношение количества рекомендуемых отелей, которые понравились пользователю, к общему количеству отелей, рекомендованных системой. Уровень отзыва определяется следующим образом в соответствии с теми же предположениями, сделанными выше: где « B ”представляет собой количество отелей, которые являются целевыми, но не рекомендуются пользователю, а B  +  A включает все отели, которые могут понравиться пользователю. Коэффициенты отзыва и точности противоположны друг другу. Показатель Perfect Recall «1» означает сравнительно низкий показатель точности. Высокая точность, но более низкий отзыв дает чрезвычайно точную рекомендацию. Третьей используемой мерой точности является F-мера, представленная следующим уравнением:

    F-мера является Гармоническим средним значением точности и полноты и используется для оценки точности и эффективности результатов, генерируемых предлагаемой рекомендательной системой.

    Мы использовали подмножество фактического набора данных, который содержит 100 отелей с 500 пользователями с каждого из выбранных веб-сайтов, в качестве образцового набора данных для тестирования и обучения нашей предлагаемой системы. Метаданные делятся на данные тестирования (40%) и данные обучения (60%). В зависимости от этих частей данных, мы первоначально выполнили расчеты на базовых 40% данных образцовых метаданных в виде фрагментов 20% данных для тестирования разработанной системы в таблице 13. Мы постепенно включили метаданные оставшиеся 60% набора данных в систему для обучения системы. Показатели точности Precision, Recall и F-measure с каждым приращением измеряются для образцовых данных и записываются.

    На рис. 10 показаны значения F-меры рекомендаций по предложенным механизмам с примерными небольшими данными. Предлагаемая рекомендательная система поддерживает вычисления для оценки того, как это повлияет на точность рекомендаций. Система с набором данных NoSQL и предлагаемым подходом к машинному обучению с использованием анализа настроений дает точные рекомендации, а значение коэффициента F-меры составляет 0,950, поскольку исходный используемый примерный набор данных очень мал и содержит 100 отелей с 500 пользователями, поэтому такое огромное улучшение с точки зрения точности , Напомним, и F-мера получается. По мере увеличения процента данных значения показателей эффективности уменьшаются.

    После тестирования системы с исходными примерными метаданными фактическое полное количество отелей в используемом наборе данных, полученном от Trip Advisor и Expedia, содержит 8000 отелей и данные 10 миллионов пользователей. Поскольку фактический полный набор данных велик, значения метрик точности сравнительно уменьшились, но по-прежнему показывают многообещающие результаты, как показано в таблице 14. Это показывает, что предлагаемый рекомендатель, использующий подход анализа настроений, предоставляет пользователям точные и качественные рекомендации. Графическое представление также показано на рисунке 11.

    5.2. System Processing Time

    Анализ производительности выполняется, чтобы гарантировать, что программное приложение будет хорошо работать при ожидаемой рабочей нагрузке. Большинство проблем с производительностью связаны со скоростью, временем отклика, временем загрузки и плохой масштабируемостью. Время отклика часто является одним из наиболее важных атрибутов приложения. Медленно работающее приложение потеряет потенциальных пользователей. Тестирование производительности проводится, чтобы убедиться, что приложение работает достаточно быстро, чтобы удерживать внимание и интерес пользователя.

    Мы провели тестирование производительности с использованием различных шаблонов рабочей нагрузки (количество пользователей). Мы проводили разные эксперименты с разным количеством пользователей. Для лучшего понимания мы взяли данные 12 пользователей разных профессий и разного возраста для использования и проведения экспериментов над предложенной системой. Они также использовали другие рекомендатели, trivago.com, hotels.com и yatra.com, чтобы получить рекомендуемый список отелей по своему выбору. Уровень их удовлетворенности оценивается путем анализа их мнения о поиске по каждому из этих рекомендателей. Время обработки в разработанной системе также фиксируется во время этих поисков. Участники предоставили обратную связь, которая записана в Таблице 15. Мы разделили удовлетворительный уровень на 3 класса, т.е. менее удовлетворительный (Н), удовлетворительный (У) и очень удовлетворительный (В). Отзывы принимаются по трем параметрам: эффективность времени (TE), актуальность рекомендуемых отелей с выбором пользователя (RoR), экономическая эффективность (CE).

    Результаты, представленные в таблице 15, показывают удовлетворительный уровень участников, в котором большинство пользователей выбрали лучшую категорию для предлагаемой рекомендательной системы.

    Когда пользователь ввел запрос в предложенный рекомендатель, чтобы получить лучшую рекомендацию отеля, предоставив тип гостя в соответствии с его выбором, система выполняет вычисления, используя предлагаемый анализ настроений с помощью машинного обучения, чтобы собрать необходимые рекомендации. Предлагаемая система показала многообещающие результаты с точки зрения улучшения времени отклика по сравнению с традиционными рекомендателями. Система также вычисляет метки времени как время загрузки, время поиска и время выполнения, представленное в миллисекундах (мс). Полученные результаты с точки зрения времени отклика записаны в таблице 16 и показаны на рисунке 12. Сумма времени загрузки и времени поиска вместе называется временем выполнения. Предлагаемая система превосходит и занимает очень меньше времени, предоставляя список рекомендаций.

    Общее среднее время обработки запроса предлагаемой системой при максимальной рабочей нагрузке составляет 2,6592  мс. Наш подход вместе с базой данных Cassandra NoSQL эффективен и помогает сократить общее время обработки. Результаты показывают, что система работает эффективно, что также меняет мнение людей об использовании рекомендаций.

    Система эффективно помогает пользователям в поиске понравившихся отелей. Система предназначена для получения истинных рекомендаций и положительного влияния на поведение клиентов с точки зрения точности рекомендаций с потребностями пользователя. Если будут предоставлены верные рекомендации, это, безусловно, повысит уровень удовлетворенности клиентов, помогая им принимать бизнес-решения.

    6. Сравнительный анализ

    В этом разделе проводится сравнение показателей времени и оценки. Он сравнивает предлагаемый подход с предыдущими традиционными подходами. Выполняется статистический анализ показателей оценки производительности, таких как F-мера, точность и полнота. Чтобы оценить точность рекомендаций предлагаемого метода, мы выполнили сравнение показателей анализа производительности, таких как отзыв, точность и F-мера нашей системы, рекомендованной отелем, с подмножеством фактического набора данных, т. е. с небольшим примерным набором данных (100 отели и 500 пользователей), с полным набором данных (8000 отелей, 10 миллионов пользователей), а также с точностью, отзывом и F-мерой рекомендаций, связанных с традициями, и представлены в таблице 17.

    Мы также сравнили существующие исследования с нашим подходом и обнаружили многообещающее улучшение с точки зрения времени выполнения предложенного подхода. Сравнительный анализ эффективности предлагаемого подхода, основанного на рекомендации отелей, с существующими соответствующими подходами, найденными в литературе, показан в Таблице 18, в которой показаны результаты с точки зрения улучшения времени.

    Приведенное выше сравнение метрики оценки и времени рекомендации показывает, что предложенный подход показал многообещающие результаты. Время рекомендации сокращается при использовании предлагаемого подхода по сравнению с традиционными подходами.

    7. Заключение и будущая работа

    В этой статье предлагается новый подход к рекомендациям CF, который позволяет обрабатывать разнородные данные, такие как текстовые обзоры, рейтинги, голоса и просмотры видео, в среде больших данных Hadoop с базой данных Cassandra. чтобы гарантировать улучшенное время отклика для выработки рекомендаций. В предлагаемой системе анализ настроений на основе мнений используется для извлечения матрицы характеристик отеля и сохранения ее в базе данных. Наш подход сочетает лексический анализ, синтаксический анализ и семантический анализ, чтобы понять отношение к особенностям отеля. Библиотека NLTK используется для определения полярности текстовых обзоров. Система использует нечеткие правила для определения класса отеля в зависимости от типа гостя. Евклидово расстояние используется для расчета сходства между элементами и предоставления точных рекомендаций в зависимости от типа гостя (одиночка, семья, пара и т. д.). Системе требуется 2,65 миллисекунды для выработки качественных рекомендаций за счет сокращения времени выполнения системы. Результирующая F-мера привела к 0,950 примерно 95%, когда мы запустили систему с примерными данными для обучения системы, но когда система обучена с полным набором данных, полученных для веб-сайтов, F-мера несколько уменьшается. Поскольку фактический полный набор данных велик, значения метрик точности сравнительно снизились до 0,745 (приблизительно 74%), но все еще показывают многообещающие результаты, как показано в таблице 14. Это показывает, что предлагаемый рекомендатель, использующий подход анализа настроений, предоставляет пользователям точные и качественные рекомендации.

    В будущем рекомендательная система должна быть разработана таким образом, чтобы использовать динамические автоматически обновляемые данные, содержащие визуальные просмотры, голоса и обзоры в Интернете с внешних веб-сайтов, чтобы предоставлять рекомендации в соответствии с динамическими данными, обнаруженными в то же время. запрос активного пользователя. Чтобы повысить универсальность рекомендательных сервисов, это будет реализовано путем включения веб-файлов cookie, использования навигационных действий клиентов и получения отзывов о новых рекомендуемых элементах.

    Доступность данных

    Авторы предоставят данные, использованные для экспериментов, по запросу.

    Конфликт интересов

    Авторы заявляют об отсутствии конфликта интересов.

    Ссылки

    1. М. М. Мариани, Д. Бухалис, К. Лонги и О. Витуладити, «Управление изменениями в туристических направлениях: ключевые вопросы и текущие тенденции», Journal of Destination Marketing and Management , vol. 2, нет. 2014. Т. 4. С. 269–272.

      Посмотреть по адресу:

      Сайт издателя | Google Scholar

    2. H. Liu, J. He, T. Wang, W. Song и X. Du, «Объединение пользовательских предпочтений и мнений пользователей для получения точных рекомендаций», Electronic Commerce Research and Applications , vol. 12, нет. 1, стр. 14–23, 2013 г.

      Посмотреть по адресу:

      Сайт издателя | Google Scholar

    3. М. Ибрагим и И. Баджва, «Проектирование и применение многовариантной экспертной системы с использованием среды Apache Hadoop», Устойчивое развитие , том. 10, нет. 11, с. 4280, 2018.

      Посмотреть по адресу:

      Сайт издателя | Google Scholar

    4. Дж. Дж. Чжан и З. Мао, «Изображение всех гостиничных весов в блогах о путешествиях: его влияние на лояльность клиентов», Journal of Hospitality Marketing and Management , vol. 21, нет. 2, стр. 113–131, 2012 г.

      Посмотреть по адресу:

      Сайт издателя | Google Scholar

    5. Ю. Корен, Р. Белл и К. Волински, «Методы матричной факторизации для рекомендательных систем», ЭВМ , том. 42, нет. 8, 2009.

      Посмотреть по адресу:

      Сайт издателя | Google Scholar

    6. М.-Ю. Се, В.-К. Чоу и К.-К. Ли, «Создание службы рекомендации фильмов для мобильных устройств на основе пользовательского рейтинга и использования приложений со связанными данными в Hadoop», Multimedia Tools and Applications , vol. 76, нет. 3, стр. 3383–3401, 2017.

      Посмотреть по адресу:

      Сайт издателя | Google Scholar

    7. Р. Берк, «Гибридные рекомендательные системы: опрос и эксперименты», Пользовательское моделирование и взаимодействие, адаптированное к пользователю , vol. 12, нет. 4, стр. 331–370, 2002.

      Посмотреть по адресу:

      Сайт издателя | Google Scholar

    8. P. Lops, M. De Gemmis и G. Semeraro, «Контентно-ориентированные рекомендательные системы: современное состояние и тенденции», в Recommender Systems Handbook , стр. 73–105, Springer, Бостон, Массачусетс, США, 2011.

      Посмотреть по адресу:

      Сайт издателя | Google Scholar

    9. М. Д. Экстранд, Дж. Т. Ридл и Дж. А. Констан, «Коллаборативные фильтрующие рекомендательные системы», Основы и тенденции взаимодействия человека и компьютера , vol. 4, нет. 2, стр. 81–173, 2011 г.

      Посмотреть по адресу:

      Сайт издателя | Google Scholar

    10. J. Zhang, Q. Peng, S. Sun и C. Liu, «Алгоритм рекомендаций по совместной фильтрации, основанный на предпочтениях пользователя, полученных на основе характеристик предметной области», Physica A: Statistical Mechanics and its Applications , об. 396, стр. 66–76, 2014.

      Посмотреть по адресу:

      Сайт издателя | Академия Google 9Тел. 1, стр. 317–320, IEEE, Кайфэн, Китай, апрель 2010 г.

      Посмотреть по адресу:

      Сайт издателя | Google Scholar

    11. Б. Сарвар, Г. Карипис, Дж. Констан и Дж. Ридл, «Алгоритмы рекомендаций по совместной фильтрации на основе элементов», в Proceedings of the 10th International Conference on World Wide Web , стр. 285–295, ACM, Гонконг, май 2001 г. эффективная мера подобия для рекомендательных систем совместной фильтрации на основе пользователей, вдохновленных принципом физического резонанса», IEEE Access , vol. 5, стр. 27211–27228, 2017.

      Посмотреть по адресу:

      Сайт издателя | Google Scholar

    12. К. Чжан, К. Ван, С. Ван, С. Цзинь и А. Чжоу, «Рекомендации по отелям на основе анализа предпочтений пользователей», в Proceedings of the 2015 31st International Conference on Data Engineering Workshops (ICDEW) , pp. 134–138, IEEE, Сеул, Южная Корея, апрель 2015 г.

      Посмотреть по адресу:

      Сайт издателя | Google Scholar

    13. Л. Чен и Ф. Ван, «Обзоры кластеризации на основе предпочтений для увеличения рекомендаций по электронной коммерции», Системы, основанные на знаниях, , том. 50, стр. 44–59, 2013 г.

      Посмотреть по адресу:

      Сайт издателя | Академия Google

    14. З. Чанг, М. С. Арефин и Ю. Моримото, «Рекомендации по отелям на основе окружающих условий», в Трудах Международной конференции IIAI 2013 г. по передовой прикладной информатике (IIAIAAI) , стр. 330–336, IEEE, Мацуэ. , Япония, август-сентябрь 2013 г.

      Посмотреть по адресу:

      Сайт издателя | Google Scholar

    15. Й. Шарма, Дж. Бхатт и Р. Магон, «Многокритериальная система рекомендаций отелей на основе отзывов», в Трудах Международной конференции IEEE 2015 г. по компьютерным и информационным технологиям; вездесущие вычисления и коммуникации; Надежные, автономные и безопасные вычисления; Всеобъемлющий интеллект и вычисления (CIT/IUCC/DASC/PICOM) , стр. 687–691, IEEE, Ливерпуль, Великобритания, октябрь 2015 г.

      Посмотреть по адресу:

      Сайт издателя | Google Scholar

    16. Т. Чен и Ю. Х. Чуанг, «Подход к нечеткому и нелинейному программированию для оптимизации эффективности вездесущих рекомендаций отелей», Journal of Ambient Intelligence and Humanized Computing , vol. 9, нет. 2, стр. 275–284, 2018 г.

      Посмотреть по адресу:

      Сайт издателя | Google Scholar

    17. А. Верма и Х. Вирк, «Гибридная жанровая рекомендательная система для фильмов с использованием генетического алгоритма и подхода kNN», Международный журнал инноваций в технике и технологиях , том. 5, нет. 4, стр. 48–55, 2015.

      Посмотреть по адресу:

      Google Scholar

    18. К. Кабасси, «Персонализация рекомендаций для туристов», Телематика и информатика , том. 27, нет. 1, стр. 51–66, 2010.

      Посмотреть по адресу:

      Сайт издателя | Google Scholar

    19. У. Фасахте, Д. Гамбхир, М. Мерулингкар и А. М. П. А. Похаре, «Система рекомендаций отелей», стр. 9.1709 Имперский журнал междисциплинарных исследований , том. 3, нет. 11, 2017.

      Посмотреть по адресу:

      Google Scholar

    20. Г. Креспо, А. Л. Куадрадо, Дж. Л. К. Паласиос, Р. Г. Карраско и И. Р. Мескуа, «Sem-Fit: семантическая экспертная система для предоставления рекомендаций в сфере туризма». домен», Экспертные системы с приложениями , том. 10, нет. 38, стр. 13310–13319, 2011.

      Посмотреть по адресу:

      Сайт издателя | Академия Google

    21. Ю. Х. Ху, П. Дж. Ли, К. Чен, Дж. М. Тарн и Д.-В. Данг, «Система рекомендаций отелей, основанная на обзорной и контекстной информации: приложение для совместной фильтрации», в Proceedings of the Pacific Asia Conference on Information Systems PACIS , p. 221, город Цзяи, Тайвань, июнь-июль 2016 г.

      Посмотреть по адресу:

      Google Scholar

    22. Хван С. Ю., Лай С. Ю., Чанг С. и Цзян Дж. Pacific Asia Journal of the Association for Information Systems , vol. 6, нет. 4, 2015.

      Посмотреть по адресу:

      Google Scholar

    23. Р. Сандип, С. Суд и В. Верма, «Анализ настроений в Твиттере на основе отзывов клиентов в режиме реального времени для прогнозирования роста индийских телекоммуникационных компаний», in Proceedings of the 2018 4th International Conference on Computing Sciences (ICCS) , стр. 166–174, IEEE, Phagwara, Индия, август 2018 г.

      Посмотреть по адресу:

      Сайт издателя | Google Scholar

    24. С. Мэн, В. Доу, С. Чжан и Дж. Чен, «KASR: метод рекомендаций службы с учетом ключевых слов в MapReduce для приложений больших данных», IEEE Transactions on Parallel and Distributed Systems , том. 25, нет. 12, стр. 3221–3231, 2014.

      Посмотреть по адресу:

      Сайт издателя | Google Scholar

    25. А. Гхоз, П. Г. Ипейротис и Б. Ли, «Разработка систем ранжирования отелей в поисковых системах для путешествий путем анализа пользовательского и краудсорсингового контента», Маркетинговая наука , том. 31, нет. 3, стр. 493–520, 2012 г.

      Посмотреть по адресу:

      Сайт издателя | Google Scholar

    26. Н. М. Алмейда, Дж. А. Силва, Дж. Мендес и П. Оом ду Валле, «Влияние маркетинговых коммуникаций на процесс бронирования туристами отелей», Anatolia , vol. 23, нет. 2, стр. 234–250, 2012 г.

      Посмотреть по адресу:

      Сайт издателя | Google Scholar

    27. К. П. Лин, С. Ю. Лай, П. К. Чен и С. Ю. Хван, «Персонализированные рекомендации отелей с использованием анализа текста и отслеживания просмотров мобильных устройств», в Proceedings of the 2015 IEEE International Conference on Systems, Man, and Cybernetics (SMC) , стр. 191–196, IEEE, Гонконг, Китай, октябрь 2015 г. , Риантхонг, А. Думронгсири и Ю. Кода, «Улучшение многомерной последовательности гостиничных номеров на веб-сайте туристического онлайн-агентства», Исследования и приложения в области электронной коммерции , том. 17, стр. 74–86, 2016 г.

      Посмотреть по адресу:

      Сайт издателя | Академия Google

    28. Г. С. Лал и А. С. Багел, «Эффективное извлечение признаков в классификации настроений для контрастных предложений», Международный журнал современного образования и компьютерных наук , том. 10, нет. 5, с. 54, 2018.

      Посмотреть по адресу:

      Сайт издателя | Google Scholar

    29. Д. Яннах, Ф. Гедикли, З. Каракая и О. Джувиг, «Рекомендация отелей на основе многомерных оценок клиентов», в Информационные и коммуникационные технологии в туризме , Springer, Вена, Австрия, 2012 г.

      Просмотр по адресу:

      Google Scholar

    30. М. Ибрагим, И. С. Байва, Р. Ул-Амин и Б. Каси, «Подход, основанный на нейронных сетях, для улучшения и настоящие рекомендации фильмов», Computational Intelligence and Neuroscience , vol. 2019, нет. 7, ID статьи 4589060, 19 страниц, 2019 г.

      Посмотреть по адресу:

      Сайт издателя | Google Scholar

    31. C. Bouras и V. Tsogkas, «Улучшение рекомендаций новостных статей с помощью кластеризации пользователей», Международный журнал машинного обучения и кибернетики , том. 8, нет. 1, стр. 223–237, 2017.

      Посмотреть по адресу:

      Сайт издателя | Google Scholar

    32. Д. Валькарсе, Дж. Парапар и А. Баррейро, «Распределенная платформа рекомендаций для больших данных», Journal of Universal Computer Science , vol. 21, нет. 13, pp. 1810–1829, 2015.

      Посмотреть по адресу:

      Google Scholar

    33. С. Иштиак, Н. Маджид, М. Максуд и А. Джавед, «Улучшенная масштабируемая рекомендательная система», г. The Nucleus , vol. 53, нет. 3, pp. 200–207, 2016.

      Посмотреть по адресу:

      Google Scholar

    34. Х. Джазайерий, С. Мохаммади и С. Шамширбанд, «Система быстрых рекомендаций для холодных пользователей с использованием категоризированных элементов», Математические и вычислительные приложения , том. 23, нет. 1, с. 1, 2018.

      Посмотреть по адресу:

      Сайт издателя | Google Scholar

    35. К. Судха, М. Лаванья и А. Каниможи, «Подход к совместной фильтрации на основе элементов для приложения больших данных», Международный журнал научных исследований, техники и технологий (IJSRET) , том. 3, нет. 8, pp. 1222–1224, 2014.

      Посмотреть по адресу:

      Google Scholar

    36. Г. Линден, Б. Смит и Дж. Йорк, «Рекомендации Amazon.com: совместная фильтрация элементов, IEEE Internet Computing , vol. 7, нет. 1, стр. 76–80, 2003 г.

      Посмотреть по адресу:

      Сайт издателя | Google Scholar

    37. М. Ману и Б. Рамеш, «Реализация однокритериального совместного фильтра с использованием Apache Mahout в больших данных», Международный журнал компьютерных наук и техники , том. 5, нет. 1, pp. 7–13, 2017.

      Просмотр по адресу:

      Google Scholar

    38. Морозов С. и Чжун X. Оценка показателей сходства в рекомендациях по совместной фильтрации, Proceedings of the 2013 Hawaii University International Conferences Education & Technology Math & Engineering Technology , Гонолулу, Гавайи, США, июнь 2013 г.

      Посмотреть по адресу:

      Google Scholar

    39. К. Шамбур, М. А. Хурани и С. Фрайхат, «Алгоритм многокритериальной совместной фильтрации на основе элементов для персонализированных рекомендательных систем», International Journal of Advanced Computer Science and Applications , vol. 7, нет. 8, стр. 275–279, 2016.

      Посмотреть по адресу:

      Сайт издателя | Google Scholar

    40. Ф. Качеда, В. Карнейро, Д. Фернандес и В. Формозо, «Сравнение алгоритмов совместной фильтрации: ограничения существующих методов и предложения для масштабируемых, высокопроизводительных рекомендательных систем», Транзакции ACM в Интернете (TWEB) , vol. 5, нет. 1, с. 2, 2011.

      Посмотреть по адресу:

      Сайт издателя | Google Scholar

    41. М. Нилаши, О. бин Ибрагим, Н. Итнин, Н. Х. Сармин и Н. Х. Сармин, «Многокритериальная рекомендательная система совместной фильтрации для туристической области с использованием максимизации ожидания (EM) и PCA-ANFIS, Исследования и приложения в области электронной коммерции , vol. 14, нет. 2015. Т. 6. С. 542–562.

      Посмотреть по адресу:

      Сайт издателя | Google Scholar

    42. П.

    admin

    Добавить комментарий

    Ваш адрес email не будет опубликован. Обязательные поля помечены *