Multimodal_Persian_SA.ipynb

{
  "nbformat": 4,
  "nbformat_minor": 0,
  "metadata": {
    "accelerator": "GPU",
    "colab": {
      "name": "Multimodal Persian SA.ipynb",
      "provenance": [],
      "collapsed_sections": [
        "eGaPYGkCozA8",
        "vQ8g2r8Qk2m4",
        "SLvi9FWZAW95",
        "AfcliofDukCV"
      ],
      "toc_visible": true,
      "include_colab_link": true
    },
    "kernelspec": {
      "display_name": "Python 3",
      "name": "python3"
    }
  },
  "cells": [
    {
      "cell_type": "markdown",
      "metadata": {
        "id": "view-in-github",
        "colab_type": "text"
      },
      "source": [
        "<a href=\"https://colab.research.google.com/github/mebasiri/Multimodal-Persian-SA/blob/main/Multimodal_Persian_SA.ipynb\" target=\"_parent\"><img src=\"https://colab.research.google.com/assets/colab-badge.svg\" alt=\"Open In Colab\"/></a>"
      ]
    },
    {
      "cell_type": "markdown",
      "metadata": {
        "id": "eGaPYGkCozA8"
      },
      "source": [
        "# Imports"
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "colab": {
          "base_uri": "https://localhost:8080/"
        },
        "id": "26baeFBVWytH",
        "outputId": "216f439b-a143-419b-db24-77b2f14d9380"
      },
      "source": [
        "from google.colab import drive\n",
        "drive.mount('/content/drive')"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "stream",
          "text": [
            "Mounted at /content/drive\n"
          ],
          "name": "stdout"
        }
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "NrxeyB_uNqep"
      },
      "source": [
        "from sklearn.model_selection import train_test_split\n",
        "import seaborn as sn\n",
        "from keras.models import Sequential\n",
        "from keras import layers\n",
        "from keras.callbacks import ModelCheckpoint\n",
        "from keras.layers import  LSTM, Embedding, Dropout, Activation, Conv1D, GRU, BatchNormalization\n",
        "from keras.layers import Bidirectional, GlobalMaxPool1D, MaxPooling1D, Add, Flatten, TimeDistributed\n",
        "from keras.layers import GlobalAveragePooling1D, GlobalMaxPooling1D,SpatialDropout1D\n",
        "from keras.layers import GlobalMaxPooling2D\n",
        "from keras.layers import Dense, Conv2D, MaxPool2D , Flatten\n",
        "from keras.models import load_model\n",
        "from keras.callbacks import ModelCheckpoint, TensorBoard, Callback, EarlyStopping\n",
        "from sklearn.metrics import classification_report\n",
        "import pandas as pd\n",
        "from pandas import ExcelWriter\n",
        "from keras.preprocessing.sequence import pad_sequences\n",
        "from sklearn import svm, datasets\n",
        "from sklearn import metrics\n",
        "from sklearn.linear_model import LogisticRegression\n",
        "from sklearn.model_selection import train_test_split\n",
        "from sklearn.datasets import load_breast_cancer\n",
        "import matplotlib.pyplot as plt\n",
        "import keras\n",
        "from sklearn.metrics import accuracy_score\n",
        "import numpy as np\n",
        "from keras.models import Sequential\n",
        "from sklearn.metrics import classification_report, confusion_matrix\n",
        "from keras.layers.core import Dropout, Activation, Flatten\n",
        "from keras.layers.convolutional import Convolution2D, MaxPooling2D\n",
        "#from keras.optimizers import SGD,RMSprop,adam\n",
        "from keras.optimizers import Adam\n",
        "from keras.optimizers import RMSprop\n",
        "from keras.optimizers import SGD\n",
        "from keras.layers import Conv1D\n",
        "import seaborn as sn\n",
        "from keras.layers import add\n",
        "from keras.layers import  Activation, Add, Dropout\n",
        " \n",
        "from keras import optimizers\n",
        "from keras.utils import np_utils\n",
        "import matplotlib.pyplot as plt\n",
        "import matplotlib\n",
        "import os\n",
        "import theano\n",
        "from PIL import Image\n",
        "import PIL\n",
        "from numpy import *\n",
        "from keras.models import Model\n",
        "from keras.layers import Input, Dense, concatenate\n",
        "from keras.layers import Concatenate\n",
        " \n",
        "#from keras.utils import plot_model\n",
        "from sklearn.utils import shuffle\n",
        "#from sklearn.cross_validation import train_test_split\n",
        "from sklearn.model_selection import train_test_split\n",
        "#from tensorflow.python.framework.ops import disable_eager_execution\n",
        "#disable_eager_execution()\n",
        " \n",
        "from sklearn.naive_bayes import GaussianNB\n",
        "from sklearn.neighbors import KNeighborsClassifier\n",
        "from sklearn.model_selection import StratifiedKFold\n",
        "from sklearn.ensemble import RandomForestClassifier\n",
        "from sklearn.model_selection import RandomizedSearchCV\n",
        "from sklearn.model_selection import GridSearchCV\n",
        "from sklearn.svm import SVC\n",
        "from sklearn.metrics import accuracy_score"
      ],
      "execution_count": null,
      "outputs": []
    },
    {
      "cell_type": "markdown",
      "metadata": {
        "id": "5xZ-3N3vo5sO"
      },
      "source": [
        "# Preprocess text"
      ]
    },
    {
      "cell_type": "markdown",
      "metadata": {
        "id": "Iuf4ZtxZpHBY"
      },
      "source": [
        "Open"
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "EZpJv6brOVko",
        "colab": {
          "base_uri": "https://localhost:8080/"
        },
        "outputId": "c3c4461c-1868-446d-d423-906d5b1e39de"
      },
      "source": [
        "File = pd.read_excel ('/content/drive/MyDrive/Dataset 2.0/Caption 2.0.xlsx', sheet_name='Sheet1')\n",
        "data = pd.DataFrame(File, columns= ['caption', 'lable'])\n",
        "\n",
        "caption = data['caption'].values.tolist()\n",
        "print(caption)\n",
        "label = data['lable'].values.tolist()\n",
        "stopwordFile = pd.read_excel('/content/drive/My Drive/StopWord.xlsx', sheet_name='Sheet1')   \n",
        "stopword = pd.DataFrame(stopwordFile, columns= ['a'])\n",
        "stopword_list = stopword['a'].values.tolist()"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "stream",
          "text": [
            "['سلام سلام عزیزای دلم... امیدوارم احوالتون عالی باشه.. روز عشق رو به همتون تبریک میگم و امیدوارم که  عشق تو زندگی همتون جاری باشه.اینم قلب سوپرایز من که برای دختر گلم درست کردم و خیلی خوشش اومد و سوپرایز شد. برای درست کردن این قلب، من از قالب قلب سیلیکون استفاده کردم، که توی عکسِ اسلایدهای بعدی مشخصه... 280 گرم شکلات تخته ای شیری رو بن ماری کردم روی بخار آب و و بهش رنگ پودری قرمز زدم. میشه شکلات رو هم رنگی بخرید که در رنگهای مختلف موجوده و نیازی هم نیست که بخواین رنگش کنید، ولی من دیگه شکلات شیری تو خونه داشتم و همونو استفاده کردم، قالب رو کمی چرب کردم و شکلات ذوب شده رو داخلش چرخوندم تا به همه جای قالب برسه، حتی دیوارش.  به هیچ وجه نباید یک قطره آب داخل شکلات بره یا حتی بخار آب، چون سفت و خرابش میکنه. و شکلات که به همه جای قالب رسید، اضافش رو خالی کردم و قالب رو ده دقیقه الی یک ربع گذاشتم یخچال و بعد به همین صورت کارم رو تکرار کردم، این دفعه با قلم موی  سیلیکون شکلات به همه جای قالب زدم و مجددا گذاشتم یخچال. من این کار رو دو بار انجام دادم چون شکلاتم کم بود، ولی اگر سه بار شکلات به قالب بزنید محکمتر میشه. البته اینم خوب بود چون مایسا چند بار بهش ضربه زد تا شکست  بعد از کامل سفت شدن شکلات اونو از قالب جدا کردم و داخلش رو با هر چیزی دوست دارید میتونید پر کنید. من شکلات و خرس و اسمارتیز و آبنبات ریختم و دوباره توی همون قالب به همین ترتیب یه قلب دیگه درست کردم و در آخر با شکلات چسبوندم به هم و روشو با شکلات کاکائویی بن ماری شده و ترافل و حروف لاو که شکلات بود و با قالب درست کردم چسبوندم روی کاکائو که هنوز سفت نشده که محکم چسبید بهش و تمام', 'زیر اتوبوس بوده داشته تعمیر میکرده اتوبوس و چهارشنبه هفته ی پیش اتوبوس افتاده روش دعا کنین برای حال مادرش خیلی بیقراری میکنه بعد خدا امیدش به میثم بود امروز شب اول قبرشه برای دل مادرش خیلی بیقراره دعا کنین ۲۵ سالش بوده روحشون شاد یادشون گرامی', 'خداياشكرت بابت اين همه نعمت سفارشاتون رو اعلام كنيد', 'تنهایی میتونه یه سبک زندگی باشه یه انتخاب درست بعد از کلی اشتباه', 'دکور حمام و دستشویی خیلی خوشگله نظرشما چیه؟', 'عشق است و  همین لذت رسوایی عالم  عاشق که شوی، عقل به سر راه ندارد', 'مهم نیست ولنتاین یا سپندار مذگان یا هر روز عاشقونه ی دیگه، اینا فقط بهونه های قشنگی هستن برای یادآوری به عزیزامون که چقدر برامون با ارزشن و چقدر دوستشون داریم', 'همین که محمود درویش میگه  \\u200fاولاً دوستت دارم.  \\u200fثانیاً هر آن چه بینمان رخ داد، اولاً را از یاد نبر', 'اکسسوری گالری روز ولنتاین روز عاشقی با غریبه ها نیست ولنتاین روز تمام کسانیست که کنارشان درگیر آرامشیم ولنتاین مبارک دوستان', 'روز عشق و عاشقی بر همگی مبارک چشم بد دور، که هم جانی و هم جانانی\" جان شیرینِ دلم، مثل نفس می\\u200cمانی ... من کویری پر اندوه و تو لبریز بهار بر دل تب زده\\u200cام، برف\\u200cتر از بارانی ... چه بگویم چه نه، انگار خبر داری از آن از نگاهم همه\\u200cی حس مرا می\\u200cخوانی... چشم بد دور، که دیوانه\\u200cی لبخند توام', 'خدایا عاشقانه دوستت دارم امشب شب ۲۶ بهمن ماه است و شبیست که من وارد سن ۲۳ سالگی میشوم و شروع میکنم به امید خدا سال دیگه از زندگیمو... خدایا مرسی واسه اینکه تا این لحظه هوامو داشتی و از این به بعد هم به امید خودت شروع میکنم مرسی از همه کسان  که تا این لحظه با من بودن. دوستون دارم', 'خسته شدم از بس آدما فقط بخاطر موقعیتم نزدیکم شدم', 'راه زندگی بالا و پایین  داره پس ناامید  نشو هرگز', 'پروردگارا  کسی که در دامان تو پناه گرفت، طعم بی پناهی را نمی چشد هر کس که مدد از تو گرفت، بی یاور نمی ماند آن که به تو پیوست،تنهانمیشود.', 'کاش میشد آدمی ، گاهی  فقط گاهی  به اندازه نیاز بمیرد بعد بلند شود خاک هایش را بتکاند اگر دلش خواست برگردد به زندگی دلش نخواست بخوابد تا ابد', 'وقتی چترت خداست بگذار ابر سرنوشت هر چقدر می خواهد ببارد وقتی دلت با خداست بگذار هر کسی می خواهد دلت را بشکند وقتی توکلت با خداست بگذار هر چقدر می توانند با تو بی انصافی کنند وقتی امیدت با خداست بگذار هر چقدر می خواهند نا امیدت کنند وقتی یارت خداست بگذار هر چقدر می توانند نا رفیق باشند بگذار آسمان ببارد باکی نیست تو با خدا بمانچون چتر خدا بزرگترین چتر دنیاست', 'کاش بارانی ببارد قلب\\u200cها را تر کند بگذرد از هفت بند ما، صدا را تر کند', 'آنچه می\\u200cبینید بازی آب و رنگ است برسفیدی کاغذ. تجربه ای برای درکی نو از رقص شاعرانه رنگ دراغوش آب.تجربه ای شیرین برای من وشاید حسی خوب برای شما.', 'یه روز خوب و برفی پیست اسکی آبعلی همراه با دوستان خوبمون خیلی واسم خاطره انگیز و به یاد موندنی شد مخصوصاً که بعد از برف بازی تو اون سرما عمو علی واسمون بستنی خرید خیلی چسبید پ ن:ورق بزنید و دوست عزیزم عمادرضا رو ببینید', 'واقعا چرا اینقدر بی مرام و قدر نشناس هستین براتون بهترین هارو آرزو دارم بهترین مرام بهترین معرفت بهترین شعور بهترین فهم چیزایی که هیچوقت نداشتی دلبر جان', 'آخه تو شیرین تر از عسلی دخترر میخوام درسته قورتش بدم', 'مچاله\\u200cات میكنند بعد هى میپرسند حواست كجاست و هيچكس جز خودت نمیداند حواست پرت سادگيت شده ', 'تو، همه راز جهان ریخته در چشم سیاهت. من همه، محو تماشای نگاهت.', 'هیچکس و هیچ چیز بر زنی که با خواندنِ کتاب و شعر گوش دادن به موسیقی و نوشیدن قهوه حالش خوب می شود پیروز نخواهد شد', 'تو میگی حاضری برای عشق بمیری اما نه چیزی راجبه مردن می\\u200fدونی نه عشق', 'امروز برای اولین بار بود که روی دریا راه رفتم تمام آب دریا یخ زده و مردم هم اومده بودن با بچه هاشون روی آب یخ زده قدم بزنن و عکس بگیرن اینم بگم اولش یکم استرس داشتم که نکنه یهو مثل تو فیلما یخ زیر پام بشکنه و فرو برم تو آب یخ ولی یخش قطور تر از این حرفا بود خلاصه که روز خیلی خیلی خوبی بود', 'من عاشق خدا و زندگی هستم', 'ببین من تو رو یه دریآ دوست دارم آخه دریآ آبیه، صداش قشنگه، آرامش داره، مهربونه، از همه مهم تر، زیاده، خیلی زیاد اصلا تموم نمیشه من تو رو با اینهمه زیبایی، یه دریا دوست دارم ', 'اکنون کاری را شروع کردم که میتوانستم ۱۰ سال قبل آغاز کنم اما برای اینکه بیست سال دیگر صبر نکردم, خوشحالم', 'بیا با هم صادق باشیم از یک جایی به بعد اگر در برابر رفتارهای اشتباه سکوت را انتخاب کنی اگر بارها ببخشی بی آنکه پشیمانی را در آدم رو به رو دیده باشی انگشت اتهام را دیگر باید به سمت خودت ببری از یک جایی به بعد سکوت و خوش رفتاری آدم ها را دچار توهّم می\\u200cکند و تو را دچار عادت از خودگذشتیِ بی مورد تو در برابر رفتارهای اشتباه چیکار میکنی', 'زندگی پر از زیبایی است، به آن توجه کن به زنبور عسل، به کودک کوچک و چهره های خندان دقت کن باران را نفس بکش و باد را احساس کن زندگی ات را زندگی کن و برای رویاهایت مبارزه کن', 'و سال ها بعد مردی کنار تو جدول حل می کند، و زنی کنار من کاموا می بافد ما هردو پشت پنجره ایی رو به پاییز دلتنگ خواهیم بود برای امروز برای حالا برای اینجا', 'هيچ وقت از خودمون پرسيديم قيمت يه روز زندگی چنده. ما که قيمت همه چيز رو با پول میسنجيم تا حالا شده از خدا بپرسيم قيمت يه دست سالم چنده. يه چشم بی عيب چقدر می ارزه  چقدر بايد بابت اشرف مخلوقات بودنمون پرداخت کنيم  قيمت يه سلامتی فابريک چقدره و خيلی سؤال ها مثل اين ما همه چيز را مجانی داريم و شاکر نيستيم خدايا برای تمام نعمتهايت سپاس', 'توی تمام روزای زندگیت واسه رسیدن به بهترین روزای زندگیت باید سخت تلاشی کنی ', 'جایی که تو دستت نمیرسه خدا شاخه رو میاره پایین', 'لابه\\u200cلای نفس کشیدناتون ،یه کم زندگی کنید', 'جز خداوند برای ما سرپرست و یاوری نیست امید ما فقط باید به خداوند باشد و انتظار یاری و کمک از او داشته باشیم هیچ قدرتی یارای مقابله با خداوند را ندارد؛ و وقتی خداوند ولی و یاور ما باشد، ما شکست ناپذیر خواهیم شد  این انتخاب ماست که خداوند را یاور خود بدانیم یا بر روی انسان ها حساب باز کنیم و شکست را قبول کنیم. بگو خدایا شکرت که یاور من هستی', 'مهربان باش و برای خودت زندگی کن رفیق', 'تجربه کردی تا حالا آدم \\u200cاز \\u200cیه\\u200cجایی \\u200cبه \\u200cبعد، دیگه \\u200cحتی حوصله \\u200cناراحت \\u200cشدنم \\u200cنداره', 'عصر جواب آزمایش که گرفتیم انقدر از این خبر غیر منتظره خوشحال بودیم که دیگه از بهت زدگی در اومدیم و قبول کردیم که واقعا داریم نی نی دار میشیم ی جشن دو نفره گرفتیم و در مورد آینده قشنگی که پیش رو داشتیم صحبت کردیم ب کیک خوشمزه گرفتیم و رفتیم خونه پیش دوستامون مهران و سعیده با هم جشن گرفتیم و حسابی خوشحالی کردیم بعد هم به همه خانواده تو ایران خبر دادیم و خوشحالیمون باهاشون تقسیم کردیم', 'خودت را دوست داشته باش خودت را برای کارهایی که تابحال کردی ببخش همه نقص ها و ضعف های خودت را بپذیر وبخودت باور داشته باش با مهربانی باخودت رفتار کن وعاشق خودت باش', 'نذار آدما خوشبختی و آرامش رو ازت بگیرن، نذار بقیه زندگیت رو کنترل کنن. این زندگی توئه نه اونا', 'و امروز دوباره متولد می شوی و شمع ها ، که سهم توست از زندگی و ستاره هائی که به میهمانی آمده اند و شکوفه هائی که دوباره خواهند شکفت و عطری که نصیب پروانه هاست و تو سهم من از تمام زندگی تولدت مبارک دختر نازم', 'و سپس خداوند برایت طوری جبران میکند گویی چیزی از دست ندادی', 'هرگاه بی\\u200cتابی شدت گرفت باید به خدا پناه برد', 'اگر قرار است روزی از زندگی لذت ببریم امروز همان روز است امروز باید همواره شگفت انگیز ترین روز زندگی ما باشد', '.بعد از هر لبخند شاکر خدا باشیم', 'خدا هیچوقت دیر نمیکنه هرچیزی ب وقتش برات رقم میخوره توام براش بجنگ', 'هرلحظه تون پراز مهربانی خدا وهرروزتون پراز اتفاقهای خوب و شگفت انگیز', 'خدایا در جستجوی آنچه برایم مقدر نکرده\\u200cای خسته\\u200cام مکن', 'روزتون مبارک باشه عزیزای دلم اگه خودت و خانوادت تنتون سالمه اگه تلفنت زنگ ميخوره ميگه كجايي اگه سرت مشغول كاره اگه زندگيت داره با يه دلخوشي كوچيك ميره جلو تو خوشبختی', 'تویی دریا منم ماهی چنان دارم که می\\u200cخواهی بکن رحمــت بکن شاهی که از تـو مانده\\u200cام تنها', 'امید چه زیباست زندگی کردن با امید\\u200c نه امید به خود؛ که غرور است نه امید به دیگران؛ که تباهی است بلکه امید به خدا؛ که خوشبختی اس', 'بعد مرحله از هیچی خوشحال نشدن  یه چیز دیگه ای هست به اسم از چیزی ناراحت نشدن ما خسته ها اونجاییم', 'با فاکتور گرفتن صدای بارون و صدای طبیعت و این چیزا ،از نظر من قشنگترین صدا ،صدای خنده آدمهاست،مخصوصا اوناییکه با خنده هاشون خنده ات میگیره', 'زندگی مثل نقاشی کردن است خطوط را با امید بکش اشتباهاتت را با آرامش پاک کن قلم مو را در صبر غوطه ور و با عشق، زندگی را رنگ بزن', 'علی جون هنوز هم از درده نبودنت کم نشده', 'همه آدم\\u200cهای خوب زندگی یک طرف اما آنکه سكوتت را می\\u200cفهمد چیز دیگری\\u200c است در زمانه\\u200cای که شاید حرف\\u200cهایت را کمتر کسی درک کرده باشد شنیدنِ سکوت از چشمهایت كارِ هركسى نيست همه آدم\\u200cهای خوب زندگى همانقدر خوب\\u200cاند و دوست داشتنی اما بعضی\\u200cها جوری نگاهت را می\\u200cخوانند که خودت انگشت به دهان می\\u200cمانی عکس بسیار بسیار زیبا از دوست عزیز', 'تو زیبایی مثلِ تلفظ حاء در روح و حیاه', 'بزرگی را گفتند راز همیشه شاد بودنت چیست گفت دل به آنچه نمی ماند نمی بودم فردا یک راز است نگرانش نیستم دیروز خاطره بود حسرتش را نمی خورم امروز یک هدیه است قدرش را میدانم', 'بعضی وقت\\u200cها زندگی یعنی به خطر انداختن همه چیز به\\u200cخاطر یک رویا، یک رویایی که هیچ\\u200c کس جز خودت نمی\\u200c تونه اون رو ببینه', 'دنیای تو رنگارنگ است و دنیایِ من سیاه ولی یک رنگیِ دنیای من به همۀ دنیای تو می ارزد', 'گاهی همه آن چه روح به آن نیاز دارد قدم زدن در طبیعت است طبیعت زیبای کوه دژ اسعدخان با گروه. بسیار عالی', 'خوشبخت باشید همان باشید که می خواهید اگر دیگران آن را دوست ندارند، بگذارید دوست نداشته باشند خوشبختی یک انتخاب است زندگی، راضی نگه داشتن همه نیست', 'تو ذهنم همیشه قاصدک برام مفهوم خاصی داشته و داره شاید از اسمش معلومه چرا برام خاصه بخاطر شکلش بخاطر رنگش،لطافتش، اینکه کنار هم نشستن و وقتی فوتشون میکنی همشون با هم پرواز میکنن میرن بالا تو ذهنم همیشه قاصدک ها حامل خبر خوبن', 'و من در تو، زیبایی را یافتم عشق را یافتم و در نهایت، خودم را', 'هیچکس شبیه تو نیست', 'زیباییها را گلچین خواهم کرد و در پیش دریچه چشمان زندگان خواهم نهاد تا عشق فراموش نشود و آرامش ماندگار بماند', 'ما خونمون هر روز روز عشقه چون ۲تا فرشته ی خوشگل هر روز بهمون میخندن وعشقی بزرگ و زیبا همه ی وجودمون رو پر میکنه خونه هاتون پر از رنگ و بوی عاشقانه', 'بهترين لحظه هاي زندگيم واسه وقتايي بود كه بدون ترس ديوونه بازي دراوردم يني برام مهم نبود كي چه فكري ميكنه خيلي لذت بخشه', 'حالا که دعوت شده ای ، حالا که اینجایی ، برقص و بخند و زندگی کن همین جا همین حالا', 'اینجا بیـن الحرمیـن است هـوایش هوایـی دیگـر است  خاکش جنس دیگری دارد اینجا کوی دلـدادگان و عاشقـان الله ست اینجـا دوراهـی بین الحرمیـن است السلام علیک یا اباعبدالله الحسین', 'موفقیت، یک شبه اتفاق نمی افتد اندکی بهتر شدن نسبت به روزِ قبل، موفقیت است', 'زیبایی در هیچ چیز ابدی نیست بجز یک ذات زیبا که تا ابد زیباست', 'بزرگ کسی است که قلبش کودکانه قهرش بی کینه دوست داشتنش بی ادعا وبخشش او بی انتها باشد', 'تلاش برای فراموش کردن،فایده ای نداره یعنی هرچی بیشتر بخوای فراموش کنی بیشتر داری بهش فکر میکنی بیشتر مرورش میکنی بیشتر درگیرش میشی و بیشتر فراموشش نمیکنی', 'خدا را دوست بدارید حداقلش این است که یکی را دوست دارید که روزی به او می رسید', '\\u200fمهم نیست که زندگی باهات نامهربون بوده، چیزی که مهمه اینه که تو نسبت به خودت و دیگران مهربون بودي', 'محبت پیوند محکمی ست که فاصله نمیشماسد هر که کجا که باشی در خاطره ها میدرخشی', 'کودکی\\u200cام نشسته بود روی سه\\u200cچرخه شیطنت می\\u200cکرد بوق می\\u200cزد دلخوش به بودنش بودم که هیچ گاه متوقف نمیشود کاش رکابت میشکست', 'هرچیزی وقت خودش رو میخواد نه گُل قبل از وقتش شکوفه میزنه و نه خورشید قبل از وقتش غروب میکنه تلاش کن منتظر بمون وقتی برای تو باشه اتفاق میوفته', 'و با تــو سرشارم از هر چه زیباییست', 'از این فاصله حتی بوی دوست داشتنت عشق را به تماشا کشید آنقدر بی\\u200c حساب و کتاب دوست دارمت ترسم از این است عشق قدغن شود مگر می\\u200c\\u200cشود دوست داشتنت را پنهان کرد', 'به خودم قول دادم شاد باشم و مثبت فکر کنم', '\\u200cخیالت داند و چشم من و غم  که هر شب در چه کارم با دل خویش', 'هیچوقت احساسات دائمی خودتونو بِه یه آدم موقتی نشون ندید', 'ارزش در درون شماست منتظر هیچ امداد غیبی،هیچ آدمی و هیچ عشق افسانه ای نباشید تا به شما احساس ارزشمندی بدهد. ارزش جایی در میان قلب شماست شما با ارزش بدنیا آمده اید پیدا کردن این ارزش باشماست نه آدم های دیگر', 'چون دوستت دارم راهی پیدا خواهم کرد تا نور زندگیِ تو باشم', 'ما اغلب افراد بزرگی را در سفر زندگی مان دیدار می کنیم کسانی که در سختی ها رفیق ما می شوند بله تو یکی از همان هایی هستی که همیشه کنارم ایستاده ای تو بهترین دوستی هستی که من هیچ وقت شبیهش را نخواهم یافت', 'روز عشق مبارک این هم ثبت خاطرات ما من که خیلی کیف کردم خیلی روز خوبی بود  بهمون کلی خوش گذشت ، خوشحال بودیم خلاصه خیلی کیف کردیم', 'سال گذشته بر اثر سیل این درخت از ریشه در اومده ولی هنوز هم زندس و از یک سمت دیگه شاخه زده و داره رشد میکنه انقدر که خدا مهربونه دوباره بهش زندگی بخشیده', 'زندگی زیباست ای زیبا پسند زنده اندیشان به زیبایی رسند آنقدر زیباست این بی بازگشت کز برایش میتوان از جان گذشت ', 'خداوندا درهایی را به رویمان باز کن که هیچ کس قادر به بستن آن نباشد خدا جونم عاااااااااااشقتممم خدایا شکرت که هستی و برایمان خدایی می کنی ', 'عده ای میگویند دروغ عامل بسیاری از جدایی هاست اما نه این حقایق هستند که انسان ها را از هم دور میکنند وگرنه ما دروغ میگوییم که نزدیک باقی بمانیم شاید دردناک باشد اما ما به نوعی محکوم به دروغ گفتن هستیم درست به همان اندازه که محکوم به زندگی کردن', 'زندگی من با وجود شما دوتا قشنگه دورتون بگردم رادمهر روشا ', 'خواهر عزیزم افسانه جان تولدت مبارک روز میلادت رو بهت تبریک میگم و برات آرزوی بهترینهارو دارم', 'مناظر زیبای سوئیس', ' بهترین کاری که میشه تو زندگی انجام داد،لذت بردن از زندگیه تا میتونیم از زندگی لذت ببریم که فردا که پیر و چروکیده شدیم نگیم ای کااااش فلان سفر رو میرفتم،ای کااااش فلان مسیر رو میرفتم،ای کاااش با فلانی مهربونتر بودم و ای کاااش', 'هر روز می توانه روز عشق باشه هر روز میشه از اونایی که دوستشون داریم تشکر کنیم منم دنبال بهانه بودم یه کیک قلبی درست کنم منتها خیلی سریع و با عجله', 'گاهی وقت ها باید منتظر مآند برای اتفاق خوب پس صبور باش', 'مطمئن هستم اگر کسی تنها با لحظات حال زندگی کند و با شیفته\\u200cگی به هر گلی که سر راهش قرار گیرد نگاه کند و هر درخششی را که بر هر لحظه\\u200cی گذرا می\\u200cرقصد گرامی دارد، آن وقت است که زندگی در برابرش خلع سلاح می\\u200cشود.', 'تصویری ماندگار از ولنتاین امسال؛ وداع با همسرِ شهید مدافع سلامت مهشید گودرز امروز که خیلیهاتون ولنتاین رو کنار عشقتون جشن گرفتین، عشقش رو گذاشت تو خاک سرد، تنها برگشت خونه، با یه نوزاد بی\\u200cمادر با رعایت پروتکل\\u200cها قاتل زنجیره\\u200cای نباشیم…', '\\u200fولنتاین فقط روز عاشقی با غریبه ها نیست  ولنتاین روز تمام کسانیست که کنارشان درگیر آرامشیم مثل مادر و پدر', 'اگر یک جوینده واقعی هستید، باید به یادگیری ادامه دهید. زندگی آموختن است و هرگز متوقف نمی\\u200cشود', 'برای یک روز هم که شده ، دنبال چیزهایی که نداری نرو از چیزهایی که داری لذت ببر …', 'لازم نیست سر در بیاورید که خدا چطور می\\u200cخواهد مشکلات شما را حل کند. این مسئولیت اوست.  کار شما نیست.  کار شما این است که به او  اعتماد داشته باشید. خدای ما، خدای مافوقِ طبیعیست. خدای من خدای معجزه هاست... ', 'بسیاری از دردهایی که با آنها دست به گریبان هستیم در حقیقت زاییده افکار منفی ماست …', '\\u200fدر سفر هر کس به مقصد می رسد، می ایستد من سفر را دوست دارم، مقصد من رفتن است', 'ته قصه رو خونده بودم ولی قسم خورده بودم حماقت کنم\\u200c', 'امروز كارى بكن،  كه بخاطرش خودت  در آينده از خودت تشكر كنى …', 'ما مرده\\u200cپرست نیستیم! به این اسامی دقت کنید؛ محمدرضا شجریان، محمدعلی کشاورز، خسرو سینایی، فرزانه تاییدی، رامش، ماه\\u200cچهره خلیلی، کریم اکبری مبارکه، بهمن مفید، کامبوزیا پرتوی، سیروس گرجستانی، چنگیز جلیلوند، پرویز پورحسینی، مهرداد میناوند و علی انصاریان! ما مرگ رو زندگی\\u200c می\\u200cکنیم!', 'خدا هرگز دیر نمی کند. هرآنچه که نیاز داری، در زمان درستش به تو می رسد. \\u200fبعضی از نشدنای زندگیتونو بذارین به حساب اینکه اگه میشد، خیلی بد میشد به خدا اعتماد کن. برای ارزوهای خوبت تلاش کن و منتظر نتیجه باش', 'از جالب\\u200cترین و مفهومی\\u200cترین مجسمه\\u200cهای جهان در برزیل معروف به مجسمه\\u200cی پدر و پسر در این مجسمه\\u200cها، پسر از تکه\\u200cهایی درست شده که از پدر جدا شده\\u200cاند که درواقع فداکاری\\u200cهای پدر را نشان می\\u200cدهد.', 'برای این عکس علی محمدی عکاس جوان خوزستانی که در جشنواره بین\\u200cالمللی عکس ماکسیم دمیتریف ۲۰۲۰ کشور روسیه شایسته تقدیر شد. هیچ خاکی نمیتواند مانعِ جوانه\\u200cهای امید شود وقتی که عشق باشد.', 'بعضی آدمها باعث میشوند که خنده شما کمی بلندتر لبخندتان کمی درخشان تر، و زندگی تان کمی بهتر شود. سعی کنید یکی از این آدمها باشید …', 'ما اسیر زندانی هستیم که خودمون واسه خودمون ساختیم ، اسم اون زندان شخصیته !', 'اغلب آدم ها آدم دیگری هستند ! آنها زندگی نمی \\u200cکنند نقشی را ایفا می\\u200c کنند که دیگران به آنها داده\\u200c اند فکر آنها حاوی نظرات دیگران است و صورتشان ماسکی ا\\u200cست که به چهره زده \\u200cاند !', 'وقتی می دونی که دروغ می شنوی،  بهتره که نپرسی، اینو تجربه به ما یاد می ده', 'از اون دسته ادمایی که هرجایی پیدا کنن با یه گلدون پرش میکنن و حس ناب زندگی رو به فضا و آدمای اطرافشون میدن، از اونا باشیم !', 'بزرگترين حسرت ما آدما،  فرصت\\u200cهاى از دست رفتمونه!', 'با همین جمله\\u200cی “ این نیز بگذرد “ از کل زندگیمون گذشتیم…', 'کتاب بخوان و زیبایی\\u200cهایش را در رفتارت نمایش بده  فرهنگ به همین صورت نیرومند می\\u200cشود اگر چنین نکنی، در حال سقوطی …', 'آدم\\u200cهای ساده را دوست دارم کسانی \\u200cکه بدی\\u200cها را باور ندارند و به همه لبخند می\\u200cزنند می\\u200cتوان ساعت\\u200cها آنها را مانند تابلوی زیبایی تماشا کرد آنها بوی ناب آدمیت می\\u200cدهند', 'این یکی از عادات قدیمی و مسخره\\u200cی انسان است: وقتی راهش را\\u200c گم میکند تندتر میدود', 'هر باخت مقدمه\\u200cای برای پیروزیه، بعدها میفهمی که آدم هیچوقت از بردن چیزی یاد نمیگیره!', 'حتی اگر يك فرشته هم باشی، هميشه يك نفر خواهد بود كه از صداي بال زدنت خوشش نمي آيد.', 'اگر همیشه کاری که خودت دوست داری رو انجام بدی، حداقل یه نفر تو دنیا همیشه خوشحال و راضی هست.', 'این عکسو دیدم یاد جمله حسین پناهی افتادم میگفت؛ دلم میسوزد… وقتی میبینم توی شهرداری حقوق آنهایی که جدول حل میکنن بیشتر از آنهایی است که جدول تمیز میکنند!!', 'دنیا رو آدم\\u200cهایی که مرتکب بدی میشند خراب نمیکنند،  دنیا رو کسایی از بین می\\u200cبرند که بدون کوچکترین واکنشی نظاره می\\u200cکنند …', 'به روحم قول میدم وقتی که از شر این جسم رها شدیم ، یکی از شب\\u200cهای سرد آذر ببرمش کانادا رو سنگ فرش های پر از برف کوچه پس کوچه هاش قدم بزنیم و کیف کنه ', 'این تصویر دانش\\u200cآموزان روستای کهران شهرستان خلخال است که برای دسترسی به اینترنت و عقب نماندن از تحصیل در این سرما به مرتفع\\u200cترین نقطه روستای خود رفته\\u200cاند. عدالت آموزشی کیلویی چند؟', 'یادت باشه  باخت یه مرحله از رسیدن به موفقیته', 'در دنيا گران قیمت ترین چیز\"عمر\" است. از کسانیکه روزهای \"ارزشمند\"و \"زیبای\" عمرت را از بین میبرند دوری کن...!!!!', 'اون\\u200cهایی کـه بیشتر از ما می\\u200cخندند و همیشه خوشحال\\u200c هستند زندگیشون آسون\\u200cتر نیست! فقط یاد گرفتند که چجوری با مشکلاتشون کنار بیان…', 'کمتر بترسید، بیشتر امیدوار باشید کمتر بخورید، بیشتر بجوید کمتر آه بکشید، بیشتر نفس بکشید کمتر متنفر باشید، بیشتر عشق بورزید و بعد خواهید دید که همه چیزهای خوب از آنِ شما خواهد شد.', 'شاید باور نکنید ولی اینجا ایرانه! به اینجا میگن اورامان یا هورامان تخت؛ روستای پلکانی عجیب و بسیار زیبا در استان کردستان که در دامنه کوه ساخته شده و قدمتی چند هزار ساله دارد. هورامان بخشی از عراق و ایران(کردستان و کرمانشاه) رو در بر میگیره و به نوعی جزو اصیل ترین و با قدمت ترین فرهنگ های ایرانی محسوب میشه.  مردم این مناطق به زبان پهلوی یا همان زبان اوستا صحبت میکنند، زبانی که پس از گذشت هزاران سال دچار کمترین دگرگونی شده!', 'براى بزرگ بودن نياز نيست با هر كسى درگير بشى، كافیه اونقدر كامل باشى كه بزرگترين تنبيه تو براى ديگران، گرفتن خودت از اونها باشه …', 'اگه فک کنی همیشه حق با توئه، هیچوقت چیزی از زندگی یاد نمیگیری …', ' اعتماد  مثل یک پاک کن میمونه، بعد از هر اشتباه، کوچکتر و کوچکتر میشه…', 'جهان سوم جایی است که ، مردمش به فکر \"آمدن\" یه روز  خوب هستند.. نه \" آوردنش \"....!', 'اینجوری به کارتون عشق بورزید تا نتیجه\\u200cاش رو ببینید، نتیجه\\u200cاش لزوما پول و درآمد زیاد نیست، احساس خوب کافیه.', 'بجاي اينكه بنويسه \"اگه احتیاط نکنی تصادف میکنی و به هفتاد قسمت نامساوی تقسیم میشی \" و  عکس مچاله شده ماشین بذاره  نوشته: \"یکی عاشقته، با احتیاط رانندگی کن \" نوع نگاه خیلی مهمه...!!', 'چهار مرحله برای رسیدن به آرامش ذهن دست از قضاوت خود و ديگران برداریم ، سر و صدای ذهن کم میشود. زاويه ديد و نگرش خود را تغيير بدهیم مديريت كردن زياد و برنامه ريزی افراطی نداشته باشیم. دست از شرح \\u200cحال دادن نسبت به كارها و وقايع گذشته تا بحال و يا تصميمات آينده برداريم. برای خودمان حريم داشته باشیم و به حيات خلوت ديگران سرک نکشیم.', 'تصویری غم انگیز  درسال 2008 در اتفاقی عجیب هنگامی که یک گزارشگر در حال تهیه گزارشی از باغ وحش بود از روی شوخی و خنده رو به گوریل کرد و گفت: چرا انقدر ناراحت و افسرده\\u200cای؟ و در همین لحظه گوریل دستش رو بیرون میاره و به قفل اشاره میکنه ! بعد از این حرکت فرد گزارشگر به حامی حیوانات تبدیل میشه !', '\\u200fکتاب بخون، زبانت بعدها ازت تشکر می\\u200cکنه … \\u200fورزش کن، بدنت بعدها ازت تشکر می\\u200cکنه … \\u200fشاد باش، روحت بعدها ازت تشکر می\\u200cکنه … \\u200fتلاش کن، آیینه بعدها ازت تشکر می\\u200cکنه …', 'آدما از یه جایی به بعد دیگه اون\\u200cطوری که خودشون هستن، رفتار نمی\\u200cکنن! بلکه اون\\u200cطوری رفتار می\\u200cکنن که باهاشون رفتار کردین!', 'ﺗﺎﺭﯾﮏ ﺍﻧﺪﯾﺸﺎﻥ ﺳﻌﯽ ﻣﯽ ﮐﻨﻨﺪ ﺯﻧﺎﻥ ﺭﺍ ﻫﻤﯿﺸﻪ ﺩﺭ ﺳﯿﺎﻫﯽ ﻧﮕﻪ ﺩﺍﺭﻧﺪ… ﺁﻧﻬﺎ ﺍﺯ ﺭﻭﺷﻦ ﺷﺪﻥ ﺫﻫﻦ ﺯﻥ ﻣﯽ ﺗﺮﺳﻨﺪ؛ ﭼﻮﻥ ﺧﻮﺏ ﻣﯽ ﺩﺍﻧﻨﺪ ﺍﮔﺮ ﺯﻥ ﺑﺪﺍﻧﺪ ﺑﻪ ﮐﻮﺩﮐﺎﻧﺶ ﻫﻢ ﯾﺎﺩ ﺧﻮﺍﻫﺪ ﺩﺍﺩ.', 'زندگی هیچ ارزشی ندارند اگر معنای دوست داشتن را نفهمیم!!!', 'کار خوب و درجه یک توسط دختران هنرمند اصفهانی یعنی این! خط عابر پیاده سه بعدی با هدف ایمن سازی و زیباسازی شهر اصفهان\\xa0اجرا شد \"بهروزشجاعی؛خبرنگار\"', '\\u200fدر آلمان این امکان وجود داره که شما هرچند شاخه گل که میخوای بخری از مزرعه میچینی و مبلغش رو توی صندوقی که همونجا تعبیه شده میندازی. بدون هیچ مراقبی و فقط بر اساس اعتماد', 'زندگی بعضی وقت ها گیج کننده ست… غم لازمه که شادی رو بفهمی، سر و صدا لازمه تا قدر سکوت رو بدونی  و نبودن لازمه تا واسه بودن ارزش قائل بشی …', 'زندگی قشنگ شد  از وقتی فهمیدم چیزهایی هست که از حرف مردم مهم تره', '\\u200fاز اون غم ها که کسی حواسش نیست… ', 'هیچ وقت !! تو زندگی این جمله رو فراموش نکن آدمها… مثل عکس می مانند زیاد بزرگشون کنی کیفیتشون  میاد پایین......', 'یه وقتایی هست که دلت براش تنگ میشه ولی ازش متنفری', 'اونجایی که حرف های نا گفته دلت رو فقط میتونی به یک نفر بگی بهش میگن رفیق', 'اگر همین امروز را خوب زندگی کنی، همه ی دیروزهایت به خاطره ای خوش و فرداهایت به امید تبدیل خواهد شد …', 'تلاش زیاد و سخت ممکنه همیشه نتیجش موفقیت نباشه اما هیچ وقت نتیجش حسرت نیست', 'بعضی روزا واقعا سختن فقط دلت میخواد بری بخوابی و یک هفته بعد بیدار بشی و ببینی همه ی مشکلات از بین رفتن هرکس حداقل یکبار تو زندگی  این حس رو تو زندگیش داشته …', 'قرنطینه خیلی سخته اره ولی سخت تر از اون اینه که نمیدونی قراره تا کی طول بکشه!!', 'سال نو بر همه شما مبارک بهترین آرزوها رو دارم براتون', 'ميگذره تا بفهمي من واسه داشتنت از خودمم گذشتم ', 'اشکالی نداره که تنها باشی خودتو سرزنش نکن که وسط یه رابطه\\u200c بی\\u200c\\u200cاحساس لعنتی نیستی', 'طبیعت انسان ها این هست که  همشون دروغ میگن.  تنها متغیر اینه که  درباره ی چی دروغ میگن.', 'خدایا خودت بساز تو بسازی قشنگ تره', 'اونایی که حرف برای گفتن کم دارن، درد برای نگفتن زیاد دارن…', 'به خودت ایمان داشته\\u200cباش. خودت را به چالش بکش. برای پیروزی یافتن بر ترس\\u200cها درونت را کاوش کن. هرگز نگذار کسی تورا پایین بکشد. تو باید ادامه بدهی.', 'من میخوام تنها باشم.. بدونِ قضاوت!', 'تفاوت یک احمق با یک  بیشعور در اینه که  یک احمق نمیتونه بفهمه  ولی یک بیشعور؛ نمیخواد که بفهمه!! و جهان پر از بیشعورهاست  نه احمق ها…', 'زيبا بودن بدين معناست كه خودت باشي. نيازي نيست ديگران قبولت كنند، خودت بايد خودت را قبول داشته باشي.', 'هر وقت در فريب دادن كسي موفق شدي به اين فكر نباش كه چقدر ساده و نادان است به اين فكر كن كه چقدر به تو اعتماد داشته است پس در حقيقت تو باخته اي!!! در اعتمادهايمان دقت كنيم', 'مطمئن باش همون جوری که  براثریه اتفاق همه چی رو ازدست میدیم یه بار هم بر حسب اتفاق همه چی رو بدست میاریم امیدوارم خیلی زود، به دست بیارید همه اون چیزایی رو که ناخواسته از دست دادید. آمین', 'خوشم میاد خیلیا از من خوششون نمیاد اینطوری هم حال من خوشه هم حال اونا ناخوش', 'زندگی دقیقا از همانجایی شروع می شود که یک نفر می خندد و خنده او با دیگران فرق دارد.', 'اهمیتی نمیدم که ادما چی راجع به من میگن  لذت میبرم از زندگیم با قانونای خودم', 'انصاف یعنی اگه روزهای سخت رسید روزهای خوب زندگیت یادت بمونه  انصاف یعنی بدونی خدای روزهای سخت همون خدای روزهای خوبه منصف باشیم', 'پدر بزرگم سواد نداشت ؛  هر وقت می خواست  به مادر بزرگم ابراز احساس کند . فقط میگفت؛ چه خبر حاج خانم؟ و من پس از سالها فهمیدم . این یعنی ؛  «دوستت دارم»', 'اگر می خواهید بهترین ها را دریافت کنید باید باور داشته باشید که سزاوار بهترین ها هستید.', 'عشق میشه از ذهن ادم پاک کرد ولی هرگز  از قلب ادم پاک نمیشه', 'هرگز در زندگی اجازه نده که مردم از روی تو رد شوند،  اجازه نده کسی تو را قضاوت کند و  هرگز اجازه نده کسی شخصیت تو را تخریب کند.', 'باور کن تو از هر شخص دیگری\\xa0 برای خودت با ارزش تری\\xa0 و این خود تویی\\xa0 که تا آخرین لحظه ی زندگی\\xa0 در کنار خودت خواهی ماند.', 'سعی کن  قشنگی های زندگی رو ببینی زندگی از این که هست آسون تر نمیشه تو قوی تر شو…', 'آرامش یک احساس است، تو نمی\\u200cتوانی به زور این احساس را ایجاد کنی کافی است همه منفی بافی\\u200cها  و موانع را کنار بگذاری تا با پای خودش به سراغت بیاید…', 'به آدما نشون بدید همون طور که  زیرشون خط میکشید تا مهم بشن، بلدید روشون رو هم خط بکشید…', 'ذهنتو محدود نکن. مهم نیست چقدر غیر ممکن بنظر برسه تو هر چیزی رو که بخوای بدست میاری!', 'دلم ميخواد يک روز از خواب بيدار بشم، اخبار رو باز كنم و بشنوم: \"صلح در زمين برقرار است...\"', 'آﺩم\\u200cهاﯼ ﻣﻬﺮﺑﺎﻥ، ﺩﺭ ﻣﻘﺎﺑﻞ ﺧﻮﺑﯽ\\u200cﻫﺎﯼِ ﯾﮑﻄﺮﻓﻪ، ﻫﺮﮔﺰ ﺍﺣﺴﺎﺱ ﺣﻤﺎﻗﺖ ﻧﻤﯿﮑﻨﻨﺪ، ﭼﻮﻥ ﺧﻮﺏ ﺑﻮﺩﻥ ﺑﺮﺍﯼ ﺁﻧﻬﺎ ﻋﺎﺩﺕ ﺷﺪه. ﺁﺩﻡﻫﺎﯼ ﻣﻬﺮﺑﺎﻥ، ﺍﺯ ﺳﺮ ﺍﺣﺘﯿﺎﺟﺸﺎﻥ ﻣﻬﺮﺑﺎﻥ ﻧﯿﺴﺘﻨﺪ. ﺁﻧﻬﺎ ﺩﻧﯿﺎ ﺭﺍ ﮐﻮﭼﮑﺘﺮ ﺍﺯ ﺁﻥ ﻣﯿﺒﯿﻨﻨﺪ، ﮐﻪ ﺑﺪﯼ ﮐﻨﻨﺪ.', 'تو نمیتونی به عقب برگردی و اول ماجرارو تغییر بدی؛ اما میتونی از جایی که هستی شروع کنی و آخر ماجرا رو تغییر بدی.', 'بعضیا مثل آشغال میمونن سروقت نزاریشون دمدر گند میزنن به زندگیت', 'بدن انسان می تونه تا 45 واحد درد رو تحمل کنه اما زمان تولد یک زن تا 57 واحد  درد را احساس میکنه این معادل شکسته شدن همزمان 20 استخوانه! مادرتون رو دوست داشته باشید', 'تو خودت  همون آرامشی. همان خوشبختی ای هستی که میخوای. پس بیشتر خودت رو جست و جو کن. یادت نره که آرامش هیچ جای دیگه ای نیس. آرامش توی وجود خودته.', 'با شخصيت بودن يعنی كلی حرف براي گفتن داشته باشي اما انتخاب كنی  كه جلوی آدم نادان ساكت بمونی ', 'هیچ وقت !! تو زندگی این جمله رو فراموش نکن آدمها… مثل عکس می مانند زیاد بزرگشون کنی کیفیتشون  میاد پایین......', 'اگه از رابطتتون راضی نيستيد خيانت نکنيد فقط اون رابطه رو ترک کنيد', 'سالهاست منتظر آمدن روزهای بهترم  ولی نمیدانم چرا هنوز هم دیروز ها بهترند…', 'قدر لحظه های زندگی را بدان زندگی یعنی… لبخند به گذشته  و امید به آینده… لبخند امروز را  با غم های گذشته تلخ مکن', 'زندگی ما پر از خواستن ها و نرسیدن هاست!', 'خوشبختی دیگران از خوشبختی ما کم نمیکند وثروت آنان رزق ما را کم نمیکند و صحت آنان  هرگز سلامتی ما را نمیگیرد پس آرزو کنیم  برای دیگران آنچه را که آرزو میکنیم برای خودمان', 'محبت ها هیچوقت فراموش نمیشن محبت کردی اونقدر میچرخه تا یه روزی  یه جایی که روحتم خبر نداره بهت برمیگرده محبت کن بی توقع', 'هرچه بیشتر کتاب بخوانید،  بیشتر از زندگی حقیقی برخوردار خواهید شد …', 'هر زن هر چقدر هم که قدرتمند باشد خوشبختی اش رابا دو مرد تعریف میکند....! اول پدر… که الفبای امنیت و عشق را به او می آموزد....!. و دوم یاری که تمام دوست داشتنش را ازآغوش همه ی زنان برمیدارد و به پای او می ریزد....!', '\\u200fروزی عمیقا دلتنگ منی میشی که تا وقتی بودم،بودنمو ندیدی', 'مردی که پول ندارد جدی گرفته نمی شود این بی رحمانه ترین واقعیت است…', 'مردن فقط با مرگ، اتفاق نمی افتد مردن گاهی همین زندگیست که نه تمام میشود نه شروع...!', 'کسی ک معذرت خواهی میکنه یعنی رابطرو بیشتر از غرورش دوس داره.', 'سلام قلبتون به زلالی آب و کارهای روزمره\\u200cتون  روان و جاری چون جویبار در این صبح زیبا یک دنیا خوشبختی برای شما', 'سلام چهارشنبه تون بخیر ۱۳شهریور با طراوت و چون صدای باران گوش نوازدلتون خالی ازغصه زندگيتون شیرین تر از عسل دنیاتون غرق درشادی و آرامشروزتان به زیبایی  دلهای مهربونتون...', 'سلام خدایا  روز دیگر در حالی آغاز شد که پیشاپیش به لطف مهرت\\xa0 درهای رحمتت را بر روی ما گشوده ای  خدایا سهم امروز ما را  شادی،آرامش و عشق \\xa0قرار بده آمین', 'روزها اول صبح ؛ به درودی دل خود گرم کنیم.. و چه زیباست، کنار یاران ، خنده بر صبح زدن ..! زندگی را به صعود و به خوشی چسب زدن..! سلام. صبحتون بخیر', 'تنها كسی كه تلاش ميكنم ازش بهتر باشم اون آدميه كه ديروز بودم.', 'بعد من،  تنها نخواهی ماند اما بعد تو ، بر من تنها  نمی دانی چه ها خواهد گذشت …', 'عاشق که باشی رفتن نمیدانی میمانی … سر حرفت میمانی که گفته بودی تا ته دنیا کنارش میمانی …', 'از قوی بودن خسته ام ؛ دلم یک شانه می خواهد تکیه دهم به آن و بی خیال همه دنیا دلتنگی هایم را ببارم …', 'بہ دو چیز نباید تکیه کرد دیوار تازه رنگ شده و انسان تازه بہ دوران رسیده...!!', 'فراموشی را بستاییم ! یاد، انسان را بیمار می\\u200cکند …', 'صبح یعنى همه شهر پر از بوی خداست عابرى گفت که این مطلق نادیده کجاست؟ شاپرک پر زد و با رقص خود آهسته سرود چشم دل بازکن این بسته به افکار شماست صبح بخیر', 'یه روحِ غمگین ، زودتر از یه میکروب آدم رو می\\u200cکُشه !', 'هر وقت قصد رفتن کردید بروید و هرگز برنگردید ! به رفتن وفادار باشيد تا ما هم به فراموش کردنتان وفادار باشیم …', 'چه دلنشین است روزی که با لبخند شروع شود ؛ پنجره\\u200cی دلت را رو به خوشبختی باز کن ، عشق را به قلبت دعوت کن ، و نفس بکش هوای مهربانی را … صبح بخیر ', 'دل نبند، به آدمی که وقتی دورش شلوغ شد هم خودش را گم میکند و هم تو را...!', 'ناله اگر که برکشم ، خانه خراب می\\u200cشوی خانه خراب گشته\\u200cام بس که سکوت کرده\\u200cام', 'متاسفانه حق با اونی بود که گفت هیچ چیز از هیچ کس بعید نیست ', 'آهای غمی که مثل یه بختک  رو سینه ی من  شده ای آوار  از گلوی من دستاتو بردار دستاتو بردار از گلوی من ', 'زندگی پر از فراز و نشیبه. فوت و فنش اینه که از سربالایی ها لذت ببری و موقع سرپایینی ها دل و جرات داشته باشی!', '\\u200fبعد مرحله \"از هیچی خوشحال نشدن\"  یه چیز دیگه ای هست به اسم \"از چیزی ناراحت نشدن\"  ما خسته ها اونجاییم...!', 'گویند چون میگذرد غمی نیست  به ولله،همین درد کمی نیست ', 'تــو که باشـی  حیف است لحظه ها بـی بـوسـه هدر شـونـد', 'مگر یک آدم چقدر توان دارد که دوست بدارد و دوست داشته نشود', 'و او اگر بخواهد  هر غیرممکنی ممکن می شود', 'چشم ها نمیدانند چطور احساسات را پنهان کنند', 'به دل خسته بگویید خداوندی هست', 'من آنِ توام مرا به من باز مده .', 'مراقب باشید به جای فرشته  \"گرگ \" را در آغوش نگیرید  اینجا دنیای مجازی است … دنیای  \" دروغ \" های قشنگ ...!!!', 'گاهی تمام چیزی که یک نفر نیاز داره  دستی برای گرفتن و قلبی برای درک کردنه.', 'عشق یعنی  حتی از راه دور هم  وقتی بهت فکر میکنم  دلم قرص میشه که هستی  آروم میشم ', 'آدم ها آنقدر زود عوض می شوند آنقدر زود که تو فرصت نمیکنی به ساعت نگاهی بیندازی و ببینی چند دقیقه بین دوستی ها تا دشمنی ها فاصله افتاده است...!', 'مثل فیلمی که اجازه ی اکران به او نمی دهند حسرتی عجیب دارم! کاش میشد مرا ببینی ام..', 'گاهـی دلـم تنـگ تو میـشود بہ تمـام دلایلـی که تو نیستی بہ اجبـار ، آرام میگـیرم چہ اجبـار تلخـی….!', 'دلمان را به هر چیزی که خوش می کنیم امکان از دست دادنش چندین برابر میشود  ', 'هر وقت دلم میگرفت  درد و دلامو به یکی میگفتم حالا دلم از همون یه نفر گرفته  اینو به کی بگم ...', 'راز عشـق  در این است که هر روز کاری کنی که  شریک زندگی ات  را خوشحال کند  کاری مثل  دادن هدیه ای کوچک  تحسین  لبخندی از روی محبت  نگذار که جویبار محبت تان  از کمی باران ، بخشکد ', 'كسي كه بدونه شما ناراحتيد و بذاره با اون حال روزهاتون  رو سپري كنيد  هيچ كستون حساب نمیشه... ', 'وقتی کسی داره با تمام وجود نصیحتت می\\u200cکنه، مخاطبش اون لحظه تو نیستی، خودش تو گذشتشه!', 'خواب و من و قرار من بی تو سر نمی شود  ', 'بهت نیاز دارم  مثل قلبی که...  به تپیدن نیاز داره…', 'اصلامگه داریم قشنگ\\u200cتر از داشتنت…', 'مهربان که باشی  روزت زیباست  آسمان رنگ دیگری دارد،روزت رویایی ست دنیایت عاشقانه میشود  مهربان باش مهربانی رسم قشنگ دلهای پاک است امروز کمی بیشتر مهربان باش!', 'پشت هر دربسته ای هميشه راهی برای گشايش هست آن راه راپيدا كن حتی اگربه اندازه روزنه ای باشد انشاالله همه درهای بسته بروی خوشبختی بازبشه', 'خیـلی\\u200cها بـه دنـبال عشق هستند… خیلی\\u200cها میگویند عشق را ندیده\\u200cاند… اما من میـگویم عشق را همـه روزانـه دیده\\u200cاند و لمس کرده\\u200cاند عشـق همـان\"پدر\" و \"مادر\" اسـت', 'اینجا رادیو دل  است صدای مرا از عمق قلبم میشنوید این یک پیامک نیست یک احساس پاک است که میگوید فراموشی در مرام ما نیست ولنتاین مـبارک ', 'صبح که می\\u200cشود دنبال اتفاقات خوب بگرد دنبال آدم\\u200cهای خوبیکه حال خوبت رابا نگاهشون و لبخندشون به روزگارت سنجاق کنی یک روز خوب، اتفاق نمی\\u200cافتد ساخته می\\u200cشود...صبح بخیر زندگی ', 'بعضی از خاطرات هستن که  هرگز نمیتونی به بقیه بگویی  چون آنها واقعا غیرقابل  توضیح هستند…', 'هنگامی که این خط صاف شود ناگهان همه دوستت خواهند داشت…', 'خط بکش: «روی» اونایی که بهت آسیب می\\u200cزنند خط بکش «دور» اونایی که برات ارزش و احترام قائل نیستند خط بکش «زیر اونایی که روابط سالمی باهات دارند و مهم هستند خط بکش»', 'محبوب من در دنیا جز شما خبری نیست! شما تنها خبرِ خوش این عالمید… ', 'من خیلی خسته شدم دیگه… خسته شدم از این همه شب، از این همه روز… از این همه، هی \"درست میشه،نترس\" گفتن به خودم که بدونم دروغه و دیگه هیچی، هیچوقت درست نمیشه… اصلاً آدم دلش میخواد بترسه!', 'عشق یعنی مراقب همدیگر باشید،حتی وقتی از دست هم دلخورید…', 'قرآن بخوانیم  خدایا گناهان ما را ببخش و بدی هایمان را بپوشان و ما را با نیکان و در مسیر آن ها بمیران  سوره آل عمران  آیه ۱۹۳', 'چشم هایت، تمام چیزی ست  که از زندگی میخواهم … نگاهت را که داشته باشم  هزاران بهانه دارم  برای نفس کشیدن  برای زنده ماندن  برای عاشق شدن  و حتی برای مردن …!', 'بهترین\\u200c چیزا زمانی\\u200c تو زندگیت اتفاق\\u200c می\\u200cافته که اون\\u200c چیزایی \\u200cرو که موجب آزارت می\\u200cشه رها کنی،\\u200cدست برداری\\u200c از چیزایی \\u200cکه خوشحالی  و حال\\u200c خوبت رو ازت می\\u200cگیره یادت باشه، آرامش خودت باید برات تو اولویت باشه', '  \\u200cهمه ی زندگی دوست داشتن است هنوز و همیشه', '\\u200fپرندگانم را آزاد کردم  زیرا فهمیدم  نداشتن  تنها راه از دست ندادن است ', 'اگه سرد باشی، به دیگران صدمه میزنی اگه حساس باشی، اونا بهت صدمه میزنن.', 'امیـدوارم روزتون  با بهترین لحظه ها و موفقیتها گره بخوره و سرشار از خیر و برکت و لبریز از آرامش باشه و تا انتهای هفته  حال دلتون خوب خوب باشه', '\\u200cحال من  خوب است اما خوب را معنا نکن', 'ما که همه شب خدا خدا میگوییم یا رب نکند بلاکمان فرمودی', '\\u200c  جانان من سفر کرد با او... برفت جانم', 'تمام راه ها بسته ...! نه راه رفتن بود  نه راه برگشت ...! من مانده بودم و  دوستت دارمی که از شدت بی تفاوتی  در آغوشم جان داد ...!', 'صبح بخیر هایت را فقط در گوش من بریز، من با صبح بخیر تو عاشق تر می شوم ...', 'ناگهان  بین من و تو  آن قدر فاصله افتاد  که نامش را  می توانی سفر بگذاری ... ', 'گفته بودند که عاشق بشوی میمیری اولین تجربه\\u200cام بود، چه می دانستم', 'بابا لنگ دراز عزیزم لطفا گاهی خودت را به نفهمیدن بزن و بگذار دوستت بدارم...', 'زندگی درست مثل نقاشی کردن است؛ خطوط را با امید بکشید  اشتباهات را با آرامش پاک کنید قلم مو را در صبر غوطه ور کنید و با عشق رنگ بزنید', 'محبوب من!  بعد از تو گیجم بی\\u200cقرارم خالی\\u200cام منگم\\xa0 بر داربستی از چه خواهد شد  چه خواهم کرد، آونگم\\xa0', 'سلام یکشنبه تون  قشنگ وشاد دستهاتون پرگل شادیاتون پاینده زندگیتون عاشقانه  و خنده ارزانی چشماتون یکشنبه تون دل انگیز ', 'الهی هیچ وقت گل خنده از روی ماهتون کم نشه الهی همیشه سلامت باشید الهی  همیشہ زیباتریڹ  تقدیرها نصیبتون باشه ', 'صداقت شاید  به تو دوستان زیادی ندهد اما همیشه بهترین و ماندگارترینشان را نصیبت می کند.. ', 'برای مردم زندگی نکن تباه می شوی غمگین ترین آدم ها  کسانی هستند که  برداشت دیگران برایشان  زیادی مهم است..', 'تاوان عمر رفته ی ما را که می دهد؟', 'زندگی در قاب تصویر', 'یکی تو فکر عشقه، یکی تو فکر یاره', 'ناله اگر که برکشم ، خانه خراب می\\u200cشوی خانه خراب گشته\\u200cام بس که سکوت کرده\\u200cام', 'از خواب چو برخیزم ، اول تو به یاد آیی ... صبح بخیر ', 'زيبا ؛ هوای\\u200c حوصله ابری \\u200cست ...!!!', 'به سراغ من اگر می آیید ؛ پشت هیچستانم ...! ', 'باز كن پنجره را ... من تو را خواهم برد به سر رود خروشان حیات ، آب این رود به سر چشمه نمی گردد باز؛ بهتر آنست كه غفلت نكنیم از آغاز . باز كن پنجره را، صبح دمید ... ! ', 'راستی در میانِ این همه اگر ، تو چقدر بایدی …!', 'و ما همچنان دوره می کنیم ، شب را ... و روز را ... و هنوز را ...', 'جايت خالى ... چقدر هوا براى دوست داشتنت  خوب است ...!', 'هیچ انسانی بدون شب بخیر ، تا صبح بیدار نمانده ...! اما گاهی انسان ها به یاد یک شب بخیر ، سالها بیداری میکشند ...!', 'به شب سلام ، که بی تو ؛ رفیق راه من است ...', 'به يكديگر دروغ نگوييد ... آدم است، باور می\\u200cكند ... دل می\\u200cبندد ...!', 'ساعت\\u200cها اشتباه میروم ، از رسیدن میترسم ...! میترسم ... کسی منتظرم نباشد ...!', 'سلام دوستان مهربان صبح بخیر وحال دلتون شاد انشاالله زندگیتون ازجنس گل باطراوت خنده هاتون ازجنس دریا وقدم هاتون ازجنس کوه باشه صبحتون زیبـا و پر امـید', 'هر \\u200eقلبی که پاک باشد، بیشتر \\u200eاعتماد می کند بیشتر \\u200eمحبت می کند بیشتر میبخشد و بیشتر از زندگی ِلذت میبرد', 'شـــكرت خــدا كه دفتر عمرم باز است هنوز نميدانم چند ورق مانده تا انتها.. اما برهر ورق كه بر من می گشایی زيبا خواهم نوشت.. به امیدت ای خدای خوبیها', 'سلام صبح  زمستونیتون بخیرسرتون سلامتچشماتون پرنورکامتون عسللحنتون عاشقانهحرفاتون غزلدلتون گرملبتون خندونحالتون خوبروزتون عاااالی', 'از سه اشک  بترسید: اشک يتيم  اشک مظلوم  اشك پدر ومادر   اگـر سبب  ريختـن اشک يكی از اينهـا بشوید همـانـا دری از درهای جهنـم را برويتان بـاز كرده اید', 'باید کسی باشد ، برای دوست داشتن ...! کسی باشد ،که وقتی تمامت را ... گوشه ای گم میکنی  بیاید پیدایت کند .. کسی مثل پدرم', 'بعد از یه دروغ ، همه واقعیتا مشکوکن ...!', 'به\"آرامش\"ڪه بـرســی\\n\"آرامش\"وجودت را فرا میگیرد!\\nنه به راحتی می\\u200cرنجی\\nو نه به آسانی می رنجانی \\n\"آرامـــش\"سهم دل\\u200cهایی ست ڪه\\nنگاهشان به نگاه خداست …', 'بعضی وقت ها\\nدوست داشتن، حیاتی دیگر است\\nزنده نگه داشتن کسی درونت\\nحتی با وجود این فاصله های دور…', 'چنین مباد فراق تو پایدار بماند...\\n', 'من همان\\n آدم\\n پر منطق\\n بی احساسم\\nپس \\nچرا آمدنت \\nحال مرا\\n ریخت بهم…', 'پدر یعنے عشق، آرامش\\n\\xa0یعنے گذشت\\nیعنے باش تا من هم\\nباشم\\nدوستت دارم پدرم', 'مرا یاری است کز من یاد نارد..\\n', 'هيچ وقت\\nفراموش نكنيد كه\\n\"دنيا تكرار نمي شود...!\"\\nاز لحظه لحظه هایتان\\nنهایت استفاده را ببرید \\nو خوبیها را پخش کنید.', 'دل بر نکنم ز دوست \\nتا جان ندهم ..', 'یکبار طعم عشق را چشیده ام\\nقلبم را تند کرد\\nبدنم را دیوانه\\nحواسم را به هم ریخت\\nو رفت…', 'چی خوشحالت میكنه؟\\nهمونو واست آرزو می\\u200cكنم…', 'در هر جغرافیایی هستید\\nجهت ها تفاوتی ندارند\\nدامنه های دلتون\\nبه سمت خوشبختی\\nلحظه هاتون پر ازشادی\\nوموفقیت\\nو لطف خدای مهربون\\u200c\\nهمراه همیشگی تون\\n', 'و عشق\\nاگر با حضور \\nهمین روزمرگی ها\\nعشق بماند\\nعشق است…', 'زندگی  بهشت است\\nبرای آنانی که\\nعاشقانه عشق می ورزند!\\nبی پروا محبت می کنند\\nو کمتر از دیگران انتظار دارند\\n\\nبه زیبایی گل شکی نیست\\nاما زیباتر از گل شمایی\\nامیدوارم همیشه شاد و خوشبخت باشید\\n', 'حس کردم\\n که چقدر \\nدلم واسه خودم تنگ شده...\\nتلخ ترین حس دلتنگی،\\nدلتنگی واسه خودته،\\nواسه کسی که بودی!\\n', 'پدر !\\n\\nپینه های دستت\\n\\nپیام های نگفته ات بود\\n\\nکه نشنیدم حیف...!\\n', 'که زندگی دو سه نخ کام است \\nو عمر سرفه ی کوتاهی  …', 'پیوند جان جداشدنی نیست ماه ِ من!\\nتن نیستی که جان دهم و وا رهانمت\\n', 'اگر کسی را دیدی \\nکه در لبخندت ، غمت را دید \\nدر سکوتت ، حرف هایت را شنید\\nو در خشمت ، محبتت را فهمید \\nبدان او بهترین دوست دار توست.', 'قلمت را بردار بنـویس \\nازهمـه خوبیها زندگی،\\nعشق امید و هـر آنچه \\nبرروی زمین زیبــاست\\nگـل مریم،گــــل رُز\\nروی کاغــذ بنویس \\nزندگی باهمه تلخی \\nهایش زیباســــــت', 'تنها چیزی که تو زندگی\\n \\nبدون تلاش بدست میاری\\n \\nشکسته…', 'تمام غصه های دنیا \\n\\nرا میشه بایک جمله \\n\\nتحمل کرد \\n\\n\"خدایا میدانم که میبینی\"', 'بی قید و شرط عشق بورزیم؛\\nبی قصد و غرض حرف بزنیم؛\\nبی دلیل ببخشیم\\nو از همه مهمتر\\nبی توقع محبت کنیم\\nتا روز زیبایی را رقم بزنیم', '\"مهـــــربان بودن\"\\n\\nمهمــــترین قسمت\\n \"انســــان بودن\" است\\n\\nایــن \" دل \" انســــان است', 'من عاشقِ او بودم \\nو او هیچ نَدانِست !\\n او رفت و \\nدِگرهیچ نماند از منِ مبهوت...!', 'محبوب من! \\nبعد از تو گیجم بی\\u200cقرارم خالی\\u200cام منگم\\xa0\\nبر داربستی از چه خواهد شد\\n چه خواهم کرد، آونگم\\xa0', 'گر چه من خود ز عدم \\nدلخوش و خندان زادم\\n\\nعشق آموخت مرا \\nشکل دگر خندیدن...\\n', 'عاشق را برعکس کنی!!\\nمیشود قشاع\\nدهخدارا میشناسی!؟\\nلغت نامه اش را باز کردم \\nمعنی قشاع  :دردی ک درمان ندارد....', 'کاش این روزها\\nیکی هم پیدا شود یک خیریه راه بی اندازد\\nبه نفع دل های تنگ\\nمدعوینش همه دل های سنگ\\nسهم من یک گوشه بازارچه\\nپشت یک عالمه دوستت دارم\\nیک نظر دیدار و بس', 'خدا کند\\nبه کسی چون خودت دچار شوی!', 'شب تاریک و بیم موج \\nو گردابی چنین هایل\\n\\nکجا دانند حال ما \\nسبکباران ساحل\\u200cها...!!\\n', 'بسیار مهم است که بگذارید بعضی چیزها از بین بروند ، خودتان را از آن\\u200cها رها سازید و از دستشان خلاص شوید ...\\nمنتظر نباشید تا قدر تلاش\\u200cهایتان را بشناسند و عشقتان را بفهمند ؛ در را ببندید ، آهنگ را عوض کنید ، خانه تکانی کنید ، گرد و غبارها را بتکانید ، از آنچه هستید دست بردارید و به آنچه که واقعا هستید روی آورید ...', 'آدمها مُدام در حال تغییرند ! یک روز دنیایشان از عطر دوست داشتنت پر می\\u200cشود و روز دیگر تاریخ انقضای حضورت را امضا می\\u200cکنند . دوره\\u200cی تاراج احساس است . به احساس خودت تکیه کن که هوا بدجور پسِ معرکه\\u200cست !', 'زنها را دست کم نگیرید! \\nدر نهایتِ ظرافتشان\\nچنان برایت تکیه گاه میشوند، \\nکه انگشت به دهان بمانی\\nزنها هشتمین عجایبِ جهانند\\nاز نوعِ متحرکِ دلبرانه.. ', 'فال قهوه ام\\nپر از آرزوهايیست، \\nكه من\\nغم نداشتنشان را \\nداغ داغ خوردم.. ', 'به من بگو\\nکه هنگام پیری\\nبه وقت نیاز و عجز\\nدرست در راس الزمان آلزایمر و زانو درد\\nهنوز هم دوستم خواهی داشت؟\\nهنوز هم عاشقانه نگاهم خواهی کرد؟\\nو از آدرسی که در جیب کتم پنهان کرده ای ...\\nپلاک خانه ات خواناست؟\\n', 'همدلی ...\\n', '\\nآدمها ساعت شنی نیستند که سروتهشان کنیم ، دوباره از اول شروع شوند\\n\\nآدمها گاهی تمام می شوند\\nمواظب دل آدمها باشیم!\\n', 'تو بخند\\nتا به همه ثابت کنم\\nیک دیوونه ، دوایش قرص نیست ،\\nلبخند توست\\n', 'مشوق خودت باش\\nدنیا به اندازه کافی \\nاز تو انتقاد می کند\\nخودت به این منتقدین اضافه نشو!', 'مرحبا! مرحبا! نسیم صبا\\n\\nخبر ار دوست چیست؟ باز نما...\\n', 'صبح است\\nو گل در آینه بیدار می\\u200cشود\\nخورشید در نگاه تو تکرار می\\u200cشود ...\\n', 'آدم ها یک زمانی\\nدر یک جایی\\nناخواسته خودشان را جا می گذارند\\nو می روند...\\n', '\\u200c\\nاگه دیدی یه نفر ببشتر از سنش درک میکنه \\nبدون اون آدم یا ذهنش خیلی رشد کرده\\nیا قلبش شکسته...!!', 'دوستت دارم\\nو دارم پیشاپیش به قتل خودم \\nاعتراف می کنم\\n', 'قصه ها مانده\\nمن سوخته را \\nبا تو \\nمرو...\\n', 'وگر تو جور کنی \\nرای ما دگر نشود \\n\\nهزار شکر بگوییم \\nهر جفایی را...!!!\\n', 'بگذار در \"آغوش\" تو ،\\nآرام بگیرم ...\\nدلچسب ترین ،\\nشیوه جان باختن است این ... \\n', 'میدونم که صدای آهنگ قرار نیست کمکی بهم بکنه، ولی هرچی بیشتر باشه میتونم صدای خودمو کمتر بشنوم\\n', 'انسانها؛\\nنمی\\u200cدانند که\\nتجربه نوعی شکست است\\nباید همه چیزت را\\nاز دست بدهی \\nتا ذره ای بفهمی....!\\n', '\\u200c\\nچراغی به دستم\\nچراغی در برابرم\\nمن به جنگ سیاهی می روم...\\n', 'حماقت یعنی ؛\\nصداقت داشتن با کسی که\\nسیاست داره\\n', 'نبودنت؛\\nبدجور توی ذوقِ دخترانگی ام میزند!\\nبدنیست کمی مُنصِف باشی...\\nآخر...من بدونِ تو \\nبرای کدام آدمِ عاقلی شیطنت کنم،\\nکه چپ چپ نگاهم نکند ؟!\\n', 'از وقتی اومدی تو زندگیم \\nزندگی واسم خیلی قشنگ تر شده \\nشدم خوشبخت ترین آدم دنیا \\nتو قشنگ ترین اتفاق زندگی منی', 'دقیقا میشه واسه \\nاون لحظه ای که از ته دل میخندی\\nمُرد ....\\n', 'تا جون دارم\\nجات امنه\\nتو این قلب من...\\n\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c', 'این روزها هرچه فکر میکنم کمتر مینویسم ،\\nحرفی نیست فقط این را بدان ،\\nناخواسته دوستت دارم و این دوست داشتن ،\\n تا خط ممتد مرگم ادامه خواهد داشت...!\\n', 'به فاصله بینمان بگو، کوتاه بیاید\\n', ' قرآن بخوانیم \\nو خداوند نسبت به بندگانش مهربان است .\\nسوره آل عمران \\nآیه ۲۰\\n', 'اشکش را در می آوردید \\nمی نشینید تا دیگران آرامش کنند\\nسر غرورتان می مانید و هرگز \\nمعذرت میخوام ی را به زبان نمی آوردید\\nآخر هم میگویید نمی دانم چرا رفت\\nو جواب چرا رفتن ها\\nگاهی تنها در رفتار های \\nاشتباه خودتان است...\\n', 'مثل بهار باش …\\nکه حتی سرسخت ترین درخت ها هم\\nدر هوای تو\\nچاره ای به جز سبز شدن نداشته باشند …\\n', '\\u200c\\nخدای  خوبم\\nبه من آرامشی بده از جنس خودت\\n\\nصبح بخیر ', '\\u200cبار دیگر صبح شد\\nبیدار شد این زندگی،\\nای تمام حس بودن های من \\nصبحت بخیر \\n', 'غزل\\u200cهایی که بر رویَت اثر گفتی ندارد را\\nبرای ماه می\\u200cخواندم، نظر می\\u200cکرد پایین را!\\n', '\\u200fهرکجا باشی \\u200c\\nکسی\\u200c غیر از خودت \\u200cهمراه نیست \\n', 'یادش همه جا هست خودش نوش شما\\nای ننگ براو مرگ برآغوش شما\\n', 'خودت باش! \\nاگر کسی خوشش نیامد، نیامد.\\n\"اینجا کارخانه\\u200cی مجسمه\\u200cسازی نیست\"!\\n', '\\u200c\\nانگار گل فروش میدانست چه میخواهم \\nگفتم : \\nآقا....\\nگل.... هنوز نرگسش را به زبان نیاورده بودم\\nگفت :نرگس ها تازه اند ، خیالت راحت \\nتمام طول مسیر را به دسته گل معطر نرگس خیره شده بودم و به\\xa0 این فکر میکردم که از کجا فهمید چه میخواهم! او که چشمان نرگس گونه ات را تا به حال ندیده بود تا بداند که من برای چه عاشق نرگس شده ام!!.....\\nنمیدانم .... شاید .... شاید ..... از زیاد دیدن عکس چشمانت... چشم های بی رنگ من هم نرگسی شده است و گلفروش این را از\\xa0 رَد ِنگاهم فهمید...  \\n', 'زیبا اندیش که باشی \\n\\nهمه چیز را زیبا می بینی\\n\\nنگاه ازدرون تومی آید\\n\\nنگاه درونیت رابه دنیازیباکن!\\n\\nتادنیا زیباییهایش را بر تو جاری کند\\n\\nتو زیباببین تازیبا دیده شوی..\\n', 'انسان باش ...\\nﭼﻪ ﻓﺮقی ﻣﯽ کند\\nشعبانﺑﺎﺷﺪ و ﯾﺎ رمضان!\\n دی باشد و يا اردیبهشت!\\nدسامبر باشد و يا ژوئن؟\\nﻫﺮ ﺭﻭزی که ﺩستی \\nﺭﺍ ﮔﺮفتی ،ﺩلی ﺭﺍ \\nﺑﺪﺳﺖ ﺁﻭﺭﺩﯼ ،اشکیﺭﺍ\\n ﭘﺎک کردﯼ ﺍﻧﺴﺎنی…', 'اینکه میگوییم..\\n \"بالاخره یکی می آيد که مارا بلد باشد\"...\\nتسکيني بیش نیست..\\nآنگونه که او احساسمان را برداشت  و رفت..\\nهیچ کس حتی خود او هم دیگر ..\\n مارا بلد نخواهد شد..\\n', 'ﺳﻨﮓ ﻫﺎ ﺭﺍ ﻧﻤﯽ ﺩﺍﻧﻢ ...\\nﺍﻣﺎ ﮔﻨﺠﺸﮏ ﻫﺎ ﻣﻔﺖ ﻧﯿﺴﺘﻨﺪ ... \\n\\nﻗﻠﺒﺸﺎﻥ ﻣﯽ ﺗﭙﺪ...\\nﻧﮕﻮﻳﻴﺪ ﺳﻨﮓ ﻣﻔﺖ , ﮔﻨﺠﻴﺸﮏ ﻣﻔﺖ...\\n\\nدل شکستن مفت نیست... \\nبهایی به اندازه تنهایی در این دنیا دارد ...\\n', 'قرآن بخوانیم \\n\\nبارالها هر کسی را بخواهی عزت می دهی و هر که را بخواهی خوار می کنی ، تمام خوبی ها به دست توست و تو بر هر چیز قادری\\nسوره آل عمران \\nآیه ۲۶', 'یارب تو مرا به نفس طناز مده\\n\\nبا هر چه به جز تست مرا ساز مده\\n\\nمن در تو گریزان شدم از فتنهٔ خویش\\n\\nمن آن توام مرا به من باز مده\\n', 'از دلتنگیت کجا فرار کنم؟\\nمعمار هیجان...\\nکجا بروم که صدای آمدنت را بشنوم ؟\\nکجا بایستم که راه رفتنت را ببینم ؟\\nکجا بخوابم که صدای نفس\\u200cهات بیاید؟\\nکجا بچرخم که در آغوش تو پیدا شوم؟\\nکجا چشم باز کنم که در منظرم قاب شوی؟\\nکجایی؟\\nکجایی که هیچ چیزی قشنگ\\u200cتر از تماشای تو نیست؟\\nکجا بمیرم\\nکه با بوسه\\u200cهای تو چشم باز کنم؟\\nکجایی...؟!\\n', 'پايانى براى قصه ها نيست،\\nنه بره ها گرگ ميشوند، \\nنه گرگها سير،\\nخسته ام از جنس قلابى آدمها!\\nدار ميزنم خاطرات كسى را كه \\nمرا آزرده!\\nحالم خوب است،\\nاما گذشته ام درد ميكند!\\n', 'آدم ها گاهی اوقات گریه میکنند،\\nنه به خاطرِ اینکه ضعیف هستند ...\\nبلکه به این خاطر که\\nبرای مدتی طولانی قوی بوده اند !\\n', 'تو را خبر زِ دل بی\\u200cقرار باید و نیست!\\nغمِ تو هست؛ ولی غم\\u200cگسار باید و نیست!', 'به مژگان سیه کردی \\nهزاران رخنه در دینم\\n\\nبیا کز چشم بیمارت \\nهزاران درد برچینم....\\n', 'تصمیم گرفتن دست خودمان نیست. تنها چیزی که باید درباره اش تصمیم بگیریم، این است که با روزگاری که نصیب ما شده است، چه بکنیم.', 'در این صبح زیبا\\nهم خدا هست\\nهم نور زیبایی و هم عشق\\nآفتابِ مهربانی؛ \\nارزانی پلک گشوده تان\\nهمهمه\\u200cٔ پرندگان نیکبختی\\nشادی بخش بامدادتان\\nدرود\\nصبحتون به شادی و خیر\\nروز تون مملو از عشق و مهر\\n', 'مرگ اينگونه است\\nتو رفته باشى و...\\nمن اسيرِ تو هنوز!\\n', 'ای کاش کسی می آمد \\nو غم ها را \\nاز قلب اهالی زمین\\nبرمیداشت...\\n', 'زندگی به من آموخت\\nآنکه کام دیگری را تلخ می\\u200cکند؛\\nغیرممکن است،\\nکام خودش شیرین باشد...\\n', 'وقتی \" عزت نفس \" داری کینه نمی ورزی،\\nهمه را به یک اندازه دوست داری،\\nخجالت نمی کشی،\\nخود را باور داری،\\nخشمگین نمی شوی، \\nو همیشه مهربان هستی.\\n', 'اگر خدا را داری\\nپس تمامیِ نگرانیهایت بی معنا است\\n\\nچون او تکیه گاهی ست \\nکه هیچگاه پشتت را خالی نخواهد کرد ...\\n\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c\\u200c', 'من کاملا خسته\\u200cام\\nاز مردانِ پیری که جنگ را \\nبوجود می\\u200cآوردند برای جوانانی \\nکه در آن کشته شوند...\\n', 'خیابان های پاییز را، قدم میزنم \\nبی چتر \\nدر باران \\nکافه به کافه …\\nقدم هایم میگویند تنهایم …\\nاما خیابان ها به یادم می آورند \\nمن کسی را \\nبسیار دوست دارم…\\n', 'قرآن بخوانیم \\nو ما بر تو توکل کردیم\\nسوره ملک \\nآیه ۲۹', '\\u200c\\nزندگانی به مراد همه کس \\n\\nنتوان کرد...!!\\n', 'قرآن بخوانیم \\nو ما بر تو توکل کردیم\\nسوره ملک \\nآیه ۲۹', '\\u200c\\nاز چه دلتنگ شدی؟\\n\\nدلخوشی\\u200cها کم نیست...\\n', 'زندگی کوتاهه...\\nبا آدمهایی بگذرونش که خنده به لبات میارن\\nو بهت حس دوست داشته شدن میدن\\n', 'قوی بمان\\n\\u200fچون همه چیز بهتر خواهد شد\\n\\u200fممکن است امروز هوا طوفانی باشد،\\n\\u200fاما تا ابد باران نخواهد بارید\\n', 'عشق و محبت \\n\\nردپای خدا در زندگی ست\\n\\nامیدوارم زندگیتون\\n\\nپر از ردپای خدا باشد...\\n', '\\u200c\\nخیلی تند رفت کودکی هایم\\nبا آن دوچرخه قراضه اش\\nکاش همیشه پنچر می ماند…', 'پشت تنهایی خود صف بستم\\n\\nهیچکس کرکره بالا نکشید...!\\n', 'نمیدانم کجایی \\nچه میخواهی \\nچه میخوانی\\nنمیدانم\\nفقط این را میدانم که در گوشه\\u200cای از دنیا \\nیکنفر هرروز دلتنگی را در نبودت به اغوش میکشد...\\n', 'اگر بخواهی نعمتی در تو زیاد شود،\\nباید آنرا ستایش کنی.\\nحتی وقتی گیاهی راستایش کنی،\\nبهتر رشد میکند\\nتقدیر کنید،\\nستایش کنید، تأیید کنید\\nتا نعمتهای خدا بسوی شما سرازیر شود', 'بـــــرای کـــسی کــه\\nرفــــتـنـی اســـت\\nراه بــــاز کــــنـید\\n\\nایــــستادن و مــنـتظر مـانـدن\\nابـــلـهانه تـرین کـار دل اســت..\\n', 'بزرگترین اعتیاد ما آدمها حرف زدن از مشکلاتمونه.\\nبشکنید این عادت رو!\\nاز خوشی ها حرف بزنید.\\n', 'کسی در زندگی \\n\\nجز مرگ پشتت در نمی\\u200cآید....\\n', 'گاهی کودک باش \\nو جدی بودن را فراموش کن!\\nکودک بودن کوچک بودن نیست،\\nلذت بردن است.', 'اگر بازیگر زندگی خود نباشی\\n\\nبازیچه آن می\\u200cشوی...\\n', 'در اندرون من خسته دل\\nندانم کیست\\n\\nکه من خموشم و او\\nدر فغان و غوغاست...\\n', 'عشقم چنان ربود که دنیا و آخرت\\nافتاد چون دو قطره اَشک از نظر مرا\\n', 'آدم\\u200c های امن چه کسانی هستند\\nآدم\\u200c های امن، همان\\u200cهایی هستند که \\nهمه چيز مي\\u200cتوانی بهشان بگويی، \\nبدون اينکه قضاوت يا تحقيرت کنند \\nميتوانی کنارشان احساس بودن کنی\\n\\n\"زندگي تون پر از آدمِ امن\"\\n', 'وقتی \\nدلت شکست \\nدیگر هیچ چیزی مثل روز های اول نمی شود \\nحتی اگر دنیا هم از تو معذرت خواهی کند\\n', 'هر چی مغرور تر باشی\\nتشنه ترند برای با تو بودن\\nو هر چی دست نیافتنی تر باشی\\nبیشتر دنبالتن... امان از روزی که\\nغرور نداشته باشی و \\nبی ریا بهشون محبت کنی...\\n', 'خوشبختی، فرش قرمز نیست!\\nفریاد حوادث نیست\\nسلامی به پدر،\\nآغوش مادر،\\nنگاهی به خواهر\\nکافیست ..\\nبرای خوشبختی، یک احساس کوچک خوشبختی کافیست\\n', '\\u200fهرگز درد و رنج \\nدیگران را ناچیز نشمار ...\\n\\nچون واقعیت این است \\nکه همه رنج میبرند \\nاما \\nبعضی ها بهتر پنهانش میکنند …', 'زیبایی مرد به اخلاق.\\nزیبایی زن به مهربانی.\\nزیبایی زندگی به خوشبختی.\\nزیبایی خانه به احترام و محبت.\\n\\nوزیبایی کنارهم بودن،\\n به صمیمیت وصداقت است.\\n', 'هرچقدرغصه بخوری\\nدنیا پاسخی \\nبه دلت نمی دهد\\nشاد باش، \\nشاد بودن اگر نتواند\\nمشکلاتت را کم کند \\nاضافه نمی کند\\nارزش واقعی تو زمانی ست که \\nدر اوج مشکلات شاد باشی \\nو برای راه حل بکوشی..', 'بهترین آرایش ها درزندگی:\\n\\nحقیقت برای لبها\\nبخشش برای چشم ها\\nنیکوکاری برای دستها\\nلبخند برای صورت\\nو عشق برای قلب\\n\\nاز آنها خوب استفاده کنید\\nو به زندگی زیبایی ببخشید…', 'زندگی قانون عجیبی دارد!\\nوقتی می خندی....\\nهمه با تو می خندد،\\n\\nاما وقتی گریه می کنی،\\nتو تنهایی......!!!\\n', 'گاهی دل\\u200cها؛\\n بخاطر نگفته\\u200cها می\\u200cشکند،\\nبیایید به یکدیگر بگوییم\\nکه چقدر به وجود هم \\nنیازمندیم و قدری\\nمهربانی و عشق به \\nهم هدیه کنیم …\\nدوست داشتن را یاداوری کنیم\\n', '▪️خودم را دوست می دارم \\nهمه جا همراهم بوده است\\nهمه جا\\nیک بارهم نگفت\\nحاضرنیستم باتوبیایم \\nآمدوهیچ نگفت\\nحرف نزد\\nگفتم واوشنید \\nرنجش دادم وتحمل کرد\\nخودم راسخت دوست می\\u200cدارم.\\n', 'میانِ \\nچهارچوبِ امـنِ \\nآغـوشِ مردانه ات\\nمی\\u200cشود یک دلِ سیر\\nتمامِ پاییز را \\nعاشقی کـرد..\\n', 'صبح باشد\\nپاییز باشد و بوی پرتقالی ات ،\\nحالم را عوض می کند ... \\nهوای عاشقی ات می زند به سرم\\nدر کوچه های نارنجی فریاد می زنم\\nتو\\nهمه ی عمر منی \\nبگذار دنیا بداند \\nتمام قد دوستت_دارم ...!\\n', 'خدایا ما را\\nبه انسانیت نزدیک\\u200cتر کن\\nگناهانمان را ببخش\\nخدایا به ما توفیق خدمت\\nدر راهت را بده و زبان ما را\\nاز گناه مصون بدار\\n', 'چه کسی قلب مرا آب و جارو می\\u200cکند\\nدانه می\\u200cپاشد تا کلمات،\\nمثل کبوتر از سَر و کولِ من بالا بروند؟\\nچه کسی همان بلاهایی را که من سَرِ تو آوردم\\nسَرِ من آورده؟\\nمن مال توام دیوانه!\\nزحمتم را کشیده ای\\nکشفم کرده ای...\\nنترس!\\n', 'یادتون باشه!\\nاگر چه گاهی تکه ابری جلویِ تابش خورشید رو می\\u200cگیره\\nولی خورشید پابرجاست…\\n\\nنگذارید لکه\\u200cهایِ اَبرِ غم و مشکلات \\nمانعِ تابشِ خورشید به زندگی\\u200cتون بشه \\nاز زندگی لذت ببرید…', 'بارانی که روی این شهر می بارد\\nیک شب\\nروی استانبول نیز خواهد بارید،\\nهمینطور که روی لندن\\nپراگ و یا باکو ...\\nهر کجا باشی\\nیک شب به یادِ نخستین دیدار \\nدلِ تو نیز خواهد شکست\\nمثل دل من\\nزیر بارانی که از ابرِ خاطره ها می بارد!\\n', 'انکار نمی\\u200cتوانم کرد\\nپروانه\\u200cای را که در رگانم شنا می\\u200cکند\\nممنوع نمی\\u200cتوانم کرد\\nیاسمنی را\\nکه از شانه\\u200cهایم بالا می\\u200cرود\\nپنهان نمی\\u200cتوانم کرد\\nعاشقانه\\u200cای که زیر پیراهنم می\\u200cتپد\\nنهفتن این همه\\nیعنی\\nانفجار من.\\n', '\\u200c\\nدلشوره ما بود\\n\\nدلارام جهان شد…', 'آنها که خوانده ام\\nهمه از یاد من برفت\\n\\nالا حدیث دوست\\nکه تکرار میکنم...\\n', 'شاید امروز همان روزی که می خواستی نبود ،\\nو هیچ چیز ، به گونه ای که تو انتظار داشتی پیش نرفت ،\\nولی روزهای خوب ، در راه اند ...\\nقوی باش و مصمم تر از قبل ، برای حالِ خوب و آرزوهایت تلاش کن\\nو فراموش نکن که خدا همیشه در اوجِ سختی و مشکلات ، از راه می رسد و برایت معجزه می کند .\\nکمی تحمل کن\\nهمه چیز درست خواهد شد ...\\n', 'تو حرف تازه ای بزن …\\nچیزی که از جنس ابراز علاقه های\\nتوخالیِ پر ادعا نباشد \\nشبیه دوستت دارم های بی اثباتی \\nکه فقط کلیشه است …\\nتو جور دیگری بیا …\\nاز آن آمدن ها که رفتن ندارند \\nاز آن ماندن ها که به ابدیت می رسند\\nعاشق شو اما …\\nطوری که در عشق \\nفکر و قلب و زبانت \\nبه یک اندازه دم از خواستن بزنند …\\nتو آن اتفاقی باش که ثابت می کند \\nعشق تا بی نهایت زیباست …!!\\n', 'اکنون که مال مني\\nروياهايت را \\nتنگاتنگ روياهايم بخوابان\\nو به عشق و رنج و کار بگو:\\nکه اکنون\\nهمه بايد بخوابند\\nبه عشق بگو \\nکه ديگر هيچ کسي جز تو\\nنمي تواند در روياهايم بگنجد ...\\n', 'وقتی تنهایی.. \\nبه همه\\u200cچیز و همه\\u200cکس پناه می\\u200cبری ! \\nپخش می\\u200cشوی\\nدر کوچه و خیابان.. \\nبه جاهایی می\\u200cروی که نباید بروی.. \\nبه آدم\\u200cهایی سلام می\\u200cکنی که نباید.. \\n\\nمحبوب من !\\nبیا دست مرا بگیر و مرا بیرون بکش، \\nاز کافه\\u200cهای دود و نیشخند...\\nاز گلوی شب\\u200cها،\\nاز گِل\\u200cولای روزها..\\nمن پراکنده شده\\u200cام !\\nبیا مرا جمع کن از کوچه و خیابان... \\nبیا مرا جمع کن از دیگران ...!\\n', 'ﺩﻧﯿﺎﯼ ﻋﺠﯿﺒﯽ ﺳﺖ؛\\n\\nﻧﺎﺭﺍﺣﺖ ﺑﺎﺷﯽ\\nﮐﺴﯽ ﺩﻟﺪﺍﺭﯼ ﺍﺕ ﻧﻤﯽ ﺩﻫﺪ\\nﺧﻮﺷﺤﺎﻝ ﮐﻪ ﺑﺎﺷﯽ\\nﮐﺴﯽ ﺗﺒﺮﯾﮏ ﺍﺕ ﻧﻤﯽ ﮔﻮﯾﺪ\\nﮔﺮﯾﻪ ﮐﻨﯽ،\\nﮐﺴﯽ ﺍﺷﮏ ﻫﺎﯾﺖ ﺭﺍ ﭘﺎﮎ ﻧﻤﯽ ﮐﻨﺪ\\nﺍﻣﺎ ﮐﺎﻓﯽ ﺳﺖ\\nﺍﺷﺘﺒﺎﻫﯽ ﻣﺮﺗﮑﺐ ﺷﻮﯼ\\nﻫﻤﻪ ﺳﺮﺯﻧﺸﺖ ﻣﯿﮑﻨﻨﺪ..\\n', 'آرامش یعنی میان صدها مشکل\\nخیالت نباشد\\nلبخند بزنی\\nچون می دانی خدایی داری\\nکه هوایت را دارد\\nکه با بودنش همه چیز حل می شود\\n', 'دوستان خوب \\nكمكت مى كنند \\nچيزهاى مهمى كه گم كردى رو \\nدوباره پيدا كنى...\\nلبخندت\\nاميدت\\nشهامتت\\nدوست خوب نعمته', 'ضرب المثل تبتی :\\n\\nراز یک زندگی خوب در این است \\nکه نصف بخوری، \\nدوبرابر راه بروی، \\nچهار برابر بخندی \\nو بی اندازه عشق بورزی', 'من جزیی از توام\\nدیگر نه زمان و نه مرگ\\nهیچ یک عطش مرا\\nاز سرچشمه ی وجود و خیالت \\nبی نیاز نمیکند…', 'دو چیز از یاد آدم نمیره\\nدوستهای خوب\\nروزهای خوب\\nولی یک چیز\\nهمیشه تو قلب آدم می مونه\\nروزهای خوبی که \\nبا دوستای خوب گذشت', 'دوستت دارم هایت\\nچرک کف دست نیست!\\nبه کسی نده\\nهمه شان را خرج خودم کن\\nکه هرکدام را\\nبزنم به یک زخمی ...\\nشاید\\nدلتنگی هایم \\nزودتر\\nبند بیاید ...\\n', 'دلم گرفته خدایا \\nتو دلگشایی کن \\nمن آمدم به امیدت \\nتو هم خدایی کن...\\n', 'دنيايی كه انسان ناگزير باشد برای اثبات ناچيزترين حقوق خويش، تا حد مرگ سرود بخواند،\\nدنيای بسيار زشتی است\\nدنيايی وارونه با مفاهيم وارونه…', '\\u200c\\nاگر زنی \\nدر چهل سالگی \\nهنوز جوان و زیباست،\\nبه دلیل این است که شوهرش \\nهنوز او را عاشقانه دوست دارد!', 'هر بار که هوای رفتن به سرم میزند \\nمی روم در گوشه ای تنها مینشینم تا این سودا از خیالم بگذرد می دانم اگر بروم هرگز به اینجا باز نخواهم گشت...\\n', 'نه چندان دلخوری از من\\nنه چندان دوستم داری\\n\\nمرا تا چند میخواهی\\nبلاتکلیف بگذاری...؟؟\\n', 'تا وقتی کسی در کنارت هست،\\n\\n خوب نگاهش کن!\\n\\nگاهی آدم ها آنقدر سریع میروند\\n\\n که حسرت یک نگاه سرسری را هم\\n\\n به دلت میگذارند!!\\n', 'مرا از همین فاصله دوست بدار\\nکنون که ناگزیرِ فاصله\\u200cایم\\n', 'و رهایی\\nسرگردانی بود،\\nکاش دست\\u200cهایت\\nنزدیک بودند...\\n', 'تو را هوای به آغوش \\nمن رسیدن نیست\\nوگرنه فاصله ما؛ \\nهنوز یک قدم است...\\n', 'خدا به همه چی جواب میده\\nاما سر وقتش وقتی که\\nحتی انتظارشو نداری\\n', 'ما خدا را داریم\\nمیان تمام نداشته هایمان\\n', 'خدا موقعی جوابت رو میده که توقعش رو نداری \\n', 'زندگی گاه به راز است \\nو ملامت بدهد\\nزندگی گاه به ساز است \\nو سلامت بدهد\\nزندگی گاه به ناز است\\n و جهانت بدهد\\nچه به راز و\\nچه به ساز و\\nچه به ناز،...\\nزندگی لحظه بیداری ماست\\nزندگی زیباست', '\\u200c...🗣\\nهَست،\\nاما راستش را بخواهيد بهتر است \\nكه بگويم نيست...\\nمتوجه منظورم كه ميشويد...؟\\nاصلا انگار\\nگير كرده است بينِ بودن و نبودن ها....\\nو همين نصفه و نيمه\\nبودن هاست كه تمام ميكند من را…', 'تو را فراسوی انتظار می\\u200cخواهم\\nآن سوتر از خودم...\\n', 'کام دلم تــو بودی \\nهر سو که می\\u200cدویدم', 'کوتاهی زمان را وقتی فهمیدم \\nکه در کنارت بودم و طولانی\\n بودن آنرا وقتی فهمیدم که در کنارم\\n نبودی پدرم', 'کافیست بشکنی\\nدیگر چه فرقی\\u200c می\\u200cکند\\nبرایت بمیرند\\nیا عاشقت شوند\\nتــــکــه تــــکـــه می\\u200c\\u200cشوند\\nآرزوهایی که با آنها رویا ساخته بودی...\\n', '\\nلابد دوستت دارم هنوز\\nکه هنوز فکر می کنم \\nاز هزار و صد نسخه ی این شعر \\nیک نسخه را تو\\n به خانه می بری\\nو تو  تنها تو می فهمی\\nچند جای این شعر،\\nخط خورده است.\\n', 'اینجا میان گیر و دار لحظه ها \\nدر میان تلاطم بی قراری ها \\nکسی هنوز منتظر شنیدن \\nصدای توست صدایی از جنس \\nعشق با هاله های طلایی احساس\\n', 'خوشبختانه خدا\\nخیلی بزرگتر از\\nدلواپسی های ماست.\\n\\nخدا', 'اگر در \"زندگی\"\\nبه درب بزرگی رسیدی،\\nکه قفل برآن بود\\nنترس و ناامید نشو\\nچون اگر قرار بود باز نشود\\nبه جای آن دیوار می گذاشتند...\\n', 'زمانی تلفن کم بود\\nاما آدمهای زیادی بودند\\nکه بهشان زنگ بزنیم \\nو یک دل سیرحرف بزنیم\\nحالا تلفن ها زیاده\\nاما آدمهای کمی هستند\\nکه دلمان حرفهایشان را میخواهد', 'تو قشنگترین دلیل واسه نشون دادن عظمت خدا روی زمینی ...\\n', 'زندگی به من یاد داده\\nبرای داشتن آرامش و آسایش\\nامروز را با خدا قدم بر دارم\\nو فردا را به او بسپارم … \\n', 'خدا جونم میدونم که\\nبه موقع میرسی ...\\n', 'بعضی آدمها باعث میشوند که\\nخنده شما کمی بلندتر\\nلبخندتان کمی درخشان تر،\\nو زندگی تان کمی بهتر شود.\\nسعی کنید یکی از این آدمها باشید.\\n', 'چه لذتی دارد از فردای نیامده نترسیدن،\\nگوش به باران دادن،\\nچای درست کردن،\\nپادشاه وقتِ خود بودن...\\n', 'بعضی آدما عین خورشیدن \\nبه بودنشون\\nبه مهربونیاشون عادت می کنیم \\nو فقط وقتی\\nبه یادشون میفتیم \\nو جای خالیشون حس میشه \\nکه دیگه غروب کردن\\n\\nقدر آدمای خوب زندگیمون رو بدونیم\\n', 'از کجا شروع کنم؟\\nدلتنگی را به چه طریق می\\u200cتوان جمع کرد؟\\nمن این راه را بلد نیستم.\\n', 'در گلوی من ابر کوچکی\\u200cست\\nمی\\u200cشود مرا بغل کنی؟\\nقول می\\u200cدهم\\nگریه...\\nکم کند!', 'زندگی\\nهیچ گاه به بن بست نمیرسد!\\n\\nکافیست چشم باز کنی و راه\\u200cهای\\nبی شماری را فراروی خود ببینی!...\\n\\nخدا که باشد هر معجزه\\u200cای ممکن میشود…\\n', '\\nجلالِ آل احمد وقتی از سیمین دانشور دور بوده، در نامه ای برایش نوشته:\\nبا هر کی حرف میزنم حلقه ام را به رُخش می کشم تا\\nاز ازدواجم بپرسد و من حرفِ تورا پیش بکشم...', '\\nلطفا تا گذشته چرک نکرده، رهاش کن :)', '\\nعشق قوی\\u200cترین احساسی است که در درون ما زندگی می\\u200cکند و وقتی عشق به درون تو راه پیدا می\\u200cکند می\\u200cتواند کمکت کند تا همه\\u200cی دردهای عاطفی\\u200cای که خودشان را در عمق وجودت پنهان کرده\\u200cاند، از خود دور کنی.\\n', '\\nمی\\u200cگفت:\\n«از امید گفتن تو این روزا، مثل گول زدن میمونه!»\\nگفتم:\\nشاید یکی گول خورد!\\nخندید. بخاطرش بخشید. بخاطرش ادامه داد. بخاطرش تلاش کرد. این چرخه \\u200cی سیاه و ناامید رخت عزاشو درآورد، آب و جارو کرد، روزگار نفس کشید، دنیا جای قشنگ تری شد.\\n', '\\nاگر باغتان را دوست دارید نباید از کار کردن در آن دست بکشید، کمی صبر کنید. فصلش که برسد حتماً شکوفه\\u200cها سر می\\u200cزنند.', 'هوا خوب یا بد فرقی نداره\\nما با هوای کسانی که دوستشون \\nداریم نفس میکشیم\\nزندگی کوتاهتر از اونیه که وقتمون\\nرا برای تنفر \\nاز کسی تلف کنیم', '\\nاز من پرسید: اگه می تونستی از هرچیزی توی دنیا عکس بگیری، اون چیز چی بود؟ \\nقبل از اینکه حتی به آن فکر کنم گفتم: امید.\\n', 'بهترین آرایش ها در زندگی:\\nعشق برای قلب\\nحقیقت برای لبها\\nبخشش برای چشمها\\nنیکوکاری برای دستها\\nلبخند برای صورت\\n', '\\nتو قربانی لازم داری، منم جهانو قربانی تو می\\u200cکنم ', '\\nوقتی آدم حس می\\u200cکند چیز خوبی دارد اتفاق می\\u200cافتد، وقتی امیدی در دل دارد یا احتمال چیزهای خوب را می\\u200cدهد، لحظات دل\\u200cانگیز می\\u200cشوند.\\n', '\\nموجه ترین دلیل \"دوست داشتن\" است\\nلبخند بی\\u200cاختیاری که\\nدلیلش لبخند دیگری\\u200cست ...\\n', '\\nباور کن تو زیباترینشونی \\n', '\\nکه جان و دل را آرامش و قرار تویی ', 'زندگی را به \"خدا \" بسپار...\\n \\nو اطمینان داشته باش تا وقتی که\\nپشتت به خدا گرم است تمام \\nهراس\\u200cهای دنیا خنده\\u200cدار است..', '\\nمثل یک گلدان، \\nمی دهم گوش \\nبه موسیقی روییدن...\\n', '\\nشب بخیر\\nغارتگر شب های\\nبی مهتاب من،\\n\\nمنّتی بر دل گذار، \\nامشب بیا در خواب من...\\n', 'یک حرف...\\nیک زمستان آدم را گرم نگه می دارد...!!!\\nو بعضی اوقات هم یک حرف...\\nیک عــمر \\nآدم را ســـرد می کند!!!!\\nحرف ها چه کارها که نمی کنند!!!!\\n\\nمراقب حرفهایمان باشیم\\n', '\\nبشین برات چایی بریزم ', '\\nمى\\u200cگفتی: شب\\u200c ات خوب جانِ من، \\u200fبيشتر از خوب بودن شب،\\u200f انديشه\\u200c ى اين \\u200cكه جانِ تو هستم\\n\\u200fدر من ريشه مى\\u200cكرد و سبز می\\u200cشد ..\\n', '\\u200fهیچوقت کسی رو  قضاوت نکنید؛\\nسرنوشت انقدر دنبالتون میکنه \\nتا تو یه کوچه بن بست شما رو\\n تو همون شرایط قرار بده …', '✨\\nاگر تو نبودى، عشق نبود\\nهمين طور اصرارى براى ادامه ی زندگى...\\nاگر تو نبودى، زمين يک زير سيگاریِ گِلى بود\\nجايى براى خاموش كردن بى حوصلگى ها...\\nاگر تو نبودى، من كاملا بيكار بودم!\\nهيچ كارى در اين دنيا ندارم،\\nجز دوست داشتنِ تو...\\n', '\\nگم شدن را در خانه تمرین می کردیم\\nتوی کمد، پشتِ لباس ها\\nپشتِ مبل، بعد ها در خیابان\\nپیاده رو ها، کافه ها\\nو بعد توی خودمان\\n', 'در کشاکش تمام سختی\\u200cها \\nو کم آوردن\\u200cهایی که زندگی \\nبرایمان رقم می\\u200cزند، \\nهیچ\\u200cگاه اسیرِ عظمت \\nدرد و غم مباش؛\\nکه خدای تو\\nاز تمام آن\\u200cچه که دلت را \\nآزرده، بزرگتر است..', '\\nبعضی وقتها به خودم اجازه می\\u200cدهم که حس خوبی داشته باشم، اما مراقبم. من در زل\\u200cزدن به دستگیره کمد یا گوش\\u200cسپردن به صدای باران در تاریکی اتاق، لحظات پر از آرامشی یافته\\u200cام. هرچه کمتر به چیزی نیازمند بودم، احساس بهتری داشتم. ', '\\nاین چه حرف است که در عالم بالاست بهشت؟\\nهر کجا وقت خوشی رو دهد آنجاست بهشت\\n', '\\nمن سرشار از خدا بودم،\\nو چه زیبا و اعجاب\\u200cانگیز است\\nآن لحظه که چشم در چشم خدا\\nخالی می\\u200cشوی \\nاز می\\u200cدانم\\u200cهای حقیر خویش..!\\n', '\\nهر بار که نگاه نویی نسبت به زیبایی و\\u200cخوشبختی می\\u200cیابیم، میل به زندگی\\u200c در ما دوباره زنده می شود...', '\\nکامل نشد ماه از آن شبی که تو رفتی\\nاز اینجا ..!\\n', '\\nاگر دوران سختی را می\\u200cگذرانید، امیدوار باشید زیرا روزهای بهتری در راه است! خدا می\\u200cخواهد شما را نجات دهد، حتی می\\u200cخواهد باعث شکوفایی بهتر شما شود، و تمام آنچه را که از دست دادید، و چه بسا بیشتر از آن\\u200cرا به شما بازگرداند!', '\\nشب همه\\u200cی ما یکی بود،\\n\\u200fاما تاریکی\\u200c هایمان\\n\\u200fفرق داشت...\\n', '\\nدست از جنگ با خودت بردار! \\nبه اندازه کافی ظلم تو این دنیا هست؛ اوضاع را با قربانی کردن خودت از این که هست، بدتر نکن ... با عشق زندگی کن و نفس بکش ...\\n', '\\nشب با هجوم بی\\u200cمروتش، سخت تسخیرم کرده بود.خواستم زنده بمانم و فکر کردن به تو، تنها سلاحم بود! تنها کمانم تنها سنگم...\\n', '\\nبا خودم فکر کردم به تعداد انگشتای دو\\u200c تا دست توو زندگیم آدمای به درد بخور هستن، آدم مگه چقدر میخواد از زندگی؟!\\nبگردید خوش شانسی های زندگیتون رو جدا کنید و نگه دارید.\\nبقیه رو بی خیالش!\\n', '\\nخودِ عزیزم؛ \\nازت عذر میخوام که ارزشتو نادیده گرفتم و نفهمیدم تو لایق بهترینایی، تو زیباترین آفریده خدایی ', '\\nشب فرو می\\u200cافتاد \\nبه درون آمدم و \\nپنجره\\u200cها را بستم\\nباد با شاخه در آویخته بود \\nمن در این خانه\\nتنها، تنها\\nغم عالم به دلم ریخته بود..\\n', '\\nبعضی آدمها باعث میشوند که\\nخنده شما کمی بلندتر\\nلبخندتان کمی درخشان تر،\\nو زندگی تان کمی بهتر شود.\\nسعی کنید یکی از این آدمها باشید.', '\\nانقدر سالم زندگی کن که اطرافینات مشتاقِ تو باشن؛\\nنه مشتاقِ چیزی که میخوای پیشنهاد بدی بهشون ...\\n', '\\nپرنده نیستم\\nکه بگویی: دوستت دارم، پرواز کنم! \\nآدمم،\\nبیشتر عمر میکنم...\\n', '\\nخب اینم از عقیده من ...\\nیه وقتایی خدا یه جوری سورپرایزت میکنه که با خودت میگی : جز خدا از پس هیچکس این سورپرایز برنمیومد والا ', '\\nآیا این شب است\\nکه باعث می شود \\nمن به تو فکر کنم؟\\nیا من هستم\\nکه برای فکر کردن به تو\\nانتظار شب را می کشم؟\\n', '\\nهیچ چیز دست نیافتنی نیست؛ \\nوقتی تو تلاش می\\u200cکنی و از دانشِ مناسبش استفاده میکنی ', '\\nهرروز برای خودت،\\nبرای دلت كاری بكن!\\nاين حوالی\\nبايد به دنبال حال خوش دويد\\nحال بد هركجا كه باشی\\nكمين ميكند...\\n', '\\nدور نباش\\nدر این دنیایِ کوچک!\\nدر این آغوشِ دنج!\\nنزدیک تر باش،از روح به جان،\\nنزدیک تر باش،از جان به تن،\\nنزدیک تر باش،از تن به من!\\nتو خود من باش!\\n', '\\nزندگی به من یاد داده\\nبرای داشتن آرامش و آسایش\\nامروز را با خدا قدم بر دارم\\nو فردا را به او بسپارم … \\n', 'تو مثل خواب بعد از خواب اول صبح ميمانى … مثل آن روى خنک بالشت … همانقدر شيرين همانقدر دلچسب', 'دنیا به زن\\u200cهای مقاوم\\u200c نیاز دارد؛ زن\\u200cهایی که بی\\u200cتوجه به محیط پیرامون\\u200cشان، مشتاق، سرزنده و پرانرژی هستند؛ زن\\u200cهایی که از گفتن حقیقت یا بیان اعتقادات\\u200cشان نمی\\u200cترسند؛ سرشار از استعداد، عاطفه و مهربانی هستند؛ خودشان را با مردها مقایسه نمی\\u200cکنند یا با سایر زن\\u200cها نمی\\u200cجنگند، بلکه همه\\u200cی انسان\\u200cها را همان\\u200cطور که هستند، می\\u200cبینند و همواره در جست\\u200cو\\u200cجوی زندگی بهتر و عشق پایدار هستند.', 'اکثر مردم هنگامی که به پایانِ کار می\\u200cرسند و نظری بر گذشته می\\u200cافکنند، درمی\\u200cیابنند که سرتاسرِ زندگی را چون چیزی گذرا زیسته\\u200cاند و با حیرت مشاهده می\\u200cکنند که آنچه بی\\u200cاعتنا از کنارش گذشته\\u200cاند و لذّتی از آن نبرده\\u200cاند، همان زندگیشان بوده است؛ یعنی همان چیزی که به خاطرش زندگی کرده\\u200cاند. انسان فریاد بر می\\u200cآورد که امید و آرزو او را فریفته\\u200cاند تا این\\u200cکه عاقبت در آغوش مرگ به رقص درآید! آه چه مخلوق حریصِ سیری ناپذیری است این انسان !', 'به\\u200c نظرم هر چه دربارهٔ زندگی می\\u200cدانم  از \"کتاب\\u200cها\" آموخته\\u200cام ...', 'هیچ کاری  بی معنی تر از این نیست که بخواهی برای کسی که برایش مهم نیستی از خودت بگویی!', '\\u200fاعتماد به نفس این نیست که وارد اتاقی بشی و فکر کنی از همه بهتری،  اینه که وارد جمع بشی و اصلا خودت رو با کسی مقایسه نکنی.', 'عاشق کسانی باشید که شما را دیدند، وقتی برای هرکس دیگری ناپیدا بودید.', 'زیاد در خاطرات دیگران کنجکاوی نکنید؛ در خاطرات هر شخص چیزهایی هست که حتی می\\u200cترسد آنها را برای خودش آشکار کند ...', 'کسی که بهشت را بر زمین نیافته است آن را در آسمان نیز نخواهد یافت خانه\\u200cی خدا نزدیک ماست و تنها اثاث آن، عشق است.', 'بهترین شیوۀ زندگی آن نیست که نقشه\\u200cهایی بزرگ برای فردایت بکشی، آن است که وقتی آفتاب غروب می\\u200cکند،  لذت یک روز آرام را چشیده باشی...', 'چشم ها همیشه راستگو ترن من خودم خیلی وقتا ناراحت بودم اما لبام خندیدن ولی هیچوقت نتونستم ناراحتی چشمام  رو پنهان کنم کرونا میخواد نزاره لبامون بخندن ماسک بزن اما بزار چشمات بخندن', 'بجای تماشای پنجره زندگی دیگران از کتاب عمرت لذت ببر.  داشته\\u200c\\u200cهایت را جلوی چشمانت قاب بگیر و برای نداشته\\u200c\\u200cهایت تلاش کن.  حسرت باغچه دیگران را نخور.  در عوض باغبان دنیای خودت باش.', 'ما برای ادامه دادن  هیچکسی را نداریم جز خودمان.  و این کافیست ... ', 'من راحت اعتماد نمیکنم پس وقتی بهت میگم بهت اعتماد دارم خواهشا پشیمونم نکن ...', 'من آموخته ام که مردم فراموش خواهند کرد شما چه گفتید، فراموش خواهند کرد چه کردید ...  اما هرگز فراموش نمی\\u200cکنند که  چه حسی به آن\\u200cها منتقل کردید ...', 'یادتان باشد تنها چیزی که همیشه با خودتان به هر جایی حمل می\\u200cکنید \"خودتان\" است!  قبل از تعویض دوست، شغل یا آدرستان، خودتان را عوض کنید.', 'بعضى وقت\\u200cها دفعه\\u200cى بعدى وجود نداره، شانس دوباره و وقت اضافه\\u200cاى نيست! گاهى فقط \"الان\" هست یا \"هرگز\"  فرصت\\u200cها را از دست ندهيد', 'قصد انجام\\u200c هر کاری را داری، شروعش کن. جرات با خودش نبوغ، قدرت و جادو\\u200c به همراه می آورد. ', 'اگر انسان به اندازه ى كافى مشتاق كسب چيزى باشد آنرا بدست خواهد آورد. ', 'زندگی لذت \\u200cبخش زندگی\\u200cای است که پر از احساسات مثبت درباره  گذشته، حال و آینده باشد. همراهی\\u200cهای لذت \\u200cبخش با گذشته، شامل احساسات مثبت چون خرسندی، بخشش، رضایت و آرامش است. احساسات مثبت درباره حال، ممکن است شامل لذت بدنی، مانند لذت حسی آنی و لذت\\u200cهای پیچیده\\u200cتر که بین یاد گرفتن و کسب دانش حس می\\u200cشود باشد. درحالی که هیچ همبستگی با لذت\\u200cهای مربوط به افسردگی و اضطراب وجود ندارد اما به نظر می\\u200cرسد که اثر مثبت آن باشد.', 'اشکال کار بسیاری افراد این است که می\\u200cخواهند همه چیز در بهترین حالت ممکن باشد تا شروع کنند و هرگز همه \\u200cچیز در بهترین حالت نخواهد بود در واقع کمال\\u200cگرایی افراطی مانع بسیاری از پيشرفت\\u200cها بوده نه موجب پیروزی\\u200cهای بزرگ.', 'زندگی شما تغییر نخواهد کرد مگر آن که کاری را که هر روز آن را انجام می دهید تغییر دهید ...', 'در زندگی وقتی،  کاری برای انجام دادن چیزی برای عشق ورزیدن يا انگیزه ای برای امیدوار بودن داشتی بدان که فرد خوشبختی خواهی بود ... ', 'آب زنید راه را  هین که نگار می\\u200cرسد مژده دهید باغ را  بوی بهار می\\u200cرسد ...', 'زیباترین روحیه ی سنتی ما ، عشق به بهار و نوروز است و ما مردم ، علی رغم این همه مصیبت و مصیبت زدگی چه ساتعداد ها برای زندگی و شادمانی داریم', 'مادری میگفت: من چهار فرزندم را در تنها اتاق منزل کوچکم بزرگ کردم، اما حالا آنها در چهار منزل بزرگ خود برای من یک اتاق کوچک ندارند..', 'جهت حرکت شما، بسیار مهم\\u200cتر از سرعت حرکت است... خیلی\\u200cها با سرعت زیاد به سمت هیچ حرکت می\\u200cکنند...!', 'برای اینکه خوشحال باشی باید: بیخیال چیزایی که رفته بشی قدر چیزایی که مونده رو بدونی و منتظر چیزایی که قراره اتفاق بیفته بمونی ...', 'اصول چهارگانه زندگی : صادق بودن هنگام فقر ساده بودن هنگام ثروتمندی مودب بودن هنگام قدرتمندی سکوت هنگام عصبانیت ...', 'گاهی اوقات احساس می کنم که گذشته و آینده به قدری محکم از دو طرف فشار وارد می کنند که هیچ جایی برای زمان حال باقی نمی ماند. ', 'مهدی طارمی که در ماه ژانویه به عنوان بهترین بازیکن لیگ پرتغال شناخته شده بود؛ در ماه فوریه نیز بعنوان بهترین بازیکن این لیگ انتخاب شد.', 'بعضی ها تکرار نمی شوند  پس کسی را که دوست داری  همیشه کنار خودت نگه دار مراقبش باش ...', 'گل، بوی بهشت را ز احمد دارد این بوی خوش از خالق سرمد دارد گویند که گل عطر محمد دارد نور و شعف از وجود احمد دارد عید مبعث مبارک', 'انسان آنچه که فکر می\\u200cکند، نیست  آن چیزیست که پنهان می\\u200cکند..', 'هیچ اشکالی ندارد احساساتی داشته باشیم\\xa0 که دیگران چیزی از آن درک نکنند؛ هر کسی سفر خودش را می رود ...', 'واقعیت را نمی\\u200cشود از نو ساخت.  همان طور که هست قبولش کن. سر جایت محکم بایست و با آن روبرو شو...', 'گاهی ... نعمتی را که بی ارزش می شماری  برای دیگری ارزشمند و کارگشاست ... ', 'یه دردایی هست که هیچ وقت تو برگه آزمایش نوشته نمیشه... روزگارتون بی درد ..', 'یکی از جذاب\\u200cترین رفتارهایی که از یک کتاب\\u200cخوان سرمی\\u200cزند، کند خواندن کتابی\\u200cست که دوست می\\u200cدارد: زیستن در فاصله میان واژه\\u200cها.  در فاصله ساکت میان واژه\\u200cهاست که می\\u200cتوان «طعم کتاب» را چشید: فارغ از معنای این یا آن واژه.', 'اگر از كسی متنفری،  از قسمتی از خودت در او متنفری؛  چيزی كه از ما نيست نمی تواند افكار ما را آشفته كند...', 'بزرگترین خوشبختی این است ؛ که مارا بخاطر خودمان  و برای آنچه واقعا هستیم دوست بدارند ...', 'اگر به ظالم رو بدهی و بگذاری که یک انگشت به حق تو تجاوز کند، به هزار انگشت هم اکتفا نخواهد کرد!  این خود ما انسان\\u200cها هستیم که می\\u200cبایست حریم خود را بزرگ درنظر بگیریم!', 'اگر می\\u200cخواهی شادی را بیابی، به آنان که در رنج هستند کمک کن.  مهر ورزیدن حتی کوچک، مثل یک موج تا ابد در جهان منتشر می\\u200cشود و راه خود را برای بازگشت به تو پیدا خواهد کرد.', 'فقر چیزی از مهربانی یک پدر کم نمیکند... فقط در قیمت وسایلی که برای کودکش تهیه میکند تفاوت وجود دارد همین... روز پدر بر تمامی پدران زحمتکش سرزمینم مبارک', 'ما نسل بدبختی هستیم ! دستمان به مقصر اصلی نمی\\u200cرسد ، از همدیگر انتقام می\\u200cگیریم ...', 'برای مهندسین بن بستی وجود ندارد آنها یا راهی خواهند یافت یا راهی خواهند ساخت. پنجم اسفند ماه روز بزرگداشت  خواجه نصیر الدین طوسی و روز مهندس بر همه آنانکه مهندس وجود  خویشند مبارک باد...', 'چه قابلِ ستایشند ذهن هایی که محاسبه می کنند و دستهایی که می آفرینند! خداوند \"مهندسان\" را آفرید؛ تا جهان هر روز زیباتر شود! 5 اسفند روز مهندس مبارک', 'یادت نره که امروز هم شکرگزار باشی،چون خدا یادش نرفته امروز صبح هم بیدارت کنه...', 'بزرگترین اشتباه آدم\\u200cها از دل بزرگترین دوست\\u200cداشتن\\u200cهایشان بیرون می\\u200cجهد. از همان چیزهایی که سفت گرفته بودنشان. معمولا چیزهایی از دست می\\u200cروند که می\\u200cخواهیم هیچگاه از دست نروند. هر چه چیزی را سفت\\u200cتر می\\u200cگیریم خون کمتری به انگشتان می\\u200cرسد و کمی بعد مشت باز می\\u200cشود.', 'عادت ها می توانند انسان را نابود کنند.... کافی است انسان به گرسنگی و رنج بردن عادت کند! به زیر ستم بودن  تا دیگر هرگز به رهایی فکر نکند و ترجیح بدهد در بند بماند.... ', 'آرزویم این \\u200cاست در این روز زیبـا که دلت خوش باشد نرود لحظہ ایاز صورت تو لبخندت نشود غصہ کمى نزدیکت لحظہ هایت همه زیبا و قشنگ الهی کہ امروز دوشنبہ بهترین روز عمرتون باشہ', 'ســلام صبحتون پراز خیر و برکت  در پناه پروردگار امروزتون بخیر و نیکی حال دلتون خوب وجودتون سلامت  زندگیتون غرق در خوشبختی  روزتون پراز انرژی مثبت  دوشنبه تون مملو از شادی', 'اگر بین  برنده شدن  و شاد بودن مجبور به انتخاب شدی، همیشه شادی  را انتخاب کن  چون شادبودن  به صورت خودکار از تو یک برنده می سازد ', 'خدایا دفتر امروز  یکشنبه ۱۵ فروردین ماه  را با نام و یادت می گشایم یاریم کن تا دلی را شاد کنم به پاس شکرانه بیداریم دستم را رها مکن تا به امید تو دست افتاده ای رابگیرم روزتون پر از لطف خـــــدا', 'دلتان را قایق نکنید برای  نجات هر آدمی از دریای تنهایی  آدم ها نمک نشناسند  به ساحل که برسند  حسشان عوض میشود  غرقتان می کنند در خودتان !', 'جهان جای بهتری می\\u200cشد اگر انسان\\u200cها به همان میزانی که  صحبت می\\u200cکنند، ظرفیت ساکت بودن را هم داشتند!', 'پازل دل کسی رو بهم ریختن  هنر نیست ! هر وقت تونستی با تیکه های شکسته دل یک نفر  یک پازل جدید و قشنگ براش بسازی هنر کردی', 'آراستگی هر چیزی در گرو چیز دیگریست: آراستگی ثروت در انفاق و بخشیدن است آراستگی شجاعت، در گذشت و بخشش است. آراستگی اصل و نسب به ادب است امام علی (ع): ادب مرواریدی همیشه درخشان است', 'این آینده کدام بود ...؟  که بهترین روز های عمرم را ، حرام دیدارش کردم ...!', 'يادمان باشد كسي مسئول مشكلات  و دلتنگي\\u200cهاي ما نيست اگر رد پاي دزد آرامش و سعادت  را دنبال كنيم، سرانجام به خودمان خواهيم رسيد...', 'هیچوقت نخواه زیر پای ادمی رو خالی کنی یا بهش ضربه بزنی چون روزگار باهات تلافی میکنه خوب باش برای همه خوب بخواه', 'فرصتی بسیار کوتاه به ما دادند تا سر زنده باشیم تا ترانه ای زیبا بخوانیم  فرصت به پایان خواهد رسید پس زیبا زندگی کن ', 'یکی بود یکی نبود غیر از خدا هیچکس نبود این کل داستان آفرینش است این داستان را جدی بگیرید غیر از خدا هیچکس نیست هر چه هست برای او و بخاطر اوست', 'زندگی،  هر چه را می\\u200cخواستم به من داد  و بعد به من فهماند که آن چیز اهمیتی نداشت جز،  رسم مهربانی و صداقت و  هنر عشق ورزیدن و لبخند را به دیگران هدیه دادن. ', 'بزرگترین ثروت زندگیم  رو موقع خروج  از خونه متوجه شدم  نه مساحت خونه بود  نه مدل ماشین دو تا دست مادرم بود که پشت سرم  رو به آسمون دعام میکرد  مادرم دوستت دارم', 'خوشبخت کسی است که شکوه رفتارش ، آفریننده\\u200cی لبخند زندگی در چهره دیگری باشد', 'اگر خدا دری را می بندد ، دست از کوبیدنش بردارید! هرچه که در پشت آن در بود، قسمت شما نبود به این حقیقت بیاندیشید که او آن در را بست چون میدانست که ارزش شما بسیار بیشتر است...', 'اول از همه برایت آرزومندم که عاشق شوی و اگر هستی، کسی هم به تو عشق بورزد و اگر اینگونه نیست، تنهاییت کوتاه باشد و پس از تنهاییت، نفرت از کسی نیابی...', 'اینکه دیگران را می بخشیم بد نیست اما پس دادن جایگاه شان بزرگترین حماقت است.', 'نیمه شعبان، ولادت با سعادت امام زمان (عج) مبارک باد ...', 'برنده ها از شکست خوردن نمیترسند ولی بازنده ها چرا شکست بخشی از فرایند موفقیت است کسانی که از شکست دوری می کنند از موفقیت نیز دوری میکنند.', 'مهربانی دانه ایست ، حتی اگر ندانی آنرا کجا کاشتی روزی به بار مینشیند و درختی میشود و تو در سایه\\u200c آن خستگی در خواهی کرد...', 'الهی باپهن کردن سفره هفت سین قرآنش نگهدارتون آینه اش روشنایی زندگیتون سکه اش برکت عمرتون سبزیش شادابی دلتون ماهی اش شوق ادامه زندگیتون روبه شما هدیه بده', 'هر چیزی ممکن است در یک چشم به هم زدن \\u200cتغییر کند اما ناراحت نباش خــدا پلک نمی زند پس بـه خــدا تـوکل کـن و خودت را بـه خــدا بسپار', 'مادرها فریاد نمیزنن مادرها فقط تحمل میکنند تمام ناملایمتها را مادرها نمیروند مادرها رفتن بلدند، نمیروند که آشیانه دل فرزندشان گرم بماند چرا که آنها خدایی را دارند به وسعت قلبهای مهربانشان', 'رویاهاتون که محدود شد؛ زندگیتون محدود میشه! زندگیتون که محدود شد  به کم قانع میشید...!   به کم که قانع شدید ... دیگه هیچ اتفاق جدیدى  تو زندگیتون نمیفته...!', 'از دلم پرسيدم  عشق رو خلاصه كن...؟  گفــت: عشق آسمونی :  خــــدا عشق زمینی:  پـــدر و مـــــادر', 'پشت تمام آروزهای  تو خدا ایستاده است.  کافی ست به حکمتش ایمان داشته باشی تا  قسمتت سر راهت قرار بگیرد.  او را بخوانید تا شما را اجابت کند . ', 'اهالی بهشت\\u200c چهار نشانه دارند : روی گشاده زبان نرم دل مهربان  و قلب بخشنده', ' نمی دانم مردم چرا حرف زدن با دهن پر را بد می دانند اما حرف زدن با مغز خالی را نه! ', 'به کجا می نگری ؟  زندگی ثانیه ایست... وسعت ثانیه را میفهمی ...؟ هیچکس تنها نیست !  ما خدا را داریم', 'خشم مانند طوفان است بعد از مدتی فروخواهد نشست  ولی بدان که  حتما شاخه هائی شکسته اند', 'ﭘﺪﺭﻫﺎ ﻭ ﻣﺎﺩﺭﻫا شبیه ﻣﺪﺍﺩ رنگی هستند ، ﺩﻧﯿﺎﯾﺖ ﺭﺍ ﺭﻧﮓ آمیزی میکنند، ﺯﻧﺪﮔﯿﺖ که ﺯﯾﺒﺎ شد،  جوهر زندگی شان  تمام میشود.!!!', '\\u200fسخت ترین قسمت خونه تکونی پاک کردن گرد و خاک عکس اوناییه  که دیگه نیستن و هیچکس نمیتونه جاشون رو تو قلب ما پر کنه شادی روح پدران و مادران آسمانی  و همه در گذشتگان بخوانیم فاتحه  و صلوات', 'موضوع انشا : علم بهتر است یا ثروت ؟  باور کنید هیچکدام  فقط و فقط ذره ای معرفت ...', 'باز هم عصر شد یه روز دیگه هم از فصل زیبای زمستان گذشت در این عصر دل انگیز آرزو میکنم قلبتون پر باشه از مهر و محبت دلتـون آروم و شـاد  عشق مهمون همیشگی خونه هاتون عصر تون زیبا', 'آدم ها فقط ادم هستند نه بیشتر نه کمتر  اگر کمتر از چیزهایی که هستند  نگاهشان کنی انها را شکسته ای اگر بیشتر از ان حسابشان کنی  انها تو را می شکنند  بین این آدمها فقط باید  عاقلانه زندگی کرد نه عاشقانه...', 'خدا اونقدر مهربون هست که اگه بهش دل بدی همه چیزت میشه توی تاریکی چراغت میشه  توی سختی پناهت میشه  توی نا امیدی امیدت میشه  جایی اشتباه بری راهنمات میشه و …', 'زيباترين نقاشى خدا  لب خند مادر است  خدايا اين لبخند را از كسى نگير...', 'بساط زرنگی هایتان را  اطراف آدم های ساده و مهربان پهن نکنید انصاف نیست باورکنید حتی کوچکترین ضربه به این  جور آدم هاتاوان دارد مادرم می گفت: خدا بدجور پشت آدمهای ساده ایستاده', 'این آدمارو از زندگیتون حذف کنید:  کسی که شما رو دوست نداره کسی که به شما استرس میده کسی همیشه با شما جر و بحث میکنه کسی که از شما سو استفاده میکنه کسی که بی حرمتی براش تفریحه !', 'گاهی،  خیلی چیز ها داریم اما بی مهابا محو تماشای نداشته هایمان هستیم', 'خدایا به گمانم  آنچه بعضی را \"اصحاب کهف\" می کند، دل بریدن است. چه قشنگ است  تنها تعلق خاطرت  \"خدا\" باشد.', 'صبر یعنی واکنش نشان دادن در بهترین فرصت ، نه اولین فرصت به خاطر همین است که انسان های صبور موفق ترند', 'هیچ کاری  بی معنی تر از این نیست که بخواهی برای کسی که برایش مهم نیستی  از خودت بگویی...!', 'هر گاه عاشق کسی باشی تمام تلاش خود را میکنی که او را نرنجانی  و همواره شادی لبخند و آرامش او را خواهانی پس با خودت اینگونه باش عاشق خودت باش و اجازه نده از هیچ چیز برنجی از همه تصاویر زندگیت عبور کن و آسوده باش...\\n', 'مواظب خوبی هایت باش روزگار دلسوز کسی نیست از احساس تو چنان  تصویری می سازد که هیچ چراغی  خانه دلت را روشن نمی کنــد...', 'هیچوقت نخواه زیر پای ادمی رو خالی کنی یا بهش ضربه بزنی چون روزگار باهات تلافی میکنه خوب باش برای همه خوب بخواه ', 'من ایمان دارم که... گاهی یک مرد بهانه دلخوشی یک زن  میشود و یک زن  بانی خوشبختی یک مرد... زندگی کوتاه است..  کاش بهانه  و بانی باشیم...', 'تو این دوره زمونه  هیچکس  به اشکهات توجهی نداره  هیچکس به ناراحتیت توجهی نداره هیچکس به دردهات توجهی نداره اما همشون  به اشتباهاتت توجه میکنن !', 'خدایا هیچ دستی را خالی برنگردان تمام مریض ها را لباس عافیت بپوشان گره ازمشکلات همه باز و تمام خانه ها را  پراز عشق و محبت کن و  بی عدالتی را از زمین محو کن', 'بخاطر لذت ، گناه نکن لذت تمام میشود ولی گناه بر دوش میماند...  بخاطر کسب دنیا نیکی را از دست نده دنیا تمام میشود ولی نیکی باقی میماند...', 'مثبت اندیشی به  معنای گول زدن خود  و ندیدن مشکلات نیست.  مثبت اندیشی یعنی  اینکه باورداشته باشید برای هر مشکلی  راهی هست  و راه رسیدن به  خواسته هایتان،  عزم و اراده خودتان است', 'به خاطر سه چیز  دیگران را مسخره نکنید: چهره ، پدر و مادر ، زادگاه  چون انسان هیچ حق انتخابی  در مورد آنها ندارد.', 'حرف زدن با خداوند زمانند صحبت کردن با یک  دوست پشت تلفن است  ممکن است او را در طرف دیگر نبینیم اما می\\u200cدانیم که دارد گوش می\\u200cدهد!', 'بعضيها هم هستن هرچى ندارترن  بخشنده ترن  هرچى سختى كشيده تر  مهربون تر', 'مادر تنها آدمیه که نمیشه تو این دنیا بدل و مدلشو ساخت عطرش ، صداش ،  چشماش، عشق و از خود گذشتگیش اصلا ...!!! همه چیزش خاص خودشه...', 'تلخه اما در حقیقت مدت اعتبارمون تو زندگی آدما تا همونجاست کہ بهمون نیاز دارن! ', 'اما چه رنجی است لذت ها را تنها بردن و چه زشت است زیبایی ها را تنها دیدن و چه بدبختی آزاردهنده ای است تنها خوشبخت بودن !  در بهشت تنها بودن سخت تر از کویر است.. ', 'خدایا با تمام مدادرنگی های دنیا به هر زبانی خالی از هر تشبیه و استعاره ، تنها یک جمله برایت  مینویسم: دوستت دارم  خدا همراه لحظه هایتان ', 'از نگاه روی تو، دل سیر می\\u200cگردد مگر؟ آخر آدم با تو باشد، پیر می\\u200cگردد مگر؟ ', 'یکیو داشتم  هر وقت بهش میگفتم  با کی چت میکنی ...؟! میگفت نتم ضعیفه ... آخرشم یه روز  تو خیابون با نت ضعیفش دیدمش ...', 'مهم نیست چه شکلی هستیم مهربونی مارو تبدیل به زیباترین آدم میکنه...', 'بودا چه زیبا میگوید : از دوست بی صداقت و بدجنس باید بیش از جانوری وحشی  در هراس بود !! چرا که یک حیوان وحشی  بدنت را زخمی می کند ؛ اما یک دوست بد\\u200c طینت ذهنت را ...!', 'کیمیاگری تبدیل مس به طلا نیست تبدیل جهل به آگاهی نفرت به عشق  و غم به شادیست.  همه میتوانیم با کلام و رفتاری زیبا  کیمیاگر باشیم ....', 'قلبـــــها دریــــچه نفـــــوذند ...!!!  آن کس که صـــــادقانه نفوذ میــــکند  پایـــــدارترین مهمـــان قلـــــب است...!!!', 'گاهی دلگرمی يك دوست چنان معجزه ميكند انگار خدادرزمين كنار توست جاودان باد سايه دوستانی كه شادی را علتند نه شريک وغم راشريكند نه دليل', 'گاهی، تنها یک دعا کافیست تا\\xa0 همه چیز عوض شود... برای همدیگه دعا کنیم !', 'تو را خبر ز دل بی\\u200cقرار باید و نیست! غم تو هست؛ ولی غم\\u200cگسار باید و نیست!', 'در جامعه ای زندگی میکنم که بسیاری از مردمانش ...   با یک “استخاره” هدف تعیین میکنند  و با یک “عطسه” از هدف خود دست میکشند ...!!!!! این است جهل ونادانی این جامعه ', 'کسی در زندگی جز مرگ پشتت در نمی آید... ', 'آن منی کجا روی؟؟ بی تو به سر نمی شود ...', 'دقیقا شبیه به آب و هوا ، آدم ها هم عوض میشن...', 'آرزو میکنم  در ایـن صبح زیبـا لبخند مهمون لبهاتون بشہ شادی از در و دیوار قلبتون سرازیر بـشہ سـلامتی مهمون دائمی محفل خانواده تون بشہ امیدوارم سـاز دنیا کوک خواسته های قلبی شما بـشه آدینتون شـاد شـاد همراه با بهترینها ', 'من فدای چشمانت ، این عشق نگهدارت حور و ملک زیبا ، جمله همه در کارت  میلت بکشد یا نه ، تا هم سخنم باشی دیریست که من هستم ، دلباخته ی زارت', 'من به پرندگاني پير فكر ميكنم كه ديگر هيچ كوچی  از مرگ دورشان نخواهد كرد', 'تصور می\\u200cکردم دیگر به او فکر نمی\\u200cکنم ، اما کافی بود لحظه\\u200cای در محلی اندکی آرام ، تنها شوم تا دوباره یاد او به سراغم بیاید ', 'مادامی که در جامعه در یك سوگرسنه بیچاره از سرما بلرزد و در سوی دیگر متنعمان برخوردار از همه چیز باشند این جامعه لجن است، اگر تمام چهره اش را هم با قرآن بپوشانید باز هم لجن است!', 'فراموش خواهی شد\\u200c چنانکه هرگز نبوده ای مانند مرگ یک پرنده  مثل عشق یک رهگذر', 'خدایا شکرت اما چرا دلتنگی رو آفریدی ؟ ', 'ما انسان ها مثل مداد رنگی هستیم... شاید رنگ مورد علاقه یکدیگر نباشیم  اما روزی  برای کامل کردن نقاشمیان ؛ دنبال هم خواهیم گشت ...!!', 'هرچقدر هم عاشق باشی  یک جایی از جنگیدن خسته میشوی زانو میزنی تمام هوای تلخ شکست را نفس میکشی و دلتنگ میشوی رفتن ادمی را که بود و نبودش تو را نیست کرد ...', 'اگه چسب زخم نیستی ، حداقل ناخنتو رو زخم آدما نکش !!', 'هرچقدر هم عاشق باشی یک جایی از جنگیدن خسته میشوی ، زانو میزنی ، تمام هوای تلخ شکست را نفس میکشی و دلتنگ میشوی رفتن ادمی راکه بود و نبودش تو را نیست کرد ...', 'نسبت  عشق به من نسبت جان است به تن تو بگو  من به تو مشتاق ترم یا تو به من...؟', 'یک روزهایی را باید اختصاص داد به بیخیالی...نه به دغدغه ای فکر کرد نه غصه ای خورد نه نگران چیزی بود.یک روزهایی را باید از توی تقویم دنیا بیرون کشید و برای خود زندگی کرد', 'دیگری از نظرم گر برود  باکی نیست توکه معشوقی و محبوبی  و منظور مرو', 'خوشبختی یعنی در خاطر کسی ماندگاری که لحظه های نبودنت را با تمام دنیا معامله نمیکند . .', 'گاهی دلگرمی يک دوست چنان معجزه میکند گویی خدا روی زمين كنارتوست  جاودان باد سايه دوستانی که درشادی و غمهایت شریکند', 'زندگی نیست به جز نم\\u200cنم باران بهار ، زندگی نیست به جز دیدن یار زندگی نیست به جز عشق ، به جز حرف محبت به کسی ورنه هر خار و خسی، زندگی کرده بسی …', 'نیستی ؟ اما من ، دارمت  همیشه.... جایی خلوت ودنج  لا به لای تمام نداشته هایم!', 'اگر، در زندگی  نگاهت به داشته هایت باشد ، بیشتر خواهی داشت... اما اگر مدام به نداشته هایت فکر کنی، هیچ وقت هیچ چیز برایت کافی نخواهد بود فکرت رو ترمیم کن', 'بعضی ها را هرچقدر هـم که بخواهی تمام نمی شوند .. حضورشان گـرم است سکوتشان خالی می کند دل آدم را آرامش صدایشان را کم می آوری هر دم هر لحظه کم می آوریشان زندگیتان پر ازاین بعضی ها', 'بهار بهترین بهانه برای زیستن  ،  دیدن زیباتربن ستایش کائنات و آغاز بهترین بهانه های پرستش \"بهارطبیعت\" برشما مبارک باد', 'ﺯﻧﺪﮔﯽ ﺑﺎﻏﯽ ﺍﺳﺖ ﮐﻪ ﺑﺎ ﻋﺸﻖ ﺑﺎﻗﯽ ﺳﺖ  ﻣﺸﻐﻮﻝ ﺩﻝ ﺑﺎﺵ ؛  ﻧﻪ ﺩﻝ ﻣﺸﻐﻮﻝ ﺑﯿﺸﺘﺮ ﻏﺼﻪ ﻫﺎﯼ ﻣﺎ؛  ﺍﺯ ﻗﺼﻪ ﻫﺎﯼ ﺧﯿﺎﻟﯽ ﻣﺎست ﭘﺲ ﺑﺪﺍﻥ ﺍﮔﺮ فرهاد ﺑﺎﺷﯽ ﻫﻤﻪ ﭼﯿﺰ شیرین است', 'کسی را دوست داشتن یعنی از او حمایت کردن؛ در کلام و در رفتار، در شادمانی و در اندوه.  کسی را دوست داشتن، یعنی از آرامشِ او مراقبت کردن.  به همین سادگی،  و البته به همین سختی .\\u200c.\\u200c.', 'اگر کسی احساست را  نفهمید مهم نیست سرت را بالا بگیر و لبخند بزن فهمیدن احساس کار هر آدمی نیست !', 'وقت طلا نیست . وقت زندگی است.  و هیچ چیز با ارزش تر از  زندگی نیست ... قدر لحظه ها را بدانیم که عمر و زندگی المثنی ندارد...', 'افکار منفی و اضطرابها  مانند پرندگانی هستند که  بالای سرت پرواز می کنند. تو نمی توانی جلوی پرواز آنها را بگیری اما میتوانی از نشستن آنها  روی سرت و  آشیانه کردن و تکثیرشان جلوگیری کنی.', 'زندگی بوی خوش نسترن است بوی یاسی است که گل کرده  به دیوار نگاه من وتو زندگی خنده یک شاپرک است برگل ناز زندگی رقص دل انگیز خطوط لب توست زندگی شیرین است. ', '\\u200cآدم\\u200cها همیشه  از کسی ضربه میخورن که میگن نه بابا اینو میشناسم  همیچین آدمی نيست', 'زندگی یعنی خستگی ! یعنی جنگی که هر روز تکرار می\\u200cشود و در ازای لحظات شادی\\u200cاش که مکث\\u200cهای کوتاهی بیش نیست ، باید بهای گزافی پرداخت ...', 'در پرده دل خیال تو رقص می کند.', ' دعا کن منو. دعاهات می\\u200cگیره؟ آره یه بار بهش گفتم الهی همون جایی باشی که دلت هست؛ دیگه ندیدمش…', 'اگر مسئولیت یک صحرا را به بخش دولتی واگذار کنید ، بعد از گذشت پنج سال با کمبود شن مواجه می\\u200cشوید ...!', 'موفق خواهم شد نه فورأ … ولی حتما…', 'تا وقتی تو درکنارم هستی،  صبح که هیچ تمام لحظه های زندگی من بخیر است،  تو دلیل تمام خوشی ثانیه هایم هستی..', 'من دوست دارم كوتاه بنويسم كوتاه حرف بزنم مى دانى حرفهاى كوتاه  بيشتر در ذهن آدم مى مانند مثلا كوتاه بگويم دوستت دارم و خدا مى داند  كه اين خودش كلى حرف است', 'تو بیایی همه ثانیه ها، ساعتها ،  از همین روز همین لحظه همین دم  عیدند…', 'در قلب خود باور داشته باشید  که یک حادثه شگفت انگیز  قرار است اتفاق \\u200cبیفتد  باور کنید همان \\u200cمی\\u200cشود که باور دارید  عاشق  زندگی\\u200cتان باشید', '\\u200fتو سال جدید براتون  اونی رو آرزو میکنم که بتونید کنار گوشش بگید:  همه بر سر زبانند و تو در میان جاني', 'زندگی را زیباتر کنیم گاهی با ندیدن نشنیدن و نگفتن زندگی زیباتر میشود با یک  گذشت کوچک به همین سادگی …', 'یاد بگیریم آسان بگیریم و از زندگی لـــذت ببریم \\u200c خود را رها کنیم  و به اشتباهات خود بخندیم  زندگی ارزش غصه خوردن برای اشتباهات گذشته را ندارد…', 'فراموش خواهی شد چنانکه هرگز نبودی … مانند مرگ یک پرنده مثل عشق یک رهگذر....', 'ﻫﻤﯿﺸﻪ ﺩﻟﺨﻮﺭﯼ ﻫﺎ ﺭﺍ ﻧﮕﺮﺍﻧﯽ ﻫﺎ ﺭﺍ ﺑﻪ ﻣﻮﻗﻊ ﺑﮕﻮﯾﯿد ﺣﺮﻓﻬﺎﯼ ﺧﻮﺩ ﺭﺍ ﺑﻪ ﯾﮑﺪﯾﮕﺮ ﺑﺎ \"ﮐﻼ\\u200cﻡ\" ﻣﻄﺮﺡ ﮐﻨﯿﺪ ﻧﻪ ﺑﺎ ﺭﻓﺘﺎر ﮐﻪ ﺍﺯ ﮐﻼ\\u200cﻡ ﻫﻤﺎﻥ ﺑﺮﺩﺍﺷﺖ ﻣﯿﺸﻮﺩ ﮐﻪ ﺷﻤﺎ ﻣﯿﮕﻮﯾﯿﺪ ﻭﻟﯽ ﺍﺯ ﺭﻓﺘﺎﺭﺗﺎﻥ ﻫﺰﺍﺭﺍﻥ ﺑﺮﺩﺍﺷﺖ', 'من اگه یه بار دیگه زندگی کنم، زوتر پیدات میکنم تا طولانی تر دوست داشته باشم.', 'ﺯﻧﺪﮔﯽ ﺭﺍ ﻭﺭﻕ ﺑﺰﻥ، ﺍﺳﺘﮑﺎﻥ ﭼﺎﯼ ﺭﺍ ﺑﻪ شکرانه ﻧﻔﺲ ﮐﺸﯿﺪﻧﺖ ﺑﻨﻮﺵ … ﻣﺒﺎﺩﺍ ﺯﻧﺪگی ﺭﺍ ﺩﺳﺖ ﻧﺨﻮﺭﺩﻩ ﺑﮕﺬﺍﺭﯼ.  پایان آدمیزاد نه رفتن یار است و نه تنهایی، آدمی آن هنگام تمام می\\u200cشود که دلش پیر شود..', 'تا خدا  بنده نواز است به خلقش  چه نیاز...!؟؟', 'زندگی کوتاهه … با آدمهایی بگذرونش که خنده به لبات میارن و بهت حس دوست داشته شدن میدن', 'ايمان دارم خدا ذره\\u200cاى از بدى\\u200cها و خوبى\\u200cها را بى\\u200cجواب نمى\\u200cگذارد ! خودم را به دستان پرمهرش مى\\u200cسپارم و در آرامش وجودش شناور می\\u200cشوم ! غصه براى چه ؟ وقتى خدا را دارم ؟', 'قانون انتظار میگه منتظر هر چی باشی وارد زندگیت میشه. پس دائم با خودت تکرار کن: من امروز منتظر عالی ترین اتفاق ها هستم', 'من همون آدمیم که میبینه  و هیچی نمیگه و  توام فکر میکنی هیچی ندید…', 'ناراحت شدن دست ما نیست  اما ناراحت ماندن دست ماست به هیچ کس اجازه نده  که آزرده خاطرت کند  حتی خودت ..', 'چهره های خندان ،  به معنای حضور نداشتن  غم و اندوه نیست بلکه به معنای  توانائی برخورد با آنهاست . .', 'مراقب باشین بعضیا در حالیکه هندونه زیر بغلتون میزارن ،  پوست موز هم زیر پاتون میندازن !! ادم بی شعور از یه کیلومتری هم قابل تشخیصه،  اگر انسانها را وزن میکنی مواظب باش تنها بر اساس مدرکشان وزن نکنی بعضیها با مدرک ، خالی از درکند و برخی بی مدرک سرشارند از درک و شعور...', 'وقتی برای دیگران چیزهای خوب آرزو می کنی ، چیزهای خوب به تو برمیگردند. این قانون طبیعت است...', 'ﻫﻤﯿﺸﻪ ﺧﺎﮐﯽ ﺑﺎﺷﯿﻢ ﺗﺎ ﺑﻮﯼ ﻧﺎﺏ ﺁﺩﻣﯿﺰﺍﺩ ﺑﺪﻫﯿﻢ ﺻﻮﺭﺕ ﺯﯾﺒﺎ ﺭﻭﺯﯼ ﭘﯿﺮ ﭘﻮﺳﺖ ﺧﻮﺏ ﺭﻭﺯﯼ ﭼﺮﻭﮎ ﺍﻧﺪﺍﻡ ﺧﻮﺏ ﺭﻭﺯﯼ ﺧﻤﯿﺪﻩ ﻣﻮﯼ ﺯﯾﺒﺎ ﺭﻭﺯﯼ ﺳﻔﯿﺪ ﺧﻮﺍﻫﺪ ﺷﺪ ﺗﻨﻬﺎ ﻗﻠﺐ ﺯﯾﺒﺎﺳﺖ ﮐﻪ ﺯﯾﺒﺎ ﺧﻮﺍﻫﺪ ﻣﺎﻧﺪ', 'زندگی فاصله آمدن ورفتن ماست ... شاید آن خنده که امروز دریغش کردیم ... آخرین فرصت خندیدن ماست ... زندگي همهمه مبهمي ازخاطره هاست ...  هرکجاخندیدیم ، زندگي هم آنجاست .. زندگی شوق رسیدن بخداست ... خنده کن بی پروا ، خنده هایت زیباست ... روزتون ســـــــرشار از  شادیها وخنده\\u200cهای بي دلیـــــــل...', 'هنوزم دلم تنگ می\\u200cشه براش واسه هرچی تو قلب هم کاشتیم واسه لحظه\\u200cهایی که می\\u200cدیدمش چه احساس خوبی به هم داشتیم ', 'انسانهای ضعیف انتقام میگیرند، انسانهای قوی میبخشند، و انسانهای باهوش نادیده میگیرند.', 'می خواستم  چشم های تو را ببوسم تو نبودی، باران بود...!!', 'تا به کی باید رفت از دیاری به دیاری دیگر ؟! نتوانم نتوانم جستن هر زمان عشقی و یاری دیگر کاش ما آن دو پرستو بودیم که همه عمر سفر می\\u200cکردیم از بهاری به بهاری دیگر...', 'تا میتوانی مهربان باش! خدا مهربانی را..... پس انداز ذخیره عمرت میکند تا میتوانی دستگیر باش! خدا درهای رحمتش را تا بینهایت برویت باز میکند...', 'زندگی بار گرانیست که بر پشت پیشانی توست  کار آسانی نیست  نان در آوردن  و غم خوردن  و عاشق بودن...', 'ماییم و  سرگذشت شب بی ستاره\\u200cای...!', 'عشق کلمه ساده یست  ولی در معنا  کلمه دشوار یست  ولی در دل که بی افتد  کلمه ایست سخت  بر هم زننده آرامش ست  نابودت می کند  می رنجاند  و تو را تهی از هر چه می کند  و تو می مانی با درد  عشق و معشوق ', 'در من عمیق ترین تمدن تنهایی  مدفون است...!', 'دلی تنگ  حالی تاریک  و خیابانی که پایان ندارد! این تمام سهم من  از شب های  بی تو بودن است...', 'چه زیباست درس آموختن از طبیعت و بهاری شدن با تمنای استجابت دعای حول حالنا الی احسن الحال پیشاپیش بهارتان قرین سلامتی و شادی و آرامش', 'گاهی تمام شهر  همان یک نفر هست که نیست...', 'عشق من چندیست  ز من فاصله دارد  فاصله روح و جانم را شکسته خاطراتش روانم را پریشان  چندیست به دیدارش نرفته ام  نمی دانم چه حالی دارد  نمی دانم چگونه شب و روز را  سر می کند به گمانم دل باخته ', 'بهار من بود آن گه که  یار می\\u200cآید... ', 'می\\u200cکشد و زنده می\\u200cکند آدم را لبخندت !  وقتی که می\\u200cرود روی دور دلبری کردن جانم .. ', 'نظم جهانم را به هم می زد نبودنش ... یک قدم دور می شد، یک دنیا دلتنگش می شدم!', 'صبور مثل درختی که در آتش می سوزد و توان گریختن ندارد. حیرت زده چون گوزنی که شاخ های بلند در شاخه گرفتارش کرده اند. همه ی ،این روزها این چنینیم ...', 'گفتم خوشا هوایی  کز باد صبح خیزد گفتا خنک نسیمی  کز کوی دلبر آید...  ', 'خدایا چنان کن امسال، سال ما باشد سعادت، بخت نیکو ، حال خوش ، در فال ما باشد... پلیدی ها و زشتیهای دنیا سهم اهریمن، قشنگی ها و خوبی های دنیا مال ما باشد', 'عمری از گم شدنم رفت و نمی آیم باز... چون چنین است، شما نیز مجویید مرا...', 'دلم بهانه\\u200cگیر شده زندگی می\\u200cخواهد\\xa0 عشق می\\u200cخواهد سفر می\\u200cخواهد\\xa0 هوای تازه می\\u200cخواهد قشنگی می\\u200cخواهد ، نه هیچکدام از اینها را\\xa0 نمی\\u200cخواهد... دلم تو را می\\u200cخواهد...', 'از دست\\u200cدادنِ چیزایی که فقط یه\\u200cبار به\\u200cدست میان، به مرور از آدمیزاد، سنگ می\\u200cسازه...', 'چقد ما گفتیم نه بابا فلانی اینجوری نیست و فلانی چقدر اینجوری بود....', 'جستجو کن عشق را  در گرمی اغوش من', 'قلبی داشته باش که سخت نمی\\u200cشود، خویی که خسته نمی\\u200cکند، و لمسی که آزار نمی\\u200cرساند.', 'امروز  بیشتر از دیروز   دوستت دارم  و فردا بیشتر از امروز . و این ضعف من نیست،  قدرت توست ...!', 'سرم را نه ظلم مى تواند خم كند نه مرگ ،نه ترس، سرم فقط براى بوسيدن  دستهاى تو خم مى شود مادرم هر روز دست بوس و قدردان  پدر و مادر گراميتان باشيد', 'یک روزهایی را باید اختصاص داد به بیخیالی...نه به دغدغه ای فکر کرد نه غصه ای خورد نه نگرانِ چیزی بود.یک روزهایی را باید از تویِ تقویمِ دنیا بیرون کشید و برای خود زندگی کرد', 'از مادرت دعا بخواه و از پدرت اندرز، سپس بر سختی های زندگی  پیروز شو ...', 'آرزوهای مـن هیچ وقت راه دوری نمی روند و مثل بغضی کهنه سالهاست در گلوی خانه گیر کرده اند .. !', 'یاد بگیر کمتر توضیح بدی یاد بگیر محکم صحبت کنی  یاد بگیر نه بگی', 'هیچکس  از فروختن رفیقش پولدار نشد...', 'درد قوی ترت میکنه اشک شجاع تر و قلب شکسته عاقل تر...!!', 'سرسبزترین بهار ، آوای خوش هزار تقديم تو باد گويند لحظه\\u200cايست روئيدن عشق آن لحظه هزار بار تقديم تو باد', 'دوستی های پاک مدیون صداقت اند صداقتی که هرگز به دروغ تبدیل نمی شوند. صداقت هایی که بوی وفاداری حقیقت،و اعتماد می دهند. آرزوی سلامتی دوستان واقعی', 'دستی به دوش غیر نهاد از سر وفا ...مارا چو دید، لغزش پا را بهانه ساخت', 'چون مات توام  دگر چه بازم ...', 'مردم هیچ وقت ؛ بابت ضعفت  ازت متنفر نیستن اونا به خاطر قدرت و توانایی هات ازت متنفرن! پس سعی کن قوی باشی  و به نظر دیگران  بی اهمیت...!!', 'زندگى را نفسى ارزش غم خوردن نيست ... آرزويم اين است  انقدرسير بخندى  كه ندانى غم چيست ...', 'با ارزش\\u200c ترین گنجینه\\u200c های روی زمین انسان\\u200c هایی هستند که وقتی با نگاهت با آنها ارتباط برقرار می\\u200cکنی اولین احساس شان این است که باید لبخند بزنند ...', 'در این دنیا دو چیز بهترینند: زندگی کردن از سر شوق! و خندیدن از ته دل آرزو می\\u200cکنم تو سال جدید به هر دو این\\u200cها برسید', 'گاهی اوقات یاد بعضی ها ناخودآگاه لبخندی روی لبانت مینشاند چقدر زیباست این لبخندها و چه دوست داشتنی اند این بعضیها', 'اگه زمستون نداشتیم بهار دیگه برامون لذت بخش نبود سختی هم همینطوره ..', 'روزهایی میرسند  که موهایت سراغ انگشتهایم را میگیرند  و جیب هایت به جستجوی دستهایم تمام خیابان ها را پرسه میزنند … چشم هایت همه جا دنبالم میگردند و لب هایت به اشتباه به صورت آدم های غریبه لبخند میزنند و نامم را صدا می کنند … روزهایی میرسند  که مغزت از تکرار خاطره هایم درد میگیرد  و قلبت مدام از تو میپرسد چرا…؟ باور کن روزهایی میرسند  که آدم ها باید به خودشان جواب پس بدهند! بعد از رفتنت  هیچ نمیگویم … من تو را به روزهای سخت دلتنگی میسپارم …', 'زندگی یک شادی بی انتهاست شادی اش اكنون و در اين لحظہ هاست لحظه هاتون پر از شـادی  ومهربانی', 'خدا جونم مهربون من....  این آخر سالی رو یه  جور حال دل همه روخوب کن  که همه با دل خوش  و پر از عشق وامید به  پیشواز سال جدید بریم.', 'روزگا همیشه بر یک قرار نمی ماند روز و شب دارد روشنی دارد... تاریکی دارد کمی دارد... بیش دارد دیگر چیزی از زمستان باقی نمانده تمام می شود و بهار می آید', 'بهترین باش , آنقدر قوی باش که هیچ چیز ذهنت را به هم نریزد ... در گفتگوهایت کلامی از سلامتی شادی و ثروت بر زبان بیاور. توانایی دوستانت را به آنها یادآورشو\\u200c... اشتباهات گذشته را فراموش کن به تمام موجودات زنده با لبخند نگاه کن در برابر ناراحتی صبور در برابر ترس قوی و در برابر خشم ، متین باش.. به دنیا ثابت کن که تو بهترین هستی', 'ما را به جز تو  در همه عالم عزیز نیست...', 'لبخند را بر لبت حفظ کن از استرس دوری کن شوق زندگی را احساس کن نگرانی را فراموش کن حافظ صلح باش درد را پشت سر بگذار و همیشه شـاد باش...', 'من طاقت هجر تو ندارم با تو چه کنم به جز مدارا؟! ', 'شاید تو وصله\\u200cی تن من نیستی، چقدر جای تو روی پیکر من درد می\\u200cکند', 'فروغ فرخزاد میگه اما تو تغییر نکن توخودت باش و نشان بده آدمیت هنوز نفس میکشد ', 'دنیا خوب، بد، زشت، زیبا فراوان دارد.  تو خوب باش... تو زیبا بمان، و بگذار با دیدنت هر رهگذر ناامیدی لبخند بزند، رو به آسمان نگاه کند  و زیر لب بگوید: هنوز هم عشق پیدا میشود... ', 'به برگی  که بر زمین افتاده نگاه میکنی  او هم قبلا از بالا به خاک نگاه میکرد ... آیا نباید عبرت گرفت!!', 'رنجورم و با با تاب  و توانی که ندارم دلتنگ توام ای تو همانی که ندارم.... ', 'می گویند: محبت كن، راه دورى نمیرود... برعكس، محبت همه جا میرود، از زمين تا آسمان، از دل به دل، حتّى تا پيش خدا هم مى رود...', 'هرزگاهی هم بايد دورشوی از هياهوی دنيا قيد منطقت را بزنی و تا سرحد مرگ ديوانگی كنی...گاهی تنها ديوانگی علاج كاراست', 'با رفیقت مثل چتر رفتار نکن  که هر وقت بارون بند اومد فراموشش کنی!', 'دلتنگی حس غریبی ست که هر روز  مرا شب کرده ', 'به جز دستات،  هيچی ارزش سخت گرفتن نداره...', 'خـرم آن لحظـه... که مشتاق به یاری برسد!', 'آدمها  زیبا فکر میکنند، زیبا حرف میزنند، اما... زیبا زندگی نمی کنند...!', 'دنیا پر از آدمای تنهاییه که میترسن پیش قدم بشن ...', '\\u200fوقتی میخوایید سراغشو بگیرید مثل وحشی بافقی بپرسید: باعث خوشحالی جان غمین من کجاست...؟', 'مواظب دل پدرها باشید دل پدرکه بشکنه متوجه نمیشی مثل مادرنیست که ازبارونی شدن چشماش بفهمی که دلشو شکستی امااگه دقت کنی  شکسته شدن قامتش و اضافه شدن چین وچروک  صورتش آتیشت میزنه', 'یادمه یه بار یجا خوندم:\\nهمه وایسادن وضعِت خوب بشه بیان سمتت،\\nمن وایسادم سختی هات تموم شه بعد برم..\\n', 'درختان به من آموختند:\\n که پایبندی هرکس به اندازه ی ریشه های اوست....\\n به هر درختی نمی توان تکیه کرد !!\\n\\n', 'نوروز بمانید که ایّام شمایید!\\nآغاز شمایید و سرانجام شمایید...\\nخورشید گر از بام فلک عشق فشاند\\nخورشید شما، عشق شما، بام شمایید!\\n', 'با یقین آمده بودیم\\n مردد رفتیم...\\n\\n', 'بیا با هم برویم زندگی را برقصانیم\\nبه ساز خنده\\u200cهایمان\\nمن خوشی را دور گردنت میبندم\\nتو عشق را به گونه\\u200cام بچسبان \\n بیا دست روزگار را بگیریم\\nو بزنیم به دل جاده باهم بدویم و قرارمان باشد\\nکه تا انتهای مسیر بلند بگوییم \"دوستت دارم\"\\n', 'ما با دلمون گل یا پوچ بازی کردیم و تهش هر دوست پوچ بود ؛)\\n\\n', 'جوانی شمع ره کردم\\nکه جویم زندگانی را\\n\\nنجستم زندگانی را و \\nگم کردم جوانی را....\\n\\n', 'بامنزلت ترينِ مردم نزد خداوند در روز قيامت ، كسى است كه در راه خيرخواهى براى خلق او ، بيش از ديگران قدم بر دارد\\n\\n\\nپيامبر اسلام (ص)\\n', 'تا دندان دارید بخندید ، تا چشم دارید ببینید ، تا گوش دارید گوش کنید ، تا سالمید زندگی کنید ...\\nیادت باشه دنیا منتظر هیچکس نمیمونه ! به لبخند زدن ادامه بده ، يه روزى زندگى از ناراحت كردنت خسته ميشه ...\\n\\n\\n', 'این که چند سالته سن تو نیست ...\\nچند سال رو احساس میکنی ، اون سن توست \\nپس اگه الان حس میکنی\\nباید کاری رو شروع کنی ، شروع کن ...\\nبه سنت و اینکه دیگران درباره ات\\nچی فکر میکنن توجه نکن...\\nفقط خدا را در نظر داشته باش\\nزندگی در انتظار توست کافیه امیدوار باشی \\nهیچوقت نگو از من گذشته برام دیره\\nاز همین امروز شروع کن \\n\\nقــوی بــاش بــهــار نـزدیـک اسـت', 'ممکنه،\\nادمایی که دوستشون داری رو از دست بدی،\\nممکنه،\\nچیزایی که\\u200cداری رو از دست بدی.\\nولی مهم نیس چه اتفاقی میافته، هیچوقت،خودتو از دست نده.\\n', 'من اینجا از نوازش نیز چون آزار ترسانم ! ', 'برخی از ما فکر می\\u200cکنيم دوام آوردن قوی\\u200cترمان می\\u200cکند ، اما گاهی قدرت در رها کردن است ...\\n', 'ریشه که داشته باشی\\nبه لبه پرتگاه میای\\nاما سقوط نمیکنی\\nریشه\\nشعور،تربیت،شخصیت و انسانیت و شرف واقعی یک انسان است\\nو ربطی به پول و تحصیلات ندارد\\n', 'به جهان خُرَم از آنم که جهان خُرَم ازوست\\nعاشقم بر همه عالم که همه عالم ازوست\\nبه غنیمت شمر ای دوست دم عیسی صبح\\nتا دل مرده مگر زنده کنی کاین دم ازوست!\\n', '\\u200fگاهی اوقات بهتر است دست از جستجوی خوشبختی برداریم و فقط خیلی ساده شاد باشیم ...\\n', '\\u200cخوشا چشمی که خواند حرف ِدل را ...\\n', 'گفتی که پس از سیاه رنگی نبود\\nپس مویِ سیاه من چرا گشت سفید ؟!\\n\\n', 'خـداونـدا حس بودنت\\nقشنگ\\u200cترین حس دنیاست\\n\\nتوکه باشی هر روز \\nنه هر ثانیه را عشق است\\n\\nلحظه لحظه\\u200cی زندگیتون\\nغـرق در عطر خـدا', 'آدم چه زود پیر می شود\\nوقتی احساسش اضافه تر از \\nدرک آدماست\\n', 'زندگی بهشت است\\nبرای آنهایی که\\nعاشقانه عشق می ورزند!\\nبی پروا محبت \\nمی کنند و کمتر از دیگران \\nانتظار دارند.\\nقلبتون جایگاه عشق\\nو زندگیتون بهشت', 'همیشه خاک گلدان کسی باش \\n\\nکه اگر \\nساقه اش به ابرها رسید\\nفراموش نکند \\nریشه اش کجا بوده است...\\n', 'آرزو مُرد و جوانی رفت و عشق از دل گریخت\\nغم نمی\\u200cگردد جدا از جانِ مسکینم هنوز ...\\n\\n', 'تو چیزی خواهی شد که خودت می\\u200cخواهی ، به دیگران اجازه نده که برای تو تصمیم بگیرند ...\\n\\n', 'گر دوست می\\u200cآید بَرَم یا تیغ دشمن بر سَرم\\nمن با کَسی اُفتاده\\u200cام کز وی نپردازم به کَس\\n\\n', 'دست فلک کبود شد از گوشمال و ما\\nمشغول خاکبازی طفلانه خودیم ...\\n\\n', 'ز بس فتنه از پيش و پس می\\u200cرسد\\nبه سختی مجال نفس می\\u200cرسد ...\\nفراوانی است و فراوانی است ،\\nبه هر مرغ چندين قفس می\\u200cرسد !\\n', 'كينه و بدخواهى ديگران را از سينه خود درو كن تا بدخواهى برای تو از سينه ديگران ريشه كن شود\\n\\n\\n امام علی(ع)\\n\\n', 'روزگارت بر مراد ، روزهایت شادِ شاد\\nآسمانت بی غبار ، سهم چشمانت بهار\\nقلبت از هر غصه دور ، بزم عشقت پر سرور\\nبخت و تقدیرت قشنگ ، عمر شیرینت بلند\\nسرنوشتت تابناک ، جسم و روحت پاکِ پاک\\n\\n', 'از پا در آمدیم و نیامد بدست یار\\nپشت امید ، بر سر این آرزو شکست\\n', 'و همچنان در جستجوی هیچ نیستم\\nمگر اندک هوای راستین زندگی ...\\n', 'سخت نازک گشت جانم از لطافت های عشق \\nدل نخواهم جان نخواهم آن من کو آن من\\n', 'گِرهِ سیزده از زندگیت باز شود \\nنغمه عشق به آهنگ دلت ساز شود \\nسوسن و سنبل و مریم همه تقدیم شما \\nاین بهار و صد بهارت با گل آغاز شود...\\n\\n۱۳ بدرتون مبارک', 'عمری به بوی یاری کردیم انتظاری\\nزآن انتظار ما را نگشود هیچ کاری\\n', 'خیـلی\\u200cها بـه دنـبال\\n عشق هستند...\\nخیلی\\u200cها میگویند\\n عشق را ندیده\\u200cاند...\\n\\nاما من میـگویم\\n عشق را همـه روزانـه دیده\\u200cاند\\n و لمس کرده\\u200cاند\\n\\nعشـق همـان\"پدر\" و \"مادر\" اسـت\\n', 'شبِ من نشان مویت ، سحرَم نشانِ رویت \\nقمر از فلک در اُفتد ، چو نقاب بر گشایی !\\n', 'دوست\\u200cترت دارم از هر چه دوست \\nای تو به من ، از خودِ من خویش\\u200cتر !\\nدوست\\u200cتر از آنکه بگویم چقدر ...\\nبیشتر از\\nبیشتر از\\nبیشتر ... \\n', 'شما هرگز یک دزد را \\nبه خانه تان دعوت نمی کنید \\n\\nپس چرا اجازه میدهید \\nافکاری که شادی شما را میدزدند \\nدر ذهنتان سکنی گزینند؟\\n', 'دردا که بپختیم در این سوز نهانی\\nوان را خبر از آتش ما نیست که خامست\\n', 'خیلی سختہ کہ از خودت بپرسی\\nاینجای زندگی باید چیکار کنم\\nو براش جوابی پیدا نکنی\\nخیلی سختہ خیلی...\\n', 'به دور باغ دل پَرچین\\u200cِتان سبز\\nشکفتن\\u200cهای عطرآگین تان سبز\\n\\nنسیم و سبزه و گل غرق آواز\\nهوای صبح فروردین\\u200cتان سبز\\n\\n', 'در انتظار تو بنشستم و سرآمد عمر\\nدگر چه داری از این بیش انتظار از من\\n', 'ز هجران دیده\\u200cام کاری که کافر از اجل بیند \\nخدا کوتاه سازد عمرِ ایامِ جدایی را ...\\n\\n', 'یک زمان از پای ننشینم به جست و جوی تو\\nیا کُنم سر را فدایت یا به دست آرم تُو را ...\\n', 'من هر روز ، هر صبح ، هر لحظه ،\\nدوست داشتنت را از نو آغاز خواهم کرد \\n', 'ای یار ناگزیر که دل در هوای تُست\\nجان نیز اگر قبول کنی هم برای تُست\\n\\n', 'دردم به جان رسید و طبیبم پدید نیست\\nدارو فروش خسته دلان را دکان کجاست؟\\n', 'الهی ، به اميد تو اين روز را شروع می\\u200cكنيم \\nشايسته پادشاهی چون تو نيست اگر بندگان با دستان خالی از درگاهت برگردند ؛ به كرم و لطفِ الهی\\u200cات، دست و دلمان را از بركت و عشق پر بگردان ...\\n', 'دوستان عیب کنندم که چرا دل به تو دادم ؟\\nباید اول به تو گفتن که چنین خوب چرایی !\\n', 'جنايت را نمى\\u200cشود علاج كرد ، زخم\\u200cهايى كه به روح وارد مى\\u200cشوند بزرگترين جنايت\\u200cاند !\\n', '\\u200fهر چه گشتیم در این شهر نبود اهل دلی\\nکه بداند غم دلتنگی و تنهایی ما ! \\n', 'برای رسیدن به جایی که تا به حال به آن نرسیده ایم،\\n\\n\\nباید راهی را برویم، که تا به حال نرفته ایم...\\n\\n\\n', 'امید وصل تو جانم به رقص می\\u200cآرد\\nچوباد صبح که در گردش آورد ریحان\\n', 'نیست بر لوح دلم جُز الف قامت دوست\\nچه کنم حرف دگر یاد نداد استادم ...\\n', 'روزهای خوب خواهند آمد\\nهر سر بالایی یک سرازیری دارد... \\nنفس عمیق بکش، \\nبیخیال همه اتفاقای عجیب و غریب؛ \\nهم اکنون زندگی کن!!\\n', 'به ظاهر زیبای آدما دل نبند \\nدر زیر خیابان های قشنگ هم \\nفاضلاب جاریست!\\n', 'لذتبخش\\u200cترین زندگی ، رها کردن تجملات است\\n\\n\\n امام علی (ع)\\n', 'مائیم که از بادهٔ بی\\u200cجام خوشیم \\nهر صبح منوریم و هر شام خوشیم \\nگویند سرانجام ندارید شما \\nمائیم که بی\\u200cهیچ سرانجام خوشیم\\n\\n', 'گرامی ترین و زیباترین چیزها\\nدر جهان\\nنه دیده می شوند ،\\nو نه حتی لمس می شوند !\\nآنها را تنها باید\\nدر دل حس کرد ...\\n', 'هیچ چیز مقدس تر از\\nعشق و خندیدن عمیق نیست.\\n\\nو هیچ چیز مقدس تر از\\nبازیگوشی نیست.\\n', 'موی سپید را فلکم رایگان نداد\\nاین رشته را به نقد جوانی خریده\\u200cام \\n\\n', 'چه مدت ترک شده بودی که این چنین وحشت\\u200cزده\\u200cای؟\\nچه مدت رنج\\u200c کشیده\\u200cای تا چنین بی\\u200cرحم شوی؟\\n', 'گر شود عالم نگارستان \\nنگار من یکی است ...\\n', 'هر جا می روید\\nعشق بپراکنید\\nاجازه دهید هر کس\\nبه دیدن شما می آید\\nخوشحال و شادمان\\nشما را ترک کند...\\nاین یعنی خوشبختی...\\n', 'براى من مهم نيست كه حتما به جايی برسم \\nمهم اين است كه از جايی كه هستم بروم\\n', 'از زلزله و عشق خبر کَس ندهد \\nآن لحظه خبر شوی که ویران شده\\u200cای \\n', 'ذره\\u200cی خاکم و در کویِ تواَم جایْ خوش است\\n\\n', 'دنیا جای خوبی برای شاعر شدن نیست\\nاین بار که برگردم ، درخت می\\u200cشوم ...\\n', 'آشفتگان عشقت ، گیرم که جمع گردند\\nجمع از کجا توان کرد ، دل های پاره پاره ؟!\\n\\n', 'كار ديگرى نداريم من و خورشيد\\nبراى دوست داشتنت بيدار مى\\u200cشویم\\nهر صبح !\\n\\n', 'تو بیایی همه\\u200cی ثانیه\\u200cها ساعت\\u200cها \\nاز همین روز، همین لحظه، همین دَم عیدند !\\n\\n', 'برای موفقیت لازم نیست\\nکل مسیر رو تا آخر بتونی بینی ...\\nهمین که چند متر جلوتر\\nرو بتونی ببینی و جلو بری کافیه...\\nتو پای به راه بنه و هیچ مپرس\\nخود راه بگویدت که چون باید رفت\\n', 'هنگامی که بهار از راه رسید ، زیاد به فکر قیامت باشید ؛ زیرا چه بسیار قیامت شبیه بهار است !\\n\\nپیامبر اسلام (ص)\\n\\n', 'اگر از عرش افتد کَس ، امید زیستن دارد\\nکسی کز طاق دل افتاد از جا برنمی\\u200cخیزد\\n\\n\\n', 'آنچه در درون آدم می\\u200cمانَد، بی نهایت بیشتر از آن چیزی است که به صورت کلمات بیرون می\\u200cآید\\n\\n', 'زندگی را زیباتر کن\\nگاهی با\\nندیدن، نشنیدن،نگفتن\\nزندگی فقط مال ما نیست\\nبه همه تعلق دارد\\nپس زندگی را\\nبرای همه زیباتر کنیم\\n', 'از میان تمام چیزهایی که دیده\\u200cام ، تنها تویی که می\\u200cخواهم به دیدنش ادامه دهم ...\\n\\n', 'و بعضی وقت\\u200cها اگر گریه نکنیم ممکن است به بهای از دست دادن جانمان تمام شود\\u200c !\\n', 'نیازم به صبح نیست ، همین که تو باشی ؛ خیر است که از سر و کولِ لحظه\\u200cهایم بالا می\\u200cرود ...\\n\\n\\n', 'ﺑﺎ ﺧﻮﺩ ﻋﻬﺪ ﮐﻦ ﮐﻪ از امروز \\nﺗﻤﺎﻡ ﺛﺎﻧﯿﻪ\\u200cﻫﺎﯾﺖ ﺭﺍ\\nﺑﻪ ﺗﺒﺴﻢ ﻭ ﻟﺒﺨﻨﺪ ﭘﯿﻮﻧﺪ ﺑﺰﻧﯽ\\nﮔﺸﺎﺩﻩ ﺭﻭﯾﯽ می تواند \\nﺳﺮﺁﻏﺎﺯ یک روز  خوب عالی باشد \\nخنده هایتان بخیر باد\\n', 'برای خندیدن وقت بگذارید\\nزیرا موسیقی\\nقلب شماست.\\n\\nبرای عشق وقت بگذارید\\nزیرا عشق زندگی را میسازد.\\n\\n برای زندگی کردن\\nوقت بگذارید زیرا زمان\\nمیگذرد و هرگز باز نمیگردد...\\n', 'فراق یار نه آن می\\u200cکند که بتوان گفت !\\n', 'یک جو وَفا ندیدم از رویِ خوب هرگز\\nدیدم تمام هر کَس این دارد آن ندارد...\\n\\n', 'حرف تو که می\\u200cشود من چقدر ناشیانه وانمود می\\u200cکنم که بی\\u200cتفاوتم !\\n\\n', 'یک دست در جیب چپ\\nدست دیگر\\nدر جیب راست..\\nاین اندوه ِ آشنا،\\nتصویر پاییز ست... \\n', '\\u200fنشاط اين بهارم بی گل رويت چه كار آيد ؟\\nتو گر آيى طَرب آيد بهشت آيد بهار آيد !\\n\\n', 'اگر میخوای اژدهایی رو بکشی\\nتا وقتی کوچیکه اونو بکش\\nوگرنه در بزرگی کشتنش دشوار خواهد شد\\nافکار ما نیز در بدو ورود باید کنترل شوند وگرنه اژدهای چندسر میشود\\n', 'چاپلوس\\u200cها همانند دوست هستند\\nهمانطوری که گرگ\\u200cها به سگ\\u200cها شباهت دارند\\n\\n', 'اگر تمام گل\\u200cها را هم از شاخه بچینند\\nنمی\\u200cتوانند جلوی آمدن بهار را بگیرند\\n', 'انسان بودن زیاد سخت نیست\\nکافیست مهربانی کنی...\\nزبانت که نیش نداشته باشد و کسی را نرنجاند ، همین انسانیت است...\\nوقتی برای همه خیر بخواهی همین انسانیت است...\\n\\n', 'آمد بهار ای دوستان ، خیزید سوی بوستان \\nاما بهار من تویی ، من ننگرم در دیگری ...\\n', '\"زن\\u200cها\" گاهی اوقات چيزی نمی\\u200cگويند\\nچون به نظرشان لازم نيست كه \\nچيزی گفته شود\\nبا نگاهشان حرف می\\u200cزنند\\nبه اندازه يك دنيا حرف می\\u200cزنند.\\nهرگز نبايد از چشمان هيچ زنی ساده گذشت!\\n', 'همه ساله بخت تو پیروز باد ،\\nهمه روزگارِ تو نوروز باد ...\\n', 'شادند جهانیان به نوروز و به عید ،\\nعید من و نوروز من امروز تویی ...\\n', 'زندگی را زیباتر کنیم\\n\\nگاهی با ندیدن، نشنیدن و نگفتن..\\n\\nزندگی زیباتر میشود\\n\\nبا یک گذشت کوچک\\n\\nبه همین سادگی..\\n', 'به چه می\\u200cانديشی؟ نگرانی بيجاست عشق اينجا و خدا هم اینجاست ...\\n', 'احساسِ داشتنِ حامی، خیلی واسه خانمها لذتبخشه...\\n\\nاین احساس را همیشه بهشون هدیه بدید. \\n', 'دوست داشتنِ خوبى\\u200cهاى ديگرى دليل عشق نيست ؛ بلكه دوست داشتنِ عيب\\u200cهاى ديگرى ، بزرگترين دليلِ عشق است !\\n', 'می\\u200cخواهم هر صبح ،\\nکه پنجره را باز می\\u200cکنی \\nآن درختِ روبه\\u200cرو من باشم \\nفصل تازه من باشم\\nآفتاب من باشم \\nاستکان چای من باشم !\\nو هر پرنده\\u200cای که ،\\nنان از انگشتان تو می\\u200cگیرد !\\n', 'آدم\\u200cها\\nرفتار نادرست دیگران را\\nبه شخصیت آنها نسبت می\\u200cدهند\\nو رفتار نادرست خود را\\nبه شرایط اجتناب\\u200cناپذیر.\\n', 'دعای خیر مادر\\n\\nقرص زیرزبانی است\\n\\nوقتی که روزگار\\n\\nقلبت را به درد می آورد...\\n\\nبه سلامتی تمام مادران مهربان', 'تو تنها یک بار زندگی می کنی\\n\\nاما اگر درست زندگی کنی\\n\\nهمین یکبار هم کافی است\\n\\n', 'محال است، بارانی از محبت\\nبه کـسی هـدیه کــنی و \\nدستهای خودت خیس نشود!\\n', 'نگاه می کنم \\nاز غم به غم که بیشتر است\\nبه خیسی چمدانی که \\nعازم سفر است\\nمن از نگاه کلاغی که رفت فهمیدم\\nسرنوشت درختان باغمان \\nتبر است\\n', 'ضعیف والنفس ترین شخص \\n\\nمردی است که \\n\\nعشق را در قلب زنی بیدار می کند \\n\\nبدون انکه قصد دوست داشتن زن را داشته باشد...\\n', 'بزار دلتنگت بشن ... \\n بعضی وقتا همیشه در دسترس بودن باعث میشه نادیده بگیرنت چون فکر می\\u200cکنن قراره همیشه بمونی.\\n', '\\u200c\\nزمان \\nانسان ها را عوض نمی کند\\nزمان ،\\nحقیقت انسان ها را نشان می دهد...\\n', 'آدم وقتی دستش به جایی بند نیست\\n سراغ آرزوها می\\u200cرود... \\nآرزوهاش که محال شد\\nغرق می\\u200cشود در خاطراتش!\\n', '\"تو\"\\nمثلِ خوابِ بعد از خوابِ اولِ صبح ميمانى...\\nمثلِ آن روىِ خنكِ بالشت...\\nهمانقدر شيرين\\nهمانقدر دلچسب\\n', '\\u200c\\nاما بدترین حس دنیا دل زدگیست\\nدل زدگی از یک خواستن عمیق می آید ...\\n', 'در مدارس ابتدا درس یادت می دهند،\\nسپس از تو امتحان می گیرند.\\nاما در زندگی واقعی،روزگار اول از تو امتحان میگیرد،سپس درس را یادت می دهد...!\\n', 'چه خوش باشد که پیش از مرگ بینم\\nنِشسته با تــو یکدَم جای خالی ...\\n\\n', 'آنانكه دستی را كه نان\\u200cشان می\\u200cداد گاز گرفتند ، محكوم\\u200cاند به بوسيدن پاهايی كه لگدشان می\\u200cزند !\\n\\n', 'هیچ وقت باورمان نمی\\u200cشود که شاید آنقدر که بقیه به چشم ما مهم\\u200cاند ؛ ما برایشان مهم نباشیم ...\\n', 'نژاد انسان تا کنون تمام اشتباهات و حماقت\\u200cهای خودش را مرتکب شده است ؛ و حالا فقط در حال تکرار کردن همه آن\\u200cهاست ...\\n\\n', 'بهترين برطرف كننده اندوه ، خشنود بودن به قضاى الهى است ...\\n\\nامام على (ع)\\n', 'اندوه کسی را نکشت ،\\nاما ما را از همه\\u200cچیز تهی ساخت ...\\n', 'صبح است ، باید بلند شد \\nدر امتدادِ وقت قدم زد ؛\\nگل را نگاه کرد، ابهام را شنید\\nباید دوید تا تهِ بودن ...\\n  ', 'گاهی لحظه\\u200cهای سكوت پُر هياهوترين دقايق زندگی هستند ، مملو از آنچه می\\u200cخواهيم بگوييم ولی نمی\\u200cتوانيم ...\\n\\u200c\\n', 'هر طلوعی، تولدی دوباره است و هر تولدی آغاز یک شروع . سپاس برای خالق هستی که فرصتی دیگر به ما هدیه داد ...\\n\\n', 'چون تو با بد بد کنی پس فرق چیست ؟!\\n\\n', 'من آن مرغم که افکندم به دام صد بلا خود را\\n\\n\\n', 'آدم\\u200cها هرگز کسانی را که دوست دارند فراموش نمی\\u200cکنند ؛ فقط عادت می کنند که دیگر کنارشان نباشند ...\\n\\n\\n', 'صبح بخیر ... آرزو می\\u200cكنم امروز ، \\nدليلى براى لبخند زدن داشته باشى \\n\\n\\n', 'مردم می\\u200cگویند که درد کشیدن آدم را شریف و پاک می\\u200cکند ؛ \\u200cاین یک دروغ است ، درد فقط آدمی را بی\\u200cرحم می\\u200cکند !\\n', 'دو گروه از مردان هیچگاه به زندگی عادی برنخواهند گشت ؛ آنانکه به جنگ رفته\\u200cاند و آنانکه عاشق شده\\u200cاند !\\n\\n', 'اصلِ حالت نیک و احوالت بخیر\\nقهوه\\u200cات را نوش کن ، فالت بخیر\\nدی گذشت و بهمن و اسفند هم ،\\nآخرین ایام امسالت بخیر ...\\n', 'پیراهنت در باد تکان می\\u200cخورَد\\nاين تنها پرچمی است که دوستش دارم !\\n', 'فرق است میان آن که یارش در بر\\nبا آنکه دو چشم انتظارش بر در ...\\n', 'تو اساساً تنها چیزی هستی که باعث میشه\\nمن صبح\\u200cها بلند شم ...\\n', 'به یاد داشته باش دومین چیز برتر در این دنیا خواب آسوده شبانه است و برترین مرگ آرام ... \\n', 'سرشار از «هیچ» شده\\u200cام بی تو و پای ماندنم دیگر سخت می\\u200cلرزد ... \\n', 'بزرگترین توهین به یک انسان ،\\nانکار رنج اوست ...\\n', 'هر روز آغازی دوباره است ...\\nزندگی را دوباره از سَر بگیر\\nو بی خیالِ هر چیز که تا امروز نشد\\n', 'بس حلقه زدم بر در و حرفی نشنیدم\\nمن هیچکسم يا که در این خانه کسی نیست ؟!\\n', 'زن\\u200cها وقتی رازی در دل دارند ، زیاد حرف میزنند تا پنهانش کنند ؛ مردها وقتی رازی در دل دارند سکوت می\\u200cکنند ...\\n', 'تاب بنفشه می\\u200cدهد ، طره\\u200c\\u200cی مشک سای تو \\nپرده غنچه می\\u200cدرد ، خنده دلگشای تو ...\\n', 'گاهی برای کسی که همه چیزش را از دست داده ، اتفاق می\\u200cافتد که خودش را هم از دست بدهد !\\n', 'یک قلبِ پاک ، از تمام معابد و مساجد زیبای جهان زیباتر است ...\\n', 'هیچ چیز خاطرات را از لحظات عادی متمایز نمی\\u200cکند ، بعدهاست که آن\\u200cها با نشان دادن زخم\\u200cهایشان مدعی یادآوری می\\u200cشوند ...\\n ', 'صبح به ما می\\u200cآموزد که باور داشته باشیم\\nروشنایی با تاریکی معنا می\\u200cیابد و خوشبختی با عبور از سختی\\u200cها زیباست ...\\n', 'اینکه طرف به همون چرت و پرتهایی که تو علاقه داری علاقه داره ، ثابت نمیکنه که شریک خوبی برای زندگیت میتونه باشه !\\n', 'زندگی کردن نایاب\\u200cترین چیز در این دنیاست !\\nلذت ببر، نفس بکش، عاشق شو، شکست بخور، پیروز شو، کارهای خارق\\u200cالعاده انجام بده ؛ وگرنه زنده بودن را که همه بلدند، زندگی کن ...\\n', 'هیچ\\u200cوقت برای فهمیده شدن فریاد نزنید !\\nآنکه شما را بفهمد ،\\nصدای سکوتتان را بهتر می\\u200cشنود ...', ' جهان بازتابی از خود ماست\\n\\nوقتی از خود بیزاریم ، از همه بیزاریم\\nوَ وقتی به همین که هستیم ،\\nعشق می ورزیم،\\n\\nتمام جهان به نظر فوق العاده و دوست داشتنی می آید ..', 'نفرت، حسادت و خشم تنها در پیرامون وجودی توست. در عمیق ترین لایه های وجودت، تنها عشق است که خانه دارد.\\n', 'خوش به حال انارها و انجیرها\\n\\nدلتنگ که میشوند\\n\\nمی\\u200cترکند....\\n', 'در کشور من روشنفکر هست \\nاما روشنفکر نما بیشتر..\\nهمانطور که مذهبی هست \\nو مذهبی نما بیشتر!\\nاصلا نمی دانم چرا اینجا \\nبیشتر روی \"نما\" کار می کنند \\nتا چیز دیگر.\\n', 'پیرمردی موبایلشو برد تعمیر کنه؛\\nبعد از مدتی آقای تعمیرکار اومد\\nو گفت؛ پدر جان موبایلت سالمه!\\nهیچ مشکلی نداره.\\nپیرمرد با صدای غمگینی گفت؛\\nپس چرا بچه هام بهم زنگ نمی زنن!\\n', '\\u200fدنیا پر از آدمهای خوبه.\\nاگه نمی تونید یکی از اونا رو پیدا کنید، یکی از اونا باشید\\n', 'محبت عجیب است\\n\\nاگر آنرا\\nبه رفیق هدیه کنی\\nاحساس آرامش میکند\\n\\nاگر به دشمنی تقدیم کنی\\nشرمنده خواهدشد\\n\\nو اگر به ناشناسی هدیه دهی\\nسخاوت پیشه کرده ای\\n', 'خودت رو \\nبا زیبایی های محیط زندگیت درگیر کن\\nلذت های زندگیت رو جدی بگیر\\nهر روزی که دوباره بتونی آفتاب رو ببینی ، روز شانس توست\\n', 'غمها ارزش جنگیدن ندارند، رهایشان کنید.\\nغمها آنقدر خسته اند که با کمترین بی توجهی از پای در می آیند پس شادی کنید و با امید زندگی کنید\\n', 'زخم ها خوب می\\u200cشوند...\\nاما خوب شدن با مثل روز اول شدن، \\nخیلی فرق دارد...!\\n', 'عده ای مثل قرص جوشانند\\nدر لیوان آب که بیاندازیشان\\nطوری غلیان کرده و\\nکف می کنند که سر می روند\\nاما کافی است\\nکمی صبر کنی\\nبعد می بینی که\\nاز نصف لیوان هم کمترند\\n', 'عده\\u200cای می\\u200cگویند دروغ عامل بسیاری از جدایی هاست!\\nاما نه!\\nاین حقایق هستند که انسان ها را از هم دور \\nمی\\u200cکنند!\\n', 'زندگی خیلی جالبه. آخرش، بعضی از بزرگترین دردهات تبدیل میشن به بزرگترین نقاط قوتت.', 'معذرت خواهی یعنی\\nاون رابطه بیشتر از غرورت  \\nبرات ارزش داره...\\n', 'چیزی ویرانگرتر از این نیست\\nکه دریابیم \\nفریب همان کسی را خورده ایم \\nکه باورش داشتیم...!\\n', 'شاید آدم ها \\nهمیشه نگویند\\nچه احساسي به شما دارند ! \\nاما رفتارشان ، \\nبه جاي آنها \\nسخن خواهد گفت ... \\n\\nرفتارها رو جدي بگيريم !\\n\\n', 'با همہ مهربان باش\\n\\nگنج محبتت را\\nدر سینہ ات دفن کنی\\nنہ ارزشی دارد\\nنہ خریداری\\n\\nحراجش کن تا همہ را شاد کنی . ', 'لحظه ها جاریست\\nبیایید مهربان باشیم\\nبا مهربانی دلها مصفا میشود .\\n\\n زندگی بی محبت \\nو عشق نازیباست\\n\\nکوتاهترین فاصله برای مهربان بودن، \\nیک لبخند است .... \\n', 'انسان فقط در قبال گفتەهایش مسئول نیست\\nبلکە در قبال سکوتهایش هم \\nمسئول است ...\\n', 'فروغی چه زیبا میگفت:\\nاگر یاد کسی هستیم،\\nاین هنر اوست،نه هنر ما!\\nچقدر زيباست كسی رادوست بداريم\\nنه برای نياز  نه از روی اجبار\\nو نه از روی تنهايی\\nفقط برای اينكه \"ارزشش را دارد\"\\n', 'نعمت فقط باران نیست!\\nگاهی خدا رفیقی نازل می کند \\nزلال تر از باران ...\\u200c.\\n', 'افکار منفی مثل حسادت، نفرت و خشم\\n نسبت به دیگران مثل این است \\nکه سم بخوریم ولی\\nامیدوار باشیم دیگران بمیرند.\\n', 'با انسانهای مثبت معاشرت کن\\nچون آنها بر اندیشه و عقل و رفتارت تأثیر می گذارند\\n و تو\\nناخودآگاه،\\nبه انسانی مثبت تبدیل خواهی شد...\\n', 'ازهرجایی که افتادی...\\n   \\nاحتمالش هست که بتوانی\\n\\nدوباره بلند بشوی...\\n\\nهرجایی به غیر از\"چشم\"!\\n', 'فرق نمیکند \\nمعشوق باشی یا عاشق\\nپدر یا مادر.... \\nفرزند یا همسر ...\\n\\nعبارت دوستت دارم\\nرا جدی بگیریم\\nغوغا میکند \\n\\nتقدیم به شما عزیزان', 'حذف کردن برخی آدم\\u200cها از زندگیتان ، جا را برای آمدن آدم های بهتر باز می کند ...\\n', 'دو چیز انسان\\nرا نابود میکند\\n\\nمشغول بودن به گذشته\\nمشغول شدن به دیگران\\n\\nهر کس درگذشته\\nبماند آینده را از دست میدهد\\n\\nو هر کس نگهبان رفتار دیگران باشد آسایش و راحتی خود را ازدست میدهد\\n', 'مثل خدا باش\\nبدون توقع وچشمداشت\\nنیکی کن\\nمثل خدا باش\\nبدی دیگران را با خوبی\\nو محبت تلافی کن\\nمثل خدا باش\\nاشتباهات و بدی دیگران\\nرانادیده بگیر و ببخش\\nمثل خدا باش مهربان تر از همہ!\\n', 'سه زن در دنیا زیبا ترینند :\\n\\nمادرم ... \\n\\nانعکاس تصویرش در آینه ... \\n\\nو سایه اش ... \\n', 'در آخر نه رنگ باقی می\\u200cماند \\nو نه نژاد \\n\\nتنها چیزی که باقی خواهد ماند \\nانسانیتِ توست .\\n', 'یکی از بهترین عناوین دنیا \\nپدر و مادر است\\n \\nو یکی از بزرگترین نعمت های \\nدنیا این است که \\n\\nوالدین در کنارت باشند و آنان را \\nپدر و مادر صدا کنی...\\n', 'چقدر دوست داشتنی هستند \\nآدمهــایی که تا آخر خوبند\\n\\nآنهـا که برای غرور و احساس ما\\n هم به اندازه خودشان ارزش قائلند\\n\\nآنهایی که دست دوستی میدهند\\nو تا همیشه میمانند...\\n', 'زمانی در زندگی می رسد که بین\\nعشق و احترام باید\\nیکی را انتخاب کرد\\n\\nهمیشه احترام را برگزینید\\nچرا که عشق بدون احترام\\nدیری نخواهد پایید \\n\\nاما احترام میتواند \\nعشق حقیقی به ارمغان آورد ... \\n', 'چقدر اين عكس دلنشينه \\nو چه آرامشى...\\n\\nآدم دوست داره ساعت ها داخل اين اتاق و يك استكان چاى و گرماى علاالدين بشينه و بيرون ، طبيعت را نگاه كنه\\n\\nو اون غذايى كه روى علاالدين \\nدرست شده اصلا مزه ى ديگه اى دارد', 'کسانی که . \\nدر تاریکترین شبها \\nشما را تنها نمی\\u200cگذارند \\n\\nهمان\\u200cهایی هستند که \\nلایق هم نشینی در \\nروشن ترین روزهایتان هستند.\\n', 'انسان ها همیشه \"بُت\" می سازند،\\nبعضی ها با \"سنگ و چوب\"\\nعده ای با \"باورهایشان\"\\n\\nاولی ترسناک نیست، \\nچون با یک تبر در هم می شکند!\\n\\nولی دومی بلایی است که هیچ جامعه ای از آن مصون نمانده است!\\n\\nپس بشکن\\nباورهایی را که از تو یک زندانی ساخته است بی آنکه بدانی ...\\n', 'دیوار چین را \\nبیخودی بزرگش کرده اند\\nهیچ دیواری در دنیا\\nمانند  پدر\\nتکیه گاهی محکم نیست\\n', 'اهالی بهشــت \\nچهار نشانه دارند\\n\\nروی گشاده،زبان نرم\\nدل مهربان و قلب بخشنده\\n\\nاین سبد گل زیبا تقدیم\\nبه شما دوستان\\xa0که اهل بهشتید..\\n\\nلحظه هاتون شاد و زیبا', 'امروز کسی باش که\\nواقعا آرزو داری...\\n\\nمهربان و باگذشت\\nساده و شفاف\\nپاک و خالص\\nبامحبت و عاشق...\\n\\nرنج و نگرانی را کنار بگذار\\nبه لحظات زندگی چنان ارزش بده\\nکه آرزو داری...\\n', 'وجود هیچکس غمها را از بین نمیبرد\\n\\nولی کمک میکند محکم بایستیم\\n\\nمثل چتر که باران را متوقف نمیکند \\n\\nاما کمک میکند\\n\\n آسوده زیرباران بایستیم\\n\\n', 'زندگی زیباست ای زیبا پسند\\nزنده اندیشان به زیبایی رسند\\nآنقدر زیباست این بی بازگشت\\nکز برایش میتوان از جان گذشت\\n', 'آرامش یعنی: \\n\\nقایق زندگیت را \\n\\nدست کسی بسپاری که \\n\\nصاحب ساحل آرامش است!\\n\\nالابذکرالله تطمئن القلوب', 'مثل بادبادک باش\\nبا اینکه میدونه زندگیش\\nبه نخی بنده\\n\\nبازم توآسمون میرقصه\\nو میخنده\\n\\nهمیشه بخند\\nبدون که\\nنخ زندگیت دست خداست\\n', 'مرا محتاج رحم این و آن کردی ملالی نیست\\nتو هم محتاج خواهی شد جهان دارِ مکافات است\\n', 'تصویری است در سر درمانده\\u200cی من ، که در آن همه خوابند ، همه مرده\\u200cاند ، هنوز زاده نشده\\u200cاند ...\\n', 'به چه می\\u200cاندیشی؟ نگرانی بیجاست ...\\nعشق اینجا و تو اینجا و خدا هم اینجاست\\n', 'هیچ !:\\n\\u200fترسیدنِ ما چونکه هم از بیم بلا بود\\n\\u200fاکنون ز چه ترسیم که در عین بلائیم\\n', 'هرگاه دوستى برويد ، همکارى و پشتیبانی از یکدیگر واجب مى\\u200cگردد\\n\\n امام على (ع)\\n', 'زندگی خالی نیست ...\\nمهربانی هست ، ایمان هست !\\nآری تا شقایق هست ؛\\nزندگی باید کرد ...\\n', 'هیچکس کامل نیست ، خوشبختی در آن است که انسان حد خود را بشناسد و آن را دوست بدارد ...\\n', 'همه\\u200c در برابر قانون مساوی هستیم اما همه\\u200c در برابر قاضی مساوی نیستیم !\\n', 'زندگی درکِ همین اکنون است !\\nزندگی شوقِ رسیدن\\nبه همان فردایی\\u200cست که نشاید آمد !\\nتو نه در دیروزی و نه در فردایی ؛\\nظرفِ امروز پر از بودن توست ...\\n', 'ﺍﯾﻨﮑﻪ ﺗﻮ ﺩﺭ ﺩﻧﯿﺎﯼ ﮐﺴﯽ ﻧﺒﺎﺷﯽ ﺑﺴﯽ دردﻧﺎﮎﺗﺮ ﺍﺳﺖ ﺗﺎ ﺍﯾﻨﮑﻪ ﮐﺴﯽ ﺩﺭ ﺩﻧﯿﺎﯼ ﺗﻮ ﻧﺒﺎﺷﺪ ...\\n', 'از خودتان انسانیت بجا بگذارید نه انسان ؛ تولید مثل را هر جانوری بلد است !\\n', 'هركس خود را در راه اصلاح نفس خویش در رنج افكند ، به سعادت دست پیدا خواهد کرد\\n\\n امام علی\\u200c (ع)\\n', 'از مشرق نگاه تو خورشید می\\u200cدمد ...\\nصبحی که با تو می شود آغاز دیدنیست\\n', '\\u200fغارت دل سهل باشد\\n\\u200fغارت جان کرد و رفت\\n', 'تنهایی را تاب آورده\\u200cايم و خاموشی را\\nو اکنون در اعماق خاکستر می\\u200cتپيم\\n', 'زندگی هدیه\\u200cای است که من هر روز صبح که از خواب بیدار می\\u200cشوم، عاشقانه روبان\\u200cهای دور آن را به آرامی باز می\\u200cکنم ...\\n', 'قدر اهل درد، صاحب درد می\\u200cداند که چیست\\nمرد صاحب درد، درد مرد می\\u200cداند که چیست\\n', 'آن\\u200cهایی که بیشتر از بقیه از مرگ می\\u200cترسند ، کسانی هستند که با حجم زیادی از زندگی نزیسته به مرگ نزدیک می\\u200cشوند ...\\n', 'بِه از این چه شادمانی ؟ که تو جانی و جهانی\\n', 'عهد بستی آنچه بین ماست ابدیست ؛ یادم رفت که بپرسم آیا عشق را می\\u200cگویی یا رنج را ...\\n', 'آدم\\u200cها یک زمانی در یک جایی ناخواسته خودشان را جا می\\u200cگذارند و می\\u200cروند ...\\n', 'درین بستان قسمت ، میوه\\u200cی تلخ محبت را \\nبه حسرت کاشکی می\\u200cمُردم و نوبر نمی\\u200cکردم\\n', 'انسان\\u200cها هرچه درک بیشتری داشته باشند ، رنج بیشتری می\\u200cکشند ...\\n', 'هیچکس نمی\\u200cتواند ما را \\nبهتر از خودمان فریب دهد\\n', 'زندگی پانتومیم است ؛\\nحرف دلت را به زبان بیاوری باختی !\\n', 'خیلی مراقب باش ؛ گاهی ناله\\u200cی آدم\\u200cها از روی مظلومیت نیست ، گرگ هم که زوزه میکشه برای دریدنه، نه چیز دیگه !\\n', 'ما نسل بدبختی هستیم ! دستمان به مقصر اصلی نمی\\u200cرسد ، از همدیگر انتقام می\\u200cگیریم ...\\n', 'به من صبح بخیر نگو ، فقط لبخند بزن !\\nلبخندت ، تمامِ عمرم را بخير می\\u200cکند ...\\n', 'ﻫﺮ ﺁﻧﭽﻪ ﮐﻪ ﺍﻧﺴﺎﻥ ﺑﺎﺷﻮﻕ ﺑﯿﺸﺘﺮﯼ ﺑﻪ ﺁﻥ ﭼﻨﮓ\\n ﻣﯽﺯﻧﺪ ، ﺍﺯ ﺍﻭ ﮔﺮﻓﺘﻪ ﻣﯽ\\u200cﺷﻮﺩ\\n', 'چیزی ویرانگرتر از آن نیست که دریابیم فریبِ همان کسانی را خورده\\u200cایم که باورشان داشته\\u200cایم !\\n', 'مگر نمی\\u200cگویند که هر آدمی یک بار عاشق می\\u200cشود؟ پس چرا هر صبح که چشم\\u200cهایت را باز می\\u200cکنی دل می\\u200cبازم باز ؟!\\n', 'شادمان\\u200cترین مردم ، بهترین چیزها را در زندگی ندارند ؛ بلکه آنها بهترین \"برداشت\" را از زندگی دارند ...\\n', 'آدم باید همیشه یه کسی رو توی این زندگی کوفتی داشته باشه ، که بتونه با بهونه و بی بهونه جلوش گریه کنه ...\\n', 'بعضی روزها انسان فقط خسته\\u200c است ، نه تنهاست نه غمگین و نه عاشق ، فقط خسته\\u200c است ...\\n', 'الهى ...\\nدر اين صبح كه نويد بخشِ اميد و رحمت توست ، هر آنكه چشم گشود ، قلبش سرشار از اميد و زندگی\\u200cاش سرشار از رحمت و بركت تو باد ...\\n', 'تلاش برای فراموش کردن ، در واقع تلاش\\nبرای به یاد آوردن است ...\\n\\n', '\\u200cچنان نماند \\n\\nو چنین نیز هم نخواهد ماند...\\n', 'صبح که از خواب بیدار می\\u200cشی یادت نره که رویاهات رو هم با خودت بیدار کنی', 'ﺩﻧﯿﺎ ﭼﯿﺰﯼ ﺟﺰ ﭘﮋﻭﺍﮎ ﻧﯿﺴﺖ!\\nیادمان باشد...\\nزندگی انعکاس رفتار ما است!\\nانعکاس من بر من\\n\\nپس حواسمان باشد\\nبهترین باشیم\\n\\nتا بهترین دریافت کنیم!\\nبهترین ها را برایتان آرزومندم', 'دنیا مثل تاب می ماند که کودکی\\nچند دقیقه ای را روی آن بازی می کند\\nو به نفر بعد می سپارد\\nخیلی ها پیش از من و تو سوار این \\nتاب شده اند رفیق...\\nقدر همدیگه رو بدونیم....\\n', 'چه سکوتی تمام دنیا را فرا\\n\\n می گرفت\\n اگر\\n\\nهر کس به اندازه\\u200cی صداقتش\\n\\n حــرف میزد\\n', 'آرزو میکنم\\nچشماتون از شادی برق بزنه\\nلبتون پر از خنده باشه و هر \\nصبح از هیجانِ شروعِ یک \\nروزِ جدید، به وجد وسرور بیاین ...\\n\\nآرزو میکنم \\nلحظه های زندگی تون پُر از \\nحسِ خوبِ با هم بودن باشه و\\nهر شبتون یکی زیر گوشِتون \\nزمزمه کنه که چقد زیاد دوسِتون داره...\\n\\nهر چی آرزوی خوبه مال تو', 'گاهی برای رشد کردن \\nباید سختی کشید\\n\\nگاهی برای فهمیدن \\nباید شکست خورد\\n\\nگاهی برای بدست آوردن \\nباید از دست داد \\n', 'ساعت دلتان را\\xa0\\nبه روی\\nشادی تنظیم کنید\\nلبخند بزنید\\nو به یاد داشته باشد\\nبزرگترین هدیه امروز خوشحالی ست\\xa0\\n\\nامروزتون سرشار از شادی', 'تولد و مرگ را درمانی نیست؛\\nمهم این است که \\n\\nفاصله میان آن \\u200cدو را\\nشاد زندگی کنیم...\\n', 'جمعه ها را باید\\nکودک باشی شاد ِشاد\\nبدوی توی حیاط\\nیاحتی گریه کنی\\nبرای آب نبات\\nجمعه هانبایدبزرگ باشی\\nوگرنه آب میشوی\\nزیربار دلتنگی و خاطرات\\n\\nامروز کودکانه شاد باشید\\nو از زندگی خود لذت ببرید', 'مواظب دل پدرهاباشید\\n\\nدل پدرکه بشکنه\\nمتوجه نمیشی\\nمثل مادرنیست که\\nازبارونی شدن چشماش\\nبفهمی که دلشو شکستی\\nپدر قامتش میشکنه و\\nچین وچروک صورتش آتیشت میزنه\\n', 'به سلامتی تموم پدر مادر ها که با وجود این همه دردسرهایی که براشون درست میکنیم،بازم تنها امید و پشتی بانمونن...\\n', 'مقدس ترین مکان دنیا\\n\\nخانه ایست که پدر و مادر \\n\\nدر آن حرمت دارند....\\n', 'پدر سه نقطه دارد\\nپسر سه نقطه دارد\\nدختر هم سه نقطه دارد \\nاما مادر هیچ نقطه ای ندارد \\n\\nچون که نقطه نقطه ی وجودش را \\nوقف خانواده اش کرده است', 'پدر \\nکاش راه رفتن \\nیاد نمیگرفتم تا مجبور می شدم \\nتا ابد دستانت را بگیرم...\\n', 'پدرم عید امد \\n\\nکاش کنارمان بودی\\n\\nبی تو دیگر هیچگاه عیدی ندارم...\\n', 'زیباست صُبحی\\nکه شبش را در آغوش\\nمهربانی ات گُذران کرده ام\\nو با صدای بال \\nفرشتگانت \"بیدار شده ام\" ... \\n\\nچه اندک است \\nاین سپاس در برابرِ\\nبیکران \"محبت تو\" \\nخدای دوست داشتنی من... \\n\\nسلام صبح دوشنبہ \\nبهاری تون بخیر', 'خاص ترین مخاطب قلبم\\nبہ قدر نفسهایم\\nدوستت دارم...\\n\\nبهانہ ی بودنم\\nدوستت دارم...\\n\\nلبخند لحظہ های خوش \\nاین عاشق\\nدوستت دارم...\\n\\nعشقمون ماندگار\\n', 'الهی امشب\\nهرچی خوبیه وخوشبختیه\\nخدای مهربون براتون رقم بزنه\\nکلبه هاتون ازمحبت گرم باشه\\nوآرامش مهمون همیشگی\\nخونه هاتون باشه\\n\\nشبتون آروم ودرپناه خدا', '\\u200d سلامتی دو بوسه\\nاولیش اون بوسه ای\\n که پدر برگونه\\n بچه تازه متولد شده اش میزنه\\n وبچه نمیفهمه\\nدومیش اون بوسه ای\\n که بچه برگونه پدر فوت شدش\\n میزنه وپدرش متوجه نمیشه\\n', 'از پل نامردان عبور نکن\\nبگذار تو را اب ببرد\\nاز ترس شیر به روباه پناه نبر\\nبگذار تو را شیر بدرد\\nببر باش و درنده ولی از کنار\\nاهوی بی پناه به ارامی گذر کن\\n']\n"
          ],
          "name": "stdout"
        }
      ]
    },
    {
      "cell_type": "markdown",
      "metadata": {
        "id": "eabsWgHzpK1O"
      },
      "source": [
        "Split data by index"
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "colab": {
          "base_uri": "https://localhost:8080/"
        },
        "id": "uvqgwaFSpPxs",
        "outputId": "132b6fa1-66d9-49bf-b586-b5b437adb3b9"
      },
      "source": [
        "data_index = [] # a help list for split & handle data (Image & Text)\n",
        "for i in range(len(label)):\n",
        "  data_index.append(i)\n",
        "print(\"Indexes of Data = \", data_index)\n",
        " \n",
        "X_train_index, X_test_index, Y_train, Y_test = train_test_split(data_index, label,\n",
        "                                                                            test_size = 0.1,  stratify= label, \n",
        "                                                                            random_state = 2018)\n",
        "X_train_index, X_val_index, Y_train, Y_val = train_test_split(X_train_index, Y_train,\n",
        "                                                              test_size = 0.2,  stratify= Y_train, \n",
        "                                                              random_state = 2018)\n",
        " \n",
        "print(\"Indexes of X_test = \", X_test_index)\n",
        "print(\"Indexes of X_train = \", X_train_index)\n",
        "print(\"Indexes of X_val = \", X_val_index)\n",
        "print(\"# of Data = \", len(label))\n",
        "print(\"# of test = \", len(Y_test))\n",
        "print(\"# of train = \", len(Y_train))\n",
        "print(\"# of val = \", len(Y_val))\n",
        " \n",
        "Y_test = np.array(Y_test)\n",
        "Y_train = np.array(Y_train)\n",
        "Y_val = np.array(Y_val)"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "stream",
          "text": [
            "Indexes of Data =  [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49, 50, 51, 52, 53, 54, 55, 56, 57, 58, 59, 60, 61, 62, 63, 64, 65, 66, 67, 68, 69, 70, 71, 72, 73, 74, 75, 76, 77, 78, 79, 80, 81, 82, 83, 84, 85, 86, 87, 88, 89, 90, 91, 92, 93, 94, 95, 96, 97, 98, 99, 100, 101, 102, 103, 104, 105, 106, 107, 108, 109, 110, 111, 112, 113, 114, 115, 116, 117, 118, 119, 120, 121, 122, 123, 124, 125, 126, 127, 128, 129, 130, 131, 132, 133, 134, 135, 136, 137, 138, 139, 140, 141, 142, 143, 144, 145, 146, 147, 148, 149, 150, 151, 152, 153, 154, 155, 156, 157, 158, 159, 160, 161, 162, 163, 164, 165, 166, 167, 168, 169, 170, 171, 172, 173, 174, 175, 176, 177, 178, 179, 180, 181, 182, 183, 184, 185, 186, 187, 188, 189, 190, 191, 192, 193, 194, 195, 196, 197, 198, 199, 200, 201, 202, 203, 204, 205, 206, 207, 208, 209, 210, 211, 212, 213, 214, 215, 216, 217, 218, 219, 220, 221, 222, 223, 224, 225, 226, 227, 228, 229, 230, 231, 232, 233, 234, 235, 236, 237, 238, 239, 240, 241, 242, 243, 244, 245, 246, 247, 248, 249, 250, 251, 252, 253, 254, 255, 256, 257, 258, 259, 260, 261, 262, 263, 264, 265, 266, 267, 268, 269, 270, 271, 272, 273, 274, 275, 276, 277, 278, 279, 280, 281, 282, 283, 284, 285, 286, 287, 288, 289, 290, 291, 292, 293, 294, 295, 296, 297, 298, 299, 300, 301, 302, 303, 304, 305, 306, 307, 308, 309, 310, 311, 312, 313, 314, 315, 316, 317, 318, 319, 320, 321, 322, 323, 324, 325, 326, 327, 328, 329, 330, 331, 332, 333, 334, 335, 336, 337, 338, 339, 340, 341, 342, 343, 344, 345, 346, 347, 348, 349, 350, 351, 352, 353, 354, 355, 356, 357, 358, 359, 360, 361, 362, 363, 364, 365, 366, 367, 368, 369, 370, 371, 372, 373, 374, 375, 376, 377, 378, 379, 380, 381, 382, 383, 384, 385, 386, 387, 388, 389, 390, 391, 392, 393, 394, 395, 396, 397, 398, 399, 400, 401, 402, 403, 404, 405, 406, 407, 408, 409, 410, 411, 412, 413, 414, 415, 416, 417, 418, 419, 420, 421, 422, 423, 424, 425, 426, 427, 428, 429, 430, 431, 432, 433, 434, 435, 436, 437, 438, 439, 440, 441, 442, 443, 444, 445, 446, 447, 448, 449, 450, 451, 452, 453, 454, 455, 456, 457, 458, 459, 460, 461, 462, 463, 464, 465, 466, 467, 468, 469, 470, 471, 472, 473, 474, 475, 476, 477, 478, 479, 480, 481, 482, 483, 484, 485, 486, 487, 488, 489, 490, 491, 492, 493, 494, 495, 496, 497, 498, 499, 500, 501, 502, 503, 504, 505, 506, 507, 508, 509, 510, 511, 512, 513, 514, 515, 516, 517, 518, 519, 520, 521, 522, 523, 524, 525, 526, 527, 528, 529, 530, 531, 532, 533, 534, 535, 536, 537, 538, 539, 540, 541, 542, 543, 544, 545, 546, 547, 548, 549, 550, 551, 552, 553, 554, 555, 556, 557, 558, 559, 560, 561, 562, 563, 564, 565, 566, 567, 568, 569, 570, 571, 572, 573, 574, 575, 576, 577, 578, 579, 580, 581, 582, 583, 584, 585, 586, 587, 588, 589, 590, 591, 592, 593, 594, 595, 596, 597, 598, 599, 600, 601, 602, 603, 604, 605, 606, 607, 608, 609, 610, 611, 612, 613, 614, 615, 616, 617, 618, 619, 620, 621, 622, 623, 624, 625, 626, 627, 628, 629, 630, 631, 632, 633, 634, 635, 636, 637, 638, 639, 640, 641, 642, 643, 644, 645, 646, 647, 648, 649, 650, 651, 652, 653, 654, 655, 656, 657, 658, 659, 660, 661, 662, 663, 664, 665, 666, 667, 668, 669, 670, 671, 672, 673, 674, 675, 676, 677, 678, 679, 680, 681, 682, 683, 684, 685, 686, 687, 688, 689, 690, 691, 692, 693, 694, 695, 696, 697, 698, 699, 700, 701, 702, 703, 704, 705, 706, 707, 708, 709, 710, 711, 712, 713, 714, 715, 716, 717, 718, 719, 720, 721, 722, 723, 724, 725, 726, 727, 728, 729, 730, 731, 732, 733, 734, 735, 736, 737, 738, 739, 740, 741, 742, 743, 744, 745, 746, 747, 748, 749, 750, 751, 752, 753, 754, 755, 756, 757, 758, 759, 760, 761, 762, 763, 764, 765, 766, 767, 768, 769, 770, 771, 772, 773, 774, 775, 776, 777, 778, 779, 780, 781, 782, 783, 784, 785, 786, 787, 788, 789, 790, 791, 792, 793, 794, 795, 796, 797, 798, 799, 800, 801, 802, 803, 804, 805, 806, 807, 808, 809, 810, 811, 812, 813, 814, 815, 816, 817, 818, 819, 820, 821, 822, 823, 824, 825, 826, 827, 828, 829, 830, 831, 832, 833, 834, 835, 836, 837, 838, 839, 840, 841, 842, 843, 844, 845, 846, 847, 848, 849, 850, 851, 852, 853, 854, 855, 856, 857, 858, 859, 860, 861, 862, 863, 864, 865, 866, 867, 868, 869, 870, 871, 872, 873, 874, 875, 876, 877, 878, 879, 880, 881, 882, 883, 884, 885, 886, 887, 888, 889, 890, 891, 892, 893, 894, 895, 896, 897, 898, 899, 900, 901, 902, 903, 904, 905, 906, 907, 908, 909, 910, 911, 912, 913, 914, 915, 916, 917, 918, 919, 920, 921, 922, 923, 924, 925, 926, 927, 928, 929, 930, 931, 932, 933, 934, 935, 936, 937, 938, 939, 940, 941, 942, 943, 944, 945, 946, 947, 948, 949, 950, 951, 952, 953, 954, 955, 956, 957, 958, 959, 960, 961, 962, 963, 964, 965, 966, 967, 968, 969, 970, 971, 972, 973, 974, 975, 976, 977, 978, 979, 980, 981, 982, 983, 984, 985, 986, 987, 988, 989, 990, 991, 992, 993, 994, 995, 996, 997, 998, 999]\n",
            "Indexes of X_test =  [166, 623, 203, 874, 462, 652, 669, 99, 630, 218, 105, 659, 693, 404, 635, 828, 112, 696, 497, 791, 943, 173, 426, 389, 891, 663, 356, 7, 715, 664, 80, 347, 1, 517, 809, 17, 286, 289, 253, 938, 804, 880, 671, 302, 545, 530, 480, 89, 410, 18, 484, 363, 698, 315, 424, 332, 512, 354, 98, 370, 923, 925, 239, 298, 564, 211, 708, 602, 815, 358, 212, 472, 833, 765, 310, 950, 256, 569, 992, 601, 262, 225, 584, 170, 831, 835, 241, 825, 642, 736, 501, 419, 133, 300, 609, 301, 818, 437, 228, 466]\n",
            "Indexes of X_train =  [434, 620, 892, 333, 944, 971, 570, 942, 281, 924, 493, 263, 984, 197, 51, 67, 997, 234, 769, 433, 328, 854, 435, 567, 29, 391, 819, 185, 649, 751, 731, 890, 936, 744, 126, 14, 92, 911, 206, 753, 718, 209, 97, 240, 181, 213, 920, 458, 976, 152, 470, 227, 107, 149, 390, 271, 958, 273, 456, 238, 728, 687, 226, 144, 993, 469, 109, 702, 554, 996, 929, 220, 290, 371, 282, 586, 851, 951, 236, 886, 432, 840, 822, 999, 114, 981, 562, 838, 894, 384, 156, 319, 373, 351, 573, 622, 855, 420, 69, 550, 249, 21, 431, 409, 87, 23, 101, 476, 174, 425, 651, 875, 559, 865, 24, 678, 634, 915, 63, 39, 650, 487, 784, 548, 790, 922, 413, 465, 250, 640, 749, 372, 331, 670, 237, 171, 341, 770, 327, 845, 889, 918, 603, 600, 76, 516, 589, 772, 325, 776, 316, 820, 717, 448, 129, 528, 471, 551, 572, 953, 414, 215, 801, 954, 342, 330, 877, 557, 978, 272, 987, 35, 662, 93, 90, 84, 45, 111, 137, 31, 534, 194, 982, 827, 15, 440, 672, 387, 606, 70, 406, 61, 443, 665, 797, 778, 627, 118, 773, 952, 57, 66, 401, 267, 615, 314, 618, 812, 745, 205, 794, 771, 136, 186, 252, 506, 280, 734, 836, 188, 376, 656, 518, 187, 716, 714, 403, 988, 146, 468, 386, 477, 428, 786, 394, 245, 140, 293, 430, 585, 299, 737, 485, 913, 339, 667, 475, 521, 897, 597, 945, 320, 442, 116, 200, 110, 782, 258, 59, 81, 284, 998, 965, 439, 147, 210, 130, 908, 221, 641, 423, 502, 755, 675, 933, 917, 626, 531, 178, 481, 297, 568, 368, 247, 34, 926, 735, 447, 385, 826, 738, 412, 743, 946, 903, 28, 957, 963, 268, 451, 216, 763, 558, 932, 490, 38, 416, 862, 452, 582, 519, 270, 873, 396, 799, 590, 709, 858, 995, 311, 193, 758, 539, 989, 95, 830, 151, 648, 767, 411, 985, 668, 604, 750, 741, 560, 857, 153, 196, 994, 898, 774, 189, 377, 55, 571, 578, 859, 629, 104, 706, 309, 800, 224, 49, 96, 598, 161, 764, 756, 956, 113, 704, 676, 912, 879, 13, 455, 904, 975, 453, 612, 496, 899, 841, 968, 694, 725, 121, 398, 949, 232, 810, 617, 294, 614, 399, 436, 523, 222, 162, 77, 509, 397, 254, 344, 190, 643, 30, 821, 22, 813, 723, 802, 974, 533, 78, 748, 977, 733, 100, 941, 312, 538, 446, 195, 639, 910, 244, 847, 122, 980, 159, 866, 257, 655, 324, 529, 155, 380, 633, 707, 489, 592, 429, 33, 345, 72, 348, 587, 674, 739, 563, 53, 909, 505, 40, 491, 608, 56, 217, 359, 692, 928, 307, 180, 350, 473, 495, 768, 871, 552, 705, 547, 863, 646, 757, 134, 450, 26, 761, 46, 165, 962, 632, 777, 308, 164, 511, 947, 285, 837, 274, 441, 660, 541, 542, 703, 593, 666, 3, 580, 747, 2, 336, 27, 183, 682, 829, 163, 169, 537, 88, 752, 785, 762, 628, 937, 318, 276, 388, 688, 983, 824, 991, 888, 700, 864, 54, 313, 679, 214, 392, 266, 754, 760, 230, 878, 869, 223, 515, 367, 402, 780, 907, 417, 365, 683, 71, 407, 460, 510, 467, 68, 60, 449, 834, 179, 19, 555, 853, 288, 789, 64, 930, 157, 479, 605, 334, 305, 883, 872, 793, 689, 846, 292, 961, 91, 507, 596, 108, 138, 884, 724, 492, 74, 654, 849, 803, 125, 686, 536, 208, 781, 62, 513, 661, 25, 931, 553, 364, 699, 248, 595, 882, 0, 199, 691, 103, 775, 182, 41, 870, 459, 895, 885, 184, 613, 438, 727, 740, 722, 32, 42, 296, 574, 275, 637, 919, 948, 610, 219, 461, 141, 346, 766, 154, 260, 625, 352, 561, 243, 566, 653, 621, 514, 607, 540, 816, 131, 887, 631, 900, 868, 867, 291, 323, 150, 526, 546, 335, 242, 9, 12, 575, 616, 636, 82, 583, 337, 921, 792, 65, 916, 191, 796, 522, 148, 823, 684, 123, 360, 160, 454, 972, 233, 494, 415, 128, 876, 979, 177, 381, 204, 172, 201, 720, 624, 4, 229, 532, 145, 588, 969, 549, 382, 50, 142, 278, 198, 132, 353, 719, 265, 16, 644, 986, 973, 321, 807, 167, 893, 730, 795, 742, 488, 525, 102, 418, 535]\n",
            "Indexes of X_val =  [139, 135, 955, 261, 393, 124, 483, 685, 839, 400, 37, 73, 861, 58, 279, 457, 967, 808, 119, 896, 964, 202, 710, 143, 338, 326, 362, 499, 464, 939, 901, 478, 814, 463, 498, 524, 48, 690, 843, 783, 746, 303, 444, 329, 117, 832, 355, 44, 11, 711, 619, 729, 445, 860, 713, 959, 673, 361, 378, 52, 375, 701, 914, 421, 726, 844, 85, 175, 231, 115, 856, 645, 5, 966, 366, 277, 158, 990, 811, 577, 960, 697, 427, 295, 304, 83, 255, 486, 503, 94, 556, 805, 759, 934, 269, 565, 500, 106, 591, 75, 192, 504, 340, 576, 20, 594, 657, 36, 264, 638, 527, 251, 374, 520, 681, 806, 235, 343, 422, 379, 798, 852, 850, 579, 317, 842, 120, 927, 405, 848, 395, 168, 721, 408, 287, 79, 127, 8, 611, 369, 902, 905, 86, 906, 508, 970, 647, 6, 207, 543, 283, 383, 712, 176, 732, 788, 474, 544, 940, 482, 680, 881, 599, 322, 658, 935, 357, 695, 779, 581, 817, 677, 246, 10, 306, 787, 47, 349, 43, 259]\n",
            "# of Data =  1000\n",
            "# of test =  100\n",
            "# of train =  720\n",
            "# of val =  180\n"
          ],
          "name": "stdout"
        }
      ]
    },
    {
      "cell_type": "markdown",
      "metadata": {
        "id": "mG3fHiYapaDt"
      },
      "source": [
        "Text"
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "colab": {
          "base_uri": "https://localhost:8080/"
        },
        "id": "M1BIydufOdbA",
        "outputId": "b7555a46-1deb-497d-9cbc-05d6e5faa146"
      },
      "source": [
        "dictionary = []\n",
        "list = []\n",
        "'''\n",
        "# new dataset\n",
        "for i in Remove_stword:\n",
        "    i = i.replace('[', '')\n",
        "    i = i.replace(\"'\", '')\n",
        "    i = i.replace(',', '')\n",
        "    i = i.replace(']', '')\n",
        "    temp = i.split()\n",
        "    for j in temp:      #create dictionary\n",
        "        if j not in dictionary:\n",
        "            dictionary.append(j)\n",
        "    ind = []\n",
        "    for j in temp:\n",
        "        ind.append(dictionary.index(j))\n",
        "    list.append(ind)\n",
        "print(dictionary)\n",
        "print(list)\n",
        "'''\n",
        "# old dataset\n",
        "for i in caption:\n",
        "    for stopword in stopword_list:\n",
        "      i = i.replace(str(stopword), '')\n",
        "    i = i.replace('.', '')  #erase .\n",
        "    i = i.replace('\"', '')  #erase \"\n",
        "    i = i.replace(':', '')  #erase :\n",
        "    i = i.replace('(', '')  #erase (\n",
        "    i = i.replace(')', '')  #erase )\n",
        "    i = i.replace(',', '')  #erase ,\n",
        "    i = i.replace('،', '')  #erase ،\n",
        "    i = i.replace('!', '')  #erase !\n",
        "    i = i.replace('-', '')  #erase -\n",
        "    i = i.replace('_', '')  #erase _\n",
        "    i = i.replace('؟', '')  #erase ؟\n",
        "    i = i.replace('?', '')  #erase ?\n",
        "    i = i.replace('\\u200c', '')  #erase \\u200c\n",
        "    i = i.replace('\\u200f', '')  #erase \\u200f\n",
        "    i = i.replace('؛', '')  #erase ؛\n",
        "    #i = i.replace('\\n', '')  #erase \\n\n",
        "\n",
        "    temp = i.split()\n",
        "    #print(temp[0].tolist())\n",
        "    for j in temp:      #create dictionary\n",
        "        if j not in dictionary:\n",
        "            dictionary.append(j)\n",
        "    #print(dictionary[0].tolist())\n",
        "    ind = []\n",
        "    for j in temp:\n",
        "        ind.append(dictionary.index(j))\n",
        "    list.append(ind)\n",
        "    \n",
        "print(list[0]) \n",
        "d10 = 0\n",
        "d10_20 = 0\n",
        "d20_30 = 0\n",
        "d30_40 = 0\n",
        "d40_50 = 0\n",
        "d50 = 0\n",
        "sum_len = 0\n",
        "for i in list:\n",
        "  temp = len(i)\n",
        "  sum_len += temp\n",
        "  if temp<=10:\n",
        "    d10 += 1\n",
        "  elif temp>10 and temp<=20:\n",
        "    d10_20 += 1\n",
        "  elif temp>20 and temp<=30:\n",
        "    d20_30 += 1\n",
        "  elif temp>30 and temp<=40:\n",
        "    d30_40 += 1\n",
        "  elif temp>40 and temp<=50:\n",
        "    d40_50 += 1\n",
        "  elif temp>50:\n",
        "    d50 += 1\n",
        "print (\"0-10: \",d10,\"\\n10-20: \",d10_20,\"\\n20-30: \",d20_30,\"\\n30-40: \",d30_40,\"\\n40-50: \",d40_50,\"\\n50+: \",d50)\n",
        "avg = sum_len/len(list)\n",
        "print (\"avg: \",avg)\n",
        "\n",
        "Caption = pad_sequences(list, maxlen=20, padding='post')\n",
        "print(len(dictionary))\n",
        "print(Caption)\n",
        "Caption = Caption.tolist()\n",
        "print(Caption)\n"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "stream",
          "text": [
            "[0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 2, 6, 10, 7, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 14, 17, 21, 13, 22, 13, 23, 7, 18, 11, 24, 25, 11, 26, 9, 27, 28, 29, 30, 11, 18, 31, 32, 33, 34, 35, 36, 37, 5, 27, 38, 39, 40, 41, 42, 43, 31, 44, 45, 27, 29, 31, 30, 7, 18, 22, 18, 27, 46, 7, 47, 48, 11, 22, 49, 50, 51, 30, 52, 32, 53, 27, 7, 31, 32, 54, 55, 56, 27, 11, 22, 57, 58, 59, 18, 22, 60, 61, 62, 63, 64, 65, 66, 56, 8, 18, 67, 68, 56, 23, 27, 11, 22, 37, 69, 64, 65, 70, 56, 71, 72, 56, 70, 27, 22, 73, 74, 5, 56, 31, 70, 75, 33, 76, 77, 78, 54, 30, 27, 30, 22, 79, 18, 47, 11, 80, 81, 45, 82, 45, 27, 83, 84, 85, 86, 7, 11, 30, 22, 87, 13, 17, 18, 88, 27, 89, 33, 27, 90, 30, 11, 7, 91, 92, 93, 27, 70, 22, 17, 18, 89, 94, 54, 95, 96, 97, 33]\n",
            "0-10:  386 \n",
            "10-20:  446 \n",
            "20-30:  128 \n",
            "30-40:  28 \n",
            "40-50:  8 \n",
            "50+:  4\n",
            "avg:  14.21\n",
            "3097\n",
            "[[  27   90   30 ...   96   97   33]\n",
            " [  56  107  108 ...  116  117  118]\n",
            " [ 119    8  120 ...    0    0    0]\n",
            " ...\n",
            " [ 454  538  221 ... 1254  202  107]\n",
            " [ 209   30   82 ...  813 1846  322]\n",
            " [  63  155  222 ...  141  222   30]]\n",
            "[[27, 90, 30, 11, 7, 91, 92, 93, 27, 70, 22, 17, 18, 89, 94, 54, 95, 96, 97, 33], [56, 107, 108, 109, 70, 33, 93, 110, 111, 33, 112, 104, 105, 113, 114, 60, 115, 116, 117, 118], [119, 8, 120, 121, 122, 123, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [124, 125, 10, 5, 126, 17, 11, 127, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [70, 128, 129, 130, 131, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [6, 132, 133, 134, 135, 33, 136, 125, 137, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [56, 43, 138, 139, 140, 135, 11, 141, 7, 142, 30, 143, 144, 145, 30, 146, 145, 147, 148, 0], [149, 150, 151, 152, 153, 18, 154, 155, 31, 156, 152, 70, 30, 0, 0, 0, 0, 0, 0, 0], [157, 158, 138, 159, 160, 43, 138, 17, 33, 161, 162, 138, 56, 163, 0, 0, 0, 0, 0, 0], [169, 111, 8, 170, 171, 165, 9, 118, 31, 172, 173, 56, 11, 174, 56, 175, 164, 70, 176, 177], [185, 107, 186, 187, 107, 188, 141, 189, 56, 190, 185, 8, 183, 184, 188, 125, 189, 21, 163, 18], [191, 56, 125, 192, 193, 194, 195, 56, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [10, 196, 197, 60, 198, 199, 200, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [201, 70, 202, 203, 204, 205, 30, 125, 206, 203, 11, 30, 207, 208, 0, 0, 0, 0, 0, 0], [209, 192, 210, 210, 60, 211, 70, 212, 213, 214, 215, 216, 31, 217, 10, 216, 218, 219, 185, 0], [8, 221, 222, 145, 207, 231, 232, 226, 222, 233, 70, 11, 43, 107, 30, 8, 107, 234, 8, 235], [209, 165, 70, 13, 8, 207, 236, 237, 207, 238, 8, 207, 0, 0, 0, 0, 0, 0, 0, 0], [45, 239, 32, 34, 240, 241, 242, 11, 30, 243, 244, 34, 245, 246, 247, 248, 31, 0, 0, 0], [70, 257, 258, 259, 239, 30, 125, 260, 261, 262, 263, 39, 97, 82, 264, 73, 80, 265, 266, 45], [145, 269, 270, 234, 7, 271, 18, 234, 268, 234, 272, 234, 183, 234, 259, 11, 273, 274, 111, 30], [275, 247, 8, 276, 15, 31, 277, 278, 18, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [279, 280, 281, 282, 283, 284, 285, 8, 137, 283, 286, 287, 7, 0, 0, 0, 0, 0, 0, 0], [288, 51, 289, 164, 8, 290, 291, 8, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [292, 50, 293, 294, 183, 295, 296, 297, 298, 33, 31, 35, 299, 0, 0, 0, 0, 0, 0, 0], [161, 11, 6, 11, 141, 11, 300, 301, 302, 6, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [56, 125, 30, 167, 311, 304, 82, 33, 259, 56, 32, 304, 312, 145, 8, 313, 70, 314, 31, 70], [135, 107, 10, 56, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [80, 18, 275, 315, 316, 317, 318, 319, 60, 56, 56, 8, 170, 77, 320, 321, 322, 323, 80, 18], [11, 183, 18, 324, 325, 186, 326, 327, 141, 17, 186, 328, 329, 330, 0, 0, 0, 0, 0, 0], [337, 338, 339, 340, 8, 11, 124, 17, 55, 249, 335, 70, 341, 207, 70, 342, 343, 333, 127, 344], [346, 70, 7, 7, 347, 348, 30, 30, 168, 33, 70, 349, 30, 10, 350, 10, 30, 351, 352, 30], [186, 353, 354, 355, 207, 293, 141, 356, 70, 357, 358, 11, 359, 360, 361, 70, 141, 0, 0, 0], [378, 379, 380, 366, 367, 381, 382, 112, 383, 384, 167, 120, 368, 11, 385, 386, 387, 388, 389, 390], [11, 391, 141, 392, 234, 391, 393, 394, 165, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [124, 153, 30, 107, 395, 41, 197, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [396, 168, 397, 56, 10, 45, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [78, 402, 361, 126, 17, 398, 11, 148, 125, 403, 288, 404, 78, 13, 404, 118, 107, 405, 11, 11], [364, 33, 8, 10, 30, 232, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [242, 172, 141, 406, 124, 407, 408, 327, 409, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [148, 422, 413, 423, 31, 424, 30, 425, 417, 413, 403, 426, 148, 427, 31, 428, 429, 102, 430, 148], [99, 33, 8, 50, 172, 431, 432, 7, 8, 433, 8, 99, 33, 344, 8, 259, 30, 135, 8, 33], [434, 192, 435, 319, 8, 309, 434, 145, 391, 436, 155, 10, 437, 231, 0, 0, 0, 0, 0, 0], [10, 440, 11, 441, 70, 442, 440, 7, 230, 443, 444, 445, 446, 17, 125, 10, 447, 56, 15, 327], [125, 398, 8, 11, 300, 448, 161, 11, 80, 449, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [450, 8, 203, 107, 202, 70, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [145, 11, 10, 132, 451, 7, 452, 256, 234, 10, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [177, 386, 107, 332, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [107, 273, 172, 327, 11, 278, 350, 453, 454, 209, 455, 0, 0, 0, 0, 0, 0, 0, 0, 0], [189, 30, 456, 344, 107, 30, 456, 457, 31, 452, 256, 0, 0, 0, 0, 0, 0, 0, 0, 0], [107, 458, 56, 459, 409, 191, 364, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [463, 460, 464, 465, 466, 467, 468, 460, 17, 469, 470, 460, 471, 60, 367, 472, 473, 474, 475, 435], [124, 56, 50, 30, 18, 476, 30, 477, 30, 478, 479, 409, 0, 0, 0, 0, 0, 0, 0, 0], [185, 480, 10, 21, 185, 185, 481, 185, 482, 185, 107, 435, 98, 0, 0, 0, 0, 0, 0, 0], [483, 484, 55, 155, 254, 11, 408, 155, 191, 485, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [486, 487, 488, 30, 488, 489, 141, 131, 490, 238, 488, 491, 492, 231, 491, 102, 491, 350, 493, 0], [10, 167, 494, 21, 495, 185, 33, 496, 319, 446, 30, 68, 56, 328, 497, 6, 10, 34, 345, 0], [261, 498, 60, 499, 56, 95, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [500, 31, 509, 145, 221, 80, 11, 141, 510, 511, 8, 347, 8, 338, 60, 165, 308, 239, 80, 0], [323, 512, 513, 514, 283, 515, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [519, 203, 111, 30, 207, 30, 18, 520, 288, 521, 522, 172, 255, 70, 523, 30, 524, 525, 526, 18], [510, 363, 10, 527, 528, 193, 141, 11, 50, 125, 8, 30, 30, 0, 0, 0, 0, 0, 0, 0], [302, 529, 530, 531, 302, 532, 302, 77, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [210, 283, 211, 533, 306, 534, 489, 489, 535, 536, 537, 151, 4, 0, 0, 0, 0, 0, 0, 0], [538, 539, 539, 540, 80, 541, 542, 80, 543, 226, 435, 126, 10, 544, 40, 43, 0, 0, 0, 0], [550, 551, 193, 552, 193, 553, 554, 555, 344, 102, 82, 556, 30, 196, 545, 517, 546, 355, 31, 557], [323, 303, 6, 303, 8, 56, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [292, 5, 43, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [558, 559, 213, 70, 11, 30, 560, 213, 185, 6, 561, 30, 319, 562, 207, 0, 0, 0, 0, 0], [563, 564, 565, 566, 11, 567, 30, 568, 569, 239, 11, 364, 82, 56, 31, 7, 82, 34, 178, 0], [189, 571, 572, 141, 573, 70, 470, 574, 575, 576, 18, 577, 56, 207, 578, 579, 580, 581, 132, 7], [141, 582, 7, 141, 124, 243, 347, 10, 30, 141, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [583, 584, 585, 586, 587, 588, 589, 533, 590, 591, 592, 17, 593, 594, 30, 584, 595, 596, 597, 598], [599, 33, 600, 30, 215, 172, 8, 30, 601, 602, 599, 0, 0, 0, 0, 0, 0, 0, 0, 0], [323, 50, 603, 43, 604, 239, 185, 480, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [605, 606, 526, 11, 80, 33, 607, 33, 8, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [409, 11, 405, 31, 561, 165, 405, 172, 33, 259, 344, 405, 610, 344, 405, 611, 337, 405, 612, 613], [107, 80, 81, 614, 80, 81, 11, 57, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [56, 43, 10, 8, 155, 60, 11, 56, 601, 8, 364, 575, 0, 0, 0, 0, 0, 0, 0, 0], [615, 616, 290, 17, 617, 618, 337, 255, 426, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [172, 619, 70, 454, 620, 70, 145, 77, 621, 622, 18, 50, 450, 623, 30, 209, 350, 78, 0, 0], [11, 363, 219, 624, 278, 442, 288, 625, 278, 481, 56, 608, 30, 400, 364, 5, 600, 626, 0, 0], [627, 628, 629, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [617, 80, 8, 6, 630, 539, 145, 403, 80, 631, 632, 6, 633, 634, 80, 8, 82, 70, 0, 0], [56, 13, 71, 116, 164, 635, 259, 327, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [636, 533, 164, 637, 33, 56, 111, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [273, 638, 639, 30, 640, 406, 56, 641, 642, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [50, 6, 644, 645, 349, 239, 646, 643, 124, 13, 17, 643, 21, 441, 70, 21, 643, 17, 406, 7], [153, 18, 11, 213, 70, 30, 647, 164, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [30, 81, 404, 650, 232, 226, 651, 50, 11, 517, 56, 652, 234, 653, 11, 50, 363, 654, 655, 171], [6, 56, 656, 657, 658, 18, 31, 70, 30, 11, 55, 659, 55, 148, 314, 658, 148, 0, 0, 0], [186, 660, 661, 662, 517, 101, 663, 340, 395, 170, 60, 56, 145, 107, 56, 7, 33, 10, 60, 0], [10, 480, 239, 207, 664, 49, 323, 665, 145, 480, 666, 288, 33, 30, 659, 0, 0, 0, 0, 0], [667, 50, 30, 288, 30, 50, 125, 668, 669, 30, 107, 670, 671, 107, 405, 11, 672, 165, 0, 0], [207, 125, 677, 118, 481, 678, 679, 106, 404, 680, 141, 96, 481, 487, 451, 17, 60, 96, 10, 21], [10, 70, 318, 30, 681, 18, 386, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [213, 265, 644, 30, 447, 56, 682, 8, 8, 9, 350, 271, 8, 18, 0, 0, 0, 0, 0, 0], [683, 535, 684, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [132, 451, 520, 35, 686, 451, 687, 688, 689, 649, 303, 688, 689, 188, 303, 690, 691, 692, 18, 690], [141, 6, 5, 5, 165, 147, 148, 291, 404, 56, 693, 141, 18, 13, 17, 327, 8, 694, 695, 0], [210, 363, 400, 20, 600, 31, 328, 33, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [10, 207, 698, 699, 125, 33, 145, 700, 207, 701, 702, 222, 703, 118, 533, 363, 10, 33, 704, 705], [8, 711, 200, 7, 138, 712, 417, 713, 714, 715, 213, 97, 338, 31, 716, 717, 286, 718, 719, 720], [138, 159, 160, 43, 138, 17, 33, 161, 162, 167, 82, 0, 0, 0, 0, 0, 0, 0, 0, 0], [721, 722, 723, 724, 725, 10, 726, 200, 623, 30, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [7, 693, 50, 727, 30, 50, 172, 132, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [722, 107, 224, 729, 355, 207, 730, 17, 43, 731, 99, 539, 221, 221, 732, 733, 221, 221, 734, 17], [735, 736, 80, 309, 451, 737, 738, 249, 17, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [649, 125, 739, 97, 740, 649, 80, 18, 739, 741, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [742, 743, 491, 18, 744, 745, 18, 746, 327, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [747, 748, 470, 749, 8, 750, 8, 751, 752, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [762, 763, 451, 56, 764, 288, 35, 765, 766, 767, 768, 456, 769, 770, 228, 261, 771, 634, 10, 404], [172, 772, 97, 510, 155, 773, 774, 403, 460, 70, 107, 731, 30, 374, 662, 608, 30, 400, 775, 33], [776, 777, 778, 51, 779, 780, 781, 82, 782, 482, 17, 7, 82, 79, 525, 783, 784, 82, 646, 0], [786, 300, 787, 788, 789, 308, 56, 790, 791, 33, 125, 792, 793, 50, 31, 207, 794, 795, 185, 6], [510, 406, 796, 226, 491, 797, 798, 55, 8, 10, 30, 8, 799, 45, 406, 539, 0, 0, 0, 0], [251, 800, 451, 364, 141, 364, 801, 254, 30, 802, 803, 0, 0, 0, 0, 0, 0, 0, 0, 0], [207, 736, 10, 30, 228, 804, 486, 228, 736, 70, 259, 736, 805, 806, 807, 133, 808, 7, 170, 70], [302, 481, 102, 742, 809, 242, 70, 60, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [30, 810, 811, 124, 155, 812, 813, 556, 174, 231, 10, 814, 815, 816, 21, 231, 332, 0, 0, 0], [570, 817, 192, 818, 80, 303, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [819, 820, 236, 820, 821, 822, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [31, 823, 171, 824, 60, 825, 66, 45, 826, 827, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [500, 828, 80, 18, 172, 541, 177, 829, 830, 736, 93, 323, 630, 70, 736, 231, 831, 832, 0, 0], [833, 834, 835, 125, 33, 9, 448, 836, 533, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [662, 837, 35, 249, 406, 273, 21, 11, 70, 838, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [839, 566, 337, 840, 839, 841, 224, 70, 470, 842, 93, 843, 19, 844, 845, 0, 0, 0, 0, 0], [517, 11, 8, 80, 172, 56, 172, 846, 841, 21, 517, 55, 544, 0, 0, 0, 0, 0, 0, 0], [848, 849, 205, 18, 203, 1, 850, 327, 11, 11, 676, 851, 354, 355, 556, 405, 851, 354, 852, 677], [21, 853, 503, 172, 226, 31, 854, 21, 133, 30, 207, 234, 855, 856, 228, 0, 0, 0, 0, 0], [128, 13, 18, 33, 857, 451, 5, 97, 858, 610, 859, 860, 861, 7, 82, 259, 33, 306, 862, 658], [863, 864, 133, 865, 866, 867, 868, 869, 870, 871, 125, 872, 873, 133, 874, 875, 876, 877, 0, 0], [878, 5, 662, 483, 392, 879, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [880, 881, 882, 234, 260, 7, 288, 535, 883, 30, 207, 11, 30, 0, 0, 0, 0, 0, 0, 0], [884, 885, 405, 886, 517, 55, 207, 887, 888, 43, 70, 516, 511, 889, 0, 0, 0, 0, 0, 0], [405, 891, 503, 316, 539, 405, 168, 539, 503, 892, 539, 405, 6, 893, 540, 81, 7, 31, 602, 224], [7, 11, 907, 5, 305, 908, 345, 909, 345, 125, 421, 677, 293, 659, 902, 186, 70, 910, 911, 7], [912, 21, 913, 508, 507, 914, 915, 916, 264, 917, 915, 470, 570, 918, 912, 919, 487, 8, 141, 5], [460, 259, 165, 517, 920, 437, 273, 11, 10, 70, 921, 0, 0, 0, 0, 0, 0, 0, 0, 0], [731, 167, 446, 30, 56, 127, 8, 8, 5, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [51, 922, 124, 923, 259, 924, 31, 207, 925, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [511, 30, 6, 893, 926, 45, 926, 927, 369, 928, 77, 43, 349, 31, 0, 0, 0, 0, 0, 0], [930, 826, 931, 344, 932, 933, 934, 430, 337, 308, 935, 7, 936, 937, 938, 939, 930, 940, 30, 56], [543, 332, 80, 951, 601, 916, 952, 953, 954, 750, 385, 30, 955, 99, 332, 956, 636, 919, 125, 720], [963, 70, 203, 145, 408, 652, 189, 963, 964, 41, 965, 966, 56, 967, 356, 959, 805, 968, 969, 5], [557, 970, 8, 291, 643, 30, 518, 8, 291, 116, 33, 967, 8, 291, 608, 30, 971, 8, 291, 0], [192, 124, 165, 30, 30, 259, 972, 165, 259, 155, 102, 259, 973, 0, 0, 0, 0, 0, 0, 0], [987, 988, 989, 990, 991, 977, 992, 993, 994, 977, 995, 996, 991, 997, 998, 999, 1000, 1001, 1002, 1003], [10, 50, 1004, 541, 1005, 80, 1006, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [31, 51, 1007, 1008, 1009, 1010, 527, 1011, 1012, 11, 1013, 133, 1014, 33, 1015, 1016, 1017, 0, 0, 0], [1018, 60, 395, 1019, 31, 175, 1020, 1021, 1022, 11, 1023, 30, 1024, 7, 727, 50, 459, 1025, 731, 0], [1026, 1027, 17, 637, 1028, 1029, 249, 125, 238, 1028, 145, 17, 11, 1030, 1028, 141, 21, 643, 1031, 337], [10, 1032, 1033, 50, 92, 305, 56, 742, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [30, 637, 1034, 43, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [50, 363, 10, 848, 561, 155, 406, 167, 308, 77, 102, 165, 1035, 20, 197, 0, 0, 0, 0, 0], [1036, 225, 209, 1037, 5, 33, 1038, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1039, 92, 7, 231, 1040, 225, 165, 841, 161, 33, 881, 232, 0, 0, 0, 0, 0, 0, 0, 0], [31, 10, 165, 11, 878, 255, 55, 1041, 185, 969, 224, 0, 0, 0, 0, 0, 0, 0, 0, 0], [608, 77, 393, 7, 517, 1042, 599, 322, 141, 50, 363, 1042, 817, 43, 0, 0, 0, 0, 0, 0], [267, 1043, 225, 219, 11, 213, 103, 70, 337, 165, 11, 729, 30, 741, 125, 846, 10, 174, 1044, 99], [1045, 1046, 7, 393, 8, 30, 1047, 112, 11, 1048, 5, 0, 0, 0, 0, 0, 0, 0, 0, 0], [186, 30, 56, 234, 271, 18, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1049, 1050, 141, 8, 268, 1051, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1052, 409, 337, 1053, 155, 1007, 1054, 349, 1055, 1056, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [489, 125, 102, 481, 881, 503, 11, 11, 481, 881, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [107, 8, 125, 133, 1032, 742, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [165, 92, 487, 56, 21, 70, 1057, 77, 21, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [8, 1058, 8, 1059, 33, 1060, 741, 574, 8, 33, 30, 200, 1061, 197, 724, 735, 0, 0, 0, 0], [31, 164, 602, 942, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1062, 1063, 183, 1063, 30, 259, 183, 1064, 259, 51, 82, 1065, 1063, 0, 0, 0, 0, 0, 0, 0], [576, 21, 1066, 1005, 470, 8, 1067, 1068, 508, 919, 1069, 280, 8, 375, 8, 13, 99, 1067, 0, 0], [120, 1072, 199, 470, 145, 828, 1073, 120, 1072, 748, 470, 145, 731, 99, 1074, 1075, 1076, 1077, 348, 1078], [660, 600, 11, 80, 148, 174, 600, 11, 80, 1079, 2, 77, 80, 722, 30, 11, 1080, 80, 1081, 1082], [330, 20, 141, 1083, 1084, 11, 1085, 231, 1086, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [10, 1087, 124, 183, 841, 1088, 491, 1089, 533, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [381, 329, 185, 11, 1090, 881, 132, 56, 187, 1045, 56, 0, 0, 0, 0, 0, 0, 0, 0, 0], [460, 7, 393, 57, 7, 31, 391, 878, 56, 328, 11, 221, 7, 393, 30, 221, 7, 31, 1091, 332], [82, 56, 1092, 1093, 363, 31, 56, 141, 349, 207, 203, 31, 1094, 524, 186, 1033, 153, 18, 0, 0], [540, 234, 171, 45, 99, 539, 1095, 234, 722, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [6, 5, 941, 2, 446, 70, 200, 13, 2, 446, 322, 0, 0, 0, 0, 0, 0, 0, 0, 0], [200, 10, 7, 409, 305, 70, 226, 7, 409, 942, 207, 200, 7, 409, 1096, 1097, 207, 0, 0, 0], [30, 1098, 8, 643, 381, 124, 1099, 189, 11, 10, 8, 476, 207, 0, 0, 0, 0, 0, 0, 0], [799, 30, 142, 7, 10, 165, 10, 1100, 8, 322, 145, 8, 33, 0, 0, 0, 0, 0, 0, 0], [319, 349, 165, 288, 349, 70, 165, 11, 249, 249, 1101, 1102, 82, 1103, 70, 0, 0, 0, 0, 0], [192, 641, 81, 30, 102, 527, 1104, 56, 102, 1105, 102, 527, 539, 0, 0, 0, 0, 0, 0, 0], [941, 1106, 155, 56, 43, 145, 131, 11, 31, 80, 1107, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1, 1108, 571, 213, 375, 164, 1109, 288, 1110, 1111, 1112, 1113, 145, 0, 0, 0, 0, 0, 0, 0], [986, 1125, 1126, 1127, 1115, 987, 1128, 1129, 1115, 1130, 986, 1131, 980, 1132, 987, 1133, 1134, 1135, 1136, 978], [826, 869, 1137, 93, 300, 1138, 172, 141, 165, 124, 11, 183, 165, 88, 300, 1138, 172, 0, 0, 0], [1139, 167, 1140, 556, 1141, 1142, 18, 674, 307, 391, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [21, 125, 1143, 70, 1144, 141, 1145, 345, 1143, 70, 349, 56, 1146, 792, 30, 213, 30, 80, 99, 539], [8, 30, 1147, 435, 11, 31, 405, 8, 1148, 300, 30, 878, 95, 319, 50, 11, 1149, 319, 11, 742], [1150, 21, 1151, 1152, 92, 1076, 487, 99, 1067, 141, 126, 1153, 470, 475, 406, 1073, 1154, 344, 0, 0], [50, 363, 10, 848, 561, 155, 406, 167, 308, 77, 102, 165, 1035, 20, 197, 0, 0, 0, 0, 0], [460, 1155, 544, 1156, 1157, 1158, 30, 1054, 8, 1159, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1160, 400, 924, 7, 1161, 329, 172, 1162, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [145, 189, 7, 10, 70, 10, 177, 185, 1163, 177, 637, 7, 1164, 364, 0, 0, 0, 0, 0, 0], [10, 82, 557, 1165, 17, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [435, 435, 56, 1166, 656, 1167, 56, 1166, 421, 200, 381, 1168, 271, 404, 271, 1169, 30, 0, 0, 0], [615, 273, 561, 641, 615, 172, 264, 454, 11, 124, 1170, 31, 409, 8, 1171, 615, 30, 1172, 0, 0], [405, 39, 405, 10, 1173, 221, 540, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [70, 20, 1175, 448, 93, 82, 1176, 8, 6, 1177, 18, 11, 80, 33, 1178, 11, 345, 533, 82, 1179], [11, 1180, 360, 11, 337, 1181, 1182, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [353, 369, 137, 675, 1040, 30, 283, 234, 8, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [301, 634, 600, 30, 215, 301, 210, 1183, 183, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1184, 476, 56, 1185, 405, 1186, 1187, 60, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1188, 1189, 32, 7, 1190, 11, 300, 1191, 239, 21, 435, 0, 0, 0, 0, 0, 0, 0, 0, 0], [175, 1192, 1193, 488, 30, 295, 1194, 59, 1195, 1196, 247, 8, 346, 1197, 1198, 1029, 1199, 323, 1200, 556], [107, 11, 326, 141, 1201, 503, 7, 1202, 151, 107, 125, 1203, 6, 145, 60, 1082, 0, 0, 0, 0], [93, 1191, 172, 111, 9, 404, 480, 30, 491, 1191, 534, 10, 1204, 426, 125, 534, 1205, 175, 0, 0], [1206, 470, 608, 1207, 33, 8, 164, 30, 1208, 470, 575, 18, 0, 0, 0, 0, 0, 0, 0, 0], [1209, 207, 141, 30, 172, 224, 659, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [135, 337, 741, 727, 165, 125, 1210, 165, 1040, 172, 742, 21, 33, 165, 0, 0, 0, 0, 0, 0], [145, 21, 191, 1, 386, 224, 8, 70, 1211, 21, 1212, 1213, 56, 0, 0, 0, 0, 0, 0, 0], [1214, 70, 30, 8, 70, 172, 374, 34, 7, 125, 374, 1214, 21, 1215, 0, 0, 0, 0, 0, 0], [1216, 1217, 70, 125, 207, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [82, 221, 1219, 203, 1220, 1221, 17, 1222, 82, 77, 243, 316, 97, 164, 111, 345, 277, 17, 1191, 175], [1223, 1224, 1225, 56, 406, 1226, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [363, 703, 741, 81, 70, 200, 1227, 741, 1228, 1229, 561, 1197, 1228, 332, 0, 0, 0, 0, 0, 0], [1230, 11, 177, 183, 1231, 225, 435, 288, 30, 6, 1069, 582, 30, 168, 33, 7, 344, 1191, 175, 0], [111, 228, 192, 33, 1232, 9, 448, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1233, 164, 213, 31, 33, 213, 31, 1234, 125, 17, 60, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1235, 920, 165, 70, 203, 50, 50, 125, 1236, 43, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [316, 481, 167, 662, 133, 11, 7, 32, 1019, 1187, 70, 1187, 70, 1019, 0, 0, 0, 0, 0, 0], [10, 82, 1237, 1238, 171, 1239, 1240, 132, 11, 1241, 1242, 111, 1243, 99, 337, 0, 0, 0, 0, 0], [483, 484, 55, 155, 254, 11, 408, 155, 191, 485, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [674, 236, 481, 43, 1244, 70, 43, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [627, 1245, 1246, 189, 1247, 1248, 7, 1249, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [634, 406, 145, 533, 80, 533, 80, 99, 30, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [224, 11, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [164, 541, 638, 82, 228, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [111, 191, 700, 1250, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [602, 56, 288, 101, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [459, 539, 11, 566, 1251, 1178, 1252, 302, 1253, 302, 481, 7, 1032, 0, 0, 0, 0, 0, 0, 0], [210, 11, 841, 211, 60, 653, 487, 13, 70, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [6, 8, 259, 184, 1, 243, 5, 11, 1254, 164, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [406, 145, 77, 1139, 226, 145, 77, 1255, 613, 830, 11, 727, 165, 61, 30, 653, 1256, 617, 60, 0], [167, 311, 7, 11, 1257, 30, 832, 1258, 898, 18, 209, 56, 165, 0, 0, 0, 0, 0, 0, 0], [1259, 1260, 1261, 1262, 1214, 1263, 1264, 1056, 1214, 1265, 1254, 1266, 1214, 1265, 1267, 0, 0, 0, 0, 0], [1268, 11, 55, 404, 80, 33, 270, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [363, 1, 203, 70, 111, 1269, 141, 1, 30, 841, 1040, 11, 9, 0, 0, 0, 0, 0, 0, 0], [1270, 11, 165, 33, 10, 350, 55, 207, 11, 167, 525, 1271, 1272, 615, 1061, 300, 615, 30, 30, 70], [1070, 470, 7, 1273, 937, 30, 7, 1274, 123, 362, 1275, 403, 322, 0, 0, 0, 0, 0, 0, 0], [60, 1276, 1277, 30, 189, 1056, 1278, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [213, 145, 125, 30, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [8, 211, 18, 167, 13, 1279, 211, 60, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1280, 148, 1281, 8, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [337, 8, 480, 1100, 34, 1282, 11, 17, 1283, 178, 364, 33, 344, 922, 1032, 1200, 446, 405, 364, 33], [357, 277, 840, 11, 1284, 1285, 748, 60, 1286, 7, 277, 435, 1287, 0, 0, 0, 0, 0, 0, 0], [1288, 885, 1289, 6, 207, 674, 6, 1290, 141, 1291, 6, 885, 885, 1292, 1293, 646, 1270, 1294, 1295, 0], [172, 111, 488, 56, 1296, 68, 226, 1297, 43, 349, 446, 1298, 1216, 268, 43, 138, 1299, 0, 0, 0], [693, 1300, 31, 1298, 693, 500, 31, 662, 102, 1301, 1302, 1303, 165, 31, 600, 1304, 900, 1191, 175, 10], [510, 657, 30, 200, 826, 145, 161, 1305, 267, 1306, 207, 0, 0, 0, 0, 0, 0, 0, 0, 0], [958, 527, 328, 1307, 153, 230, 1308, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [829, 527, 33, 165, 350, 643, 1310, 1031, 1311, 527, 33, 165, 1312, 186, 8, 1313, 56, 207, 527, 33], [290, 21, 175, 43, 1314, 55, 1315, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [56, 191, 56, 33, 50, 17, 1316, 487, 56, 56, 1317, 484, 273, 17, 322, 1318, 406, 216, 219, 8], [6, 459, 539, 80, 1319, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [145, 1320, 107, 1321, 172, 7, 813, 30, 188, 30, 1322, 1323, 32, 1324, 0, 0, 0, 0, 0, 0], [164, 1325, 11, 17, 10, 213, 8, 99, 164, 902, 141, 18, 168, 397, 664, 1030, 135, 30, 301, 0], [742, 30, 11, 1326, 1327, 5, 1328, 172, 11, 426, 662, 8, 493, 878, 5, 319, 8, 350, 1329, 5], [11, 10, 80, 517, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1330, 1331, 18, 141, 1033, 30, 80, 30, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [460, 97, 337, 1332, 293, 460, 1333, 337, 231, 8, 1332, 307, 0, 0, 0, 0, 0, 0, 0, 0], [1334, 30, 234, 189, 599, 151, 454, 1335, 175, 8, 169, 319, 5, 742, 103, 1268, 31, 31, 5, 0], [31, 141, 31, 1336, 155, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [33, 107, 107, 678, 228, 1337, 1338, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [30, 649, 70, 171, 327, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [277, 741, 70, 338, 409, 18, 153, 70, 8, 1339, 1340, 30, 156, 0, 0, 0, 0, 0, 0, 0], [1191, 175, 1325, 295, 84, 1191, 175, 135, 8, 164, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1307, 30, 145, 617, 70, 199, 11, 649, 1102, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1040, 1313, 135, 33, 11, 242, 70, 1341, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1342, 1343, 265, 1344, 210, 8, 1345, 345, 222, 153, 18, 0, 0, 0, 0, 0, 0, 0, 0, 0], [10, 17, 167, 494, 21, 495, 185, 539, 1346, 319, 446, 45, 68, 56, 328, 497, 45, 6, 34, 73], [290, 1347, 453, 59, 9, 653, 224, 213, 70, 1348, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [102, 30, 1032, 116, 810, 1349, 1350, 1012, 773, 178, 491, 239, 30, 102, 30, 111, 256, 0, 0, 0], [1351, 50, 363, 1019, 491, 895, 56, 322, 1351, 517, 8, 539, 1351, 1352, 1353, 793, 1354, 5, 0, 0], [1355, 163, 1356, 1357, 141, 517, 234, 1358, 1359, 207, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [305, 10, 155, 742, 33, 1224, 234, 406, 207, 1308, 1356, 56, 0, 0, 0, 0, 0, 0, 0, 0], [30, 260, 626, 11, 646, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [10, 668, 863, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [259, 564, 259, 7, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1233, 164, 213, 31, 33, 213, 31, 1234, 125, 17, 60, 0, 0, 0, 0, 0, 0, 0, 0, 0], [213, 1360, 93, 70, 971, 1191, 175, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [576, 7, 407, 17, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1361, 1362, 357, 1363, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [55, 967, 32, 70, 125, 1364, 30, 217, 288, 8, 17, 470, 1365, 1366, 326, 288, 748, 358, 1191, 533], [1367, 602, 145, 11, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [7, 404, 33, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1368, 1369, 145, 912, 80, 8, 31, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [50, 133, 33, 175, 1191, 70, 1027, 141, 210, 125, 70, 33, 175, 186, 172, 1370, 0, 0, 0, 0], [33, 232, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1371, 481, 1372, 406, 1373, 111, 137, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [830, 127, 56, 392, 632, 632, 1374, 30, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1191, 175, 1268, 116, 1286, 773, 589, 1019, 1193, 491, 7, 589, 306, 7, 589, 5, 1205, 1375, 82, 1376], [1377, 446, 405, 1378, 207, 405, 1379, 207, 405, 70, 405, 10, 1380, 70, 0, 0, 0, 0, 0, 0], [1381, 1382, 470, 1383, 1384, 288, 1385, 145, 409, 8, 141, 145, 470, 1386, 576, 213, 1387, 229, 221, 31], [1191, 1388, 1389, 1390, 1391, 1392, 1393, 1394, 1395, 1396, 557, 1397, 0, 0, 0, 0, 0, 0, 0, 0], [209, 1398, 209, 1399, 1400, 82, 1401, 125, 1402, 209, 1403, 1404, 1405, 11, 7, 1406, 1407, 1262, 1408, 70], [80, 8, 1409, 9, 344, 70, 1410, 207, 167, 1297, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [481, 1411, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1412, 1413, 1414, 259, 700, 1415, 1309, 826, 1416, 1417, 17, 1418, 33, 221, 0, 0, 0, 0, 0, 0], [510, 363, 80, 1419, 664, 40, 8, 617, 7, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [20, 1089, 1420, 207, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [406, 82, 1421, 1422, 1423, 56, 1424, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [82, 1425, 6, 319, 1425, 659, 1425, 33, 164, 153, 18, 1297, 0, 0, 0, 0, 0, 0, 0, 0], [56, 11, 288, 70, 207, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [362, 363, 561, 1426, 470, 880, 1427, 844, 189, 189, 7, 8, 7, 722, 31, 1428, 45, 0, 0, 0], [111, 1429, 288, 80, 30, 207, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [204, 6, 1430, 68, 1162, 70, 1431, 1432, 1433, 1424, 171, 0, 0, 0, 0, 0, 0, 0, 0, 0], [11, 1434, 916, 30, 271, 1110, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1435, 722, 1339, 541, 70, 7, 1268, 340, 435, 189, 7, 82, 1029, 599, 1201, 221, 364, 1436, 30, 0], [6, 1437, 1438, 6, 207, 6, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [802, 446, 615, 228, 503, 400, 1313, 323, 1019, 337, 43, 141, 1439, 1019, 124, 2, 517, 116, 538, 539], [174, 18, 145, 1, 141, 56, 1037, 7, 1164, 234, 174, 1212, 1212, 141, 742, 141, 172, 0, 0, 0], [82, 35, 7, 153, 1297, 7, 1440, 350, 70, 1441, 1246, 0, 0, 0, 0, 0, 0, 0, 0, 0], [10, 70, 218, 260, 1442, 11, 11, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [616, 30, 1443, 43, 7, 602, 1390, 1056, 30, 70, 141, 1444, 0, 0, 0, 0, 0, 0, 0, 0], [1445, 1446, 1447, 81, 1448, 92, 1325, 1449, 1450, 1451, 1452, 70, 234, 80, 70, 17, 0, 0, 0, 0], [1453, 70, 1454, 885, 31, 10, 6, 185, 1455, 345, 1456, 1457, 1458, 1459, 1460, 1461, 10, 1462, 214, 1463], [11, 10, 608, 80, 1107, 792, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1195, 7, 21, 5, 848, 1144, 70, 107, 18, 165, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1464, 1465, 6, 1466, 703, 1467, 92, 862, 1468, 56, 503, 1172, 615, 404, 323, 453, 862, 0, 0, 0], [1469, 21, 1470, 933, 1471, 21, 1472, 111, 1471, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1473, 18, 50, 1474, 171, 1475, 228, 602, 503, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [290, 1347, 453, 59, 9, 653, 224, 213, 70, 1348, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [118, 288, 621, 347, 1476, 6, 1477, 56, 33, 1478, 1479, 0, 0, 0, 0, 0, 0, 0, 0, 0], [135, 308, 165, 1480, 1481, 1482, 1483, 95, 209, 288, 18, 1484, 1480, 172, 30, 137, 0, 0, 0, 0], [175, 533, 1485, 111, 7, 1037, 1486, 111, 7, 860, 125, 1409, 288, 357, 1487, 153, 18, 131, 81, 125], [107, 207, 8, 70, 33, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [33, 56, 1326, 1488, 1489, 1313, 180, 1490, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1492, 1493, 712, 1494, 642, 1495, 1139, 45, 213, 381, 45, 1298, 481, 1496, 722, 80, 81, 267, 722, 1497], [302, 1500, 80, 8, 82, 304, 1501, 1502, 1503, 228, 50, 300, 349, 349, 8, 8, 30, 1504, 602, 1505], [80, 56, 1252, 1507, 1508, 30, 8, 8, 450, 226, 338, 60, 165, 1506, 1509, 1510, 1511, 602, 1512, 1513], [1514, 298, 82, 1515, 470, 637, 1093, 1516, 1516, 1517, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [595, 1519, 288, 70, 1341, 476, 1308, 178, 56, 476, 70, 1309, 511, 1161, 82, 60, 1520, 213, 350, 31], [1521, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [406, 830, 1522, 1311, 1523, 404, 7, 93, 183, 226, 406, 210, 226, 1524, 111, 406, 332, 0, 0, 0], [347, 1525, 327, 172, 150, 243, 43, 177, 17, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1526, 8, 33, 21, 60, 11, 1527, 207, 8, 1528, 1529, 199, 0, 0, 0, 0, 0, 0, 0, 0], [290, 290, 1530, 328, 31, 80, 519, 288, 30, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1191, 1019, 851, 70, 625, 8, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [406, 124, 1080, 1531, 207, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [460, 1445, 841, 405, 1532, 56, 30, 406, 1533, 60, 605, 792, 0, 0, 0, 0, 0, 0, 0, 0], [153, 18, 18, 141, 1534, 56, 1535, 327, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [743, 409, 1046, 56, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [118, 300, 165, 11, 1478, 30, 902, 33, 678, 1536, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [222, 1178, 1254, 678, 1537, 234, 33, 30, 1538, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1431, 488, 1495, 145, 43, 1107, 11, 405, 5, 327, 488, 56, 503, 1111, 0, 0, 0, 0, 0, 0], [1539, 541, 242, 78, 8, 80, 735, 937, 249, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [160, 1341, 160, 56, 455, 11, 56, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [746, 1355, 1540, 60, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [499, 1504, 11, 1541, 1542, 802, 1543, 1544, 337, 88, 602, 70, 1545, 1546, 620, 327, 82, 82, 56, 228], [353, 187, 10, 254, 1032, 8, 7, 56, 538, 234, 406, 21, 1032, 234, 600, 10, 11, 0, 0, 0], [1087, 5, 141, 30, 189, 742, 111, 1547, 1498, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [498, 18, 8, 13, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [259, 184, 503, 1548, 1549, 43, 70, 1080, 153, 18, 80, 527, 1550, 1551, 724, 224, 1308, 0, 0, 0], [617, 155, 118, 70, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [145, 1320, 398, 601, 1552, 364, 1322, 1323, 32, 1553, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [45, 200, 1184, 31, 11, 345, 30, 1555, 88, 700, 30, 18, 171, 411, 741, 210, 259, 7, 127, 30], [167, 33, 1558, 234, 662, 7, 7, 1095, 30, 543, 226, 0, 0, 0, 0, 0, 0, 0, 0, 0], [221, 524, 1147, 60, 589, 8, 1191, 175, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1191, 70, 10, 174, 21, 7, 421, 175, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1559, 1560, 660, 1561, 137, 7, 1517, 131, 70, 197, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [337, 8, 43, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [150, 199, 1562, 634, 1178, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [8, 33, 19, 1084, 1084, 1563, 1564, 43, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1571, 70, 533, 135, 1568, 7, 329, 77, 1572, 308, 1573, 164, 7, 34, 1574, 7, 1575, 1576, 1577, 1452], [239, 49, 337, 239, 165, 1497, 1410, 1578, 21, 1579, 11, 207, 1580, 239, 336, 33, 0, 0, 0, 0], [1585, 172, 953, 1586, 1187, 953, 1587, 1588, 1589, 1590, 980, 1591, 1592, 980, 1593, 1594, 1595, 1596, 1597, 1598], [678, 1599, 845, 1145, 1600, 33, 43, 118, 1601, 1308, 171, 50, 125, 1145, 299, 0, 0, 0, 0, 0], [1603, 1608, 1130, 1609, 977, 1610, 1611, 1602, 1608, 1612, 1608, 111, 1613, 1614, 43, 11, 60, 124, 21, 533], [145, 1320, 93, 476, 1615, 735, 476, 31, 165, 31, 80, 17, 145, 1322, 1323, 32, 179, 0, 0, 0], [56, 168, 1616, 101, 1617, 56, 125, 101, 256, 56, 1618, 56, 288, 101, 0, 0, 0, 0, 0, 0], [164, 164, 288, 327, 1624, 668, 33, 124, 124, 50, 11, 1281, 291, 43, 56, 7, 164, 288, 327, 124], [1251, 1626, 1251, 1627, 191, 589, 1628, 406, 70, 1629, 657, 507, 470, 56, 1630, 56, 31, 141, 70, 1631], [406, 210, 1632, 118, 677, 1633, 1634, 207, 193, 11, 1635, 145, 60, 70, 0, 0, 0, 0, 0, 0], [31, 1636, 111, 145, 43, 1637, 1638, 43, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1639, 125, 172, 902, 31, 1640, 141, 288, 164, 8, 902, 70, 1641, 0, 0, 0, 0, 0, 0, 0], [1642, 487, 80, 30, 43, 11, 209, 1642, 1643, 161, 445, 7, 404, 0, 0, 0, 0, 0, 0, 0], [6, 1644, 344, 239, 369, 151, 30, 1645, 1646, 1647, 1029, 56, 70, 1205, 1029, 175, 30, 1648, 6, 56], [634, 1649, 626, 915, 1650, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [209, 928, 637, 13, 62, 345, 1308, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [10, 1477, 1164, 207, 247, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1615, 168, 172, 11, 30, 239, 60, 80, 172, 636, 30, 337, 172, 1651, 30, 33, 517, 364, 11, 0], [107, 172, 1652, 1653, 1336, 8, 210, 17, 1654, 1655, 59, 299, 70, 0, 0, 0, 0, 0, 0, 0], [141, 191, 1656, 1060, 455, 1657, 511, 1658, 226, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [557, 7, 359, 306, 1659, 8, 30, 7, 7, 306, 1213, 674, 451, 141, 557, 18, 1660, 80, 18, 0], [145, 1320, 148, 1661, 32, 1662, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [10, 20, 125, 30, 70, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [145, 1320, 148, 1661, 32, 1662, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [360, 11, 1663, 56, 43, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [10, 7, 853, 1664, 491, 1329, 364, 8, 174, 80, 99, 30, 21, 0, 0, 0, 0, 0, 0, 0], [145, 30, 8, 224, 1665, 141, 185, 30, 299, 722, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [6, 615, 1666, 107, 10, 17, 2, 773, 82, 1666, 107, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1162, 171, 172, 1213, 1667, 1668, 209, 209, 517, 1669, 207, 0, 0, 0, 0, 0, 0, 0, 0, 0], [357, 124, 1091, 324, 292, 7, 196, 645, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [329, 124, 476, 175, 329, 18, 1409, 21, 841, 1212, 1670, 1671, 56, 0, 0, 0, 0, 0, 0, 0], [476, 1672, 77, 1673, 165, 1674, 1673, 165, 8, 448, 793, 45, 1673, 45, 1675, 45, 1676, 107, 125, 0], [1677, 1678, 1679, 1680, 1681, 1682, 1683, 1684, 1685, 1686, 1687, 1688, 1262, 111, 1689, 0, 0, 0, 0, 0], [234, 731, 406, 92, 534, 1690, 1449, 342, 426, 92, 73, 0, 0, 0, 0, 0, 0, 0, 0, 0], [10, 634, 1655, 1691, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [210, 70, 33, 675, 21, 561, 30, 70, 21, 21, 43, 132, 21, 0, 0, 0, 0, 0, 0, 0], [1692, 10, 1238, 239, 33, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [191, 111, 329, 519, 1693, 1694, 1695, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1696, 30, 70, 21, 1697, 70, 70, 52, 1698, 131, 56, 0, 0, 0, 0, 0, 0, 0, 0, 0], [207, 368, 1699, 33, 1700, 120, 942, 953, 1701, 228, 1699, 33, 349, 21, 165, 1702, 30, 82, 1545, 141], [225, 78, 50, 11, 167, 7, 93, 30, 21, 1184, 476, 207, 0, 0, 0, 0, 0, 0, 0, 0], [1703, 8, 337, 291, 1162, 21, 11, 80, 1704, 8, 337, 405, 1705, 11, 481, 543, 337, 102, 615, 165], [435, 861, 36, 43, 356, 1706, 43, 1707, 82, 1178, 11, 213, 519, 435, 349, 435, 519, 0, 0, 0], [200, 70, 1708, 231, 30, 8, 1708, 207, 141, 510, 8, 813, 677, 0, 0, 0, 0, 0, 0, 0], [323, 20, 1709, 323, 345, 344, 323, 10, 435, 323, 213, 1310, 615, 323, 21, 66, 1355, 0, 0, 0], [646, 116, 33, 116, 21, 207, 1712, 56, 207, 1529, 30, 207, 643, 17, 300, 729, 116, 337, 355, 337], [234, 1713, 10, 737, 196, 33, 164, 165, 80, 177, 66, 6, 13, 736, 31, 7, 45, 10, 323, 70], [10, 1045, 898, 533, 1547, 1088, 141, 118, 165, 124, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [210, 111, 193, 1440, 226, 722, 678, 145, 1714, 106, 344, 6, 525, 404, 80, 11, 404, 0, 0, 0], [18, 56, 60, 1716, 522, 56, 1717, 1716, 92, 679, 1269, 1449, 1718, 71, 1144, 70, 56, 393, 80, 18], [602, 602, 1719, 1720, 1721, 350, 1722, 133, 602, 359, 159, 1723, 0, 0, 0, 0, 0, 0, 0, 0], [56, 1139, 207, 7, 159, 350, 802, 922, 7, 1725, 356, 1659, 11, 260, 11, 222, 21, 533, 1726, 1727], [107, 1728, 1729, 30, 1730, 107, 232, 1731, 8, 60, 345, 1321, 1732, 70, 0, 0, 0, 0, 0, 0], [446, 8, 167, 8, 1733, 1734, 196, 207, 1735, 1736, 406, 1736, 1737, 93, 1432, 1738, 1430, 1739, 60, 1740], [8, 1741, 33, 625, 493, 625, 82, 1742, 1743, 1744, 637, 729, 794, 1745, 625, 773, 5, 10, 132, 722], [33, 1746, 224, 722, 1747, 1748, 337, 33, 1749, 1750, 81, 1722, 224, 78, 167, 111, 165, 1751, 255, 70], [70, 446, 9, 1752, 207, 268, 327, 70, 133, 1753, 196, 70, 82, 327, 70, 178, 1754, 1755, 741, 259], [1756, 70, 111, 51, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [736, 745, 70, 171, 1757, 1758, 80, 8, 184, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [602, 31, 1761, 608, 30, 561, 155, 107, 517, 1762, 650, 729, 97, 8, 734, 207, 1144, 30, 17, 224], [665, 135, 33, 141, 11, 6, 259, 13, 970, 60, 18, 557, 829, 957, 33, 1525, 207, 6, 8, 480], [93, 571, 1767, 1768, 1769, 31, 6, 1708, 118, 375, 1770, 6, 118, 1771, 362, 1627, 844, 70, 1769, 1772], [161, 56, 33, 762, 533, 1773, 1019, 33, 1774, 1775, 7, 141, 56, 1776, 30, 557, 141, 56, 1776, 30], [1604, 1788, 1789, 1790, 1782, 1791, 1792, 980, 1793, 1604, 1794, 1606, 1795, 1779, 1796, 1797, 1798, 1799, 1800, 1801], [319, 488, 610, 636, 30, 177, 293, 172, 672, 172, 1325, 533, 622, 355, 0, 0, 0, 0, 0, 0], [163, 31, 1802, 1803, 280, 1804, 1803, 470, 9, 1805, 7, 1285, 752, 1446, 1806, 1807, 80, 31, 1676, 0], [76, 1808, 87, 288, 10, 31, 1809, 175, 70, 1547, 60, 6, 239, 0, 0, 0, 0, 0, 0, 0], [124, 634, 50, 1810, 56, 1811, 11, 636, 211, 1166, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [70, 70, 406, 95, 810, 31, 7, 31, 517, 13, 406, 56, 7, 31, 1812, 31, 659, 0, 0, 0], [153, 18, 1325, 259, 80, 43, 409, 33, 1813, 56, 30, 70, 1659, 1814, 1212, 1213, 1225, 207, 70, 0], [1, 1040, 107, 1815, 30, 1816, 229, 672, 30, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1817, 470, 125, 1818, 1819, 1820, 676, 1821, 1822, 634, 97, 221, 1823, 1627, 1824, 1817, 1825, 0, 0, 0], [293, 93, 182, 300, 480, 1468, 552, 178, 80, 533, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [7, 741, 922, 802, 56, 1409, 1826, 1827, 1828, 236, 18, 56, 200, 288, 655, 338, 0, 0, 0, 0], [1829, 1341, 172, 56, 476, 1830, 1102, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [8, 31, 33, 30, 210, 406, 145, 694, 207, 817, 1831, 225, 1531, 0, 0, 0, 0, 0, 0, 0], [56, 617, 80, 70, 155, 1832, 1833, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [50, 1834, 70, 209, 1835, 679, 1313, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [7, 1178, 392, 43, 118, 617, 306, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [107, 11, 411, 60, 141, 125, 278, 1836, 727, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [107, 148, 543, 7, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [107, 1837, 1838, 60, 1839, 727, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [646, 10, 450, 125, 8, 646, 10, 450, 30, 1841, 646, 288, 125, 30, 10, 189, 172, 17, 10, 480], [1845, 508, 1846, 1624, 470, 1847, 320, 118, 914, 1408, 1848, 21, 1030, 1407, 1849, 1850, 21, 17, 470, 1631], [259, 400, 213, 17, 56, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1, 627, 172, 125, 1851, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [11, 1033, 8, 18, 1635, 21, 1033, 56, 727, 1297, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [519, 1522, 1852, 207, 8, 207, 1853, 226, 1854, 1855, 226, 1856, 736, 141, 900, 172, 0, 0, 0, 0], [1857, 153, 18, 259, 327, 902, 488, 1858, 11, 183, 1858, 213, 11, 249, 11, 183, 527, 745, 0, 0], [161, 70, 189, 1859, 106, 400, 1860, 488, 17, 1861, 589, 6, 651, 7, 1635, 349, 0, 0, 0, 0], [1862, 107, 8, 111, 7, 17, 107, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [10, 11, 1863, 965, 70, 1740, 198, 199, 145, 70, 288, 30, 11, 172, 1864, 0, 0, 0, 0, 0], [70, 141, 500, 1356, 1313, 33, 465, 862, 111, 1866, 862, 141, 1865, 170, 141, 500, 207, 1268, 1867, 224], [490, 1468, 141, 641, 1868, 107, 293, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [10, 70, 319, 1869, 107, 306, 18, 520, 1870, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [107, 670, 1431, 1241, 133, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [510, 406, 796, 226, 491, 797, 798, 55, 8, 10, 30, 8, 799, 45, 406, 539, 0, 0, 0, 0], [1871, 533, 356, 1872, 1873, 295, 30, 17, 21, 1874, 1875, 21, 0, 0, 0, 0, 0, 0, 0, 0], [192, 1876, 1877, 1878, 1879, 342, 404, 117, 423, 11, 1880, 174, 5, 481, 21, 145, 815, 31, 821, 451], [183, 327, 1212, 1776, 70, 1145, 522, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1019, 141, 519, 56, 1881, 165, 13, 70, 118, 56, 207, 0, 0, 0, 0, 0, 0, 0, 0, 0], [10, 50, 450, 30, 17, 618, 519, 164, 288, 165, 7, 11, 259, 165, 107, 734, 0, 0, 0, 0], [1882, 1322, 1883, 1884, 150, 60, 95, 33, 938, 11, 92, 1659, 1885, 1886, 164, 1887, 1888, 1889, 164, 0], [1344, 409, 33, 30, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [6, 1890, 1891, 10, 207, 6, 207, 70, 503, 207, 11, 60, 1892, 1296, 8, 82, 646, 165, 0, 0], [724, 156, 749, 608, 70, 454, 11, 198, 662, 1894, 192, 32, 70, 118, 168, 539, 21, 11, 1032, 381], [1557, 80, 81, 30, 21, 80, 539, 328, 45, 1895, 97, 1896, 442, 125, 829, 0, 0, 0, 0, 0], [31, 70, 1852, 409, 7, 147, 148, 168, 1897, 10, 8, 30, 1898, 1899, 1900, 404, 0, 0, 0, 0], [1901, 460, 1902, 11, 11, 21, 308, 1903, 30, 11, 70, 259, 327, 1269, 185, 0, 0, 0, 0, 0], [234, 1713, 10, 6, 13, 737, 196, 33, 164, 165, 80, 177, 66, 0, 0, 0, 0, 0, 0, 0], [1904, 728, 172, 56, 51, 1904, 327, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [406, 174, 207, 31, 533, 600, 215, 603, 111, 533, 1905, 7, 31, 646, 697, 1906, 226, 0, 0, 0], [1846, 234, 1468, 80, 177, 1907, 1908, 177, 17, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [30, 1909, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [30, 111, 319, 145, 124, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [10, 107, 1910, 1911, 99, 33, 1655, 107, 9, 1912, 21, 1913, 0, 0, 0, 0, 0, 0, 0, 0], [167, 1914, 70, 295, 296, 1915, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [33, 175, 1916, 33, 7, 41, 1917, 111, 222, 33, 141, 213, 0, 0, 0, 0, 0, 0, 0, 0], [92, 1918, 406, 9, 40, 533, 510, 1632, 92, 1919, 406, 1920, 207, 92, 30, 228, 459, 1867, 332, 0], [936, 350, 11, 1921, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1922, 33, 350, 31, 1923, 1924, 31, 21, 33, 1925, 1926, 120, 470, 1923, 56, 840, 1927, 1095, 0, 0], [273, 942, 894, 223, 145, 1928, 56, 30, 17, 30, 1929, 145, 60, 0, 0, 0, 0, 0, 0, 0], [1933, 1934, 70, 1935, 912, 55, 948, 1926, 1936, 1931, 1937, 839, 18, 362, 747, 120, 880, 329, 80, 602], [9, 30, 213, 1938, 148, 11, 20, 1939, 1940, 1939, 1661, 557, 1012, 7, 11, 30, 0, 0, 0, 0], [1941, 650, 56, 1942, 10, 453, 802, 1654, 1943, 1868, 70, 637, 610, 221, 225, 1630, 8, 0, 0, 0], [164, 141, 1944, 1945, 1946, 20, 1947, 488, 30, 1948, 697, 82, 1147, 626, 503, 11, 679, 18, 349, 381], [92, 134, 93, 405, 363, 426, 646, 17, 405, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1335, 107, 18, 239, 1949, 189, 164, 164, 107, 59, 33, 1950, 1951, 0, 0, 0, 0, 0, 0, 0], [165, 601, 323, 435, 56, 93, 10, 7, 664, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [30, 7, 33, 1952, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [650, 1953, 185, 539, 141, 7, 381, 107, 224, 1573, 646, 224, 796, 1954, 8, 80, 1081, 644, 405, 1955], [33, 11, 70, 141, 7, 1089, 1308, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [80, 455, 8, 70, 60, 11, 1956, 21, 1957, 1904, 21, 8, 878, 155, 6, 10, 30, 168, 33, 0], [33, 1958, 1959, 393, 1960, 60, 1961, 664, 327, 259, 21, 1962, 70, 327, 1963, 0, 0, 0, 0, 0], [815, 70, 31, 30, 406, 1965, 145, 219, 10, 1966, 55, 1967, 7, 773, 79, 45, 40, 81, 145, 1968], [602, 265, 8, 1969, 31, 643, 1221, 1269, 1970, 1971, 1972, 1973, 1974, 672, 0, 0, 0, 0, 0, 0], [33, 259, 70, 1816, 358, 324, 70, 395, 1975, 70, 213, 637, 134, 1, 289, 70, 0, 0, 0, 0], [510, 406, 796, 226, 491, 797, 798, 55, 8, 10, 30, 8, 799, 45, 406, 539, 0, 0, 0, 0], [145, 372, 10, 30, 1976, 1977, 102, 1977, 11, 31, 185, 172, 102, 0, 0, 0, 0, 0, 0, 0], [1775, 522, 161, 153, 18, 82, 327, 1978, 405, 260, 184, 0, 0, 0, 0, 0, 0, 0, 0, 0], [31, 56, 1979, 1036, 107, 511, 1980, 56, 8, 161, 107, 292, 14, 1084, 1757, 0, 0, 0, 0, 0], [33, 796, 259, 327, 56, 259, 21, 400, 33, 164, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [50, 80, 1704, 43, 608, 165, 1981, 1982, 7, 344, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [8, 225, 1983, 748, 120, 1984, 375, 693, 55, 944, 70, 916, 470, 337, 1985, 1631, 0, 0, 0, 0], [199, 530, 1986, 1987, 679, 8, 33, 283, 30, 679, 8, 33, 30, 1390, 679, 8, 33, 1390, 33, 0], [10, 70, 319, 1869, 107, 306, 18, 520, 1870, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [167, 213, 213, 93, 1191, 1988, 167, 1926, 557, 1989, 145, 1990, 145, 1537, 0, 0, 0, 0, 0, 0], [1999, 2000, 344, 207, 20, 459, 2001, 345, 2002, 11, 125, 207, 228, 7, 458, 10, 8, 6, 1420, 207], [749, 10, 646, 125, 356, 192, 185, 271, 2011, 2012, 1178, 634, 243, 1497, 316, 2013, 2014, 2015, 2016, 125], [2017, 2018, 10, 18, 2019, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [50, 11, 1484, 8, 43, 476, 33, 56, 1056, 8, 161, 0, 0, 0, 0, 0, 0, 0, 0, 0], [731, 168, 43, 70, 2020, 337, 259, 165, 381, 70, 1776, 337, 320, 8, 459, 826, 0, 0, 0, 0], [135, 539, 2021, 125, 231, 81, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [77, 657, 2022, 894, 657, 1098, 50, 2023, 736, 2024, 207, 0, 0, 0, 0, 0, 0, 0, 0, 0], [405, 345, 2025, 1100, 299, 171, 1563, 107, 679, 17, 2026, 6, 0, 0, 0, 0, 0, 0, 0, 0], [234, 2027, 10, 43, 2028, 2029, 337, 2030, 481, 207, 132, 1254, 1430, 337, 0, 0, 0, 0, 0, 0], [141, 728, 1479, 273, 2032, 231, 56, 82, 327, 231, 219, 2033, 2034, 568, 125, 345, 141, 288, 8, 568], [358, 10, 883, 132, 2035, 475, 1573, 668, 161, 2036, 608, 30, 817, 481, 218, 1139, 1557, 302, 8, 33], [724, 50, 2037, 30, 519, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [967, 731, 2038, 8, 9, 8, 731, 18, 2039, 2040, 155, 0, 0, 0, 0, 0, 0, 0, 0, 0], [2019, 305, 561, 230, 70, 2041, 561, 230, 70, 81, 141, 200, 561, 2001, 248, 2042, 81, 0, 0, 0], [21, 11, 517, 30, 124, 2043, 45, 30, 2044, 80, 2045, 1100, 30, 1139, 45, 0, 0, 0, 0, 0], [2046, 363, 2047, 1926, 409, 2048, 7, 363, 2049, 508, 2050, 595, 200, 1255, 80, 2051, 0, 0, 0, 0], [703, 56, 11, 172, 2052, 30, 1243, 2053, 363, 70, 192, 0, 0, 0, 0, 0, 0, 0, 0, 0], [125, 60, 1926, 747, 1526, 2054, 1804, 80, 224, 192, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [2060, 30, 70, 487, 125, 150, 174, 11, 50, 2061, 2059, 2062, 2063, 2064, 137, 141, 131, 97, 660, 635], [2065, 70, 230, 234, 8, 183, 228, 200, 234, 8, 299, 70, 783, 2066, 2067, 2068, 60, 1326, 2069, 0], [10, 1138, 299, 70, 634, 11, 56, 725, 1138, 725, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [10, 11, 56, 11, 6, 2070, 953, 2071, 185, 21, 190, 70, 356, 435, 476, 70, 0, 0, 0, 0], [32, 73, 1620, 34, 97, 2072, 725, 481, 97, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1973, 283, 11, 2073, 6, 30, 305, 261, 637, 2074, 2074, 415, 2075, 10, 2076, 148, 0, 0, 0, 0], [11, 203, 2077, 1948, 2078, 56, 18, 141, 141, 736, 2078, 1948, 541, 0, 0, 0, 0, 0, 0, 0], [967, 503, 2079, 967, 2079, 77, 340, 50, 967, 228, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [55, 337, 1211, 11, 626, 337, 145, 11, 2080, 11, 400, 11, 112, 600, 626, 344, 0, 0, 0, 0], [2081, 2082, 10, 331, 21, 1518, 1089, 828, 21, 1518, 2083, 20, 21, 1518, 2084, 17, 1518, 2085, 0, 0], [210, 1632, 349, 327, 1163, 106, 96, 70, 861, 70, 228, 50, 124, 106, 30, 207, 0, 0, 0, 0], [2086, 1185, 7, 2087, 234, 345, 2088, 2089, 2090, 7, 70, 7, 259, 234, 345, 2088, 126, 0, 0, 0], [510, 8, 30, 226, 80, 172, 517, 8, 40, 70, 2091, 33, 0, 0, 0, 0, 0, 0, 0, 0], [405, 288, 1883, 533, 55, 2092, 2093, 533, 674, 1019, 1500, 149, 533, 30, 2094, 1883, 533, 1236, 2095, 56], [125, 259, 207, 43, 519, 82, 207, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [50, 1052, 137, 2096, 99, 332, 11, 2001, 649, 70, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [8, 30, 30, 2097, 605, 30, 125, 1410, 96, 519, 33, 0, 0, 0, 0, 0, 0, 0, 0, 0], [210, 1672, 643, 11, 288, 295, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [172, 50, 363, 151, 2098, 938, 322, 881, 70, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [2099, 2100, 31, 2101, 207, 2102, 17, 80, 533, 2103, 617, 2104, 617, 2105, 2106, 204, 539, 1694, 1005, 2104], [1206, 1038, 2107, 8, 1038, 950, 470, 508, 30, 70, 916, 2108, 1373, 0, 0, 0, 0, 0, 0, 0], [234, 435, 193, 30, 267, 451, 80, 1313, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [2109, 735, 1102, 338, 920, 288, 207, 902, 338, 2110, 299, 70, 125, 451, 519, 2111, 131, 1643, 0, 0], [476, 1029, 141, 1708, 207, 56, 30, 56, 2070, 167, 1326, 185, 51, 291, 666, 224, 70, 0, 0, 0], [1089, 11, 344, 82, 56, 1166, 882, 1240, 150, 742, 448, 1062, 533, 82, 11, 2112, 2113, 2114, 56, 0], [2115, 2116, 451, 2117, 2118, 2119, 618, 2120, 1643, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [736, 11, 230, 171, 11, 230, 2097, 2122, 2123, 7, 1308, 2124, 445, 2125, 2126, 2127, 2127, 207, 56, 70], [602, 2128, 941, 50, 2129, 228, 2130, 2131, 398, 2127, 2132, 51, 1439, 2123, 2127, 56, 0, 0, 0, 0], [878, 95, 2133, 337, 107, 150, 2025, 1191, 878, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [54, 1040, 70, 2135, 50, 80, 207, 361, 1654, 80, 228, 11, 2136, 1643, 557, 2137, 2138, 97, 2139, 288], [125, 1073, 228, 11, 125, 2140, 1708, 21, 342, 207, 324, 21, 200, 50, 259, 228, 2141, 646, 207, 207], [225, 55, 207, 2143, 66, 1446, 30, 2144, 1803, 1729, 2143, 1325, 239, 1032, 1351, 1214, 2145, 234, 1323, 2146], [202, 2148, 141, 175, 30, 1268, 31, 30, 8, 773, 1198, 435, 30, 456, 2149, 635, 117, 30, 1648, 1029], [30, 409, 30, 116, 21, 1326, 126, 11, 517, 1029, 126, 30, 2150, 66, 409, 97, 0, 0, 0, 0], [878, 2153, 451, 30, 1521, 116, 327, 2154, 33, 148, 1341, 364, 185, 80, 60, 678, 30, 82, 1201, 2155], [1268, 2156, 894, 1573, 192, 11, 124, 406, 327, 2157, 1490, 665, 2158, 1139, 2159, 228, 30, 0, 0, 0], [51, 11, 381, 125, 239, 421, 228, 2160, 2105, 21, 70, 0, 0, 0, 0, 0, 0, 0, 0, 0], [369, 111, 2161, 895, 43, 363, 1902, 742, 7, 792, 111, 841, 369, 1032, 209, 133, 895, 172, 0, 0], [118, 17, 2162, 656, 2163, 21, 2162, 2164, 659, 33, 2162, 2081, 1461, 185, 261, 63, 185, 2165, 517, 55], [1163, 70, 70, 234, 7, 1384, 128, 2166, 18, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [2167, 1070, 2168, 2169, 2170, 508, 70, 2171, 2172, 319, 2173, 693, 1078, 2174, 30, 2175, 2176, 0, 0, 0], [273, 2177, 82, 185, 59, 165, 33, 76, 293, 118, 8, 2178, 56, 31, 33, 31, 2179, 0, 0, 0], [2180, 70, 125, 664, 332, 8, 239, 1320, 1255, 82, 224, 57, 239, 10, 30, 0, 0, 0, 0, 0], [70, 207, 107, 292, 207, 2181, 2182, 2181, 675, 2183, 107, 292, 43, 193, 17, 0, 0, 0, 0, 0], [10, 524, 156, 356, 381, 1093, 922, 344, 1355, 895, 6, 2070, 177, 525, 0, 0, 0, 0, 0, 0], [31, 1846, 56, 2184, 31, 70, 2185, 936, 70, 80, 56, 70, 357, 922, 2186, 2187, 20, 56, 153, 18], [538, 33, 861, 2188, 177, 10, 7, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [107, 11, 137, 80, 622, 81, 357, 70, 933, 207, 737, 2189, 17, 80, 643, 405, 0, 0, 0, 0], [93, 8, 2190, 135, 33, 11, 6, 77, 118, 43, 2191, 2191, 1759, 30, 0, 0, 0, 0, 0, 0], [56, 70, 43, 141, 2192, 33, 234, 746, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [2193, 2194, 682, 2173, 2195, 56, 70, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [409, 78, 2102, 1998, 664, 78, 2196, 599, 78, 11, 228, 599, 11, 677, 0, 0, 0, 0, 0, 0], [344, 606, 17, 727, 2197, 11, 2198, 2199, 644, 2200, 476, 70, 0, 0, 0, 0, 0, 0, 0, 0], [526, 2202, 851, 209, 1522, 773, 125, 209, 8, 1323, 2203, 2204, 1268, 50, 209, 2205, 724, 773, 525, 60], [11, 164, 534, 1138, 207, 141, 408, 199, 1382, 369, 30, 802, 885, 1382, 479, 583, 8, 885, 1382, 1910], [356, 2206, 1144, 677, 2207, 228, 741, 2208, 228, 2024, 111, 2209, 9, 207, 736, 672, 1313, 2079, 13, 56], [2210, 1106, 773, 1106, 5, 773, 1106, 56, 1172, 539, 56, 1172, 722, 50, 600, 1926, 773, 2025, 0, 0], [1, 2211, 6, 314, 748, 2212, 6, 2213, 2214, 6, 293, 2215, 2216, 0, 0, 0, 0, 0, 0, 0], [357, 316, 107, 652, 11, 17, 2217, 99, 337, 2218, 125, 8, 145, 700, 39, 350, 207, 0, 0, 0], [62, 405, 7, 1313, 2219, 345, 327, 111, 364, 13, 409, 0, 0, 0, 0, 0, 0, 0, 0, 0], [30, 18, 305, 92, 534, 2220, 82, 70, 1313, 141, 92, 534, 2221, 59, 0, 0, 0, 0, 0, 0], [38, 10, 2222, 17, 2079, 2222, 249, 292, 43, 107, 148, 0, 0, 0, 0, 0, 0, 0, 0, 0], [330, 2223, 11, 2224, 2225, 70, 967, 395, 440, 792, 70, 0, 0, 0, 0, 0, 0, 0, 0, 0], [2226, 2227, 2228, 5, 2229, 38, 207, 2230, 980, 2231, 2232, 677, 2233, 2234, 300, 10, 33, 0, 0, 0], [21, 1298, 213, 308, 30, 2236, 292, 30, 102, 13, 82, 1029, 283, 2112, 21, 2237, 2238, 1320, 2239, 2240], [2241, 386, 2242, 8, 656, 45, 2243, 937, 272, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [111, 256, 271, 184, 1188, 82, 5, 56, 615, 2245, 1254, 2246, 6, 364, 1436, 31, 7, 410, 30, 239], [405, 503, 503, 50, 207, 33, 165, 2247, 792, 405, 2248, 165, 2247, 2249, 30, 406, 2250, 10, 70, 178], [172, 8, 5, 11, 2251, 5, 11, 650, 2252, 5, 11, 231, 603, 229, 5, 124, 127, 11, 1573, 5], [2253, 2254, 107, 93, 347, 388, 120, 177, 507, 2255, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [364, 2201, 894, 328, 43, 45, 234, 76, 300, 406, 7, 533, 56, 203, 107, 1504, 357, 500, 828, 652], [32, 773, 2259, 45, 80, 409, 125, 60, 517, 300, 2260, 56, 125, 7, 56, 2261, 209, 2262, 0, 0], [210, 148, 141, 56, 290, 291, 543, 7, 451, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [107, 2263, 510, 2264, 259, 207, 111, 1915, 1032, 2265, 657, 107, 0, 0, 0, 0, 0, 0, 0, 0], [328, 2266, 234, 1255, 1255, 193, 125, 7, 328, 1071, 1162, 0, 0, 0, 0, 0, 0, 0, 0, 0], [50, 11, 1484, 8, 43, 476, 33, 56, 1056, 8, 161, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1029, 177, 319, 476, 8, 118, 33, 135, 8, 33, 7, 409, 50, 1415, 863, 391, 63, 30, 2268, 33], [1524, 31, 1325, 33, 118, 2269, 43, 349, 30, 706, 97, 50, 160, 213, 225, 102, 30, 2270, 0, 0], [273, 2177, 82, 185, 59, 165, 33, 76, 293, 118, 8, 2178, 56, 31, 33, 31, 2179, 0, 0, 0], [18, 210, 20, 141, 1663, 345, 345, 165, 435, 20, 10, 209, 141, 165, 332, 0, 0, 0, 0, 0], [7, 1360, 292, 2271, 2272, 409, 292, 2273, 2272, 409, 292, 878, 2272, 409, 141, 102, 496, 51, 556, 0], [50, 653, 59, 2274, 2275, 1940, 2276, 813, 151, 729, 288, 213, 456, 6, 615, 30, 2277, 345, 290, 30], [193, 132, 1321, 155, 132, 1321, 150, 207, 193, 125, 21, 30, 80, 409, 21, 30, 106, 207, 0, 0], [635, 2278, 1005, 1019, 534, 2279, 729, 43, 635, 2278, 99, 539, 2280, 11, 392, 454, 7, 2281, 724, 30], [193, 2282, 894, 7, 82, 2283, 125, 50, 920, 126, 736, 137, 0, 0, 0, 0, 0, 0, 0, 0], [92, 534, 398, 288, 421, 21, 80, 357, 1865, 2284, 141, 148, 533, 295, 646, 0, 0, 0, 0, 0], [2285, 30, 1926, 2286, 409, 1390, 1926, 2287, 2288, 8, 364, 8, 0, 0, 0, 0, 0, 0, 0, 0], [1737, 322, 21, 111, 2289, 2097, 1810, 317, 33, 6, 2290, 320, 33, 2291, 7, 0, 0, 0, 0, 0], [2292, 141, 737, 2293, 10, 192, 601, 1214, 30, 211, 21, 0, 0, 0, 0, 0, 0, 0, 0, 0], [141, 1415, 132, 21, 2294, 323, 1572, 2116, 2295, 538, 21, 405, 21, 393, 8, 0, 0, 0, 0, 0], [107, 2296, 7, 21, 293, 59, 2297, 2298, 848, 8, 1548, 153, 18, 107, 189, 7, 0, 0, 0, 0], [111, 133, 217, 634, 88, 406, 35, 217, 634, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [363, 33, 1269, 11, 8, 344, 203, 2299, 2300, 2301, 557, 1573, 2302, 2303, 0, 0, 0, 0, 0, 0], [56, 43, 337, 451, 344, 969, 1973, 406, 56, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [239, 1298, 80, 1355, 2304, 33, 165, 2305, 98, 70, 2306, 2305, 518, 1814, 207, 141, 80, 70, 1573, 2307], [124, 969, 2308, 2309, 43, 969, 2310, 2311, 1759, 6, 637, 2312, 451, 249, 239, 11, 332, 0, 0, 0], [2313, 2314, 2315, 125, 2316, 2317, 2318, 2319, 2320, 2313, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [839, 80, 30, 734, 1631, 118, 2322, 748, 17, 70, 70, 2323, 2324, 470, 1029, 2325, 1067, 637, 2326, 2327], [210, 104, 519, 1139, 104, 404, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [31, 288, 111, 145, 43, 637, 1638, 43, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [734, 10, 184, 2328, 2329, 1013, 2330, 677, 2331, 1013, 80, 1370, 2310, 2332, 734, 0, 0, 0, 0, 0], [10, 634, 1655, 30, 1497, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [11, 125, 30, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1087, 5, 32, 406, 1139, 102, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [125, 2333, 2334, 364, 639, 2335, 427, 30, 2146, 2, 2336, 21, 454, 7, 13, 2337, 2338, 2246, 2246, 8], [356, 1573, 6, 2339, 283, 1661, 239, 848, 8, 1329, 2340, 337, 2341, 56, 2342, 11, 2343, 0, 0, 0], [2344, 2345, 1072, 1207, 470, 1771, 362, 1983, 634, 33, 299, 2346, 0, 0, 0, 0, 0, 0, 0, 0], [863, 18, 259, 1429, 141, 11, 70, 189, 2347, 172, 1254, 164, 7, 70, 2348, 70, 0, 0, 0, 0], [606, 734, 2349, 2350, 7, 125, 2351, 2352, 221, 226, 734, 2353, 7, 209, 145, 2354, 288, 2353, 0, 0], [561, 476, 30, 200, 409, 634, 1775, 167, 6, 2355, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [107, 405, 141, 1212, 2356, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [125, 167, 770, 38, 451, 34, 1763, 720, 141, 11, 21, 2357, 693, 361, 338, 0, 0, 0, 0, 0], [337, 124, 2358, 191, 33, 288, 293, 7, 1164, 78, 168, 2280, 360, 33, 741, 185, 70, 2359, 43, 70], [460, 125, 2360, 1056, 846, 2361, 2360, 192, 199, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [337, 124, 2358, 191, 33, 288, 293, 7, 1164, 78, 168, 2280, 360, 33, 741, 185, 70, 2359, 43, 70], [601, 6, 601, 30, 1390, 118, 1526, 1161, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [50, 2362, 156, 2363, 2364, 259, 70, 1195, 221, 2365, 11, 70, 50, 11, 2366, 21, 539, 10, 70, 0], [2017, 118, 70, 11, 43, 2367, 290, 2368, 56, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [435, 193, 2369, 189, 7, 499, 21, 2370, 1166, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [210, 2321, 571, 80, 30, 734, 448, 161, 107, 1113, 2371, 70, 70, 2323, 2324, 1029, 2372, 226, 0, 0], [10, 43, 2038, 30, 10, 43, 1572, 10, 43, 6, 92, 615, 31, 2373, 10, 60, 133, 0, 0, 0], [1056, 141, 631, 517, 124, 636, 1987, 196, 93, 543, 1213, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1325, 405, 476, 1308, 141, 20, 543, 1325, 259, 165, 50, 363, 50, 8, 11, 299, 70, 171, 1161, 30], [30, 226, 2375, 2376, 772, 59, 207, 111, 406, 319, 488, 56, 851, 18, 189, 56, 1713, 773, 82, 510], [234, 141, 2103, 1572, 2377, 1673, 2378, 326, 234, 141, 7, 2379, 489, 56, 70, 0, 0, 0, 0, 0], [2389, 2387, 2386, 2390, 2391, 2392, 2393, 987, 2394, 2392, 2395, 2396, 2397, 2398, 996, 356, 1781, 1799, 2399, 247], [80, 2007, 21, 259, 2076, 60, 80, 2400, 2401, 21, 2402, 650, 0, 0, 0, 0, 0, 0, 0, 0], [2403, 2404, 56, 43, 17, 196, 161, 177, 345, 2405, 349, 192, 43, 0, 0, 0, 0, 0, 0, 0], [363, 2309, 43, 363, 10, 50, 643, 8, 10, 43, 145, 189, 148, 260, 10, 2406, 137, 0, 0, 0], [93, 17, 82, 228, 30, 11, 475, 82, 736, 1903, 141, 11, 554, 736, 17, 2024, 21, 2409, 2410, 165], [55, 2411, 133, 1019, 60, 172, 10, 491, 1222, 1019, 30, 10, 243, 111, 256, 495, 93, 17, 10, 247], [406, 517, 76, 557, 881, 2412, 2413, 192, 508, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [10, 2200, 2414, 8, 697, 2415, 2416, 11, 33, 43, 2417, 379, 0, 0, 0, 0, 0, 0, 0, 0], [1012, 111, 1211, 243, 207, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [104, 30, 2418, 493, 316, 33, 1269, 1351, 30, 124, 337, 225, 2419, 0, 0, 0, 0, 0, 0, 0], [730, 1191, 2420, 2421, 45, 659, 2422, 186, 20, 102, 2423, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1071, 213, 2424, 967, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [56, 11, 1191, 50, 189, 7, 10, 175, 1468, 426, 2222, 1213, 11, 0, 0, 0, 0, 0, 0, 0], [1659, 1803, 2426, 2427, 470, 1924, 941, 406, 1803, 470, 1845, 153, 18, 107, 1803, 533, 470, 120, 2428, 92], [11, 2222, 830, 189, 18, 2429, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [13, 99, 539, 2430, 452, 256, 145, 600, 2431, 45, 81, 135, 773, 539, 0, 0, 0, 0, 0, 0], [186, 165, 271, 184, 45, 2432, 700, 125, 829, 913, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [10, 1439, 404, 210, 2279, 2433, 1057, 10, 1439, 659, 2402, 0, 0, 0, 0, 0, 0, 0, 0, 0], [70, 1643, 2434, 1643, 10, 2435, 451, 404, 1346, 2436, 10, 643, 1195, 2102, 1346, 137, 0, 0, 0, 0], [561, 476, 30, 200, 727, 634, 1775, 167, 6, 2355, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [2444, 2445, 2446, 2389, 2383, 2447, 1135, 987, 2444, 2448, 2449, 2450, 1135, 2451, 2452, 2453, 987, 2454, 2455, 2449], [460, 10, 327, 2343, 8, 184, 1635, 8, 80, 99, 164, 0, 0, 0, 0, 0, 0, 0, 0, 0], [980, 998, 33, 2460, 2461, 2462, 2463, 2464, 980, 2465, 2466, 2467, 82, 2468, 741, 124, 192, 1518, 216, 35], [107, 409, 30, 2469, 211, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [10, 7, 853, 1664, 491, 1329, 364, 8, 174, 80, 99, 30, 21, 0, 0, 0, 0, 0, 0, 0], [18, 107, 2470, 2426, 2471, 2472, 2473, 56, 163, 2474, 2475, 319, 33, 102, 164, 1195, 912, 2476, 107, 18], [1045, 400, 151, 400, 11, 337, 70, 391, 5, 2477, 8, 8, 30, 400, 4, 234, 600, 56, 0, 0], [30, 406, 484, 40, 259, 344, 484, 642, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [408, 30, 80, 43, 141, 408, 1030, 80, 17, 50, 125, 7, 409, 1630, 657, 207, 8, 0, 0, 0], [7, 7, 347, 1005, 1437, 30, 637, 60, 43, 1005, 2478, 221, 32, 0, 0, 0, 0, 0, 0, 0], [2, 183, 2482, 2483, 1539, 345, 344, 1524, 33, 1025, 610, 345, 826, 266, 56, 59, 207, 56, 2484, 183], [7, 31, 271, 165, 7, 31, 2485, 1045, 489, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [994, 2494, 2497, 2498, 994, 2494, 2499, 2500, 2234, 2494, 2501, 1002, 2502, 2503, 2504, 2505, 1135, 2234, 1002, 2506], [17, 2509, 1702, 17, 10, 2205, 392, 221, 491, 30, 446, 491, 1325, 480, 30, 2510, 2204, 2511, 571, 2512], [56, 1, 1037, 5, 209, 141, 11, 13, 2513, 141, 2514, 2303, 349, 31, 420, 0, 0, 0, 0, 0], [644, 1634, 2120, 2515, 644, 145, 207, 644, 214, 1221, 2515, 0, 0, 0, 0, 0, 0, 0, 0, 0], [524, 164, 7, 922, 727, 30, 70, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [11, 171, 11, 11, 327, 327, 2516, 569, 11, 209, 70, 2517, 148, 260, 649, 148, 11, 11, 0, 0], [11, 364, 33, 107, 344, 70, 2518, 883, 448, 11, 2519, 33, 107, 7, 2217, 8, 8, 288, 448, 0], [10, 2520, 357, 11, 17, 1309, 43, 30, 2521, 637, 2102, 135, 21, 0, 0, 0, 0, 0, 0, 0], [2522, 2523, 33, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [41, 150, 519, 111, 215, 41, 17, 393, 2524, 319, 17, 2525, 207, 228, 482, 207, 165, 70, 6, 2526], [869, 234, 2527, 124, 2528, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1521, 1037, 11, 2529, 82, 137, 125, 33, 7, 21, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [480, 125, 726, 489, 11, 30, 11, 8, 2187, 355, 231, 62, 2530, 595, 141, 30, 2531, 381, 1029, 319], [210, 33, 841, 43, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [327, 792, 2532, 56, 2533, 519, 2166, 2025, 30, 18, 11, 533, 30, 18, 33, 125, 207, 2263, 111, 1075], [70, 151, 1497, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [664, 207, 406, 1446, 70, 1521, 21, 327, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [2017, 2534, 77, 2535, 306, 21, 2536, 56, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [328, 167, 2199, 2537, 850, 2538, 137, 2007, 170, 2539, 2540, 7, 212, 395, 2541, 60, 70, 11, 451, 0], [1269, 2542, 50, 288, 70, 1191, 2543, 2544, 557, 2545, 288, 111, 1497, 0, 0, 0, 0, 0, 0, 0], [107, 30, 30, 186, 186, 2173, 662, 30, 55, 1514, 2546, 2294, 21, 125, 142, 31, 7, 21, 93, 0], [2547, 9, 327, 171, 30, 2548, 288, 2549, 56, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1, 2550, 7, 10, 224, 6, 224, 649, 224, 7, 374, 224, 142, 224, 2243, 299, 1, 224, 0, 0], [2551, 11, 80, 56, 2468, 860, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1726, 413, 691, 511, 43, 691, 145, 511, 70, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [458, 30, 6, 118, 1671, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [13, 99, 33, 393, 30, 175, 191, 228, 2552, 271, 618, 0, 0, 0, 0, 0, 0, 0, 0, 0], [405, 172, 153, 18, 520, 405, 432, 43, 363, 17, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1956, 1803, 70, 524, 1373, 634, 574, 922, 912, 2553, 2554, 524, 1803, 56, 80, 125, 1726, 82, 2555, 1229], [50, 2362, 156, 2363, 2364, 259, 70, 1195, 221, 2556, 11, 70, 50, 1652, 2557, 21, 539, 10, 70, 0], [8, 104, 2179, 286, 288, 125, 650, 7, 10, 35, 33, 0, 0, 0, 0, 0, 0, 0, 0, 0], [2558, 2559, 50, 363, 11, 30, 207, 167, 2560, 1160, 1019, 213, 161, 60, 70, 0, 0, 0, 0, 0], [70, 161, 503, 1306, 172, 70, 161, 96, 421, 165, 70, 161, 161, 0, 0, 0, 0, 0, 0, 0], [292, 2561, 2562, 2563, 30, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [70, 145, 220, 56, 209, 183, 8, 13, 792, 2564, 8, 0, 0, 0, 0, 0, 0, 0, 0, 0], [2565, 32, 55, 902, 2566, 70, 2567, 2568, 2569, 6, 189, 902, 2566, 70, 0, 0, 0, 0, 0, 0], [7, 446, 2570, 1355, 70, 2571, 200, 481, 969, 30, 226, 1355, 50, 2572, 737, 731, 832, 271, 381, 163], [653, 150, 185, 125, 486, 81, 2573, 446, 141, 2097, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [8, 1478, 1360, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [50, 363, 8, 2574, 8, 892, 2236, 231, 193, 363, 11, 8, 8, 2575, 799, 30, 145, 337, 131, 8], [509, 2576, 643, 637, 2102, 508, 2577, 120, 2578, 2579, 470, 1931, 637, 2580, 0, 0, 0, 0, 0, 0], [643, 234, 2581, 7, 345, 125, 50, 207, 8, 736, 2582, 145, 165, 349, 33, 177, 829, 0, 0, 0], [21, 70, 2583, 10, 21, 125, 2205, 1479, 742, 111, 271, 327, 186, 70, 57, 0, 0, 0, 0, 0], [210, 1632, 70, 510, 2584, 1272, 2585, 70, 145, 480, 177, 80, 11, 70, 266, 0, 0, 0, 0, 0], [460, 1918, 2586, 30, 132, 207, 650, 7, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [255, 1213, 70, 700, 1069, 20, 1888, 30, 50, 665, 406, 411, 832, 1622, 50, 2592, 7, 393, 1212, 1870], [10, 1029, 1617, 1029, 209, 2593, 120, 2143, 17, 189, 7, 82, 2594, 344, 0, 0, 0, 0, 0, 0], [107, 670, 364, 88, 2595, 300, 111, 31, 30, 111, 55, 82, 6, 185, 186, 451, 0, 0, 0, 0], [2082, 517, 145, 30, 207, 33, 533, 1522, 533, 533, 533, 33, 533, 11, 1918, 106, 1027, 1497, 0, 0], [2599, 1346, 561, 30, 8, 664, 177, 30, 231, 328, 574, 145, 330, 910, 33, 21, 1525, 30, 234, 11], [134, 0, 43, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [125, 11, 30, 2205, 10, 349, 30, 2601, 561, 30, 2602, 1112, 33, 70, 357, 125, 222, 517, 2246, 33], [2603, 2604, 329, 327, 1721, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [2605, 1390, 1056, 145, 11, 82, 70, 207, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1694, 2606, 151, 141, 1138, 155, 8, 33, 60, 831, 168, 56, 0, 0, 0, 0, 0, 0, 0, 0], [70, 2294, 239, 2607, 533, 31, 33, 239, 30, 222, 2608, 2355, 2609, 177, 802, 1100, 207, 93, 1298, 6], [161, 345, 60, 344, 141, 196, 213, 20, 30, 717, 203, 0, 0, 0, 0, 0, 0, 0, 0, 0], [2610, 11, 329, 360, 11, 329, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [674, 615, 748, 1926, 207, 2611, 615, 70, 1113, 1100, 111, 111, 2612, 2613, 107, 1803, 70, 0, 0, 0], [2614, 375, 33, 2615, 880, 2616, 2617, 293, 2618, 634, 2619, 2620, 2619, 2621, 916, 0, 0, 0, 0, 0], [2622, 167, 8, 259, 155, 363, 30, 207, 20, 612, 165, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1212, 174, 160, 17, 56, 33, 60, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [80, 2623, 643, 393, 487, 409, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [2624, 2625, 1526, 11, 97, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [406, 239, 259, 677, 239, 92, 829, 141, 239, 10, 30, 228, 0, 0, 0, 0, 0, 0, 0, 0], [21, 82, 815, 11, 2626, 306, 102, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [39, 2627, 2183, 167, 2305, 1852, 1901, 796, 426, 30, 1557, 17, 0, 0, 0, 0, 0, 0, 0, 0], [167, 43, 165, 30, 33, 249, 216, 2628, 2629, 348, 165, 792, 30, 278, 1529, 30, 270, 807, 2630, 288], [1950, 11, 48, 2631, 2632, 31, 5, 2633, 2634, 650, 8, 321, 5, 56, 0, 0, 0, 0, 0, 0], [557, 2635, 2636, 125, 60, 11, 517, 7, 17, 2199, 30, 8, 70, 0, 0, 0, 0, 0, 0, 0], [30, 45, 2637, 2638, 326, 2638, 2174, 2638, 625, 118, 56, 689, 6, 259, 625, 6, 56, 2638, 0, 0], [2639, 441, 148, 206, 423, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [2641, 329, 6, 118, 180, 141, 80, 118, 1643, 862, 111, 60, 18, 1045, 742, 188, 212, 678, 153, 18], [2642, 1019, 82, 239, 148, 2643, 80, 82, 70, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [511, 439, 7, 18, 2644, 10, 2645, 10, 9, 18, 511, 0, 0, 0, 0, 0, 0, 0, 0, 0], [2646, 2647, 305, 679, 398, 2648, 507, 470, 2649, 912, 2650, 2651, 919, 306, 533, 2345, 141, 328, 0, 0], [2652, 10, 45, 878, 5, 21, 400, 292, 327, 177, 534, 724, 60, 367, 1926, 509, 408, 2653, 191, 2654], [155, 107, 131, 99, 33, 10, 400, 17, 185, 337, 273, 34, 2657, 183, 30, 2658, 2659, 2660, 2661, 1295], [7, 811, 147, 172, 80, 172, 7, 11, 172, 80, 172, 56, 1149, 957, 2662, 273, 80, 409, 0, 0], [199, 271, 632, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [259, 380, 70, 2521, 2663, 207, 141, 210, 363, 21, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [517, 99, 337, 93, 2664, 141, 2665, 613, 517, 2666, 1728, 2667, 125, 369, 2668, 137, 0, 0, 0, 0], [51, 2669, 17, 2670, 134, 134, 17, 2671, 164, 80, 18, 2672, 1191, 111, 101, 634, 664, 165, 18, 17], [210, 1632, 8, 80, 458, 435, 148, 828, 116, 332, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [2542, 33, 221, 92, 2673, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1561, 38, 207, 2674, 338, 2675, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [2676, 174, 518, 490, 174, 235, 337, 2222, 6, 189, 702, 773, 2677, 1500, 2678, 0, 0, 0, 0, 0], [406, 77, 35, 2679, 1529, 8, 2680, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [10, 405, 851, 178, 6, 802, 446, 615, 228, 503, 400, 1313, 1188, 2192, 6, 773, 405, 0, 0, 0], [517, 213, 1914, 33, 2681, 209, 141, 57, 561, 228, 517, 209, 60, 0, 0, 0, 0, 0, 0, 0], [271, 1498, 511, 171, 6, 111, 2682, 637, 2683, 79, 1923, 2684, 0, 0, 0, 0, 0, 0, 0, 0], [11, 476, 8, 476, 7, 409, 1642, 2515, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [118, 80, 1497, 2685, 2686, 150, 2687, 2688, 2689, 288, 2690, 2691, 0, 0, 0, 0, 0, 0, 0, 0], [80, 689, 70, 1019, 469, 2692, 2693, 451, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [288, 125, 171, 2613, 97, 650, 1661, 168, 97, 2694, 2694, 1703, 1407, 2695, 97, 0, 0, 0, 0, 0], [578, 2696, 919, 1627, 748, 2696, 1627, 919, 840, 748, 2697, 0, 0, 0, 0, 0, 0, 0, 0, 0], [125, 1573, 1069, 1195, 1360, 2699, 82, 125, 662, 2700, 1032, 260, 2701, 212, 2702, 231, 857, 967, 2703, 446], [446, 2704, 1084, 80, 357, 185, 125, 271, 78, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [458, 50, 522, 634, 70, 7, 2705, 10, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [393, 30, 338, 327, 2706, 7, 6, 111, 655, 30, 655, 0, 0, 0, 0, 0, 0, 0, 0, 0], [2707, 2708, 391, 288, 2709, 6, 1495, 225, 125, 2710, 2711, 1079, 2712, 488, 8, 1019, 326, 2713, 30, 56], [2547, 11, 148, 2714, 288, 400, 34, 50, 11, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1288, 885, 1289, 6, 207, 674, 6, 1290, 141, 1291, 6, 885, 885, 1292, 1293, 646, 1270, 1294, 1295, 0], [1745, 503, 2715, 602, 8, 453, 689, 2716, 2717, 1386, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [2718, 18, 80, 602, 8, 153, 9, 145, 405, 405, 405, 0, 0, 0, 0, 0, 0, 0, 0, 0], [200, 2172, 213, 30, 582, 30, 45, 7, 725, 11, 1029, 2719, 2720, 2721, 2722, 0, 0, 0, 0, 0], [606, 2723, 1095, 11, 31, 2537, 43, 2724, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [2725, 1214, 8, 2726, 11, 10, 327, 209, 411, 826, 2725, 0, 0, 0, 0, 0, 0, 0, 0, 0], [481, 111, 2727, 1095, 2728, 2729, 30, 1095, 1530, 2730, 1019, 1198, 32, 7, 1191, 2731, 1095, 0, 0, 0], [400, 2732, 2733, 260, 1478, 172, 33, 400, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [288, 2734, 336, 11, 2735, 207, 107, 97, 2736, 602, 675, 0, 0, 0, 0, 0, 0, 0, 0, 0], [82, 2737, 1148, 300, 2738, 125, 2029, 80, 1254, 2739, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1191, 189, 80, 8, 30, 326, 213, 70, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [2740, 111, 7, 2741, 30, 13, 165, 2741, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [18, 30, 57, 2742, 2743, 43, 70, 861, 191, 111, 70, 17, 0, 0, 0, 0, 0, 0, 0, 0], [120, 183, 1078, 2744, 2745, 508, 562, 163, 59, 2746, 2485, 2747, 2748, 2749, 80, 1268, 2750, 6, 82, 1298], [163, 2751, 2752, 111, 71, 93, 487, 31, 124, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [2753, 2754, 2621, 2346, 2755, 470, 283, 70, 2756, 570, 2757, 0, 0, 0, 0, 0, 0, 0, 0, 0], [2758, 33, 207, 2759, 1521, 533, 637, 1212, 124, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [392, 124, 2760, 56, 11, 56, 2025, 56, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [185, 2761, 327, 243, 192, 70, 1191, 2762, 192, 2763, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [43, 2764, 1, 2765, 2766, 363, 80, 327, 92, 1478, 70, 2767, 2768, 0, 0, 0, 0, 0, 0, 0], [7, 31, 230, 928, 125, 2769, 133, 533, 168, 869, 33, 1211, 600, 898, 160, 10, 30, 0, 0, 0], [2770, 535, 192, 111, 228, 557, 7, 1032, 2771, 519, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [2772, 10, 21, 2773, 261, 63, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [2774, 2775, 56, 2776, 1191, 451, 33, 2776, 674, 2174, 642, 2774, 50, 2174, 2776, 0, 0, 0, 0, 0], [118, 234, 1973, 51, 336, 226, 1293, 226, 736, 111, 174, 70, 0, 0, 0, 0, 0, 0, 0, 0], [50, 2777, 8, 6, 1479, 869, 43, 50, 2777, 8, 2778, 43, 0, 0, 0, 0, 0, 0, 0, 0], [56, 2779, 2780, 2781, 2767, 1658, 2782, 511, 2783, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [8, 7, 172, 2784, 1708, 1430, 128, 33, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [118, 134, 2785, 34, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [70, 6, 2786, 7, 725, 125, 1572, 1497, 55, 1350, 8, 207, 435, 0, 0, 0, 0, 0, 0, 0], [912, 56, 508, 470, 967, 2787, 922, 56, 120, 470, 2787, 470, 56, 56, 0, 0, 0, 0, 0, 0], [2788, 6, 31, 2691, 1357, 189, 31, 33, 30, 7, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [2789, 31, 602, 2790, 2791, 55, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [21, 11, 31, 244, 30, 43, 681, 662, 164, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [2792, 2699, 678, 1776, 2485, 1776, 70, 111, 7, 2793, 2793, 0, 0, 0, 0, 0, 0, 0, 0, 0], [916, 2794, 2795, 2796, 912, 80, 8, 375, 2797, 1191, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [11, 11, 2222, 830, 189, 2798, 2429, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [599, 728, 43, 188, 88, 165, 165, 503, 2799, 165, 165, 475, 11, 82, 50, 2800, 2801, 171, 0, 0], [958, 57, 77, 259, 2802, 539, 141, 2802, 5, 1297, 141, 328, 0, 0, 0, 0, 0, 0, 0, 0], [2803, 215, 2691, 185, 2103, 533, 288, 2804, 111, 70, 2805, 0, 0, 0, 0, 0, 0, 0, 0, 0], [406, 2806, 8, 405, 11, 66, 8, 1497, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [10, 1439, 30, 210, 2279, 2807, 10, 93, 43, 2265, 533, 10, 1439, 404, 0, 0, 0, 0, 0, 0], [50, 336, 124, 213, 2808, 724, 70, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [510, 363, 118, 2284, 80, 155, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [2809, 1191, 43, 337, 175, 125, 1734, 2810, 196, 70, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1135, 2813, 2814, 980, 998, 2815, 2227, 2816, 2817, 2818, 2819, 2820, 70, 2821, 31, 4, 491, 7, 175, 70], [141, 296, 13, 17, 6, 363, 542, 141, 6, 10, 97, 10, 21, 363, 542, 141, 236, 200, 288, 2683], [1089, 207, 30, 203, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [300, 2822, 2823, 602, 31, 200, 847, 2691, 533, 137, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [92, 145, 2824, 20, 327, 2825, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [80, 511, 82, 80, 511, 17, 60, 602, 2826, 863, 359, 17, 0, 0, 0, 0, 0, 0, 0, 0], [2827, 120, 56, 1019, 1368, 916, 845, 118, 2828, 2829, 845, 405, 845, 845, 0, 0, 0, 0, 0, 0], [31, 2830, 337, 7, 30, 33, 118, 11, 2831, 150, 224, 70, 70, 436, 226, 118, 2832, 125, 0, 0], [2833, 7, 80, 207, 11, 1251, 2834, 2835, 1313, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1019, 395, 2836, 228, 475, 924, 2515, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [125, 21, 77, 393, 43, 519, 344, 165, 970, 824, 543, 2001, 1728, 175, 476, 1728, 0, 0, 0, 0], [928, 163, 2837, 180, 141, 124, 2838, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [728, 508, 470, 950, 1040, 33, 92, 829, 60, 839, 880, 92, 829, 200, 1159, 30, 362, 293, 828, 659], [903, 662, 35, 70, 2841, 30, 70, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [2842, 2843, 30, 1236, 1236, 30, 124, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [10, 1439, 404, 210, 2279, 2433, 1057, 10, 1439, 659, 2402, 0, 0, 0, 0, 0, 0, 0, 0, 0], [2844, 2601, 2580, 6, 120, 107, 17, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [2845, 602, 805, 141, 524, 2059, 349, 517, 102, 525, 81, 0, 0, 0, 0, 0, 0, 0, 0, 0], [80, 602, 2846, 2794, 2327, 6, 508, 2847, 80, 602, 2848, 2794, 570, 2849, 6, 0, 0, 0, 0, 0], [213, 1191, 358, 288, 165, 2850, 164, 2244, 374, 164, 2030, 164, 164, 1775, 30, 2138, 700, 0, 0, 0], [406, 259, 30, 1096, 736, 601, 832, 259, 30, 1929, 2851, 0, 0, 0, 0, 0, 0, 0, 0, 0], [2187, 175, 243, 293, 118, 1069, 70, 192, 381, 21, 364, 0, 0, 0, 0, 0, 0, 0, 0, 0], [10, 165, 141, 17, 10, 165, 11, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [56, 165, 615, 2852, 2853, 2854, 810, 8, 2855, 30, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [327, 637, 637, 405, 2856, 353, 260, 649, 2857, 171, 1033, 223, 557, 1557, 8, 0, 0, 0, 0, 0], [1634, 2858, 234, 1098, 353, 6, 13, 293, 70, 207, 703, 80, 345, 99, 0, 0, 0, 0, 0, 0], [288, 2859, 102, 510, 145, 517, 2860, 21, 796, 5, 1221, 2861, 259, 155, 112, 517, 344, 0, 0, 0], [125, 1139, 30, 207, 737, 125, 646, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [406, 964, 124, 207, 43, 1361, 271, 70, 2862, 56, 1198, 2532, 0, 0, 0, 0, 0, 0, 0, 0], [512, 2863, 2863, 1734, 1191, 1988, 512, 2864, 2865, 1989, 145, 1990, 145, 1537, 0, 0, 0, 0, 0, 0], [141, 2866, 174, 21, 111, 2867, 111, 415, 557, 869, 1497, 0, 0, 0, 0, 0, 0, 0, 0, 0], [2868, 2869, 125, 878, 832, 125, 2870, 2515, 141, 10, 118, 93, 2870, 2871, 125, 878, 646, 0, 0, 0], [55, 634, 327, 2872, 627, 2798, 11, 59, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [470, 653, 470, 199, 156, 118, 516, 2873, 2553, 2874, 470, 2875, 802, 0, 0, 0, 0, 0, 0, 0], [50, 363, 30, 30, 145, 145, 164, 20, 56, 720, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [2876, 125, 155, 1346, 2877, 503, 7, 141, 8, 21, 17, 0, 0, 0, 0, 0, 0, 0, 0, 0], [570, 2878, 60, 2879, 21, 2880, 2881, 2882, 63, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [60, 1387, 141, 482, 2097, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1191, 212, 2883, 363, 306, 77, 1019, 70, 141, 1449, 533, 2884, 21, 0, 0, 0, 0, 0, 0, 0], [210, 2885, 2886, 2887, 2888, 2889, 10, 207, 1648, 2175, 2890, 380, 0, 0, 0, 0, 0, 0, 0, 0], [2891, 2892, 7, 2892, 326, 183, 390, 2092, 11, 2180, 525, 156, 0, 0, 0, 0, 0, 0, 0, 0], [70, 70, 165, 1089, 519, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [2893, 329, 70, 488, 196, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [335, 200, 80, 1313, 561, 2001, 342, 228, 33, 2894, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1191, 175, 271, 1110, 2895, 912, 177, 534, 99, 915, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [305, 674, 70, 397, 406, 2896, 446, 207, 481, 70, 192, 128, 207, 0, 0, 0, 0, 0, 0, 0], [70, 151, 20, 1654, 10, 2897, 2898, 338, 455, 874, 135, 525, 0, 0, 0, 0, 0, 0, 0, 0], [2899, 8, 30, 2900, 175, 2901, 199, 30, 2902, 175, 172, 659, 2123, 1099, 2903, 175, 0, 0, 0, 0], [2904, 70, 8, 2905, 120, 82, 964, 18, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1089, 33, 70, 164, 1836, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [2906, 11, 11, 796, 5, 1191, 212, 164, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [70, 99, 33, 21, 8, 21, 213, 2268, 33, 234, 634, 1254, 0, 0, 0, 0, 0, 0, 0, 0], [1335, 50, 7, 82, 2907, 393, 2351, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [234, 1620, 125, 1708, 17, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [2908, 7, 10, 7, 1733, 161, 2909, 30, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [125, 1885, 37, 1549, 1441, 2910, 953, 213, 43, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [345, 239, 111, 1313, 77, 92, 829, 813, 228, 20, 239, 111, 1313, 17, 228, 0, 0, 0, 0, 0], [2911, 646, 2912, 610, 125, 1012, 1557, 70, 491, 2913, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [210, 33, 80, 600, 215, 80, 646, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [2914, 446, 2915, 2916, 535, 51, 1439, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [50, 657, 697, 2897, 2917, 228, 17, 2918, 2919, 143, 226, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1191, 1177, 99, 332, 1522, 1336, 70, 435, 63, 650, 480, 0, 0, 0, 0, 0, 0, 0, 0, 0], [30, 8, 2920, 1763, 172, 1763, 60, 1525, 327, 33, 31, 391, 5, 0, 0, 0, 0, 0, 0, 0], [235, 132, 168, 33, 135, 33, 78, 31, 35, 33, 7, 2922, 56, 60, 118, 664, 21, 2208, 10, 30], [273, 2923, 30, 356, 2924, 356, 488, 669, 8, 226, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [51, 288, 17, 1466, 1466, 2925, 451, 6, 1466, 51, 131, 1089, 80, 11, 1497, 0, 0, 0, 0, 0], [1759, 2926, 330, 2927, 11, 17, 869, 234, 196, 7, 8, 6, 213, 533, 0, 0, 0, 0, 0, 0], [55, 511, 360, 226, 1162, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [33, 2928, 141, 2928, 30, 405, 2929, 2929, 30, 405, 320, 30, 18, 405, 30, 228, 0, 0, 0, 0], [11, 2931, 100, 20, 203, 82, 30, 1329, 463, 50, 2280, 409, 2932, 488, 2933, 203, 56, 465, 30, 307], [21, 82, 500, 31, 460, 30, 45, 231, 45, 231, 539, 0, 0, 0, 0, 0, 0, 0, 0, 0], [615, 898, 232, 525, 165, 349, 319, 448, 1256, 2712, 165, 7, 224, 2934, 525, 735, 393, 7, 60, 0], [8, 323, 7, 1993, 391, 161, 30, 132, 7, 391, 675, 161, 11, 7, 165, 2030, 165, 2048, 17, 0], [637, 643, 2358, 541, 7, 45, 637, 145, 191, 70, 910, 2272, 82, 2935, 1029, 45, 185, 10, 45, 0], [2360, 31, 226, 141, 31, 30, 167, 93, 30, 1089, 533, 0, 0, 0, 0, 0, 0, 0, 0, 0], [243, 2936, 2769, 32, 49, 11, 2479, 60, 259, 228, 125, 207, 141, 11, 328, 165, 165, 1809, 2769, 2937], [673, 674, 481, 596, 675, 17, 141, 676, 207, 125, 228, 0, 0, 0, 0, 0, 0, 0, 0, 0], [10, 93, 2938, 510, 234, 878, 969, 102, 234, 2939, 2940, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1184, 476, 30, 1054, 405, 2251, 350, 643, 60, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [11, 2941, 43, 56, 249, 745, 56, 33, 420, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [406, 517, 2942, 2943, 1313, 141, 861, 571, 736, 2944, 224, 203, 259, 2945, 2890, 0, 0, 0, 0, 0], [1214, 364, 33, 2946, 1451, 2947, 350, 2948, 165, 2949, 1004, 533, 2949, 2950, 2951, 30, 1214, 116, 165, 0], [189, 519, 722, 364, 332, 344, 111, 2952, 10, 615, 6, 43, 234, 617, 364, 21, 177, 0, 0, 0], [125, 13, 2953, 2168, 43, 2954, 13, 1523, 2168, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [2955, 239, 203, 70, 451, 895, 17, 895, 145, 2956, 1206, 80, 385, 913, 1016, 2787, 929, 2957, 533, 0], [121, 30, 43, 210, 107, 2958, 2959, 207, 2960, 8, 30, 0, 0, 0, 0, 0, 0, 0, 0, 0], [249, 167, 2926, 1759, 330, 601, 167, 922, 1320, 185, 332, 207, 0, 0, 0, 0, 0, 0, 0, 0], [644, 635, 2961, 30, 736, 2962, 136, 171, 2963, 1531, 2584, 133, 635, 969, 476, 0, 0, 0, 0, 0], [124, 172, 2964, 165, 7, 212, 33, 124, 164, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1089, 1166, 2526, 337, 135, 82, 2965, 125, 717, 153, 18, 675, 1643, 2966, 448, 2712, 0, 0, 0, 0], [2259, 21, 406, 773, 924, 406, 7, 8, 288, 207, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [70, 125, 1073, 448, 469, 21, 469, 30, 125, 207, 1163, 80, 646, 125, 2967, 259, 1869, 80, 646, 0], [107, 33, 172, 31, 615, 2178, 30, 167, 107, 33, 1346, 172, 1221, 161, 167, 107, 33, 364, 8, 1214], [345, 21, 239, 2583, 56, 786, 2969, 851, 644, 209, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [88, 34, 106, 207, 2876, 11, 106, 224, 207, 2970, 17, 0, 0, 0, 0, 0, 0, 0, 0, 0], [234, 2971, 21, 82, 234, 121, 7, 21, 2125, 8, 226, 82, 238, 165, 0, 0, 0, 0, 0, 0], [145, 80, 11, 207, 2972, 88, 347, 2973, 481, 349, 60, 643, 2974, 851, 80, 653, 832, 517, 0, 0], [30, 6, 1310, 126, 70, 517, 1310, 2975, 6, 1310, 2976, 299, 2977, 141, 1310, 70, 6, 1173, 1703, 192], [912, 2980, 2981, 1067, 1407, 2982, 916, 30, 2983, 470, 1926, 2981, 17, 7, 320, 352, 1926, 2984, 912, 533], [234, 386, 2985, 50, 207, 1971, 2986, 102, 234, 7, 207, 0, 0, 0, 0, 0, 0, 0, 0, 0], [510, 860, 673, 7, 141, 2988, 43, 8, 226, 70, 2769, 50, 734, 1732, 1027, 102, 50, 800, 900, 172], [172, 270, 11, 33, 60, 70, 50, 2976, 21, 82, 8, 210, 96, 43, 0, 0, 0, 0, 0, 0], [2989, 7, 1313, 2990, 327, 111, 364, 13, 409, 97, 1019, 239, 2712, 163, 2759, 2991, 189, 7, 116, 239], [271, 172, 364, 659, 828, 2667, 446, 2992, 615, 135, 1708, 2601, 222, 697, 10, 30, 643, 60, 271, 172], [292, 637, 30, 207, 56, 448, 96, 2993, 167, 8, 30, 623, 1166, 141, 56, 448, 2268, 30, 2993, 0], [10, 480, 239, 207, 664, 49, 323, 665, 145, 480, 666, 288, 33, 30, 659, 0, 0, 0, 0, 0], [319, 2156, 391, 80, 2994, 2995, 1490, 319, 2996, 2997, 2998, 0, 0, 0, 0, 0, 0, 0, 0, 0], [167, 533, 33, 70, 1044, 2999, 409, 1360, 2186, 743, 491, 517, 347, 218, 391, 80, 221, 0, 0, 0], [56, 3000, 128, 172, 3001, 43, 3000, 476, 51, 1749, 3002, 0, 0, 0, 0, 0, 0, 0, 0, 0], [706, 125, 3003, 1770, 3004, 3005, 3006, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [2278, 2601, 17, 6, 107, 17, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [50, 3007, 56, 196, 70, 288, 3008, 1876, 3009, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [450, 2554, 375, 1926, 3010, 1016, 3011, 2882, 63, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [10, 59, 43, 344, 851, 3012, 10, 70, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [292, 43, 435, 125, 1822, 3013, 80, 533, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1045, 3014, 451, 141, 3015, 3014, 754, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [10, 602, 10, 3016, 392, 3017, 30, 928, 2976, 3018, 3019, 82, 21, 17, 0, 0, 0, 0, 0, 0], [3020, 3021, 982, 1777, 1782, 3022, 3023, 3024, 2382, 2488, 3020, 1782, 982, 1777, 3021, 3025, 0, 0, 0, 0], [30, 1728, 542, 125, 3026, 167, 165, 1145, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [2054, 3027, 168, 1708, 1373, 2173, 80, 224, 70, 261, 63, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1526, 625, 3028, 3029, 326, 3030, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [2251, 111, 93, 2251, 30, 70, 171, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [124, 3031, 426, 3032, 31, 3033, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [10, 525, 1191, 213, 70, 164, 178, 95, 32, 288, 327, 0, 0, 0, 0, 0, 0, 0, 0, 0], [145, 2759, 70, 2995, 70, 533, 519, 20, 2995, 70, 70, 20, 533, 519, 0, 0, 0, 0, 0, 0], [50, 405, 145, 634, 3034, 207, 3035, 1356, 10, 3036, 634, 679, 226, 0, 0, 0, 0, 0, 0, 0], [640, 2076, 165, 2272, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [3037, 1367, 30, 17, 3038, 18, 171, 3039, 6, 161, 1708, 0, 0, 0, 0, 0, 0, 0, 0, 0], [406, 124, 1080, 1531, 207, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [270, 180, 933, 50, 1164, 615, 817, 3040, 3041, 30, 329, 0, 0, 0, 0, 0, 0, 0, 0, 0], [125, 3042, 99, 226, 1708, 3042, 226, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [292, 207, 8, 30, 249, 646, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [10, 1297, 92, 225, 345, 11, 2199, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [459, 33, 210, 3043, 406, 3044, 43, 1251, 3045, 3046, 722, 0, 0, 0, 0, 0, 0, 0, 0, 0], [2115, 2116, 451, 2117, 2118, 2119, 618, 2120, 1643, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1191, 175, 34, 177, 345, 1446, 602, 1384, 3047, 207, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1588, 3048, 1135, 3049, 3050, 3051, 998, 1133, 3052, 3053, 987, 3054, 3055, 3056, 0, 0, 0, 0, 0, 0], [11, 2941, 43, 56, 3057, 3058, 33, 3059, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [634, 2942, 192, 135, 1191, 505, 288, 165, 111, 1360, 288, 0, 0, 0, 0, 0, 0, 0, 0, 0], [3060, 305, 234, 10, 541, 736, 234, 1308, 10, 1313, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [406, 517, 11, 10, 1952, 99, 5, 3061, 118, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [510, 125, 191, 17, 1224, 135, 191, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [2881, 120, 1191, 470, 1159, 602, 375, 3062, 17, 470, 164, 118, 605, 1335, 375, 3063, 1335, 3062, 2750, 70], [608, 561, 21, 783, 608, 70, 2521, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [30, 228, 299, 207, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1191, 213, 70, 337, 878, 95, 350, 8, 70, 165, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1131, 3064, 3065, 3066, 3067, 21, 10, 786, 259, 786, 3068, 234, 332, 234, 171, 404, 234, 2190, 0, 0], [21, 167, 207, 172, 61, 239, 207, 841, 3069, 125, 7, 70, 232, 145, 451, 0, 0, 0, 0, 0], [1367, 21, 259, 203, 125, 735, 3070, 3071, 77, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [189, 7, 10, 30, 2887, 3075, 1314, 21, 5, 102, 3076, 3077, 1726, 77, 3078, 60, 11, 271, 31, 93], [210, 21, 650, 539, 210, 2405, 78, 221, 210, 80, 2521, 80, 156, 0, 0, 0, 0, 0, 0, 0], [830, 1268, 1029, 3079, 45, 177, 73, 70, 99, 234, 525, 426, 17, 141, 1335, 1029, 0, 0, 0, 0], [1145, 634, 165, 43, 56, 617, 70, 116, 10, 404, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [11, 3082, 118, 165, 32, 1573, 3080, 7, 337, 118, 32, 33, 1212, 657, 606, 116, 539, 10, 132, 722], [111, 82, 33, 1846, 1238, 167, 43, 165, 30, 33, 249, 216, 2628, 82, 278, 33, 270, 807, 2630, 288], [381, 321, 82, 172, 3083, 17, 3084, 185, 3085, 3086, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [2777, 234, 56, 21, 213, 17, 82, 3062, 1313, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [82, 873, 533, 873, 533, 15, 873, 533, 141, 50, 873, 137, 873, 873, 11, 33, 3087, 427, 209, 60], [82, 209, 741, 70, 3088, 1326, 56, 185, 2598, 678, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1297, 1236, 70, 209, 30, 172, 1654, 3089, 329, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [3091, 60, 488, 93, 3092, 70, 7, 70, 390, 602, 30, 615, 221, 80, 11, 1191, 2145, 11, 30, 175], [68, 1214, 145, 3094, 153, 18, 1214, 11, 1431, 153, 18, 177, 2143, 7, 55, 135, 153, 18, 3095, 562], [454, 538, 221, 364, 453, 288, 7, 615, 9, 5, 319, 364, 1436, 31, 7, 5, 102, 1254, 202, 107], [209, 30, 82, 118, 374, 438, 7, 209, 288, 841, 150, 30, 118, 82, 171, 33, 288, 813, 1846, 322], [63, 155, 222, 141, 70, 574, 337, 7, 202, 30, 222, 337, 70, 33, 409, 2210, 202, 141, 222, 30]]\n"
          ],
          "name": "stdout"
        }
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "colab": {
          "base_uri": "https://localhost:8080/"
        },
        "id": "nIngw6c0Oka0",
        "outputId": "777fc30b-88c9-49b4-a26c-81630e08f85f"
      },
      "source": [
        "X_test_Text = []\n",
        "X_train_Text = []\n",
        "X_val_Text = []\n",
        "\n",
        "for i in X_test_index:\n",
        "  X_test_Text.append(Caption[i])\n",
        "for i in X_train_index:\n",
        "  X_train_Text.append(Caption[i])\n",
        "for i in X_val_index:\n",
        "  X_val_Text.append(Caption[i])\n",
        "\n",
        "#print(np.array(Caption))\n",
        "X_test_Text = np.array(X_test_Text)\n",
        "X_train_Text = np.array(X_train_Text)\n",
        "X_val_Text = np.array(X_val_Text)\n",
        "\n",
        "print(\"#Data of X_test = \", len(X_test_Text))\n",
        "print(\"Data of X_train = \", X_train_Text)\n",
        "print(\"Data of X_val = \", X_val_Text)\n",
        "print(\"# Test:\", len(Y_test))\n",
        "print(\"# Train:\", len(Y_train))\n",
        "print(\"# Val:\", len(Y_val))"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "stream",
          "text": [
            "#Data of X_test =  100\n",
            "Data of X_train =  [[  70   70  406 ...    0    0    0]\n",
            " [ 141 1415  132 ...    0    0    0]\n",
            " [2911  646 2912 ...    0    0    0]\n",
            " ...\n",
            " [ 138  159  160 ...    0    0    0]\n",
            " [ 107 1728 1729 ...    0    0    0]\n",
            " [  32   73 1620 ...    0    0    0]]\n",
            "Data of X_val =  [[  51  922  124 ...    0    0    0]\n",
            " [   7   11  907 ...  910  911    7]\n",
            " [1526  625 3028 ...    0    0    0]\n",
            " ...\n",
            " [ 160 1341  160 ...    0    0    0]\n",
            " [ 125  398    8 ...    0    0    0]\n",
            " [ 742   30   11 ...  350 1329    5]]\n",
            "# Test: 100\n",
            "# Train: 720\n",
            "# Val: 180\n"
          ],
          "name": "stdout"
        }
      ]
    },
    {
      "cell_type": "markdown",
      "metadata": {
        "id": "opLvVAJGZP5u"
      },
      "source": [
        "# Preprocess image"
      ]
    },
    {
      "cell_type": "markdown",
      "metadata": {
        "id": "BOaqBh5TpeQY"
      },
      "source": [
        "Image"
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "Phb5QLMWO5q7",
        "colab": {
          "base_uri": "https://localhost:8080/",
          "height": 54
        },
        "outputId": "b75c3e90-57ff-4eb4-bed1-bbb7687f023a"
      },
      "source": [
        "img_rows, img_cols =224, 224\n",
        "from keras.applications.vgg16 import preprocess_input\n",
        "path1 = \"/content/drive/MyDrive/Dataset 2.0/Media1\"\n",
        "#path2 = \"/content/drive/MyDrive/Dataset 1.0/image_res\"\n",
        "path3 = \"/content/drive/MyDrive/Dataset 2.0/image_res\"\n",
        "listing = os.listdir(path1) \n",
        "num_samples=size(listing)\n",
        "print(num_samples)\n",
        "#IMAGE RESIZE\n",
        "'''for file in listing:\n",
        "    im = Image.open(path1 + '//' + file)   \n",
        "    img = im.resize((img_rows,img_cols))\n",
        "    rgb=img\n",
        "    rgb.save(path3 +'//' +  file, \"JPEG\")'''\n",
        " \n",
        "imlist = sorted(os.listdir(path3))\n",
        " \n",
        "#im1 = array(Image.open(path3 + '//'+ imlist[0]))\n",
        "#m,n = im1.shape[0:2]\n",
        "#imnbr = len(imlist)\n",
        " \n",
        "'''immatrix = array([array(Image.open(path3 + '//'+ im2)).flatten()\n",
        "              for im2 in imlist],'f')\n",
        "print(immatrix)'''\n",
        "#print(im1)\n",
        "#print(m,n)\n",
        "#print(immatrix)\n",
        "#print(label)\n",
        "#data,Label = shuffle(immatrix,label, random_state=2)\n",
        "#train_data = [data,Label]\n",
        "#print(len(immatrix))\n",
        " \n",
        "#test preproccessing test\n",
        "#img=immatrix[10].reshape(img_rows,img_cols,3)\n",
        "#plt.imshow(img)\n",
        "#plt.imshow(img,cmap='RGB')\n",
        "#print (train_data[0].shape)\n",
        "#print (train_data[1].shape)"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "stream",
          "text": [
            "1000\n"
          ],
          "name": "stdout"
        },
        {
          "output_type": "execute_result",
          "data": {
            "application/vnd.google.colaboratory.intrinsic+json": {
              "type": "string"
            },
            "text/plain": [
              "\"immatrix = array([array(Image.open(path3 + '//'+ im2)).flatten()\\n              for im2 in imlist],'f')\\nprint(immatrix)\""
            ]
          },
          "metadata": {
            "tags": []
          },
          "execution_count": 9
        }
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "7hUUhPG2i4ZJ"
      },
      "source": [
        "from keras.preprocessing import image\n",
        "from sklearn import preprocessing\n",
        "#from keras.utils import to_categorical\n",
        "image_len = len(imlist)\n",
        "all_images = np.empty([image_len, img_rows, img_cols, 3])\n",
        "print(all_images[0])\n",
        "for i in range(image_len):\n",
        "  img = image.load_img(path3 + '//'+imlist[i], target_size=(img_rows, img_cols))\n",
        "  img = image.img_to_array(img)\n",
        "  #print(img)\n",
        "  img = np.expand_dims(img, axis=0)\n",
        "  #print(img)\n",
        "  img = preprocess_input(img)\n",
        "  all_images[i, :, :, :] = img\n",
        "le = preprocessing.LabelEncoder()\n",
        "y=le.fit_transform(Y_train) \n",
        "Y_train=np.asarray(y)\n",
        "#Y_train = to_categorical(y, num_classes=2)\n",
        "#print(Y_train) \n",
        "\n",
        "le2 = preprocessing.LabelEncoder()\n",
        "y_2=le2.fit_transform(Y_test) \n",
        "Y_test=np.asarray(y_2)\n",
        "#Y_test = to_categorical(y_2, num_classes=2)\n",
        "#print(Y_test) \n",
        "\n",
        "le3 = preprocessing.LabelEncoder()\n",
        "y_3=le3.fit_transform(Y_val) \n",
        "Y_val=np.asarray(y_3)\n",
        "#Y_val = to_categorical(y_3, num_classes=2)\n"
      ],
      "execution_count": null,
      "outputs": []
    },
    {
      "cell_type": "code",
      "metadata": {
        "colab": {
          "base_uri": "https://localhost:8080/",
          "height": 35
        },
        "id": "aEqw_CwlO6k8",
        "outputId": "8b72d54f-058f-4aab-8718-937845999676"
      },
      "source": [
        "from keras.applications.vgg16 import preprocess_input\n",
        "batch_size =32\n",
        "nb_classes = 2\n",
        "nb_epoch = 20\n",
        " \n",
        "nb_filters = 32\n",
        "nb_pool = 2\n",
        "nb_conv = 3\n",
        "\n",
        "X_test_image = []\n",
        "X_train_image = []\n",
        "X_val_image = []\n",
        "\n",
        "'''for i in X_test_index:\n",
        "  X_test_image.append(immatrix[i])\n",
        "for i in X_train_index:\n",
        "  X_train_image.append(immatrix[i])\n",
        "for i in X_val_index:\n",
        "  X_val_image.append(immatrix[i])'''\n",
        "\n",
        "for i in X_test_index:\n",
        "  X_test_image.append(all_images[i])\n",
        "for i in X_train_index:\n",
        "  X_train_image.append(all_images[i])\n",
        "\n",
        "for i in X_val_index:\n",
        "  X_val_image.append(all_images[i])\n",
        "\n",
        "X_test_im = np.expand_dims(X_test_image, axis=0)\n",
        "X_test_im = preprocess_input(X_test_im, data_format=None)\n",
        "X_test_image=X_test_im[0]\n",
        "\n",
        "X_train_im = np.expand_dims(X_train_image, axis=0)\n",
        "X_train_im = preprocess_input(X_train_im, data_format=None)\n",
        "X_train_image=X_train_im[0]\n",
        "X_val_im = np.expand_dims(X_val_image, axis=0)\n",
        "X_val_im = preprocess_input(X_val_im, data_format=None)\n",
        "X_val_image=X_val_im[0]\n",
        "''''\n",
        "#(X, y) = (train_data[0],train_data[1])\n",
        "#X_train, X_test, y_train, y_test = train_test_split(immatrix, label,test_size=0.2,stratify=label, random_state=1000)\n",
        "#X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=4)\n",
        "#print(y_train)\n",
        "X_test_image = np.array(X_test_image)\n",
        "X_train_image = np.array(X_train_image)\n",
        "X_val_image = np.array(X_val_image)\n",
        " \n",
        " print(X_test_image)\n",
        " \n",
        "X_train_image = X_train_image.reshape(X_train_image.shape[0],  img_rows, img_cols,3)\n",
        "X_test_image = X_test_image.reshape(X_test_image.shape[0],img_rows, img_cols,3)\n",
        "X_val_image = X_val_image.reshape(X_val_image.shape[0],img_rows, img_cols,3)\n",
        " \n",
        "X_train_image = X_train_image.astype('float32')\n",
        "X_test_image = X_test_image.astype('float32')\n",
        "X_val_image=X_val_image.astype('float32')\n",
        "X_train_image /= 255\n",
        "X_test_image /= 255\n",
        "X_val_image/=255\n",
        " \n",
        " \n",
        "print(\"#Data of X_test = \", len(X_test_image))\n",
        "#print(\"Data of X_train = \", X_train_image)\n",
        "#print(\"Data of X_val = \", X_val_image)\n",
        "print(\"# Test:\", len(Y_test))\n",
        "print(\"# Train:\", len(Y_train))\n",
        "print(\"# Val:\", len(Y_val))\n",
        "\n",
        "\n",
        "\n",
        "\n",
        " '''\n",
        "'''Y_train = np_utils.to_categorical(Y_train, nb_classes)\n",
        "Y_test = np_utils.to_categorical(Y_test, nb_classes)\n",
        "Y_val = np_utils.to_categorical(Y_val, nb_classes)'''\n",
        "#print(Y_train)\n",
        "i = 1\n",
        "'''plt.imshow(X_train[i,0], interpolation='nearest')\n",
        "print(\"label : \", Y_train[i,:])'''\n"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "execute_result",
          "data": {
            "application/vnd.google.colaboratory.intrinsic+json": {
              "type": "string"
            },
            "text/plain": [
              "'plt.imshow(X_train[i,0], interpolation=\\'nearest\\')\\nprint(\"label : \", Y_train[i,:])'"
            ]
          },
          "metadata": {
            "tags": []
          },
          "execution_count": 21
        }
      ]
    },
    {
      "cell_type": "markdown",
      "metadata": {
        "id": "vQ8g2r8Qk2m4"
      },
      "source": [
        "# Text Models"
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "QepMzV6TkrZ5"
      },
      "source": [
        "# Parameters\n",
        " \n",
        "MAX_SEQUENCE_LENGTH = 20\n",
        "MAX_NB_WORDS = 4000\n",
        "EMBEDDING_DIM = 10\n",
        "nb_words  = min(MAX_NB_WORDS, len(dictionary))\n",
        "lstm_out = MAX_SEQUENCE_LENGTH"
      ],
      "execution_count": null,
      "outputs": []
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "lprtm03wyBQB"
      },
      "source": [
        "#Bi-Lstm\n",
        "input = Input(shape=(20,))\n",
        "text_net_Bi_lstm=Embedding(nb_words,EMBEDDING_DIM,input_length=MAX_SEQUENCE_LENGTH)(input)\n",
        "text_net_Bi_lstm=Bidirectional(LSTM(10))(text_net_Bi_lstm)\n",
        "text_net_Bi_lstm = Dense(1000, activation='relu')(text_net_Bi_lstm)\n",
        "text_net_Bi_lstm = BatchNormalization()(text_net_Bi_lstm)"
      ],
      "execution_count": null,
      "outputs": []
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "VAj_HjkKyTZh"
      },
      "source": [
        "# GRU\n",
        "input_2 = Input(shape=(20,))\n",
        "text_net_Bi_gru=Embedding(nb_words,EMBEDDING_DIM,input_length=MAX_SEQUENCE_LENGTH)(input_2)\n",
        "text_net_Bi_gru=GRU(10)(text_net_Bi_gru)\n",
        "text_net_Bi_gru = Dense(1000, activation='relu')(text_net_Bi_gru)\n",
        "text_net_Bi_gru=BatchNormalization()(text_net_Bi_gru)\n",
        "#text_net_Bi_gru= Dense(1,activation='sigmoid')(text_net_Bi_gru)"
      ],
      "execution_count": null,
      "outputs": []
    },
    {
      "cell_type": "markdown",
      "metadata": {
        "id": "91cGxprCmnp-"
      },
      "source": [
        "# Image Models"
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "fmXlKtaIfBEX",
        "colab": {
          "base_uri": "https://localhost:8080/"
        },
        "outputId": "c02388bb-0a6d-4d64-f21c-8fc03c04ac1a"
      },
      "source": [
        "from keras.applications.vgg16 import VGG16\n",
        "vgg16 = VGG16(weights='imagenet')\n",
        "fc2 = vgg16.get_layer('fc2').output\n",
        "Prediction = Dense(1000, activation='relu')(fc2)\n",
        "Prediction = BatchNormalization()(Prediction)"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "stream",
          "text": [
            "Downloading data from https://storage.googleapis.com/tensorflow/keras-applications/vgg16/vgg16_weights_tf_dim_ordering_tf_kernels.h5\n",
            "553467904/553467096 [==============================] - 3s 0us/step\n",
            "553476096/553467096 [==============================] - 3s 0us/step\n"
          ],
          "name": "stdout"
        }
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "P6Jamawf2mbT",
        "colab": {
          "base_uri": "https://localhost:8080/",
          "height": 108
        },
        "outputId": "9000f492-362b-42b5-b4ce-71d88f587504"
      },
      "source": [
        "\"\"\"#2CNN\n",
        "imaux_2=Input(shape=(img_rows, img_cols,3,))\n",
        "image_net_2cnn=Convolution2D(64, nb_conv, nb_conv,activation='relu')(imaux_2)\n",
        "image_net_2cnn=Convolution2D(32, nb_conv, nb_conv,activation='relu')(image_net_2cnn)\n",
        "image_net_2cnn=MaxPooling2D(pool_size=(2, 2))(image_net_2cnn)\n",
        "image_net_2cnn=Dropout(0.5)(image_net_2cnn)\n",
        "image_net_2cnn=Flatten()(image_net_2cnn)\n",
        "image_net_2cnn=Dense(1000,activation='relu')(image_net_2cnn)\n",
        "image_net_2cnn=Dropout(0.2)(image_net_2cnn)\n",
        "image_net_2cnn=BatchNormalization()(image_net_2cnn)\n",
        "#image_net_2cnn=Dense(1,activation='sigmoid')(image_net_2cnn)\"\"\""
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "execute_result",
          "data": {
            "application/vnd.google.colaboratory.intrinsic+json": {
              "type": "string"
            },
            "text/plain": [
              "\"#2CNN\\nimaux_2=Input(shape=(img_rows, img_cols,3,))\\nimage_net_2cnn=Convolution2D(64, nb_conv, nb_conv,activation='relu')(imaux_2)\\nimage_net_2cnn=Convolution2D(32, nb_conv, nb_conv,activation='relu')(image_net_2cnn)\\nimage_net_2cnn=MaxPooling2D(pool_size=(2, 2))(image_net_2cnn)\\nimage_net_2cnn=Dropout(0.5)(image_net_2cnn)\\nimage_net_2cnn=Flatten()(image_net_2cnn)\\nimage_net_2cnn=Dense(1000,activation='relu')(image_net_2cnn)\\nimage_net_2cnn=Dropout(0.2)(image_net_2cnn)\\nimage_net_2cnn=BatchNormalization()(image_net_2cnn)\\n#image_net_2cnn=Dense(1,activation='sigmoid')(image_net_2cnn)\""
            ]
          },
          "metadata": {
            "tags": []
          },
          "execution_count": 17
        }
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "ZA2uSykoYej1",
        "colab": {
          "base_uri": "https://localhost:8080/",
          "height": 72
        },
        "outputId": "f090c833-60a1-42a5-e41b-02802f426828"
      },
      "source": [
        "\"\"\"!pip install visualkeras\n",
        "import visualkeras\n",
        "#!pip install visualkeras\n",
        "visualkeras.layered_view(model).show() # display using your system viewer\n",
        "visualkeras.layered_view(model, to_file='/content/drive/MyDrive/Dataset 2.0/vgg16.png') # write to disk\n",
        "visualkeras.layered_view(model, to_file='/content/drive/MyDrive/Dataset 2.0/vgg16.png').show() # write and show\n",
        "visualkeras.layered_view(model)\"\"\""
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "execute_result",
          "data": {
            "application/vnd.google.colaboratory.intrinsic+json": {
              "type": "string"
            },
            "text/plain": [
              "\"!pip install visualkeras\\nimport visualkeras\\n#!pip install visualkeras\\nvisualkeras.layered_view(model).show() # display using your system viewer\\nvisualkeras.layered_view(model, to_file='/content/drive/MyDrive/Dataset 2.0/vgg16.png') # write to disk\\nvisualkeras.layered_view(model, to_file='/content/drive/MyDrive/Dataset 2.0/vgg16.png').show() # write and show\\nvisualkeras.layered_view(model)\""
            ]
          },
          "metadata": {
            "tags": []
          },
          "execution_count": 18
        }
      ]
    },
    {
      "cell_type": "markdown",
      "metadata": {
        "id": "o1KBy4V2ndrF"
      },
      "source": [
        "# Multimodal Model"
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "colab": {
          "base_uri": "https://localhost:8080/"
        },
        "id": "bhqNkDr-kUZ6",
        "outputId": "2987e6e7-b29a-4d34-c1dd-278709c37d79"
      },
      "source": [
        "#Multimodal model\n",
        "merged_network = concatenate([Prediction,text_net_Bi_lstm])\n",
        "merged_network = BatchNormalization()(merged_network)\n",
        "merged_network = Dropout(0.4)(merged_network)\n",
        "merged_network = Dense(500, activation='relu')(merged_network)\n",
        "merged_network = Dropout(0.2)(merged_network)\n",
        "merged_network = Dense(100, activation='relu')(merged_network)\n",
        "merged_network = Dropout(0.02)(merged_network)\n",
        "out = Dense(1, activation='sigmoid')(merged_network)\n",
        "final_model = Model(inputs=[vgg16.input,input ], outputs=out,)\n",
        "lr = 0.00001\n",
        "adam = keras.optimizers.Adam(lr=lr, beta_1=0.9, beta_2=0.999, amsgrad=False)\n",
        "final_model.compile(optimizer=adam, loss='binary_crossentropy',metrics=['accuracy'])\n",
        "final_model.summary()"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "stream",
          "text": [
            "Model: \"model\"\n",
            "__________________________________________________________________________________________________\n",
            "Layer (type)                    Output Shape         Param #     Connected to                     \n",
            "==================================================================================================\n",
            "input_3 (InputLayer)            [(None, 224, 224, 3) 0                                            \n",
            "__________________________________________________________________________________________________\n",
            "block1_conv1 (Conv2D)           (None, 224, 224, 64) 1792        input_3[0][0]                    \n",
            "__________________________________________________________________________________________________\n",
            "block1_conv2 (Conv2D)           (None, 224, 224, 64) 36928       block1_conv1[0][0]               \n",
            "__________________________________________________________________________________________________\n",
            "block1_pool (MaxPooling2D)      (None, 112, 112, 64) 0           block1_conv2[0][0]               \n",
            "__________________________________________________________________________________________________\n",
            "block2_conv1 (Conv2D)           (None, 112, 112, 128 73856       block1_pool[0][0]                \n",
            "__________________________________________________________________________________________________\n",
            "block2_conv2 (Conv2D)           (None, 112, 112, 128 147584      block2_conv1[0][0]               \n",
            "__________________________________________________________________________________________________\n",
            "block2_pool (MaxPooling2D)      (None, 56, 56, 128)  0           block2_conv2[0][0]               \n",
            "__________________________________________________________________________________________________\n",
            "block3_conv1 (Conv2D)           (None, 56, 56, 256)  295168      block2_pool[0][0]                \n",
            "__________________________________________________________________________________________________\n",
            "block3_conv2 (Conv2D)           (None, 56, 56, 256)  590080      block3_conv1[0][0]               \n",
            "__________________________________________________________________________________________________\n",
            "block3_conv3 (Conv2D)           (None, 56, 56, 256)  590080      block3_conv2[0][0]               \n",
            "__________________________________________________________________________________________________\n",
            "block3_pool (MaxPooling2D)      (None, 28, 28, 256)  0           block3_conv3[0][0]               \n",
            "__________________________________________________________________________________________________\n",
            "block4_conv1 (Conv2D)           (None, 28, 28, 512)  1180160     block3_pool[0][0]                \n",
            "__________________________________________________________________________________________________\n",
            "block4_conv2 (Conv2D)           (None, 28, 28, 512)  2359808     block4_conv1[0][0]               \n",
            "__________________________________________________________________________________________________\n",
            "block4_conv3 (Conv2D)           (None, 28, 28, 512)  2359808     block4_conv2[0][0]               \n",
            "__________________________________________________________________________________________________\n",
            "block4_pool (MaxPooling2D)      (None, 14, 14, 512)  0           block4_conv3[0][0]               \n",
            "__________________________________________________________________________________________________\n",
            "block5_conv1 (Conv2D)           (None, 14, 14, 512)  2359808     block4_pool[0][0]                \n",
            "__________________________________________________________________________________________________\n",
            "block5_conv2 (Conv2D)           (None, 14, 14, 512)  2359808     block5_conv1[0][0]               \n",
            "__________________________________________________________________________________________________\n",
            "block5_conv3 (Conv2D)           (None, 14, 14, 512)  2359808     block5_conv2[0][0]               \n",
            "__________________________________________________________________________________________________\n",
            "block5_pool (MaxPooling2D)      (None, 7, 7, 512)    0           block5_conv3[0][0]               \n",
            "__________________________________________________________________________________________________\n",
            "flatten (Flatten)               (None, 25088)        0           block5_pool[0][0]                \n",
            "__________________________________________________________________________________________________\n",
            "input_1 (InputLayer)            [(None, 20)]         0                                            \n",
            "__________________________________________________________________________________________________\n",
            "fc1 (Dense)                     (None, 4096)         102764544   flatten[0][0]                    \n",
            "__________________________________________________________________________________________________\n",
            "embedding (Embedding)           (None, 20, 10)       30970       input_1[0][0]                    \n",
            "__________________________________________________________________________________________________\n",
            "fc2 (Dense)                     (None, 4096)         16781312    fc1[0][0]                        \n",
            "__________________________________________________________________________________________________\n",
            "bidirectional (Bidirectional)   (None, 20)           1680        embedding[0][0]                  \n",
            "__________________________________________________________________________________________________\n",
            "dense_2 (Dense)                 (None, 1000)         4097000     fc2[0][0]                        \n",
            "__________________________________________________________________________________________________\n",
            "dense (Dense)                   (None, 1000)         21000       bidirectional[0][0]              \n",
            "__________________________________________________________________________________________________\n",
            "batch_normalization_2 (BatchNor (None, 1000)         4000        dense_2[0][0]                    \n",
            "__________________________________________________________________________________________________\n",
            "batch_normalization (BatchNorma (None, 1000)         4000        dense[0][0]                      \n",
            "__________________________________________________________________________________________________\n",
            "concatenate (Concatenate)       (None, 2000)         0           batch_normalization_2[0][0]      \n",
            "                                                                 batch_normalization[0][0]        \n",
            "__________________________________________________________________________________________________\n",
            "batch_normalization_3 (BatchNor (None, 2000)         8000        concatenate[0][0]                \n",
            "__________________________________________________________________________________________________\n",
            "dropout (Dropout)               (None, 2000)         0           batch_normalization_3[0][0]      \n",
            "__________________________________________________________________________________________________\n",
            "dense_3 (Dense)                 (None, 500)          1000500     dropout[0][0]                    \n",
            "__________________________________________________________________________________________________\n",
            "dropout_1 (Dropout)             (None, 500)          0           dense_3[0][0]                    \n",
            "__________________________________________________________________________________________________\n",
            "dense_4 (Dense)                 (None, 100)          50100       dropout_1[0][0]                  \n",
            "__________________________________________________________________________________________________\n",
            "dropout_2 (Dropout)             (None, 100)          0           dense_4[0][0]                    \n",
            "__________________________________________________________________________________________________\n",
            "dense_5 (Dense)                 (None, 1)            101         dropout_2[0][0]                  \n",
            "==================================================================================================\n",
            "Total params: 139,477,895\n",
            "Trainable params: 139,469,895\n",
            "Non-trainable params: 8,000\n",
            "__________________________________________________________________________________________________\n"
          ],
          "name": "stdout"
        },
        {
          "output_type": "stream",
          "text": [
            "/usr/local/lib/python3.7/dist-packages/tensorflow/python/keras/optimizer_v2/optimizer_v2.py:375: UserWarning: The `lr` argument is deprecated, use `learning_rate` instead.\n",
            "  \"The `lr` argument is deprecated, use `learning_rate` instead.\")\n"
          ],
          "name": "stderr"
        }
      ]
    },
    {
      "cell_type": "markdown",
      "metadata": {
        "id": "afmpaYevnzsw"
      },
      "source": [
        "\n",
        "\n",
        " # Train & Test Multimodal"
      ]
    },
    {
      "cell_type": "markdown",
      "metadata": {
        "id": "Qky7cdytoLMb"
      },
      "source": [
        "Multimodal"
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "7uAttP5CoI8b",
        "colab": {
          "base_uri": "https://localhost:8080/"
        },
        "outputId": "b2e84bb7-f8c5-4133-86dc-2c67d7251eaa"
      },
      "source": [
        " \n",
        "#Multimodal train\n",
        "path = '/content/drive/My Drive/'\n",
        "#best_model_path = path + '2cnn_gru.h5'\n",
        "#early_stopping = EarlyStopping(patience = 10)\n",
        "#model_checkpoint = ModelCheckpoint(best_model_path, save_best_only = True)\n",
        "history=final_model.fit([X_train_image,X_train_Text], Y_train, epochs=15, \n",
        "                batch_size=32,verbose=1, validation_data=([X_val_image,X_val_Text], Y_val))"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "stream",
          "text": [
            "Epoch 1/15\n",
            "23/23 [==============================] - 88s 970ms/step - loss: 0.7100 - accuracy: 0.6068 - val_loss: 0.5266 - val_accuracy: 0.7500\n",
            "Epoch 2/15\n",
            "23/23 [==============================] - 11s 467ms/step - loss: 0.3734 - accuracy: 0.8354 - val_loss: 0.4047 - val_accuracy: 0.8167\n",
            "Epoch 3/15\n",
            "23/23 [==============================] - 11s 474ms/step - loss: 0.2267 - accuracy: 0.9302 - val_loss: 0.3828 - val_accuracy: 0.8500\n",
            "Epoch 4/15\n",
            "23/23 [==============================] - 11s 487ms/step - loss: 0.2457 - accuracy: 0.9129 - val_loss: 0.3789 - val_accuracy: 0.8556\n",
            "Epoch 5/15\n",
            "23/23 [==============================] - 12s 502ms/step - loss: 0.1725 - accuracy: 0.9513 - val_loss: 0.3719 - val_accuracy: 0.8667\n",
            "Epoch 6/15\n",
            "23/23 [==============================] - 12s 511ms/step - loss: 0.1032 - accuracy: 0.9797 - val_loss: 0.3581 - val_accuracy: 0.8611\n",
            "Epoch 7/15\n",
            "23/23 [==============================] - 11s 496ms/step - loss: 0.0843 - accuracy: 0.9895 - val_loss: 0.3745 - val_accuracy: 0.8611\n",
            "Epoch 8/15\n",
            "23/23 [==============================] - 11s 485ms/step - loss: 0.0547 - accuracy: 1.0000 - val_loss: 0.3837 - val_accuracy: 0.8611\n",
            "Epoch 9/15\n",
            "23/23 [==============================] - 11s 482ms/step - loss: 0.0454 - accuracy: 0.9951 - val_loss: 0.3789 - val_accuracy: 0.8444\n",
            "Epoch 10/15\n",
            "23/23 [==============================] - 11s 480ms/step - loss: 0.0416 - accuracy: 0.9936 - val_loss: 0.3946 - val_accuracy: 0.8611\n",
            "Epoch 11/15\n",
            "23/23 [==============================] - 11s 485ms/step - loss: 0.0316 - accuracy: 1.0000 - val_loss: 0.3987 - val_accuracy: 0.8611\n",
            "Epoch 12/15\n",
            "23/23 [==============================] - 11s 491ms/step - loss: 0.0252 - accuracy: 0.9991 - val_loss: 0.4175 - val_accuracy: 0.8611\n",
            "Epoch 13/15\n",
            "23/23 [==============================] - 11s 495ms/step - loss: 0.0160 - accuracy: 1.0000 - val_loss: 0.4214 - val_accuracy: 0.8556\n",
            "Epoch 14/15\n",
            "23/23 [==============================] - 11s 496ms/step - loss: 0.0179 - accuracy: 1.0000 - val_loss: 0.4380 - val_accuracy: 0.8556\n",
            "Epoch 15/15\n",
            "23/23 [==============================] - 11s 492ms/step - loss: 0.0164 - accuracy: 1.0000 - val_loss: 0.4445 - val_accuracy: 0.8556\n"
          ],
          "name": "stdout"
        }
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "colab": {
          "base_uri": "https://localhost:8080/"
        },
        "id": "1o3gH1yPuWHR",
        "outputId": "5c6a1268-0315-44af-8b05-125ac6df269e"
      },
      "source": [
        "final_model.evaluate([X_test_image,X_test_Text], Y_test,verbose=1,batch_size=32)\n",
        "#print(\"Accuracy of vgg16  and bi-lstm  : %.2f%%\" % (scores4[1]*100))"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "stream",
          "text": [
            "4/4 [==============================] - 2s 548ms/step - loss: 0.3970 - accuracy: 0.8500\n"
          ],
          "name": "stdout"
        },
        {
          "output_type": "execute_result",
          "data": {
            "text/plain": [
              "[0.397003173828125, 0.8500000238418579]"
            ]
          },
          "metadata": {
            "tags": []
          },
          "execution_count": 25
        }
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "_2i4JMoYjBtc",
        "colab": {
          "base_uri": "https://localhost:8080/",
          "height": 375
        },
        "outputId": "858e33e3-e5bc-4f7f-d214-287a7f0c7c69"
      },
      "source": [
        "#p = final_model.evaluate([X_test_image,X_test_Text],Y_test)\n",
        "model_1=load_model('/content/drive/MyDrive/vgg16_biLSTM.h5')\n",
        "#p8=final_model.predict([X_test_image,X_test_Text])\n",
        "p8=model_1.predict([X_test_image,X_test_Text])\n",
        "Y_pred_multi = []\n",
        "for p99 in p8:\n",
        "  if p99 > 0.5:\n",
        "    Y_pred_multi.append(1)\n",
        "  else:\n",
        "    Y_pred_multi.append(0)\n",
        "print(Y_pred_multi)\n",
        "#print(p[0])"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "error",
          "ename": "OSError",
          "evalue": "ignored",
          "traceback": [
            "\u001b[0;31m---------------------------------------------------------------------------\u001b[0m",
            "\u001b[0;31mOSError\u001b[0m                                   Traceback (most recent call last)",
            "\u001b[0;32m<ipython-input-18-4a5a85778f84>\u001b[0m in \u001b[0;36m<module>\u001b[0;34m()\u001b[0m\n\u001b[1;32m      1\u001b[0m \u001b[0;31m#p = final_model.evaluate([X_test_image,X_test_Text],Y_test)\u001b[0m\u001b[0;34m\u001b[0m\u001b[0;34m\u001b[0m\u001b[0;34m\u001b[0m\u001b[0m\n\u001b[0;32m----> 2\u001b[0;31m \u001b[0mmodel_1\u001b[0m\u001b[0;34m=\u001b[0m\u001b[0mload_model\u001b[0m\u001b[0;34m(\u001b[0m\u001b[0;34m'/content/drive/MyDrive/vgg16_biLSTM.h5'\u001b[0m\u001b[0;34m)\u001b[0m\u001b[0;34m\u001b[0m\u001b[0;34m\u001b[0m\u001b[0m\n\u001b[0m\u001b[1;32m      3\u001b[0m \u001b[0;31m#p8=final_model.predict([X_test_image,X_test_Text])\u001b[0m\u001b[0;34m\u001b[0m\u001b[0;34m\u001b[0m\u001b[0;34m\u001b[0m\u001b[0m\n\u001b[1;32m      4\u001b[0m \u001b[0mp8\u001b[0m\u001b[0;34m=\u001b[0m\u001b[0mmodel_1\u001b[0m\u001b[0;34m.\u001b[0m\u001b[0mpredict\u001b[0m\u001b[0;34m(\u001b[0m\u001b[0;34m[\u001b[0m\u001b[0mX_test_image\u001b[0m\u001b[0;34m,\u001b[0m\u001b[0mX_test_Text\u001b[0m\u001b[0;34m]\u001b[0m\u001b[0;34m)\u001b[0m\u001b[0;34m\u001b[0m\u001b[0;34m\u001b[0m\u001b[0m\n\u001b[1;32m      5\u001b[0m \u001b[0mY_pred_multi\u001b[0m \u001b[0;34m=\u001b[0m \u001b[0;34m[\u001b[0m\u001b[0;34m]\u001b[0m\u001b[0;34m\u001b[0m\u001b[0;34m\u001b[0m\u001b[0m\n",
            "\u001b[0;32m/usr/local/lib/python3.7/dist-packages/keras/saving/save.py\u001b[0m in \u001b[0;36mload_model\u001b[0;34m(filepath, custom_objects, compile, options)\u001b[0m\n\u001b[1;32m    204\u001b[0m         \u001b[0mfilepath\u001b[0m \u001b[0;34m=\u001b[0m \u001b[0mpath_to_string\u001b[0m\u001b[0;34m(\u001b[0m\u001b[0mfilepath\u001b[0m\u001b[0;34m)\u001b[0m\u001b[0;34m\u001b[0m\u001b[0;34m\u001b[0m\u001b[0m\n\u001b[1;32m    205\u001b[0m         \u001b[0;32mif\u001b[0m \u001b[0misinstance\u001b[0m\u001b[0;34m(\u001b[0m\u001b[0mfilepath\u001b[0m\u001b[0;34m,\u001b[0m \u001b[0mstr\u001b[0m\u001b[0;34m)\u001b[0m\u001b[0;34m:\u001b[0m\u001b[0;34m\u001b[0m\u001b[0;34m\u001b[0m\u001b[0m\n\u001b[0;32m--> 206\u001b[0;31m           \u001b[0;32mreturn\u001b[0m \u001b[0msaved_model_load\u001b[0m\u001b[0;34m.\u001b[0m\u001b[0mload\u001b[0m\u001b[0;34m(\u001b[0m\u001b[0mfilepath\u001b[0m\u001b[0;34m,\u001b[0m \u001b[0mcompile\u001b[0m\u001b[0;34m,\u001b[0m \u001b[0moptions\u001b[0m\u001b[0;34m)\u001b[0m\u001b[0;34m\u001b[0m\u001b[0;34m\u001b[0m\u001b[0m\n\u001b[0m\u001b[1;32m    207\u001b[0m \u001b[0;34m\u001b[0m\u001b[0m\n\u001b[1;32m    208\u001b[0m   raise IOError(\n",
            "\u001b[0;32m/usr/local/lib/python3.7/dist-packages/keras/saving/saved_model/load.py\u001b[0m in \u001b[0;36mload\u001b[0;34m(path, compile, options)\u001b[0m\n\u001b[1;32m    107\u001b[0m   \u001b[0;31m# Look for metadata file or parse the SavedModel\u001b[0m\u001b[0;34m\u001b[0m\u001b[0;34m\u001b[0m\u001b[0;34m\u001b[0m\u001b[0m\n\u001b[1;32m    108\u001b[0m   \u001b[0mmetadata\u001b[0m \u001b[0;34m=\u001b[0m \u001b[0msaved_metadata_pb2\u001b[0m\u001b[0;34m.\u001b[0m\u001b[0mSavedMetadata\u001b[0m\u001b[0;34m(\u001b[0m\u001b[0;34m)\u001b[0m\u001b[0;34m\u001b[0m\u001b[0;34m\u001b[0m\u001b[0m\n\u001b[0;32m--> 109\u001b[0;31m   \u001b[0mmeta_graph_def\u001b[0m \u001b[0;34m=\u001b[0m \u001b[0mloader_impl\u001b[0m\u001b[0;34m.\u001b[0m\u001b[0mparse_saved_model\u001b[0m\u001b[0;34m(\u001b[0m\u001b[0mpath\u001b[0m\u001b[0;34m)\u001b[0m\u001b[0;34m.\u001b[0m\u001b[0mmeta_graphs\u001b[0m\u001b[0;34m[\u001b[0m\u001b[0;36m0\u001b[0m\u001b[0;34m]\u001b[0m\u001b[0;34m\u001b[0m\u001b[0;34m\u001b[0m\u001b[0m\n\u001b[0m\u001b[1;32m    110\u001b[0m   \u001b[0mobject_graph_def\u001b[0m \u001b[0;34m=\u001b[0m \u001b[0mmeta_graph_def\u001b[0m\u001b[0;34m.\u001b[0m\u001b[0mobject_graph_def\u001b[0m\u001b[0;34m\u001b[0m\u001b[0;34m\u001b[0m\u001b[0m\n\u001b[1;32m    111\u001b[0m   \u001b[0mpath_to_metadata_pb\u001b[0m \u001b[0;34m=\u001b[0m \u001b[0mos\u001b[0m\u001b[0;34m.\u001b[0m\u001b[0mpath\u001b[0m\u001b[0;34m.\u001b[0m\u001b[0mjoin\u001b[0m\u001b[0;34m(\u001b[0m\u001b[0mpath\u001b[0m\u001b[0;34m,\u001b[0m \u001b[0mconstants\u001b[0m\u001b[0;34m.\u001b[0m\u001b[0mSAVED_METADATA_PATH\u001b[0m\u001b[0;34m)\u001b[0m\u001b[0;34m\u001b[0m\u001b[0;34m\u001b[0m\u001b[0m\n",
            "\u001b[0;32m/usr/local/lib/python3.7/dist-packages/tensorflow/python/saved_model/loader_impl.py\u001b[0m in \u001b[0;36mparse_saved_model\u001b[0;34m(export_dir)\u001b[0m\n\u001b[1;32m    114\u001b[0m         \u001b[0;34m\"SavedModel file does not exist at: %s%s{%s|%s}\"\u001b[0m \u001b[0;34m%\u001b[0m\u001b[0;34m\u001b[0m\u001b[0;34m\u001b[0m\u001b[0m\n\u001b[1;32m    115\u001b[0m         (export_dir, os.path.sep, constants.SAVED_MODEL_FILENAME_PBTXT,\n\u001b[0;32m--> 116\u001b[0;31m          constants.SAVED_MODEL_FILENAME_PB))\n\u001b[0m\u001b[1;32m    117\u001b[0m \u001b[0;34m\u001b[0m\u001b[0m\n\u001b[1;32m    118\u001b[0m \u001b[0;34m\u001b[0m\u001b[0m\n",
            "\u001b[0;31mOSError\u001b[0m: SavedModel file does not exist at: /content/drive/MyDrive/vgg16_biLSTM.h5/{saved_model.pbtxt|saved_model.pb}"
          ]
        }
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "HGAY_dzwjH1e",
        "colab": {
          "base_uri": "https://localhost:8080/",
          "height": 232
        },
        "outputId": "ef6fc0f9-5170-4ba9-fa65-b0b03efde037"
      },
      "source": [
        "class_names = ['Negative', 'Positive']\n",
        "print(classification_report(Y_test, Y_pred_multi, target_names = class_names))\n",
        "cm = confusion_matrix(Y_test, Y_pred_multi)\n",
        "plt.figure(figsize = (6,5))\n",
        "sn.heatmap(cm, annot=True)"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "error",
          "ename": "NameError",
          "evalue": "ignored",
          "traceback": [
            "\u001b[0;31m---------------------------------------------------------------------------\u001b[0m",
            "\u001b[0;31mNameError\u001b[0m                                 Traceback (most recent call last)",
            "\u001b[0;32m<ipython-input-19-13d3b53e0218>\u001b[0m in \u001b[0;36m<module>\u001b[0;34m()\u001b[0m\n\u001b[1;32m      1\u001b[0m \u001b[0mclass_names\u001b[0m \u001b[0;34m=\u001b[0m \u001b[0;34m[\u001b[0m\u001b[0;34m'Negative'\u001b[0m\u001b[0;34m,\u001b[0m \u001b[0;34m'Positive'\u001b[0m\u001b[0;34m]\u001b[0m\u001b[0;34m\u001b[0m\u001b[0;34m\u001b[0m\u001b[0m\n\u001b[0;32m----> 2\u001b[0;31m \u001b[0mprint\u001b[0m\u001b[0;34m(\u001b[0m\u001b[0mclassification_report\u001b[0m\u001b[0;34m(\u001b[0m\u001b[0mY_test\u001b[0m\u001b[0;34m,\u001b[0m \u001b[0mY_pred_multi\u001b[0m\u001b[0;34m,\u001b[0m \u001b[0mtarget_names\u001b[0m \u001b[0;34m=\u001b[0m \u001b[0mclass_names\u001b[0m\u001b[0;34m)\u001b[0m\u001b[0;34m)\u001b[0m\u001b[0;34m\u001b[0m\u001b[0;34m\u001b[0m\u001b[0m\n\u001b[0m\u001b[1;32m      3\u001b[0m \u001b[0mcm\u001b[0m \u001b[0;34m=\u001b[0m \u001b[0mconfusion_matrix\u001b[0m\u001b[0;34m(\u001b[0m\u001b[0mY_test\u001b[0m\u001b[0;34m,\u001b[0m \u001b[0mY_pred_multi\u001b[0m\u001b[0;34m)\u001b[0m\u001b[0;34m\u001b[0m\u001b[0;34m\u001b[0m\u001b[0m\n\u001b[1;32m      4\u001b[0m \u001b[0mplt\u001b[0m\u001b[0;34m.\u001b[0m\u001b[0mfigure\u001b[0m\u001b[0;34m(\u001b[0m\u001b[0mfigsize\u001b[0m \u001b[0;34m=\u001b[0m \u001b[0;34m(\u001b[0m\u001b[0;36m6\u001b[0m\u001b[0;34m,\u001b[0m\u001b[0;36m5\u001b[0m\u001b[0;34m)\u001b[0m\u001b[0;34m)\u001b[0m\u001b[0;34m\u001b[0m\u001b[0;34m\u001b[0m\u001b[0m\n\u001b[1;32m      5\u001b[0m \u001b[0msn\u001b[0m\u001b[0;34m.\u001b[0m\u001b[0mheatmap\u001b[0m\u001b[0;34m(\u001b[0m\u001b[0mcm\u001b[0m\u001b[0;34m,\u001b[0m \u001b[0mannot\u001b[0m\u001b[0;34m=\u001b[0m\u001b[0;32mTrue\u001b[0m\u001b[0;34m)\u001b[0m\u001b[0;34m\u001b[0m\u001b[0;34m\u001b[0m\u001b[0m\n",
            "\u001b[0;31mNameError\u001b[0m: name 'Y_pred_multi' is not defined"
          ]
        }
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "hBh-N65AT5Bc",
        "colab": {
          "base_uri": "https://localhost:8080/",
          "height": 573
        },
        "outputId": "a20e188c-8836-4ed7-cd6d-77f9e48c1730"
      },
      "source": [
        "#loss plot\n",
        "loss_train = history.history['loss']\n",
        "loss_val = history.history['val_loss']\n",
        "epochs = range(1,16)\n",
        "plt.plot(epochs, loss_train, 'g', label='Training loss')\n",
        "plt.plot(epochs, loss_val, 'b', label='validation loss')\n",
        "plt.title('Training and Validation loss')\n",
        "plt.xlabel('Epochs')\n",
        "plt.ylabel('Loss')\n",
        "plt.legend()\n",
        "plt.show()\n",
        " \n",
        " \n",
        "#accuracy plot\n",
        "loss_train = history.history['accuracy']\n",
        "loss_val = history.history['val_accuracy']\n",
        "epochs = range(1,16)\n",
        "plt.plot(epochs, loss_train, 'g', label='Training accuracy')\n",
        "plt.plot(epochs, loss_val, 'b', label='validation accuracy')\n",
        "plt.title('Training and Validation accuracy')\n",
        "plt.xlabel('Epochs')\n",
        "plt.ylabel('Accuracy')\n",
        "plt.legend()\n",
        "plt.show()"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "display_data",
          "data": {
            "image/png": "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\n",
            "text/plain": [
              "<Figure size 432x288 with 1 Axes>"
            ]
          },
          "metadata": {
            "tags": [],
            "needs_background": "light"
          }
        },
        {
          "output_type": "display_data",
          "data": {
            "image/png": "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\n",
            "text/plain": [
              "<Figure size 432x288 with 1 Axes>"
            ]
          },
          "metadata": {
            "tags": [],
            "needs_background": "light"
          }
        }
      ]
    },
    {
      "cell_type": "markdown",
      "metadata": {
        "id": "SLvi9FWZAW95"
      },
      "source": [
        "\n",
        "\n",
        " # Train & Test image and text"
      ]
    },
    {
      "cell_type": "markdown",
      "metadata": {
        "id": "S_6_aT4qoOY9"
      },
      "source": [
        "Text"
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "CAxZlsBxTB3D"
      },
      "source": [
        "# Bi-lstm\n",
        "inputs_2 = Input(shape=(20,))\n",
        "text_net_Bi_lstm_1=Embedding(nb_words,EMBEDDING_DIM,input_length=MAX_SEQUENCE_LENGTH)(inputs_2)\n",
        "text_net_Bi_lstm_1=Bidirectional(LSTM(10))(text_net_Bi_lstm_1)\n",
        "text_net_Bi_lstm_1 = Dense(1000, activation='relu')(text_net_Bi_lstm_1)\n",
        "text_net_Bi_lstm_1 = BatchNormalization()(text_net_Bi_lstm_1)\n",
        "text_net_Bi_lstm_1 =Dense(1, activation='sigmoid')(text_net_Bi_lstm_1)"
      ],
      "execution_count": null,
      "outputs": []
    },
    {
      "cell_type": "code",
      "metadata": {
        "colab": {
          "base_uri": "https://localhost:8080/"
        },
        "id": "U7_OFE-soPkm",
        "outputId": "720343db-dca6-4292-fef9-7ccbec637f20"
      },
      "source": [
        "#text train\n",
        "\n",
        "final_text = Model(inputs=inputs_2, outputs=text_net_Bi_lstm_1,)\n",
        "final_text.compile(optimizer='adam', loss='binary_crossentropy',metrics=['accuracy'])\n",
        "history = final_text.fit(X_train_Text, Y_train, batch_size=32, epochs=15,\n",
        "                    validation_data=(X_val_Text, Y_val),\n",
        "                     verbose = 1)\n",
        "\n",
        "p888=final_text.evaluate(X_test_Text,Y_test)"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "stream",
          "text": [
            "Epoch 1/15\n",
            "23/23 [==============================] - 5s 50ms/step - loss: 0.6646 - accuracy: 0.6230 - val_loss: 0.6840 - val_accuracy: 0.5611\n",
            "Epoch 2/15\n",
            "23/23 [==============================] - 0s 9ms/step - loss: 0.5270 - accuracy: 0.7778 - val_loss: 0.6728 - val_accuracy: 0.5611\n",
            "Epoch 3/15\n",
            "23/23 [==============================] - 0s 9ms/step - loss: 0.2781 - accuracy: 0.8860 - val_loss: 0.7085 - val_accuracy: 0.5611\n",
            "Epoch 4/15\n",
            "23/23 [==============================] - 0s 9ms/step - loss: 0.0996 - accuracy: 0.9801 - val_loss: 0.6871 - val_accuracy: 0.5611\n",
            "Epoch 5/15\n",
            "23/23 [==============================] - 0s 9ms/step - loss: 0.0499 - accuracy: 0.9881 - val_loss: 0.7901 - val_accuracy: 0.5611\n",
            "Epoch 6/15\n",
            "23/23 [==============================] - 0s 9ms/step - loss: 0.0272 - accuracy: 0.9927 - val_loss: 0.7276 - val_accuracy: 0.5611\n",
            "Epoch 7/15\n",
            "23/23 [==============================] - 0s 9ms/step - loss: 0.0304 - accuracy: 0.9896 - val_loss: 0.7937 - val_accuracy: 0.5611\n",
            "Epoch 8/15\n",
            "23/23 [==============================] - 0s 9ms/step - loss: 0.0093 - accuracy: 0.9990 - val_loss: 0.7191 - val_accuracy: 0.5778\n",
            "Epoch 9/15\n",
            "23/23 [==============================] - 0s 9ms/step - loss: 0.0056 - accuracy: 0.9998 - val_loss: 0.7260 - val_accuracy: 0.5833\n",
            "Epoch 10/15\n",
            "23/23 [==============================] - 0s 9ms/step - loss: 0.0092 - accuracy: 0.9976 - val_loss: 0.7187 - val_accuracy: 0.5944\n",
            "Epoch 11/15\n",
            "23/23 [==============================] - 0s 8ms/step - loss: 0.0046 - accuracy: 0.9998 - val_loss: 0.6793 - val_accuracy: 0.6278\n",
            "Epoch 12/15\n",
            "23/23 [==============================] - 0s 9ms/step - loss: 0.0040 - accuracy: 0.9991 - val_loss: 0.6693 - val_accuracy: 0.6389\n",
            "Epoch 13/15\n",
            "23/23 [==============================] - 0s 8ms/step - loss: 0.0209 - accuracy: 0.9917 - val_loss: 0.9796 - val_accuracy: 0.5778\n",
            "Epoch 14/15\n",
            "23/23 [==============================] - 0s 9ms/step - loss: 0.0157 - accuracy: 0.9973 - val_loss: 0.8358 - val_accuracy: 0.6111\n",
            "Epoch 15/15\n",
            "23/23 [==============================] - 0s 8ms/step - loss: 0.0096 - accuracy: 0.9984 - val_loss: 1.0867 - val_accuracy: 0.5778\n",
            "4/4 [==============================] - 0s 4ms/step - loss: 1.0427 - accuracy: 0.5700\n"
          ],
          "name": "stdout"
        }
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "lw8nziCEJwob"
      },
      "source": [
        "input_3 = Input(shape=(20,))\n",
        "text_net_Bi_gru_1=Embedding(nb_words,EMBEDDING_DIM,input_length=MAX_SEQUENCE_LENGTH)(input_3)\n",
        "text_net_Bi_gru_1=GRU(10)(text_net_Bi_gru_1)\n",
        "text_net_Bi_gru_1 = Dense(1000, activation='relu')(text_net_Bi_gru_1)\n",
        "text_net_Bi_gru=BatchNormalization()(text_net_Bi_gru)\n",
        "text_net_Bi_gru_1= Dense(1,activation='sigmoid')(text_net_Bi_gru_1)"
      ],
      "execution_count": null,
      "outputs": []
    },
    {
      "cell_type": "code",
      "metadata": {
        "colab": {
          "base_uri": "https://localhost:8080/"
        },
        "id": "at3E2IfyJxQ9",
        "outputId": "16077738-d955-471f-cb8e-6fde1fe8f12d"
      },
      "source": [
        "final_text = Model(inputs=input_3, outputs=text_net_Bi_gru_1,)\n",
        "final_text.compile(optimizer='adam', loss='binary_crossentropy',metrics=['accuracy'])\n",
        "history = final_text.fit(X_train_Text, Y_train, batch_size=32, epochs=15,\n",
        "                    validation_data=(X_val_Text, Y_val),\n",
        "                     verbose = 1)\n",
        "\n",
        "p888=final_text.evaluate(X_test_Text,Y_test)"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "stream",
          "text": [
            "Epoch 1/15\n",
            "23/23 [==============================] - 3s 26ms/step - loss: 0.6910 - accuracy: 0.5353 - val_loss: 0.6851 - val_accuracy: 0.5611\n",
            "Epoch 2/15\n",
            "23/23 [==============================] - 0s 6ms/step - loss: 0.6818 - accuracy: 0.5673 - val_loss: 0.6810 - val_accuracy: 0.5611\n",
            "Epoch 3/15\n",
            "23/23 [==============================] - 0s 6ms/step - loss: 0.6711 - accuracy: 0.5642 - val_loss: 0.6730 - val_accuracy: 0.5611\n",
            "Epoch 4/15\n",
            "23/23 [==============================] - 0s 6ms/step - loss: 0.6341 - accuracy: 0.5823 - val_loss: 0.6830 - val_accuracy: 0.5833\n",
            "Epoch 5/15\n",
            "23/23 [==============================] - 0s 6ms/step - loss: 0.5727 - accuracy: 0.6507 - val_loss: 0.6712 - val_accuracy: 0.6278\n",
            "Epoch 6/15\n",
            "23/23 [==============================] - 0s 5ms/step - loss: 0.4367 - accuracy: 0.7954 - val_loss: 0.7528 - val_accuracy: 0.6611\n",
            "Epoch 7/15\n",
            "23/23 [==============================] - 0s 6ms/step - loss: 0.2551 - accuracy: 0.9009 - val_loss: 0.8265 - val_accuracy: 0.6833\n",
            "Epoch 8/15\n",
            "23/23 [==============================] - 0s 6ms/step - loss: 0.1806 - accuracy: 0.9211 - val_loss: 0.8990 - val_accuracy: 0.7056\n",
            "Epoch 9/15\n",
            "23/23 [==============================] - 0s 6ms/step - loss: 0.0803 - accuracy: 0.9683 - val_loss: 1.2636 - val_accuracy: 0.7000\n",
            "Epoch 10/15\n",
            "23/23 [==============================] - 0s 6ms/step - loss: 0.0750 - accuracy: 0.9719 - val_loss: 1.3132 - val_accuracy: 0.7000\n",
            "Epoch 11/15\n",
            "23/23 [==============================] - 0s 6ms/step - loss: 0.0536 - accuracy: 0.9827 - val_loss: 1.4711 - val_accuracy: 0.7111\n",
            "Epoch 12/15\n",
            "23/23 [==============================] - 0s 6ms/step - loss: 0.0172 - accuracy: 0.9946 - val_loss: 1.5184 - val_accuracy: 0.6944\n",
            "Epoch 13/15\n",
            "23/23 [==============================] - 0s 6ms/step - loss: 0.0119 - accuracy: 0.9948 - val_loss: 1.6892 - val_accuracy: 0.7000\n",
            "Epoch 14/15\n",
            "23/23 [==============================] - 0s 6ms/step - loss: 0.0166 - accuracy: 0.9953 - val_loss: 1.7532 - val_accuracy: 0.6611\n",
            "Epoch 15/15\n",
            "23/23 [==============================] - 0s 8ms/step - loss: 0.0051 - accuracy: 0.9975 - val_loss: 1.9504 - val_accuracy: 0.6833\n",
            "4/4 [==============================] - 0s 4ms/step - loss: 1.9724 - accuracy: 0.6500\n"
          ],
          "name": "stdout"
        }
      ]
    },
    {
      "cell_type": "markdown",
      "metadata": {
        "id": "WxzrwHaBn9h4"
      },
      "source": [
        "image"
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "_8S1CYPUUGn0"
      },
      "source": [
        "vgg16 = VGG16(weights='imagenet')\n",
        "fc2 = vgg16.get_layer('fc2').output\n",
        "Prediction = Dense(1000, activation='relu')(fc2)\n",
        "Prediction = BatchNormalization()(Prediction)\n",
        "Prediction_1 = Dense(1, activation='sigmoid')(Prediction)"
      ],
      "execution_count": null,
      "outputs": []
    },
    {
      "cell_type": "code",
      "metadata": {
        "colab": {
          "base_uri": "https://localhost:8080/",
          "height": 1000
        },
        "id": "kA7_pOu7JA06",
        "outputId": "552e2450-e8b1-48e5-f758-ec5d00f2cd37"
      },
      "source": [
        "#image train\n",
        " \n",
        "model_2 = Model(inputs=vgg16.input, outputs=Prediction_1)\n",
        "adam = Adam(lr=1e-6, beta_1=0.9, beta_2=0.999, epsilon=None, decay=0.001, amsgrad=False)\n",
        "model_2.compile(optimizer=adam, loss='binary_crossentropy',metrics=['accuracy'])\n",
        "history1 = model_2.fit(X_train_image, Y_train, batch_size=32, epochs=15,\n",
        "                    validation_data=(X_val_image, Y_val),\n",
        "                     verbose = 1)\n",
        " \n",
        "p77=model_2.predict(X_test_image)\n",
        "Y_pred_image_3cnn = []\n",
        "for p999 in p77:\n",
        "  if p999 > 0.5:\n",
        "    Y_pred_image_3cnn.append(1)\n",
        "  else:\n",
        "    Y_pred_image_3cnn.append(0)\n",
        " \n",
        "class_names = ['Negative', 'Positive']\n",
        "print(classification_report(Y_test, Y_pred_image_3cnn, target_names = class_names))\n",
        "cm = confusion_matrix(Y_test, Y_pred_image_3cnn)\n",
        "plt.figure(figsize = (6,5))\n",
        "sn.heatmap(cm, annot=True)"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "stream",
          "text": [
            "/usr/local/lib/python3.7/dist-packages/tensorflow/python/keras/optimizer_v2/optimizer_v2.py:375: UserWarning: The `lr` argument is deprecated, use `learning_rate` instead.\n",
            "  \"The `lr` argument is deprecated, use `learning_rate` instead.\")\n"
          ],
          "name": "stderr"
        },
        {
          "output_type": "stream",
          "text": [
            "Epoch 1/15\n",
            "23/23 [==============================] - 13s 499ms/step - loss: 0.8724 - accuracy: 0.5030 - val_loss: 0.7846 - val_accuracy: 0.6056\n",
            "Epoch 2/15\n",
            "23/23 [==============================] - 11s 484ms/step - loss: 0.4927 - accuracy: 0.7690 - val_loss: 0.6803 - val_accuracy: 0.6722\n",
            "Epoch 3/15\n",
            "23/23 [==============================] - 11s 496ms/step - loss: 0.3083 - accuracy: 0.9111 - val_loss: 0.6249 - val_accuracy: 0.7056\n",
            "Epoch 4/15\n",
            "23/23 [==============================] - 11s 484ms/step - loss: 0.2238 - accuracy: 0.9559 - val_loss: 0.5908 - val_accuracy: 0.7389\n",
            "Epoch 5/15\n",
            "23/23 [==============================] - 11s 475ms/step - loss: 0.1981 - accuracy: 0.9625 - val_loss: 0.5651 - val_accuracy: 0.7556\n",
            "Epoch 6/15\n",
            "23/23 [==============================] - 11s 472ms/step - loss: 0.1599 - accuracy: 0.9767 - val_loss: 0.5478 - val_accuracy: 0.7667\n",
            "Epoch 7/15\n",
            "23/23 [==============================] - 11s 469ms/step - loss: 0.1309 - accuracy: 0.9886 - val_loss: 0.5356 - val_accuracy: 0.7778\n",
            "Epoch 8/15\n",
            "23/23 [==============================] - 11s 472ms/step - loss: 0.1042 - accuracy: 0.9996 - val_loss: 0.5232 - val_accuracy: 0.8056\n",
            "Epoch 9/15\n",
            "23/23 [==============================] - 11s 476ms/step - loss: 0.0918 - accuracy: 1.0000 - val_loss: 0.5167 - val_accuracy: 0.8111\n",
            "Epoch 10/15\n",
            "23/23 [==============================] - 11s 476ms/step - loss: 0.0659 - accuracy: 0.9997 - val_loss: 0.5112 - val_accuracy: 0.8111\n",
            "Epoch 11/15\n",
            "23/23 [==============================] - 11s 479ms/step - loss: 0.0746 - accuracy: 0.9978 - val_loss: 0.5035 - val_accuracy: 0.8056\n",
            "Epoch 12/15\n",
            "23/23 [==============================] - 11s 477ms/step - loss: 0.0635 - accuracy: 1.0000 - val_loss: 0.4981 - val_accuracy: 0.8056\n",
            "Epoch 13/15\n",
            "23/23 [==============================] - 11s 476ms/step - loss: 0.0531 - accuracy: 1.0000 - val_loss: 0.4951 - val_accuracy: 0.8111\n",
            "Epoch 14/15\n",
            "23/23 [==============================] - 11s 474ms/step - loss: 0.0532 - accuracy: 1.0000 - val_loss: 0.4908 - val_accuracy: 0.8111\n",
            "Epoch 15/15\n",
            "23/23 [==============================] - 11s 475ms/step - loss: 0.0492 - accuracy: 1.0000 - val_loss: 0.4892 - val_accuracy: 0.8111\n",
            "              precision    recall  f1-score   support\n",
            "\n",
            "    Negative       0.74      0.91      0.82        44\n",
            "    Positive       0.91      0.75      0.82        56\n",
            "\n",
            "    accuracy                           0.82       100\n",
            "   macro avg       0.83      0.83      0.82       100\n",
            "weighted avg       0.84      0.82      0.82       100\n",
            "\n"
          ],
          "name": "stdout"
        },
        {
          "output_type": "execute_result",
          "data": {
            "text/plain": [
              "<matplotlib.axes._subplots.AxesSubplot at 0x7fa5cd6cee90>"
            ]
          },
          "metadata": {
            "tags": []
          },
          "execution_count": 26
        },
        {
          "output_type": "display_data",
          "data": {
            "image/png": "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\n",
            "text/plain": [
              "<Figure size 432x360 with 2 Axes>"
            ]
          },
          "metadata": {
            "tags": [],
            "needs_background": "light"
          }
        }
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "mqQJcOB7N8Oo"
      },
      "source": [
        "#2CNN\n",
        "imaux_2=Input(shape=(img_rows, img_cols,3,))\n",
        "image_net_2cnn=Convolution2D(64, nb_conv, nb_conv,activation='relu')(imaux_2)\n",
        "image_net_2cnn=Convolution2D(32, nb_conv, nb_conv,activation='relu')(image_net_2cnn)\n",
        "image_net_2cnn=MaxPooling2D(pool_size=(2, 2))(image_net_2cnn)\n",
        "image_net_2cnn=Dropout(0.5)(image_net_2cnn)\n",
        "image_net_2cnn=Flatten()(image_net_2cnn)\n",
        "image_net_2cnn=Dense(1000,activation='relu')(image_net_2cnn)\n",
        "image_net_2cnn=BatchNormalization()(image_net_2cnn)\n",
        "image_net_2cnn=Dropout(0.2)(image_net_2cnn)\n",
        "image_net_2cnn=Dense(1,activation='sigmoid')(image_net_2cnn)"
      ],
      "execution_count": null,
      "outputs": []
    },
    {
      "cell_type": "code",
      "metadata": {
        "colab": {
          "base_uri": "https://localhost:8080/",
          "height": 1000
        },
        "id": "2D8NuM7aN8nX",
        "outputId": "6b37413e-673b-48c1-ea0a-abcb75a81049"
      },
      "source": [
        "model_2 = Model(inputs=imaux_2, outputs=image_net_2cnn)\n",
        "adam = Adam(lr=1e-6, beta_1=0.9, beta_2=0.999, epsilon=None, decay=0.001, amsgrad=False)\n",
        "model_2.compile(optimizer='adam', loss='binary_crossentropy',metrics=['accuracy'])\n",
        "history1 = model_2.fit(X_train_image, Y_train, batch_size=32, epochs=15,\n",
        "                    validation_data=(X_val_image, Y_val),\n",
        "                     verbose = 1)\n",
        " \n",
        "p77=model_2.predict(X_test_image)\n",
        "Y_pred_image_3cnn = []\n",
        "for p999 in p77:\n",
        "  if p999 > 0.5:\n",
        "    Y_pred_image_3cnn.append(1)\n",
        "  else:\n",
        "    Y_pred_image_3cnn.append(0)\n",
        " \n",
        "class_names = ['Negative', 'Positive']\n",
        "print(classification_report(Y_test, Y_pred_image_3cnn, target_names = class_names))\n",
        "cm = confusion_matrix(Y_test, Y_pred_image_3cnn)\n",
        "plt.figure(figsize = (6,5))\n",
        "sn.heatmap(cm, annot=True)"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "stream",
          "text": [
            "/usr/local/lib/python3.7/dist-packages/tensorflow/python/keras/optimizer_v2/optimizer_v2.py:375: UserWarning: The `lr` argument is deprecated, use `learning_rate` instead.\n",
            "  \"The `lr` argument is deprecated, use `learning_rate` instead.\")\n"
          ],
          "name": "stderr"
        },
        {
          "output_type": "stream",
          "text": [
            "Epoch 1/15\n",
            "23/23 [==============================] - 2s 42ms/step - loss: 0.8728 - accuracy: 0.6420 - val_loss: 3.2930 - val_accuracy: 0.5944\n",
            "Epoch 2/15\n",
            "23/23 [==============================] - 0s 19ms/step - loss: 0.7155 - accuracy: 0.7732 - val_loss: 0.8071 - val_accuracy: 0.7333\n",
            "Epoch 3/15\n",
            "23/23 [==============================] - 0s 19ms/step - loss: 0.5595 - accuracy: 0.7612 - val_loss: 1.2629 - val_accuracy: 0.6333\n",
            "Epoch 4/15\n",
            "23/23 [==============================] - 0s 20ms/step - loss: 0.5509 - accuracy: 0.7734 - val_loss: 0.6140 - val_accuracy: 0.7778\n",
            "Epoch 5/15\n",
            "23/23 [==============================] - 0s 19ms/step - loss: 0.4513 - accuracy: 0.8221 - val_loss: 1.3327 - val_accuracy: 0.6000\n",
            "Epoch 6/15\n",
            "23/23 [==============================] - 0s 19ms/step - loss: 0.4332 - accuracy: 0.7942 - val_loss: 0.6343 - val_accuracy: 0.7444\n",
            "Epoch 7/15\n",
            "23/23 [==============================] - 0s 19ms/step - loss: 0.4591 - accuracy: 0.7894 - val_loss: 0.6174 - val_accuracy: 0.7333\n",
            "Epoch 8/15\n",
            "23/23 [==============================] - 0s 19ms/step - loss: 0.4860 - accuracy: 0.8027 - val_loss: 0.4859 - val_accuracy: 0.8056\n",
            "Epoch 9/15\n",
            "23/23 [==============================] - 0s 19ms/step - loss: 0.4874 - accuracy: 0.7577 - val_loss: 0.5463 - val_accuracy: 0.7667\n",
            "Epoch 10/15\n",
            "23/23 [==============================] - 1s 22ms/step - loss: 0.3782 - accuracy: 0.8473 - val_loss: 0.7360 - val_accuracy: 0.6444\n",
            "Epoch 11/15\n",
            "23/23 [==============================] - 0s 19ms/step - loss: 0.3965 - accuracy: 0.8274 - val_loss: 0.5320 - val_accuracy: 0.7722\n",
            "Epoch 12/15\n",
            "23/23 [==============================] - 0s 19ms/step - loss: 0.4027 - accuracy: 0.8192 - val_loss: 0.5922 - val_accuracy: 0.7500\n",
            "Epoch 13/15\n",
            "23/23 [==============================] - 0s 19ms/step - loss: 0.3351 - accuracy: 0.8586 - val_loss: 0.5013 - val_accuracy: 0.7778\n",
            "Epoch 14/15\n",
            "23/23 [==============================] - 0s 20ms/step - loss: 0.3291 - accuracy: 0.8630 - val_loss: 0.6839 - val_accuracy: 0.7167\n",
            "Epoch 15/15\n",
            "23/23 [==============================] - 0s 19ms/step - loss: 0.3286 - accuracy: 0.8668 - val_loss: 0.7061 - val_accuracy: 0.6944\n",
            "              precision    recall  f1-score   support\n",
            "\n",
            "    Negative       1.00      0.39      0.56        44\n",
            "    Positive       0.67      1.00      0.81        56\n",
            "\n",
            "    accuracy                           0.73       100\n",
            "   macro avg       0.84      0.69      0.68       100\n",
            "weighted avg       0.82      0.73      0.70       100\n",
            "\n"
          ],
          "name": "stdout"
        },
        {
          "output_type": "execute_result",
          "data": {
            "text/plain": [
              "<matplotlib.axes._subplots.AxesSubplot at 0x7fa5cd36f390>"
            ]
          },
          "metadata": {
            "tags": []
          },
          "execution_count": 28
        },
        {
          "output_type": "display_data",
          "data": {
            "image/png": "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\n",
            "text/plain": [
              "<Figure size 432x360 with 2 Axes>"
            ]
          },
          "metadata": {
            "tags": [],
            "needs_background": "light"
          }
        }
      ]
    },
    {
      "cell_type": "markdown",
      "metadata": {
        "id": "AfcliofDukCV"
      },
      "source": [
        "# Traditional ML"
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "colab": {
          "base_uri": "https://localhost:8080/"
        },
        "id": "4F00g6bzBWYx",
        "outputId": "3a26c555-e8e7-420f-aedb-4da1f406c5f1"
      },
      "source": [
        "#svm\n",
        "\n",
        "#Multimodal\n",
        "X_train_image_1 = X_train_image.reshape(720,224*224*3)\n",
        "X_test_image_1 = X_test_image.reshape(100,224*224*3)\n",
        "image_text_train = np.concatenate((X_train_Text,X_train_image_1), axis=1)\n",
        "image_text_test = np.concatenate((X_test_Text,X_test_image_1), axis=1)\n",
        "svm = SVC(kernel='rbf')\n",
        "svm.fit(image_text_train,Y_train)\n",
        "y_pred = svm.predict(image_text_test)\n",
        "accuracy = accuracy_score(Y_test, y_pred)\n",
        "print('Multimodal Accu: ', accuracy)\n",
        "\n"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "stream",
          "text": [
            "Multimodal Accu:  0.66\n"
          ],
          "name": "stdout"
        }
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "colab": {
          "base_uri": "https://localhost:8080/",
          "height": 490
        },
        "id": "5LmaRYppJHAG",
        "outputId": "f6eef82f-e782-469c-ff17-ba287107650d"
      },
      "source": [
        "#svm_Text\n",
        "model = SVC(kernel='rbf')\n",
        "model.fit(X_train_Text,Y_train)\n",
        "Y_pred = model.predict(X_test_Text)\n",
        "\n",
        "class_names = ['Negative', 'Positive']\n",
        "print(classification_report(Y_test, Y_pred, target_names = class_names))\n",
        "cm = confusion_matrix(Y_test,Y_pred)\n",
        "plt.figure(figsize = (6,5))\n",
        "sn.heatmap(cm, annot=True)"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "stream",
          "text": [
            "              precision    recall  f1-score   support\n",
            "\n",
            "    Negative       0.60      0.27      0.37        44\n",
            "    Positive       0.60      0.86      0.71        56\n",
            "\n",
            "    accuracy                           0.60       100\n",
            "   macro avg       0.60      0.56      0.54       100\n",
            "weighted avg       0.60      0.60      0.56       100\n",
            "\n"
          ],
          "name": "stdout"
        },
        {
          "output_type": "execute_result",
          "data": {
            "text/plain": [
              "<matplotlib.axes._subplots.AxesSubplot at 0x7fa5cd34bcd0>"
            ]
          },
          "metadata": {
            "tags": []
          },
          "execution_count": 30
        },
        {
          "output_type": "display_data",
          "data": {
            "image/png": "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\n",
            "text/plain": [
              "<Figure size 432x360 with 2 Axes>"
            ]
          },
          "metadata": {
            "tags": [],
            "needs_background": "light"
          }
        }
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "colab": {
          "base_uri": "https://localhost:8080/",
          "height": 490
        },
        "id": "keztjoigJWgT",
        "outputId": "146328d6-9aab-4735-acbf-827d4bb61c0c"
      },
      "source": [
        "#svm_Image\n",
        "X_train_image_1 = X_train_image.reshape(720,224*224*3)\n",
        "X_test_image_1 = X_test_image.reshape(100,224*224*3)\n",
        "model = SVC(kernel='rbf')\n",
        "model.fit(X_train_image_1,Y_train)\n",
        "Y_pred = model.predict(X_test_image_1)\n",
        "\n",
        "class_names = ['Negative', 'Positive']\n",
        "print(classification_report(Y_test, Y_pred, target_names = class_names))\n",
        "cm = confusion_matrix(Y_test,Y_pred)\n",
        "plt.figure(figsize = (6,5))\n",
        "sn.heatmap(cm, annot=True)"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "stream",
          "text": [
            "              precision    recall  f1-score   support\n",
            "\n",
            "    Negative       0.63      0.55      0.59        44\n",
            "    Positive       0.68      0.75      0.71        56\n",
            "\n",
            "    accuracy                           0.66       100\n",
            "   macro avg       0.65      0.65      0.65       100\n",
            "weighted avg       0.66      0.66      0.66       100\n",
            "\n"
          ],
          "name": "stdout"
        },
        {
          "output_type": "execute_result",
          "data": {
            "text/plain": [
              "<matplotlib.axes._subplots.AxesSubplot at 0x7fa5cd2094d0>"
            ]
          },
          "metadata": {
            "tags": []
          },
          "execution_count": 31
        },
        {
          "output_type": "display_data",
          "data": {
            "image/png": "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\n",
            "text/plain": [
              "<Figure size 432x360 with 2 Axes>"
            ]
          },
          "metadata": {
            "tags": [],
            "needs_background": "light"
          }
        }
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "colab": {
          "base_uri": "https://localhost:8080/"
        },
        "id": "i5k0d5qlCxAU",
        "outputId": "1290c3f3-0a2b-432f-b89e-556a3de7983a"
      },
      "source": [
        "#RF\n",
        "\n",
        "#Multimodal\n",
        "from sklearn.metrics import classification_report, confusion_matrix\n",
        "from sklearn.metrics import classification_report, confusion_matrix\n",
        "X_train_image_1 = X_train_image.reshape(720,224*224*3)\n",
        "X_test_image_1 = X_test_image.reshape(100,224*224*3)\n",
        "image_text_train = np.concatenate((X_train_Text,X_train_image_1), axis=1)\n",
        "image_text_test = np.concatenate((X_test_Text,X_test_image_1), axis=1)\n",
        "classifier = RandomForestClassifier()\n",
        "classifier.fit(image_text_train, Y_train)\n",
        "y_pred = classifier.predict(image_text_test)\n",
        "print(\"Multimodal: \",classification_report(Y_test, y_pred))\n",
        "#Text\n",
        "classifier = RandomForestClassifier()\n",
        "classifier.fit(X_train_Text, Y_train)\n",
        "y_pred = classifier.predict(X_test_Text)\n",
        "print(\"Text: \",classification_report(Y_test, y_pred))\n",
        "#Image\n",
        "classifier = RandomForestClassifier()\n",
        "classifier.fit(X_train_image_1, Y_train)\n",
        "y_pred = classifier.predict(X_test_image_1)\n",
        "print(\"Image: \",classification_report(Y_test, y_pred))"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "stream",
          "text": [
            "Multimodal:                precision    recall  f1-score   support\n",
            "\n",
            "           0       0.67      0.64      0.65        44\n",
            "           1       0.72      0.75      0.74        56\n",
            "\n",
            "    accuracy                           0.70       100\n",
            "   macro avg       0.70      0.69      0.69       100\n",
            "weighted avg       0.70      0.70      0.70       100\n",
            "\n",
            "Text:                precision    recall  f1-score   support\n",
            "\n",
            "           0       0.51      0.41      0.46        44\n",
            "           1       0.60      0.70      0.64        56\n",
            "\n",
            "    accuracy                           0.57       100\n",
            "   macro avg       0.56      0.55      0.55       100\n",
            "weighted avg       0.56      0.57      0.56       100\n",
            "\n",
            "Image:                precision    recall  f1-score   support\n",
            "\n",
            "           0       0.65      0.55      0.59        44\n",
            "           1       0.68      0.77      0.72        56\n",
            "\n",
            "    accuracy                           0.67       100\n",
            "   macro avg       0.67      0.66      0.66       100\n",
            "weighted avg       0.67      0.67      0.67       100\n",
            "\n"
          ],
          "name": "stdout"
        }
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "colab": {
          "base_uri": "https://localhost:8080/"
        },
        "id": "4k_A7EV0ENT_",
        "outputId": "3f5f879a-255b-43d0-898d-dc74b7cfa3b0"
      },
      "source": [
        "#DT\n",
        "from sklearn import tree\n",
        "from sklearn.tree import DecisionTreeClassifier\n",
        "#Multimodal\n",
        "X_train_image_1 = X_train_image.reshape(720,224*224*3)\n",
        "X_test_image_1 = X_test_image.reshape(100,224*224*3)\n",
        "image_text_train = np.concatenate((X_train_Text,X_train_image_1), axis=1)\n",
        "image_text_test = np.concatenate((X_test_Text,X_test_image_1), axis=1)\n",
        "classifier = DecisionTreeClassifier()\n",
        "classifier.fit(image_text_train, Y_train)\n",
        "y_pred = classifier.predict(image_text_test)\n",
        "from sklearn.metrics import classification_report, confusion_matrix\n",
        "print(\"Multimodal: \",classification_report(Y_test, y_pred))\n",
        "\n",
        "#Text\n",
        "classifier = DecisionTreeClassifier()\n",
        "classifier.fit(X_train_Text, Y_train)\n",
        "y_pred = classifier.predict(X_test_Text)\n",
        "from sklearn.metrics import classification_report, confusion_matrix\n",
        "print(\"Text: \",classification_report(Y_test, y_pred))\n",
        "\n",
        "#Image\n",
        "classifier = DecisionTreeClassifier()\n",
        "classifier.fit(X_train_image_1, Y_train)\n",
        "y_pred = classifier.predict(X_test_image_1)\n",
        "from sklearn.metrics import classification_report, confusion_matrix\n",
        "print(\"Image: \",classification_report(Y_test, y_pred))"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "stream",
          "text": [
            "Multimodal:                precision    recall  f1-score   support\n",
            "\n",
            "           0       0.51      0.64      0.57        44\n",
            "           1       0.64      0.52      0.57        56\n",
            "\n",
            "    accuracy                           0.57       100\n",
            "   macro avg       0.58      0.58      0.57       100\n",
            "weighted avg       0.58      0.57      0.57       100\n",
            "\n",
            "Text:                precision    recall  f1-score   support\n",
            "\n",
            "           0       0.47      0.39      0.42        44\n",
            "           1       0.58      0.66      0.62        56\n",
            "\n",
            "    accuracy                           0.54       100\n",
            "   macro avg       0.53      0.52      0.52       100\n",
            "weighted avg       0.53      0.54      0.53       100\n",
            "\n",
            "Image:                precision    recall  f1-score   support\n",
            "\n",
            "           0       0.57      0.61      0.59        44\n",
            "           1       0.68      0.64      0.66        56\n",
            "\n",
            "    accuracy                           0.63       100\n",
            "   macro avg       0.63      0.63      0.63       100\n",
            "weighted avg       0.63      0.63      0.63       100\n",
            "\n"
          ],
          "name": "stdout"
        }
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "colab": {
          "base_uri": "https://localhost:8080/"
        },
        "id": "1E2GHVfNFPcD",
        "outputId": "e638f899-3d8f-4d56-d30c-5b5129f20185"
      },
      "source": [
        "#NB\n",
        "\n",
        "#Multimodal\n",
        "X_train_image_1 = X_train_image.reshape(720,224*224*3)\n",
        "X_test_image_1 = X_test_image.reshape(100,224*224*3)\n",
        "image_text_train = np.concatenate((X_train_Text,X_train_image_1), axis=1)\n",
        "image_text_test = np.concatenate((X_test_Text,X_test_image_1), axis=1)\n",
        "model = GaussianNB()\n",
        "model.fit(image_text_train, Y_train)\n",
        "predicted = model.predict(image_text_test)\n",
        "print(\"Multimodal: \",classification_report(Y_test, predicted))\n",
        "\n",
        "#Text\n",
        "model = GaussianNB()\n",
        "model.fit(X_train_Text, Y_train)\n",
        "predicted = model.predict(X_test_Text)\n",
        "print(\"Text: \",classification_report(Y_test, predicted))\n",
        "\n",
        "#Image\n",
        "\n",
        "model = GaussianNB()\n",
        "model.fit(X_train_image_1, Y_train)\n",
        "predicted = model.predict(X_test_image_1)\n",
        "print(\"Image: \",classification_report(Y_test, predicted))"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "stream",
          "text": [
            "Multimodal:                precision    recall  f1-score   support\n",
            "\n",
            "           0       0.55      0.66      0.60        44\n",
            "           1       0.68      0.57      0.62        56\n",
            "\n",
            "    accuracy                           0.61       100\n",
            "   macro avg       0.61      0.62      0.61       100\n",
            "weighted avg       0.62      0.61      0.61       100\n",
            "\n",
            "Text:                precision    recall  f1-score   support\n",
            "\n",
            "           0       0.48      0.68      0.56        44\n",
            "           1       0.62      0.41      0.49        56\n",
            "\n",
            "    accuracy                           0.53       100\n",
            "   macro avg       0.55      0.55      0.53       100\n",
            "weighted avg       0.56      0.53      0.52       100\n",
            "\n",
            "Image:                precision    recall  f1-score   support\n",
            "\n",
            "           0       0.55      0.66      0.60        44\n",
            "           1       0.68      0.57      0.62        56\n",
            "\n",
            "    accuracy                           0.61       100\n",
            "   macro avg       0.61      0.62      0.61       100\n",
            "weighted avg       0.62      0.61      0.61       100\n",
            "\n"
          ],
          "name": "stdout"
        }
      ]
    }
  ]
}