You can not select more than 25 topics
Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
172 lines
25 KiB
172 lines
25 KiB
# ការណែនាំអំពីកែសម្រួលភាសាធម្មជាតិ
|
|
|
|
មេរៀននេះផ្ដោតលើប្រវត្តិសាស្រ្តខ្លីៗ និងមូលដ្ឋានសំខាន់ៗនៃ *កែសម្រួលភាសាធម្មជាតិ* ដែលជាក្រុមរងមួយនៃ *ភាសាវិទ្យាគណនាមួយ*។
|
|
|
|
## [សំណួរជាមុនមេរៀន](https://ff-quizzes.netlify.app/en/ml/)
|
|
|
|
## ការណែនាំ
|
|
|
|
NLP ដែលគេស្គាល់សំរាប់ភាគច្រើនគឺជាតំបន់មួយដែលមានការដាក់ពាក់ព័ន្ធនិងអនុវត្តការសិក្សាយានយន្តយ៉ាងល្អបំផុតក្នុងកម្មវិធីផលិតកម្ម។
|
|
|
|
✅ តើអ្នកអាចគិតបានអំពីកម្មវិធីដែលអ្នកប្រើប្រាស់រៀងរាល់ថ្ងៃដែលប្រហែលជាមាន NLP បញ្ចូលរួមទេ? តើកម្មវិធីកែសម្រួលពាក្យ ឬកម្មវិធីទូរស័ព្ទចល័តដែលអ្នកប្រើប្រាស់ជាទៀងទាត់យ៉ាងដូចម្តេច?
|
|
|
|
អ្នកនឹងបានរៀនអំពី៖
|
|
|
|
- **គំនិតអំពីភាសា**។ របៀបដែលភាសាបានអភិវឌ្ឍនិងតំបន់សិក្សាធំៗដែលបានសិក្សា។
|
|
- **និយមន័យ និងមែនទកិច្ច**។ អ្នកនឹងរៀននិយមន័យនិងមែនទកិច្ចអំពីរបៀបដែលកុំព្យូទ័របញ្ចូលប្រតិបត្តិការនៅលើអត្ថបទ រួមមានការពិភាក្សា ការប្រឡងវេយ្យាករណ៍ និងការកំណត់នាម និងកិរិយាស័ព្ទ។ មានវិបត្តិការកូដមួយចំនួននៅក្នុងមេរៀននេះ ហើយមានមែនទកិច្ចសំខាន់ៗជាច្រើនដែលនឹងបង្ហាញដែលអ្នកនឹងរៀនដើម្បីកូដនៅមេរៀនបន្ទាប់។
|
|
|
|
## ភាសាវិទ្យាគណនាមួយ
|
|
|
|
ភាសាវិទ្យាគណនាមួយគឺជាតំបន់ស្រាវជ្រាវនិងអភិវឌ្ឍន៍ប៉ុន្មានទសវត្សរ៍ដែលសិក្សារបៀបដែលកុំព្យូទ័រអាចធ្វើការជាមួយ ហើយផងដែរយល់ដឹង បកប្រែ និងទំនាក់ទំនងជាមួយភាសា។ ការ៉េសម្រួលភាសាធម្មជាតិ (NLP) គឺជាវដ្តនាក្នុងការផ្តោតលើរបៀបដែលកុំព្យូទ័រអាចដំណើរការភាសា 'ធម្មជាតិ' ឬភាសាមនុស្ស។
|
|
|
|
### ឧទាហរណ៍ - ការបញ្ចាក់តាមទូរស័ព្ទ
|
|
|
|
បើអ្នកធ្លាប់បានបញ្ចាក់តាមទូរស័ព្ទរបស់អ្នកជំនួសការបញ្ចូលដោយការចុច ឬសួរអ្នកជំនួយវីរុសមួយ សំឡេងរបស់អ្នកត្រូវបានបម្លែងទៅជាអក្សរនិងបន្ទាប់មកត្រូវបានដំណើរការឬ *បានបញ្ចាក់* ពីភាសាដែលអ្នកបាននិយាយ។ ពាក្យគន្លឹះដែលបានរកឃើញបន្ទាប់មកត្រូវបានដំណើរការចូលទៅជារូបមន្តដែលទូរស័ព្ទឬអ្នកជំនួយអាចយល់និងអនុវត្តបាន។
|
|
|
|
|
|
> ការយល់ដឹងភាសាវិទ្យាពិតជាពិបាកណាស់! រូបភាពដោយ [Jen Looper](https://twitter.com/jenlooper)
|
|
|
|
### តើបច្ចេកវិទ្យានេះត្រូវបានបង្កើតឡើងជាដូចម្តេច?
|
|
|
|
វាអាចកើតឡើងបានដោយសារតែមាននរណាម្នាក់បានសរសេរកម្មវិធីកុំព្យូទ័រដើម្បីធ្វើការនេះ។ ចំណាយពីរទសវត្សរ៍មុន អ្នកនិពន្ធវិទ្យាសាស្ត្រខ្លះបានទាយថាមនុស្សភាគច្រើននឹងនិយាយទៅកុំព្យូទ័ររបស់ពួកគេ ហើយកុំព្យូទ័រនឹងយល់បានឲ្យបានត្រឹមត្រូវចំពោះអ្វីដែលពួកគេចង់និយាយ។ អសូរម_FACE_: វាបានបង្ហាញថា វាជាបញ្ហា ដែលពិបាកជាងការគិតពីមុន ហើយជាបញ្ហាដែលមានការយល់ដឹងល្អប្រសើរជាងមុននៅថ្ងៃនេះ ប៉ុន្តែមានអកុសលភាពច្រើននៅក្នុងការសម្រេចបាននូវការកែសម្រួលភាសាធម្មជាតិដែល 'ល្អឥតខ្ចោះ' នៅពេលដែលវាជួបការយល់ដឹងអត្ថន័យនៃប្រយោគ។ នេះជាបញ្ហាដ៏ពិបាកផ្ទាត់ខ្លាំងនៅពេលផ្នែកនៃការយល់យុទ្ធមានមនោសញ្ចេតនា ឬគេចែកសំអាតអារម្មណ៍ដូចជា ការធ្វើរឿងអន្ទិតិតក្នុងប្រយោគ។
|
|
|
|
នៅពេលនេះ អ្នកប្រហែលជាចងចាំថានៅថ្នាក់រៀននៅសាលាមុនដែលគ្រូបានបង្រៀនផ្នែកវេយ្យាករណ៍ក្នុងប្រយោគ។ នៅប្រទេសខ្លះ សិស្សបានបង្រៀនវេយ្យាករណ៍ និងភាសាវិទ្យាជាប្រធានបទមួយជាក់លាក់ ប៉ុន្តែនៅជាច្រើន ប្រធានបទទាំងនេះត្រូវបានរួមបញ្ចូលជាផ្នែកមួយនៃការសិក្សាភាសា: ប្រសិនបើភាសដំបូងរបស់អ្នកនៅក្នុងសាលាបឋមសិក្សា (រៀនអាននិងសរសេរ) ហើយប្រហែលជារបស់ទីពីរ នៅបន្ទាប់បឋមសិក្សា ឬវិស្សមកាលទូទៅ។ កុំបារម្ភប្រសិនបើអ្នកមិនជាអ្នកជំនាញក្នុងការដាច់ចេញនាមពីកិរិយាស័ព្ទ ឬគន្លឹះពីគុណនាមពីគុណវុត្ថុ!
|
|
|
|
បើអ្នកប្រឈមមុខនឹងភាពខុសគ្នារវាង *វេលាបច្ចុប្បន្នសាមញ្ញ* និង *វេលាបច្ចុប្បន្នបន្ត* អ្នកមិនម្នាក់ឯងឡើយ។ នេះជារឿងថា់ពីអ្នកជាច្រើនទេទំនងតែម្ដង ជាពិសេសសម្រាប់អ្នកដែលនិយាយភាសាជាភាសាមាតុភូមិ។ ព័ត៌មានល្អគឺកុំព្យូទ័រមានសមត្ថភាពល្អបំផុតក្នុងការដាក់ពាក្យច្បាប់ផ្លូវការ ហើយអ្នកនឹងរៀនសរសេរកូដដែលអាច *បញ្ចាក់* ប្រយោគបានដូចជាមនុស្សម្នាក់។ បញ្ហាប្រឈមធំបំផុតដែលអ្នកនឹងពិនិត្យបន្តគឺការយល់អត្ថន័យ និង *អារម្មណ៍*, នៃប្រយោគមួយ។
|
|
|
|
## វត្ថុកាលរងចាំ
|
|
|
|
សម្រាប់មេរៀននេះ វត្ថុកាលរងចាំសំខាន់គឺអាចអាននិងយល់ភាសានៃមេរៀននេះ។ មិនមានបញ្ហាគណិតវិទ្យាឬសមីការណ៍ណាដើម្បីដោះស្រាយទេ។ ខណៈដែលអ្នកនិពន្ធដើមបានសរសេរមេរៀននេះជាភាសាអង់គ្លេស វាក៏មានការបកប្រែទៅជាភាសាផ្សេងទៀតដូច្នេះអ្នកអាចកំពុងអានការបកប្រែ។ មានឧទាហរណ៍មួយចំនួនដែលប្រើភាសាវិវរណៈជាច្រើន (ដើម្បីប្រៀបធៀបច្បាប់វេយ្យាករណ៍ផ្សេងៗរបស់ភាសាតែងតែផ្សេងគ្នា)។ អ្នក *មិន* ប្រែក្លាយនោះទេ ប៉ុន្តែអត្ថបទពន្យល់បាន បើយាយហេតុអត្ថន័យគួរតែច្បាស់។
|
|
|
|
សម្រាប់វិបត្តិការកូដ អ្នកនឹងប្រើ Python ហើយឧទាហរណ៍ក្នុងនេះប្រើ Python 3.8។
|
|
|
|
នៅក្នុងផ្នែកនេះ អ្នកនឹងត្រូវការ ហើយប្រើ៖
|
|
|
|
- **ការយល់ភាសា Python 3**។ ការយល់ភាសាកម្មវិធីក្នុង Python 3, មេរៀននេះប្រើ input, loop, ការអានឯកសារ, អារៃ។
|
|
- **Visual Studio Code + ការពង្រីក**។ យើងនឹងប្រើ Visual Studio Code និងកំណែ Python របស់វា។ អ្នកក៏អាចប្រើ IDE Python ដែលអ្នកចូលចិត្ត។
|
|
- **TextBlob**។ [TextBlob](https://github.com/sloria/TextBlob) គឺជាបណ្ណាល័យកែសម្រួលអត្ថបទសាមញ្ញសម្រាប់ Python។ អ្នកអាចធ្វើតាមការណែនាំនៅលើគេហទំព័រ TextBlob ដើម្បីតំឡើងវា នៅលើប្រព័ន្ធរបស់អ្នក (តំឡើង corpora ដូចមានបង្ហាញខាងក្រោម)៖
|
|
|
|
```bash
|
|
pip install -U textblob
|
|
python -m textblob.download_corpora
|
|
```
|
|
|
|
> 💡 ត្បិត: អ្នកអាចរត់ Python ត្រង់ក្នុងបរិយាកាស VS Code បានដែរ។ សូមពិនិត្យ [ឯកសារ](https://code.visualstudio.com/docs/languages/python?WT.mc_id=academic-77952-leestott) សម្រាប់ព័ត៌មានបន្ថែម។
|
|
|
|
## និយាយជាមួយម៉ាស៊ីន
|
|
|
|
ប្រវត្តិនៃការព្យាយាមធ្វើឲ្យកុំព្យូទ័រយល់បានភាសាមនុស្សដំណើរត្រឡប់បានជាច្រើនទស្សវត្សរ៍ ហើយអ្នកវិទ្យាសាស្ត្របឋមមួយនៅក្នុងការកែសម្រួលភាសាធម្មជាតិគឺ *Alan Turing*។
|
|
|
|
### 'តេស្ត Turing'
|
|
|
|
ពេលដែល Turing កំពុងស្រាវជ្រាវ *បញ្ជាជ្រងយន្ត* ក្នុងទសវត្សរ៍ 1950 គាត់បានពិចារណាថាតើតេស្តសន្ទនា ដែលផ្តល់ទៅកាន់មនុស្សម្នាក់និងកុំព្យូទ័រ (តាមការសរសេរចញ្ជូមពាក្យ) ដែលមនុស្សនៅក្នុងសន្ទនានោះមិនប្រាកដថាតើគាត់កំពុងនិយាយជាមួយមនុស្សផ្សេងទេ ឬកុំព្យូទ័រហើយឬទេ។
|
|
|
|
បើនៅបន្ទាប់ពីរយៈពេលកំណត់នៃសន្ទនា មនុស្សម្នាក់មិនអាចសម្រេចបានថាចម្លើយមកពីកុំព្យូទ័រ ឬមិនមែនទេ តើអាចនិយាយបានទេថាកុំព្យូទ័រនេះកំពុង *គិត*?
|
|
|
|
### បណ្តុះបណ្តាល - 'ហ្គេមក្លែងបន្លំ'
|
|
|
|
គំនិតនេះបានប្រភូសមកពីហ្គេមបន្ទប់ភោជនីយដ្ឋានមួយដែលហៅថា *The Imitation Game* ដែលអ្នកសួរចោទសំណុំគឺនៅតែម្នាក់នៅក្នុងបន្ទប់ និងត្រូវបញ្ជាក់គ្នាតាព័ន្ធនឹងមនុស្សពីរនាក់នៅក្នុងបន្ទប់មួយផ្សេងទៀតដែលជាបុរស និងស្រ្តីបន្ទាប់បន្សំពីគ្នា។ អ្នកសួរចោទអាចផ្ញើកំណត់ត្រាចេញ ហើយត្រូវពិចារណាផ្ញើសំណួរដែលចម្លើយសរសេររៀបរាប់ពីភេទរបស់មនុស្សមិនគួរត្រូវបញ្ជាក់ថាជាស្រ្តី ឬបុរស។ ពិតប្រាកដ អ្នកលេងនៅក្នុងបន្ទប់ផ្សេងទៀតកំពុងព្យាយាមបន្លំអ្នកសួរសំណួរដោយឆ្លើយវាផ្សេងពីការពិត ដែលមានគោលបំណងបន្លំ ឬបញ្ច្រាសអ្នកសួរចោទ ខណៈពេលផ្តល់មើលឲ្យមើលដូចជាកំពុងឆ្លើយស្មោះត្រង់។
|
|
|
|
### ការអភិវឌ្ឍ Eliza
|
|
|
|
នៅទសវត្សរ៍ 1960 អ្នកវិទ្យាសាស្ត្រ MIT ម្នាក់ទៅជា *Joseph Weizenbaum* បានបង្កើត [*Eliza*](https://wikipedia.org/wiki/ELIZA) មនុស្សជឿថាជា 'គ្រូពេទ្យ' កុំព្យូទ័រមួយ ដែលនឹងសួរអ្នកអំពីសំណួរហើយផ្តល់មើលដូចជាយល់ពីចម្លើយរបស់ពួកគេ។ ប៉ុន្តែនៅពេល Eliza អាចបញ្ចាក់ប្រយោគនិងកំណត់អោយដឹងពីរចនាសម្ព័ន្ធវិញ្ញាណនិងពាក្យគន្លឹះដើម្បីផ្ដល់ចម្លើយមានហេតុ មានន័យក៏ពុំអាចនិយាយថា *យល់* ប្រយោគនោះទេ។ បើ Eliza បានបង្ហាញប្រយោគដែលមានទ្រង់ទ្រាយ "**ខ្ញុំមាន** <u>សោកសៅ</u>" វាអាចប្តូរនិងប្តូរពាក្យក្នុងប្រយោគ ដើម្បីបង្កើតចម្លើយ "តើអ្នកសោកសៅរយៈពេលប៉ុន្មាន?"។
|
|
|
|
វាបង្កើតអារម្មណ៍ថា Eliza យល់ពីសេចក្តីថ្លែង និងកំពុងសួរពីសំណួរបន្ត ប៉ុន្តែនៅក្នុងភាពជាក់ស្តែង វាត្រឹមតែប្ដូរពេលនិងបន្ថែមពាក្យខ្លះៗប៉ុណ្ណោះ។ ប្រសិនបើ Eliza មិនអាចស្គាល់ពាក្យគន្លឹះណាមួយដែលមានចម្លើយវានឹងផ្ដល់ចម្លើយចៃដន្យដែលអាចត្រូវបានប្រើទាន់ក្នុងពាក្យជាច្រើនផ្សេងទៀត។ Eliza អាចត្រូវបានគេទប់បោកយ៉ាងងាយស្រួល ដូចជាបើអ្នកប្រើប្រាស់សរសេរ "**អ្នកគឺ** ជា <u>កង់</u>" វាអាចឆ្លើយថា "តើខ្ញុំបានជាកង់រយៈពេលប៉ុន្មាន?" ជំនួសឱ្យចម្លើយដែលមានហេតុផលជាង។
|
|
|
|
[](https://youtu.be/RMK9AphfLco "Chatting with Eliza")
|
|
|
|
> 🎥 ចុចរូបភាពខាងលើសម្រាប់វីដេអូមានយោបាយដើមបង្កើតកម្មវិធី ELIZA
|
|
|
|
> កំណត់សម្គាល់: អ្នកអាចអានពិពណ៌នាដើមស្តីពី [Eliza](https://cacm.acm.org/magazines/1966/1/13317-elizaa-computer-program-for-the-study-of-natural-language-communication-between-man-and-machine/abstract) ដែលបានបោះពុម្ពផ្សាយនៅឆ្នាំ 1966 ប្រសិនបើអ្នកមានគណនី ACM។ ផ្ទុយនេះ អានអំពី Eliza នៅលើ [វីគីភីឌា](https://wikipedia.org/wiki/ELIZA)
|
|
|
|
## ការប្រលង - កូដកម្មវិធីបូតសន្ទនាដែលមូលដ្ឋាន
|
|
|
|
បូតសន្ទនា ដូចជា Eliza គឺជាកម្មវិធីដែលទាញយកព័ត៌មានអ្នកប្រើ ហើយដូច្នេះមានអារម្មណ៍ថាបានយល់ និងឆ្លើយតបយ៉ាងឆ្លាតវៃ។ ខុសពី Eliza បូតរបស់យើងមិនមានច្បាប់ជាច្រើនព្រមទាំងមើលទៅដូចជាកាន់តែឆ្លាតមុខផងដែរ។ ផ្ទុយទៅវិញបូតរបស់យើងមានតែសមត្ថភាពតែមួយគត់ គឺរក្សាសន្ទនាឲ្យបន្តជាមួយចម្លើយចៃដន្យដែលអាចឆ្លើយតបបានក្នុងសន្ទនាធម្មតាណាមួយ។
|
|
|
|
### ផែនការណ៍
|
|
|
|
ជំហានរបស់អ្នកពេលបង្កើតបូតសន្ទនា៖
|
|
|
|
1. បោះពាក្យណែនាំដល់អ្នកប្រើប្រាស់អំពីរបៀបផ្អែកជាមួយបូត
|
|
2. ចាប់ផ្តើមវដ្ត
|
|
1. ទទួលយកបញ្ចូលអ្នកប្រើ
|
|
2. បើអ្នកប្រើស្នើរបញ្ចប់ ទៅបញ្ចប់កម្មវិធី
|
|
3. ដំណើរការបញ្ចូលអ្នកប្រើ និងកំណត់ចម្លើយ (នៅក្នុងករណីនេះ ចម្លើយគឺជាការជ្រើសរើសចៃដន្យពីបញ្ជីចម្លើយទូទៅ)
|
|
4. បោះពាក្យចម្លើយ
|
|
3. វដ្តត្រឡប់ទៅជំហានលេខ 2
|
|
|
|
### ការបង្កើតបូត
|
|
|
|
មកបង្កើតបូតបន្ទាប់។ យើងនឹងចាប់ផ្តើមដោយកំណត់ពាក្យសម្តីមួយចំនួន។
|
|
|
|
1. បង្កើតបូតនេះដោយខ្លួនអ្នកនៅក្នុង Python ជាមួយចម្លើយចៃដន្យដូចខាងក្រោម៖
|
|
|
|
```python
|
|
random_responses = ["That is quite interesting, please tell me more.",
|
|
"I see. Do go on.",
|
|
"Why do you say that?",
|
|
"Funny weather we've been having, isn't it?",
|
|
"Let's change the subject.",
|
|
"Did you catch the game last night?"]
|
|
```
|
|
|
|
វានេះជាឧទាហរណ៍លទ្ធផលដើម្បីណែនាំអ្នក (បញ្ចូលអ្នកប្រើនៅជួរដើមជាមួយ `>`):
|
|
|
|
```output
|
|
Hello, I am Marvin, the simple robot.
|
|
You can end this conversation at any time by typing 'bye'
|
|
After typing each answer, press 'enter'
|
|
How are you today?
|
|
> I am good thanks
|
|
That is quite interesting, please tell me more.
|
|
> today I went for a walk
|
|
Did you catch the game last night?
|
|
> I did, but my team lost
|
|
Funny weather we've been having, isn't it?
|
|
> yes but I hope next week is better
|
|
Let's change the subject.
|
|
> ok, lets talk about music
|
|
Why do you say that?
|
|
> because I like music!
|
|
Why do you say that?
|
|
> bye
|
|
It was nice talking to you, goodbye!
|
|
```
|
|
|
|
ដំណោះស្រាយមួយដែលអាចធ្វើបានសម្រាប់បញ្ហានេះមាននៅ [ទីនេះ](https://github.com/microsoft/ML-For-Beginners/blob/main/6-NLP/1-Introduction-to-NLP/solution/bot.py)
|
|
|
|
✅ បញ្ឈប់ និងពិចារណា
|
|
|
|
1. តើអ្នកគិតថាចម្លើយចៃដន្យអាច 'បោកបញ្ឆោត' អ្នកណាម្នាក់ឲ្យគិតថាបូតបានយល់ពិតណែន?
|
|
2. តើមានលក្ខណៈអ្វីដែលបូតនឹងត្រូវការដើម្បីមានប្រសិទ្ធភាពបន្ថែម?
|
|
3. បើបូតអាចពិតប្រាកដ 'យល់' អត្ថន័យប្រយោគ តើវាត្រូវចាំអត្ថន័យនៃប្រយោគចាស់ក្នុងសន្ទនាជាមួយទេ?
|
|
|
|
---
|
|
|
|
## 🚀ការប្រកួតប្រជែង
|
|
|
|
ជ្រើសរើសមួយក្នុងចំណោមធាតុ "បញ្ឈប់ និងពិចារណា" ខាងលើ ហើយសាកល្បងអនុវត្តវាក្នុងកូដ ឬសរសេរបញ្ហាដោយផ្ទាល់ក្នុងទំព័រដោយប្រើ pseudocode។
|
|
|
|
នៅមេរៀនបន្ទាប់ អ្នកនឹងរៀនអំពីវិធីផ្សេងៗជាច្រើនក្នុងការបញ្ចាក់ភាសាធម្មជាតិ និងការសិក្សាយានយន្ត។
|
|
|
|
## [សំណួរបន្ទាប់មករួចពីមេរៀន](https://ff-quizzes.netlify.app/en/ml/)
|
|
|
|
## សេចក្ដីពិនិត្យ & ការសិក្សាផ្ទាល់ខ្លួន
|
|
|
|
សូមមើលឯកសារយោងខាងក្រោមជាឳកាសអានបន្ថែម។
|
|
|
|
### ឯកសារយោង
|
|
|
|
1. Schubert, Lenhart, "Computational Linguistics", *The Stanford Encyclopedia of Philosophy* (Spring 2020 Edition), Edward N. Zalta (ed.), URL = <https://plato.stanford.edu/archives/spr2020/entries/computational-linguistics/>.
|
|
2. Princeton University "About WordNet." [WordNet](https://wordnet.princeton.edu/). Princeton University. 2010.
|
|
|
|
## កិច្ចតម្រូវការ
|
|
|
|
[ស្វែងរកបូត](assignment.md)
|
|
|
|
---
|
|
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
|
|
**ការបដិសេធ**៖
|
|
ឯកសារនេះត្រូវបានបកប្រែក្នុងការប្រើប្រាស់សេវាកម្មបកប្រែ AI [Co-op Translator](https://github.com/Azure/co-op-translator)។ ទោះបីយើងខិតខំរក្សាការត្រឹមត្រូវ ក៏ដោយ សូមយល់ដឹងថាការបកប្រែដោយម៉ាស៊ីនអាចមានកំហុសឬការមិនត្រឹមត្រូវ។ ឯកសារដើមក្នុងភាសាទ្រង់ទ្រាយដើមគួរត្រូវបានចាត់ទុកជាភាពដោយផ្លូវការជាមូលដ្ឋាន។ សម្រាប់ព័ត៌មានសំខាន់ៗ គួរតែប្រើការបកប្រែដោយមនុស្សជំនាញ។ យើងមិនទទួលខុសត្រូវចំពោះការយល់ច្រឡំ ឬការបកប្រែខុសពីការប្រើប្រាស់ការបកប្រែនេះទេ។
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER END --> |