├── Douban_code
    ├── dataset
    │   ├── douban.py
    │   ├── douban_book_test.csv
    │   ├── douban_book_train.csv
    │   ├── douban_book_val.csv
    │   ├── douban_movie_test.csv
    │   ├── douban_movie_train.csv
    │   ├── douban_movie_val.csv
    │   ├── douban_music_test.csv
    │   ├── douban_music_train.csv
    │   ├── douban_music_val.csv
    │   └── readme.md
    ├── douban_main_all.py
    ├── douban_main_prompt_tuning.py
    ├── layer.py
    ├── pdfm_fusion.py
    ├── pdfm_gene.py
    └── readme.md
├── LICENSE
├── PLATE-paper.pdf
├── README.md
└── Results
    ├── Ablation_Study.png
    └── Component_Study.png


/Douban_code/dataset/douban.py:
--------------------------------------------------------------------------------
 1 | import numpy as np
 2 | import pandas as pd
 3 | import torch.utils.data
 4 | 
 5 | class Douban(torch.utils.data.Dataset):
 6 |     """
 7 |     Douban Dataset
 8 | 
 9 |     Data preparation
10 |         treat samples with a rating less than 3 as negative samples
11 | 
12 |     Reference:
13 |         https://github.com/FengZhu-Joey/GA-DTCDR/tree/main/Data
14 |     """
15 | 
16 |     def __init__(self, mode, path_base='./dataset/'):
17 |         #mode: train / val / test
18 |         dataset_name = ['douban_music', 'douban_book', 'douban_movie']
19 |         path = path_base + dataset_name[0] + '_' + mode + '.csv'
20 |         data = pd.read_csv(path).to_numpy()[:, :4]
21 |         for i in range(1, len(dataset_name)):
22 |             path = path_base + dataset_name[i] + '_' + mode + '.csv'
23 |             data_on = pd.read_csv(path).to_numpy()[:, :4]
24 |             data = np.concatenate((data, data_on), 0)
25 |         self.items = data[:, :3].astype(np.int)
26 |         self.targets = data[:, 3].astype(np.float32)
27 |         self.field_dims = np.ndarray(shape=(2,), dtype=int)
28 |         self.field_dims[0] = 2718
29 |         self.field_dims[1] = 21909 # music 5567 + book 6777 + movie 9565
30 | 
31 |     def __len__(self):
32 |         return self.targets.shape[0]
33 | 
34 |     def __getitem__(self, index):
35 |         return self.items[index], self.targets[index]
36 | 
37 | 
38 | class DoubanMusic(torch.utils.data.Dataset):
39 | 
40 |     def __init__(self, mode, path_base='./dataset/'):
41 |         #mode: train / val / test
42 |         dataset_name = ['douban_music']
43 |         path = path_base + dataset_name[0] + '_' + mode + '.csv'
44 |         data = pd.read_csv(path).to_numpy()[:, :4]
45 |         self.items = data[:, :3].astype(np.int)
46 |         self.targets = data[:, 3].astype(np.float32)
47 |         self.field_dims = np.ndarray(shape=(2,), dtype=int)
48 |         self.field_dims[0] = 2718
49 |         self.field_dims[1] = 5567 + 6777 + 9565
50 | 
51 |     def __len__(self):
52 |         return self.targets.shape[0]
53 | 
54 |     def __getitem__(self, index):
55 |         return self.items[index], self.targets[index]
56 | 
57 | class DoubanBook(torch.utils.data.Dataset):
58 | 
59 |     def __init__(self, mode, path_base='./dataset/'):
60 |         #mode: train / val / test
61 |         dataset_name = ['douban_book']
62 |         path = path_base + dataset_name[0] + '_' + mode + '.csv'
63 |         data = pd.read_csv(path).to_numpy()[:, :4]
64 |         self.items = data[:, :3].astype(np.int)
65 |         self.targets = data[:, 3].astype(np.float32)
66 |         self.field_dims = np.ndarray(shape=(2,), dtype=int)
67 |         self.field_dims[0] = 2718
68 |         self.field_dims[1] = 5567 + 6777 + 9565
69 | 
70 |     def __len__(self):
71 |         return self.targets.shape[0]
72 | 
73 |     def __getitem__(self, index):
74 |         return self.items[index], self.targets[index]
75 | 
76 | class DoubanMovie(torch.utils.data):
77 | 
78 |     def __init__(self, mode, path_base='/Douban/dataset/'):
79 |         #mode: train / val / test
80 |         dataset_name = ['douban_movie']
81 |         path = path_base + dataset_name[0] + '_' + mode + '.csv'
82 |         data = pd.read_csv(path).to_numpy()[:, :4]
83 |         self.items = data[:, :3].astype(np.int)
84 |         self.targets = data[:, 3].astype(np.float32)
85 |         self.field_dims = np.ndarray(shape=(2,), dtype=int)
86 |         self.field_dims[0] = 2718
87 |         self.field_dims[1] = 5567 + 6777 + 9565
88 | 
89 |     def __len__(self):
90 |         return self.targets.shape[0]
91 | 
92 |     def __getitem__(self, index):
93 |         return self.items[index], self.targets[index]
94 | 


--------------------------------------------------------------------------------
/Douban_code/dataset/douban_music_val.csv:
--------------------------------------------------------------------------------
   1 | 0,1,2,3
   2 | 0,2277,4968,1
   3 | 0,518,2752,1
   4 | 0,203,3973,1
   5 | 0,2244,1113,1
   6 | 0,2647,702,1
   7 | 0,548,4406,1
   8 | 0,2006,4818,0
   9 | 0,1965,5499,1
  10 | 0,1397,3444,0
  11 | 0,1468,4297,1
  12 | 0,1982,4826,1
  13 | 0,1297,4493,1
  14 | 0,1903,3297,1
  15 | 0,1249,4571,0
  16 | 0,2395,744,1
  17 | 0,864,2825,0
  18 | 0,2612,4021,0
  19 | 0,1699,3454,1
  20 | 0,1722,1107,1
  21 | 0,2225,4591,1
  22 | 0,1919,4842,1
  23 | 0,1468,4044,1
  24 | 0,2292,5552,1
  25 | 0,538,3366,1
  26 | 0,2018,2731,0
  27 | 0,1672,3767,1
  28 | 0,230,2565,1
  29 | 0,2705,2786,1
  30 | 0,2506,1137,1
  31 | 0,2593,564,1
  32 | 0,2163,4276,1
  33 | 0,1031,4492,1
  34 | 0,2244,1567,1
  35 | 0,875,3472,1
  36 | 0,1294,5492,1
  37 | 0,1146,351,1
  38 | 0,1394,3689,1
  39 | 0,1986,5429,1
  40 | 0,2163,4169,1
  41 | 0,2511,4556,0
  42 | 0,2182,319,1
  43 | 0,1634,1321,1
  44 | 0,739,3924,0
  45 | 0,1191,3197,1
  46 | 0,2287,5034,1
  47 | 0,990,653,1
  48 | 0,1843,3454,1
  49 | 0,2150,1123,1
  50 | 0,2643,2160,1
  51 | 0,506,978,1
  52 | 0,1612,2733,0
  53 | 0,2506,5041,1
  54 | 0,483,5069,1
  55 | 0,2469,5214,1
  56 | 0,2563,2277,0
  57 | 0,732,3768,1
  58 | 0,2261,2709,1
  59 | 0,2150,3211,1
  60 | 0,2687,2557,1
  61 | 0,2499,1302,1
  62 | 0,2322,1418,1
  63 | 0,1766,1712,1
  64 | 0,2072,4863,0
  65 | 0,1196,1969,1
  66 | 0,1781,1182,1
  67 | 0,1708,2990,1
  68 | 0,2567,4683,1
  69 | 0,1535,3738,1
  70 | 0,1467,686,0
  71 | 0,2068,1291,1
  72 | 0,1582,5458,1
  73 | 0,331,296,1
  74 | 0,49,3838,0
  75 | 0,2182,805,1
  76 | 0,2298,2619,1
  77 | 0,1562,1002,1
  78 | 0,1322,5181,1
  79 | 0,2150,792,1
  80 | 0,2150,5360,1
  81 | 0,1221,1338,1
  82 | 0,1274,439,1
  83 | 0,1426,4704,0
  84 | 0,1991,4816,1
  85 | 0,2341,34,1
  86 | 0,1767,709,1
  87 | 0,2061,1244,0
  88 | 0,1191,3312,0
  89 | 0,1722,2165,1
  90 | 0,1687,4185,1
  91 | 0,2075,1428,0
  92 | 0,875,3785,1
  93 | 0,1723,2586,1
  94 | 0,2569,3239,1
  95 | 0,2518,1826,1
  96 | 0,2705,1453,0
  97 | 0,2199,2618,0
  98 | 0,1896,1037,1
  99 | 0,2107,2973,0
 100 | 0,1857,5180,0
 101 | 0,420,3547,1
 102 | 0,1196,3086,1
 103 | 0,689,1842,1
 104 | 0,604,3415,1
 105 | 0,1974,2620,1
 106 | 0,1467,116,0
 107 | 0,2624,841,1
 108 | 0,1448,1475,1
 109 | 0,1414,327,1
 110 | 0,2447,4019,1
 111 | 0,1980,3389,0
 112 | 0,1322,3835,0
 113 | 0,2218,1729,1
 114 | 0,2150,4367,1
 115 | 0,2024,3505,1
 116 | 0,2531,356,1
 117 | 0,2669,1374,1
 118 | 0,2325,1898,0
 119 | 0,2297,2384,1
 120 | 0,440,1916,0
 121 | 0,2150,421,1
 122 | 0,674,1916,1
 123 | 0,2231,4238,1
 124 | 0,1281,2609,0
 125 | 0,1966,4622,1
 126 | 0,1863,521,1
 127 | 0,2043,117,0
 128 | 0,855,2310,1
 129 | 0,1535,446,1
 130 | 0,2258,3038,0
 131 | 0,1687,3058,1
 132 | 0,1297,4917,1
 133 | 0,2107,3974,0
 134 | 0,2575,164,1
 135 | 0,2562,2507,1
 136 | 0,12,4102,0
 137 | 0,1178,4293,0
 138 | 0,83,2667,1
 139 | 0,2307,1348,1
 140 | 0,133,587,1
 141 | 0,2484,2418,1
 142 | 0,1866,3403,0
 143 | 0,2418,4058,1
 144 | 0,2199,2037,0
 145 | 0,2236,3244,0
 146 | 0,2705,4328,0
 147 | 0,2005,340,1
 148 | 0,1943,825,1
 149 | 0,440,2733,1
 150 | 0,267,3732,1
 151 | 0,2443,2390,0
 152 | 0,2578,3470,1
 153 | 0,1468,3179,1
 154 | 0,1474,2297,0
 155 | 0,1582,1924,1
 156 | 0,83,2284,0
 157 | 0,2416,2540,0
 158 | 0,2400,4497,0
 159 | 0,1156,1756,1
 160 | 0,1362,824,1
 161 | 0,1526,1470,1
 162 | 0,2576,3276,1
 163 | 0,2511,4964,0
 164 | 0,1293,4240,1
 165 | 0,2649,5049,1
 166 | 0,2344,78,1
 167 | 0,2258,5490,1
 168 | 0,2518,4168,1
 169 | 0,2475,1165,1
 170 | 0,331,4066,1
 171 | 0,1646,1724,1
 172 | 0,1751,4622,0
 173 | 0,2146,4269,1
 174 | 0,1975,5101,1
 175 | 0,946,2789,1
 176 | 0,2649,1775,1
 177 | 0,1534,3244,0
 178 | 0,674,297,1
 179 | 0,1047,5321,1
 180 | 0,2293,3508,1
 181 | 0,462,1009,1
 182 | 0,2447,855,1
 183 | 0,2258,984,1
 184 | 0,681,5243,1
 185 | 0,1828,686,1
 186 | 0,83,1618,1
 187 | 0,2261,3040,1
 188 | 0,1468,298,0
 189 | 0,145,584,1
 190 | 0,2580,1202,1
 191 | 0,2489,2498,0
 192 | 0,2158,5121,0
 193 | 0,1454,3175,1
 194 | 0,1897,2627,1
 195 | 0,2071,3503,1
 196 | 0,2621,3298,0
 197 | 0,2443,5190,1
 198 | 0,721,3348,1
 199 | 0,2617,3732,0
 200 | 0,1610,213,1
 201 | 0,645,2062,1
 202 | 0,1005,3226,0
 203 | 0,1760,2568,1
 204 | 0,363,2001,1
 205 | 0,132,3772,1
 206 | 0,1304,3074,0
 207 | 0,1450,3037,1
 208 | 0,2708,2807,0
 209 | 0,2504,3250,1
 210 | 0,1468,1718,1
 211 | 0,2150,282,1
 212 | 0,122,3357,1
 213 | 0,1008,4532,1
 214 | 0,2244,4701,1
 215 | 0,2277,5465,1
 216 | 0,1249,131,0
 217 | 0,2117,7,1
 218 | 0,558,5563,1
 219 | 0,1778,2123,1
 220 | 0,440,3138,0
 221 | 0,2258,5376,1
 222 | 0,2701,5200,0
 223 | 0,2250,5421,1
 224 | 0,2479,4486,1
 225 | 0,18,1798,1
 226 | 0,1166,780,1
 227 | 0,1241,4822,1
 228 | 0,2425,4397,1
 229 | 0,1318,3892,1
 230 | 0,712,1300,1
 231 | 0,2469,4121,0
 232 | 0,1664,1365,1
 233 | 0,1742,1523,1
 234 | 0,2667,5222,1
 235 | 0,1749,1684,1
 236 | 0,453,4515,1
 237 | 0,1778,4518,1
 238 | 0,1467,5095,1
 239 | 0,2164,2774,1
 240 | 0,1206,4102,1
 241 | 0,2117,50,1
 242 | 0,2617,3621,1
 243 | 0,1789,425,1
 244 | 0,2307,3206,0
 245 | 0,2705,587,1
 246 | 0,2114,2464,1
 247 | 0,1196,540,1
 248 | 0,506,5295,0
 249 | 0,2458,638,0
 250 | 0,855,3844,0
 251 | 0,1646,3762,1
 252 | 0,1676,3538,1
 253 | 0,2448,5234,1
 254 | 0,2624,4194,1
 255 | 0,2258,4057,0
 256 | 0,2468,3503,0
 257 | 0,1728,4220,1
 258 | 0,1591,3321,1
 259 | 0,1526,2658,1
 260 | 0,569,3734,0
 261 | 0,2712,2187,1
 262 | 0,2152,1554,1
 263 | 0,855,2324,1
 264 | 0,2643,3404,0
 265 | 0,1017,4737,1
 266 | 0,1730,5228,0
 267 | 0,1821,4654,0
 268 | 0,1468,604,1
 269 | 0,2149,2222,1
 270 | 0,1970,3193,1
 271 | 0,1506,4947,0
 272 | 0,2468,437,1
 273 | 0,2199,3116,1
 274 | 0,2107,1617,1
 275 | 0,2626,4168,1
 276 | 0,1766,5480,1
 277 | 0,2060,3616,0
 278 | 0,2107,2884,0
 279 | 0,2307,2460,0
 280 | 0,1766,5371,1
 281 | 0,2613,2961,1
 282 | 0,2418,2816,0
 283 | 0,1742,427,1
 284 | 0,2617,2475,1
 285 | 0,331,2807,1
 286 | 0,1377,2259,0
 287 | 0,1228,2676,0
 288 | 0,1674,3551,1
 289 | 0,2101,4733,0
 290 | 0,2603,5553,1
 291 | 0,534,4168,1
 292 | 0,2244,1516,1
 293 | 0,2666,2829,0
 294 | 0,2217,4491,1
 295 | 0,2250,1186,1
 296 | 0,1274,3719,1
 297 | 0,2346,5343,0
 298 | 0,308,5218,1
 299 | 0,506,5491,1
 300 | 0,1554,1002,1
 301 | 0,722,1575,1
 302 | 0,1986,2798,0
 303 | 0,1317,2211,1
 304 | 0,1211,4868,1
 305 | 0,1594,4290,0
 306 | 0,1064,500,1
 307 | 0,2293,2445,1
 308 | 0,2107,4962,0
 309 | 0,2631,3372,1
 310 | 0,2343,2630,1
 311 | 0,1480,4228,1
 312 | 0,2518,144,1
 313 | 0,582,83,1
 314 | 0,2150,3083,0
 315 | 0,1468,3924,0
 316 | 0,1468,763,1
 317 | 0,1341,1506,1
 318 | 0,2258,746,1
 319 | 0,331,393,1
 320 | 0,1281,1854,1
 321 | 0,1467,325,1
 322 | 0,1228,4102,0
 323 | 0,1314,433,1
 324 | 0,1304,307,1
 325 | 0,2146,1444,1
 326 | 0,2534,2146,1
 327 | 0,1535,5172,1
 328 | 0,2705,4191,0
 329 | 0,2569,1810,1
 330 | 0,721,1233,1
 331 | 0,1297,2109,1
 332 | 0,2361,2213,1
 333 | 0,2649,4369,1
 334 | 0,1383,2036,0
 335 | 0,1610,3695,0
 336 | 0,2624,4574,0
 337 | 0,1208,3933,1
 338 | 0,1086,1845,1
 339 | 0,2139,5055,1
 340 | 0,2446,4037,0
 341 | 0,2705,990,1
 342 | 0,314,4148,0
 343 | 0,875,5030,1
 344 | 0,2250,4933,1
 345 | 0,1535,2214,1
 346 | 0,2150,1366,1
 347 | 0,1440,1656,0
 348 | 0,2293,3023,1
 349 | 0,2031,4180,1
 350 | 0,732,3301,1
 351 | 0,2273,3458,1
 352 | 0,2266,4900,1
 353 | 0,1535,1036,0
 354 | 0,1384,3235,0
 355 | 0,2258,4946,0
 356 | 0,2469,107,1
 357 | 0,2489,3034,0
 358 | 0,1397,23,0
 359 | 0,1844,4413,1
 360 | 0,2515,4318,1
 361 | 0,2043,4768,1
 362 | 0,582,480,1
 363 | 0,1367,253,0
 364 | 0,2018,3377,1
 365 | 0,1195,146,0
 366 | 0,1714,351,1
 367 | 0,2449,2825,1
 368 | 0,1178,5179,0
 369 | 0,2164,806,1
 370 | 0,2447,3556,0
 371 | 0,1250,4307,0
 372 | 0,2534,1705,1
 373 | 0,2297,796,1
 374 | 0,2143,2231,1
 375 | 0,2150,4107,1
 376 | 0,454,1009,1
 377 | 0,754,3429,1
 378 | 0,70,3576,1
 379 | 0,1063,4973,0
 380 | 0,1857,5376,1
 381 | 0,1354,475,1
 382 | 0,2447,3003,1
 383 | 0,2293,3355,0
 384 | 0,33,2555,0
 385 | 0,1450,4518,0
 386 | 0,1746,735,0
 387 | 0,1679,4973,1
 388 | 0,2469,1770,1
 389 | 0,420,1915,1
 390 | 0,604,2791,1
 391 | 0,2307,4413,1
 392 | 0,1859,341,1
 393 | 0,1480,4529,1
 394 | 0,2469,699,1
 395 | 0,2173,2747,1
 396 | 0,739,3846,0
 397 | 0,2301,858,1
 398 | 0,2187,4088,1
 399 | 0,2002,1606,1
 400 | 0,2576,2321,1
 401 | 0,2349,4387,1
 402 | 0,1337,5435,1
 403 | 0,2489,3820,0
 404 | 0,1314,1242,1
 405 | 0,2447,4755,0
 406 | 0,2098,532,1
 407 | 0,2504,2930,0
 408 | 0,2236,3021,1
 409 | 0,1659,3058,1
 410 | 0,604,4476,1
 411 | 0,1580,1771,0
 412 | 0,1503,297,1
 413 | 0,2458,1295,1
 414 | 0,1645,90,0
 415 | 0,2258,1075,1
 416 | 0,1582,2010,1
 417 | 0,2279,1671,1
 418 | 0,291,3716,1
 419 | 0,1859,1037,1
 420 | 0,1293,4428,1
 421 | 0,1003,4040,1
 422 | 0,2260,3585,1
 423 | 0,839,1459,1
 424 | 0,2293,2866,1
 425 | 0,83,3655,1
 426 | 0,2326,4336,0
 427 | 0,2652,1031,0
 428 | 0,1397,1329,0
 429 | 0,2496,5193,1
 430 | 0,855,2447,0
 431 | 0,2518,1459,1
 432 | 0,1576,5207,1
 433 | 0,2478,3654,1
 434 | 0,1989,2334,0
 435 | 0,1822,3503,1
 436 | 0,1342,3935,1
 437 | 0,2469,2488,0
 438 | 0,2150,5308,1
 439 | 0,2480,2449,0
 440 | 0,674,4637,0
 441 | 0,2593,4027,1
 442 | 0,1535,459,1
 443 | 0,1615,344,1
 444 | 0,1211,718,1
 445 | 0,2345,4938,0
 446 | 0,1274,4293,1
 447 | 0,276,3326,0
 448 | 0,1526,3308,0
 449 | 0,2624,4735,1
 450 | 0,2484,3272,1
 451 | 0,2662,2127,1
 452 | 0,1408,76,1
 453 | 0,1156,1659,1
 454 | 0,2190,1240,1
 455 | 0,855,2157,1
 456 | 0,1562,2206,1
 457 | 0,1565,4258,1
 458 | 0,2269,1822,1
 459 | 0,1742,498,1
 460 | 0,2403,711,1
 461 | 0,2631,5095,1
 462 | 0,1448,2258,1
 463 | 0,1058,3625,1
 464 | 0,592,4287,1
 465 | 0,1317,1637,1
 466 | 0,2025,322,1
 467 | 0,1314,439,1
 468 | 0,353,696,1
 469 | 0,1496,4964,0
 470 | 0,624,490,1
 471 | 0,2160,5010,0
 472 | 0,502,2453,1
 473 | 0,1880,2480,0
 474 | 0,2158,5355,0
 475 | 0,1690,4981,1
 476 | 0,754,2889,1
 477 | 0,485,3299,1
 478 | 0,1966,5491,0
 479 | 0,1880,4061,0
 480 | 0,677,663,1
 481 | 0,2150,3259,1
 482 | 0,2416,2674,1
 483 | 0,1980,4647,1
 484 | 0,2705,1052,1
 485 | 0,2418,280,1
 486 | 0,1576,3064,1
 487 | 0,1505,1023,1
 488 | 0,2617,3077,0
 489 | 0,1333,4076,0
 490 | 0,2150,5356,1
 491 | 0,2371,1886,1
 492 | 0,754,2748,0
 493 | 0,2231,5129,1
 494 | 0,2244,4467,1
 495 | 0,2612,1432,1
 496 | 0,2484,5301,1
 497 | 0,2107,947,1
 498 | 0,2646,5251,1
 499 | 0,2444,43,1
 500 | 0,2678,5433,1
 501 | 0,1688,1831,1
 502 | 0,1468,842,1
 503 | 0,2117,292,1
 504 | 0,2518,1316,1
 505 | 0,582,3836,1
 506 | 0,2006,5330,1
 507 | 0,1451,5152,1
 508 | 0,2418,3402,1
 509 | 0,1730,4561,1
 510 | 0,2325,3058,1
 511 | 0,2590,4073,1
 512 | 0,2489,5167,0
 513 | 0,1830,4187,1
 514 | 0,1519,5090,1
 515 | 0,1975,460,1
 516 | 0,2490,5129,1
 517 | 0,2117,2366,1
 518 | 0,2447,617,1
 519 | 0,1275,5143,1
 520 | 0,1283,4815,1
 521 | 0,2418,5472,1
 522 | 0,2058,5066,0
 523 | 0,584,3419,1
 524 | 0,1799,5005,1
 525 | 0,1290,5304,1
 526 | 0,2357,4787,0
 527 | 0,2146,917,1
 528 | 0,2344,177,1
 529 | 0,2169,1378,1
 530 | 0,855,74,1
 531 | 0,1317,4168,1
 532 | 0,1609,344,1
 533 | 0,1509,980,1
 534 | 0,2707,4932,0
 535 | 0,1342,2048,0
 536 | 0,2569,1899,0
 537 | 0,1120,1160,1
 538 | 0,1756,4294,1
 539 | 0,1616,2917,0
 540 | 0,2425,2234,1
 541 | 0,1436,1242,1
 542 | 0,2199,3166,1
 543 | 0,2527,4678,1
 544 | 0,2489,5383,1
 545 | 0,2127,4824,1
 546 | 0,2225,160,1
 547 | 0,1362,3517,0
 548 | 0,2199,5297,0
 549 | 0,1778,653,1
 550 | 0,855,1901,1
 551 | 0,2454,5360,1
 552 | 0,2150,3074,0
 553 | 0,2107,2509,0
 554 | 0,1645,345,1
 555 | 0,1584,1301,1
 556 | 0,2444,1959,1
 557 | 0,2150,2987,1
 558 | 0,1889,1371,1
 559 | 0,1189,412,1
 560 | 0,1664,3646,1
 561 | 0,2485,3069,0
 562 | 0,1022,3782,0
 563 | 0,2233,4651,0
 564 | 0,680,4985,1
 565 | 0,2705,691,1
 566 | 0,2406,5496,1
 567 | 0,2447,4473,0
 568 | 0,1468,4913,1
 569 | 0,322,2400,1
 570 | 0,2707,1895,0
 571 | 0,2182,1560,1
 572 | 0,197,3769,1
 573 | 0,2241,1980,1
 574 | 0,598,774,1
 575 | 0,1985,2206,1
 576 | 0,2232,163,0
 577 | 0,2150,654,1
 578 | 0,2490,1504,1
 579 | 0,1742,661,1
 580 | 0,2061,2653,1
 581 | 0,2176,1577,1
 582 | 0,2447,1019,1
 583 | 0,1582,4090,1
 584 | 0,2504,3215,1
 585 | 0,2068,4752,0
 586 | 0,583,3834,0
 587 | 0,1821,4591,0
 588 | 0,2168,1388,1
 589 | 0,2711,3291,1
 590 | 0,2146,4237,1
 591 | 0,430,3732,0
 592 | 0,855,1062,1
 593 | 0,876,290,0
 594 | 0,1889,854,1
 595 | 0,2371,2565,0
 596 | 0,2281,4576,1
 597 | 0,2446,3947,1
 598 | 0,2501,2084,0
 599 | 0,1422,450,1
 600 | 0,2643,4894,1
 601 | 0,1852,1363,1
 602 | 0,2158,3670,0
 603 | 0,2258,3229,1
 604 | 0,1751,3170,0
 605 | 0,2164,3243,1
 606 | 0,726,5306,1
 607 | 0,2275,4731,1
 608 | 0,466,5041,1
 609 | 0,1227,2150,1
 610 | 0,1064,2146,1
 611 | 0,1501,1797,1
 612 | 0,2244,4624,1
 613 | 0,2014,4357,1
 614 | 0,466,219,1
 615 | 0,1505,3529,1
 616 | 0,593,5230,1
 617 | 0,2518,3612,1
 618 | 0,1986,1751,1
 619 | 0,2150,3778,1
 620 | 0,2489,2366,0
 621 | 0,1342,5318,0
 622 | 0,2258,3709,0
 623 | 0,2655,1594,1
 624 | 0,2484,1378,1
 625 | 0,105,2250,1
 626 | 0,2447,3590,1
 627 | 0,83,3633,1
 628 | 0,2705,1722,1
 629 | 0,2418,5415,1
 630 | 0,2489,4672,0
 631 | 0,1766,5410,0
 632 | 0,111,1996,1
 633 | 0,733,1826,1
 634 | 0,2212,5360,1
 635 | 0,83,2957,0
 636 | 0,2337,307,1
 637 | 0,1191,1800,1
 638 | 0,2225,4456,1
 639 | 0,1367,909,1
 640 | 0,1384,3096,0
 641 | 0,1574,2732,1
 642 | 0,876,3308,1
 643 | 0,1665,474,1
 644 | 0,1554,1035,1
 645 | 0,1014,2713,1
 646 | 0,480,3138,0
 647 | 0,2496,3294,0
 648 | 0,2165,2126,1
 649 | 0,2232,3899,1
 650 | 0,2711,2184,1
 651 | 0,2621,3202,0
 652 | 0,2347,2950,1
 653 | 0,1535,4981,1
 654 | 0,1501,619,1
 655 | 0,2638,2483,1
 656 | 0,2518,1966,0
 657 | 0,2593,953,1
 658 | 0,1721,3112,1
 659 | 0,2403,5140,0
 660 | 0,2567,1006,0
 661 | 0,1317,2261,1
 662 | 0,2047,624,1
 663 | 0,2469,2741,0
 664 | 0,2129,5259,1
 665 | 0,2569,3529,1
 666 | 0,1991,1007,1
 667 | 0,1919,5375,1
 668 | 0,1476,1961,1
 669 | 0,2043,4528,1
 670 | 0,855,5248,1
 671 | 0,1154,3928,0
 672 | 0,2258,3487,1
 673 | 0,2475,1389,1
 674 | 0,105,2686,0
 675 | 0,1778,4372,0
 676 | 0,2428,4989,1
 677 | 0,2593,4655,1
 678 | 0,2563,1720,1
 679 | 0,2217,1216,1
 680 | 0,2584,1443,1
 681 | 0,1260,863,1
 682 | 0,353,4354,1
 683 | 0,1483,3996,1
 684 | 0,1637,5228,1
 685 | 0,2047,670,1
 686 | 0,221,2216,1
 687 | 0,2258,3491,0
 688 | 0,2705,1205,1
 689 | 0,2496,498,1
 690 | 0,833,636,1
 691 | 0,1880,3454,0
 692 | 0,1949,2142,1
 693 | 0,1764,1468,1
 694 | 0,2281,2322,1
 695 | 0,2701,5024,1
 696 | 0,1274,3475,0
 697 | 0,1433,3368,1
 698 | 0,1645,221,1
 699 | 0,2119,1690,1
 700 | 0,525,1539,1
 701 | 0,2150,1381,1
 702 | 0,855,945,1
 703 | 0,2316,3051,1
 704 | 0,1629,734,1
 705 | 0,2504,2493,1
 706 | 0,1468,2772,0
 707 | 0,485,1115,1
 708 | 0,2534,1466,1
 709 | 0,2291,1044,1
 710 | 0,1852,4561,1
 711 | 0,2281,4444,1
 712 | 0,1496,4207,0
 713 | 0,1610,328,1
 714 | 0,1211,5330,1
 715 | 0,1949,2711,0
 716 | 0,1623,5348,1
 717 | 0,1468,3230,1
 718 | 0,2071,5312,0
 719 | 0,454,207,0
 720 | 0,1646,2648,0
 721 | 0,1814,2630,0
 722 | 0,2418,3770,1
 723 | 0,2150,1652,1
 724 | 0,2101,4494,0
 725 | 0,1162,3595,1
 726 | 0,2617,2565,1
 727 | 0,2357,4441,1
 728 | 0,2511,1853,1
 729 | 0,2567,3003,0
 730 | 0,1594,4408,0
 731 | 0,939,3851,1
 732 | 0,999,1229,1
 733 | 0,506,1211,1
 734 | 0,1943,4508,1
 735 | 0,1965,5261,1
 736 | 0,754,3420,0
 737 | 0,2674,2856,1
 738 | 0,2418,2774,0
 739 | 0,2182,4462,1
 740 | 0,2559,4538,1
 741 | 0,1317,2346,1
 742 | 0,2454,4190,1
 743 | 0,1659,3564,1
 744 | 0,2278,2818,0
 745 | 0,2250,201,1
 746 | 0,1764,2428,1
 747 | 0,2232,2693,1
 748 | 0,2258,3339,0
 749 | 0,2150,4915,1
 750 | 0,754,1061,1
 751 | 0,1505,3040,1
 752 | 0,1616,3261,1
 753 | 0,2705,2306,1
 754 | 0,2061,1910,0
 755 | 0,2315,4456,0
 756 | 0,2086,1142,0
 757 | 0,2250,2890,0
 758 | 0,899,834,1
 759 | 0,1765,1285,1
 760 | 0,1282,4788,1
 761 | 0,1274,3902,0
 762 | 0,228,2784,1
 763 | 0,2504,1791,1
 764 | 0,1350,2934,1
 765 | 0,1178,4464,0
 766 | 0,1458,2911,1
 767 | 0,2518,2052,1
 768 | 0,1393,1880,1
 769 | 0,2169,4804,1
 770 | 0,1652,3244,0
 771 | 0,415,4061,0
 772 | 0,2374,1970,1
 773 | 0,1279,1968,1
 774 | 0,1211,2779,1
 775 | 0,1582,1286,1
 776 | 0,532,1842,1
 777 | 0,1766,1642,1
 778 | 0,7,4213,0
 779 | 0,1943,4751,1
 780 | 0,2489,2230,1
 781 | 0,2443,2218,1
 782 | 0,2639,759,1
 783 | 0,83,4556,0
 784 | 0,2518,4285,1
 785 | 0,2649,5143,0
 786 | 0,1320,3403,0
 787 | 0,2307,368,1
 788 | 0,1638,1168,1
 789 | 0,1156,3547,0
 790 | 0,1249,624,1
 791 | 0,2101,5177,1
 792 | 0,1507,1696,1
 793 | 0,876,3899,1
 794 | 0,2150,2191,1
 795 | 0,2007,1174,1
 796 | 0,2212,34,1
 797 | 0,1468,2829,0
 798 | 0,1486,463,1
 799 | 0,2122,1953,1
 800 | 0,721,4870,1
 801 | 0,83,4567,1
 802 | 0,986,1787,1
 803 | 0,196,1358,1
 804 | 0,2357,245,0
 805 | 0,2625,1470,1
 806 | 0,1672,1538,0
 807 | 0,1638,3740,0
 808 | 0,2639,307,1
 809 | 0,1691,2511,1
 810 | 0,875,2834,1
 811 | 0,2146,1515,0
 812 | 0,2478,1728,1
 813 | 0,1191,1947,0
 814 | 0,2518,3515,1
 815 | 0,1751,3058,1
 816 | 0,1782,1634,1
 817 | 0,2489,5530,1
 818 | 0,2359,2959,1
 819 | 0,1986,4168,1
 820 | 0,2071,3024,0
 821 | 0,732,3197,1
 822 | 0,2150,780,1
 823 | 0,483,2213,1
 824 | 0,1468,3172,0
 825 | 0,2325,2079,1
 826 | 0,2176,3942,1
 827 | 0,721,2132,1
 828 | 0,1397,1092,0
 829 | 0,314,3884,1
 830 | 0,2638,2457,1
 831 | 0,2638,3220,1
 832 | 0,2444,2147,1
 833 | 0,1742,1303,1
 834 | 0,2605,3003,1
 835 | 0,1830,4183,1
 836 | 0,2325,3245,1
 837 | 0,460,4798,1
 838 | 0,2518,746,1
 839 | 0,569,1766,1
 840 | 0,2357,4832,1
 841 | 0,2150,1819,1
 842 | 0,2231,4907,1
 843 | 0,1562,1478,1
 844 | 0,2107,3551,0
 845 | 0,2598,2752,1
 846 | 0,2447,3770,1
 847 | 0,518,2875,1
 848 | 0,2129,1008,1
 849 | 0,1468,4154,0
 850 | 0,180,548,1
 851 | 0,1623,3986,1
 852 | 0,2711,4893,1
 853 | 0,2060,3717,0
 854 | 0,2335,4372,1
 855 | 0,353,4832,1
 856 | 0,479,3701,1
 857 | 0,2553,5209,0
 858 | 0,1782,425,1
 859 | 0,290,3772,1
 860 | 0,1154,555,1
 861 | 0,2258,3418,0
 862 | 0,2335,5372,1
 863 | 0,2598,1850,1
 864 | 0,2034,2802,1
 865 | 0,1613,2379,1
 866 | 0,2518,644,1
 867 | 0,2489,3635,0
 868 | 0,2478,2650,1
 869 | 0,1897,3143,0
 870 | 0,1297,4536,1
 871 | 0,2489,3753,1
 872 | 0,1742,5343,1
 873 | 0,1448,3295,1
 874 | 0,2079,2942,1
 875 | 0,2190,297,1
 876 | 0,2278,2862,1
 877 | 0,828,3197,1
 878 | 0,1975,5264,1
 879 | 0,1341,4693,1
 880 | 0,1448,468,1
 881 | 0,1351,733,1
 882 | 0,1458,1475,1
 883 | 0,2647,1114,0
 884 | 0,485,3647,1
 885 | 0,1880,3239,0
 886 | 0,2563,3244,1
 887 | 0,855,2338,1
 888 | 0,726,977,1
 889 | 0,2060,3317,1
 890 | 0,2617,3858,0
 891 | 0,1506,1845,0
 892 | 0,2298,1271,1
 893 | 0,2150,3841,1
 894 | 0,2687,4650,1
 895 | 0,2117,5494,1
 896 | 0,2518,3809,1
 897 | 0,1609,4224,1
 898 | 0,1426,4574,0
 899 | 0,1487,1934,0
 900 | 0,1751,2962,1
 901 | 0,500,4437,1
 902 | 0,358,3155,1
 903 | 0,2705,1194,1
 904 | 0,1879,3429,1
 905 | 0,2557,3003,1
 906 | 0,1146,3588,1
 907 | 0,2448,5015,1
 908 | 0,1235,510,1
 909 | 0,1793,2908,0
 910 | 0,1576,5095,1
 911 | 0,2107,2775,1
 912 | 0,1367,1880,1
 913 | 0,2469,2723,1
 914 | 0,2250,1368,1
 915 | 0,1962,4181,1
 916 | 0,2322,2354,1
 917 | 0,1207,4158,0
 918 | 0,2244,4526,1
 919 | 0,428,1349,1
 920 | 0,2258,1074,1
 921 | 0,1392,2786,1
 922 | 0,1746,2891,1
 923 | 0,2258,3272,1
 924 | 0,1422,54,1
 925 | 0,2705,2507,1
 926 | 0,525,3931,1
 927 | 0,2361,2204,1
 928 | 0,1708,2245,1
 929 | 0,2647,444,0
 930 | 0,2190,4653,0
 931 | 0,1907,2807,1
 932 | 0,2014,1812,0
 933 | 0,2679,1579,1
 934 | 0,1665,3458,0
 935 | 0,2148,404,1
 936 | 0,2531,662,1
 937 | 0,2705,1099,1
 938 | 0,2001,4636,1
 939 | 0,1511,5220,1
 940 | 0,2443,1061,1
 941 | 0,2484,1838,1
 942 | 0,480,1250,1
 943 | 0,1655,138,1
 944 | 0,485,2309,1
 945 | 0,2327,2574,1
 946 | 0,2638,5152,1
 947 | 0,2528,2388,1
 948 | 0,2150,2828,1
 949 | 0,855,5362,1
 950 | 0,2006,4252,0
 951 | 0,743,1998,1
 952 | 0,2639,2366,1
 953 | 0,1830,4622,0
 954 | 0,2322,4731,0
 955 | 0,2258,239,0
 956 | 0,612,2841,1
 957 | 0,2687,2620,0
 958 | 0,2484,5540,0
 959 | 0,2322,3032,0
 960 | 0,1576,842,1
 961 | 0,2307,1494,1
 962 | 0,2714,1188,1
 963 | 0,2581,927,1
 964 | 0,1506,4553,1
 965 | 0,2127,1572,0
 966 | 0,1260,722,1
 967 | 0,1448,673,1
 968 | 0,1397,2108,1
 969 | 0,1985,2200,1
 970 | 0,1943,2008,1
 971 | 0,1850,4374,0
 972 | 0,1279,5273,1
 973 | 0,2101,4854,0
 974 | 0,604,3097,1
 975 | 0,2236,3889,0
 976 | 0,83,3518,1
 977 | 0,1417,1742,1
 978 | 0,855,4912,1
 979 | 0,977,1901,0
 980 | 0,2150,1052,1
 981 | 0,1395,4318,1
 982 | 0,1645,4917,1
 983 | 0,875,3739,0
 984 | 0,1450,4550,0
 985 | 0,2446,958,1
 986 | 0,2335,486,1
 987 | 0,1468,105,1
 988 | 0,1840,4158,1
 989 | 0,2569,2202,0
 990 | 0,1505,1393,1
 991 | 0,2469,2733,0
 992 | 0,855,100,1
 993 | 0,2218,133,1
 994 | 0,2150,2351,1
 995 | 0,2158,5337,1
 996 | 0,2260,3405,1
 997 | 0,2542,2414,0
 998 | 0,2484,11,1
 999 | 0,1281,3940,1
1000 | 0,2150,4715,1
1001 | 0,1880,2880,1
1002 | 0,1827,1096,1
1003 | 0,2606,3722,1
1004 | 0,2231,5436,1
1005 | 0,2327,2640,1
1006 | 0,2307,252,1
1007 | 0,1367,12,0
1008 | 0,2612,3875,0
1009 | 0,1637,4964,1
1010 | 0,726,1046,1
1011 | 0,2447,4149,0
1012 | 0,876,1506,1
1013 | 0,1859,3773,1
1014 | 0,1285,1349,1
1015 | 0,1641,284,0
1016 | 0,943,4696,1
1017 | 0,2322,4462,0
1018 | 0,1156,3581,0
1019 | 0,1746,2303,1
1020 | 0,2252,5002,1
1021 | 0,2624,5226,1
1022 | 0,855,1869,1
1023 | 0,1487,4643,0
1024 | 0,2250,2565,0
1025 | 0,592,2146,1
1026 | 0,2133,3006,0
1027 | 0,1766,5281,0
1028 | 0,83,5484,0
1029 | 0,2258,4384,1
1030 | 0,2518,1127,1
1031 | 0,1224,3055,1
1032 | 0,1811,3155,1
1033 | 0,83,2877,0
1034 | 0,353,5415,0
1035 | 0,2332,2807,1
1036 | 0,696,486,1
1037 | 0,2361,307,1
1038 | 0,1535,1272,1
1039 | 0,2626,5465,0
1040 | 0,546,4503,1
1041 | 0,2416,3238,0
1042 | 0,2403,4842,0
1043 | 0,2651,2408,1
1044 | 0,1852,3986,0
1045 | 0,1580,2494,0
1046 | 0,1487,5045,0
1047 | 0,33,3386,1
1048 | 0,1679,2574,1
1049 | 0,2447,2109,1
1050 | 0,2567,5238,1
1051 | 0,2236,561,0
1052 | 0,2567,3215,1
1053 | 0,2541,1947,0
1054 | 0,2703,4028,1
1055 | 0,1333,3292,1
1056 | 0,1623,3744,0
1057 | 0,1281,4593,1
1058 | 0,2447,4332,1
1059 | 0,2490,3217,0
1060 | 0,1985,4719,1
1061 | 0,1426,4741,1
1062 | 0,1211,3692,1
1063 | 0,2250,5484,0
1064 | 0,1422,5431,1
1065 | 0,2496,5141,0
1066 | 0,329,3723,1
1067 | 0,2281,2011,0
1068 | 0,2298,2248,1
1069 | 0,1476,2630,0
1070 | 0,2127,1279,1
1071 | 0,2518,5324,1
1072 | 0,1530,118,1
1073 | 0,1432,3716,1
1074 | 0,2446,3899,0
1075 | 0,2449,3667,1
1076 | 0,2307,1338,1
1077 | 0,466,1171,1
1078 | 0,2496,5110,1
1079 | 0,1506,624,1
1080 | 0,1799,2970,1
1081 | 0,1221,1610,1
1082 | 0,2307,5430,1
1083 | 0,721,2202,1
1084 | 0,1580,5457,1
1085 | 0,2232,3317,1
1086 | 0,2478,2969,1
1087 | 0,1087,721,1
1088 | 0,1580,3561,1
1089 | 0,1849,4441,1
1090 | 0,1397,2493,0
1091 | 0,1251,2749,1
1092 | 0,2250,5491,1
1093 | 0,690,3182,1
1094 | 0,2232,3462,0
1095 | 0,2584,4570,1
1096 | 0,1259,2378,1
1097 | 0,2071,60,0
1098 | 0,604,593,1
1099 | 0,2679,2366,0
1100 | 0,2696,24,0
1101 | 0,1570,1196,1
1102 | 0,1487,2738,0
1103 | 0,2293,3810,0
1104 | 0,1919,2600,1
1105 | 0,2307,4337,1
1106 | 0,2164,3282,1
1107 | 0,2594,3527,0
1108 | 0,440,3165,0
1109 | 0,1229,2439,1
1110 | 0,1747,3899,0
1111 | 0,1852,2858,1
1112 | 0,2252,4712,0
1113 | 0,2416,2449,0
1114 | 0,2490,5410,1
1115 | 0,1746,4142,1
1116 | 0,2167,1899,0
1117 | 0,2260,979,1
1118 | 0,2231,5467,1
1119 | 0,2080,4735,1
1120 | 0,886,5148,1
1121 | 0,1634,591,0
1122 | 0,1573,1268,1
1123 | 0,2352,5495,1
1124 | 0,83,2744,1
1125 | 0,2418,3721,1
1126 | 0,2624,310,1
1127 | 0,2271,2268,1
1128 | 0,500,4877,1
1129 | 0,2164,2396,1
1130 | 0,759,871,1
1131 | 0,1412,4767,0
1132 | 0,1314,1209,1
1133 | 0,2150,4832,1
1134 | 0,2258,9,0
1135 | 0,1247,3490,0
1136 | 0,2258,1293,1
1137 | 0,2071,2371,1
1138 | 0,2244,4361,1
1139 | 0,500,2945,1
1140 | 0,2567,1209,1
1141 | 0,2569,2396,1
1142 | 0,2603,4952,1
1143 | 0,2490,2090,1
1144 | 0,2244,306,1
1145 | 0,2448,5246,1
1146 | 0,2285,5304,1
1147 | 0,2061,4560,0
1148 | 0,2150,4264,1
1149 | 0,2705,5207,1
1150 | 0,2176,5066,1
1151 | 0,1612,2439,0
1152 | 0,2489,5491,1
1153 | 0,1971,4852,1
1154 | 0,2150,2342,1
1155 | 0,1834,5264,1
1156 | 0,1991,2404,0
1157 | 0,1782,705,1
1158 | 0,2315,4761,0
1159 | 0,1418,4093,1
1160 | 0,2469,2281,1
1161 | 0,2705,424,1
1162 | 0,1659,1736,1
1163 | 0,721,1495,1
1164 | 0,1206,3887,1
1165 | 0,2146,1086,0
1166 | 0,1505,4448,1
1167 | 0,2373,4626,0
1168 | 0,1086,3904,1
1169 | 0,2490,2500,0
1170 | 0,1610,855,1
1171 | 0,2244,4515,1
1172 | 0,1468,3463,0
1173 | 0,1985,4609,1
1174 | 0,2075,4899,0
1175 | 0,1637,5018,0
1176 | 0,420,619,1
1177 | 0,1252,1485,1
1178 | 0,1304,4289,1
1179 | 0,1665,1852,1
1180 | 0,2316,2943,1
1181 | 0,2638,237,1
1182 | 0,2180,2133,1
1183 | 0,2278,2973,1
1184 | 0,2099,3732,1
1185 | 0,1906,3010,1
1186 | 0,1985,2123,1
1187 | 0,1421,2462,1
1188 | 0,1229,3296,1
1189 | 0,2014,2768,1
1190 | 0,1975,1989,1
1191 | 0,2150,1481,1
1192 | 0,1612,121,1
1193 | 0,1254,2525,1
1194 | 0,1337,1811,1
1195 | 0,1338,4731,1
1196 | 0,1357,2077,1
1197 | 0,1562,425,1
1198 | 0,1610,4868,0
1199 | 0,855,549,1
1200 | 0,1965,5453,1
1201 | 0,1610,4483,0
1202 | 0,1606,3264,1
1203 | 0,2236,5287,1
1204 | 0,1191,1672,1
1205 | 0,2581,4314,1
1206 | 0,2281,5222,1
1207 | 0,415,4099,1
1208 | 0,1526,1823,1
1209 | 0,1294,2807,1
1210 | 0,2250,1768,0
1211 | 0,2258,4063,0
1212 | 0,1087,4365,1
1213 | 0,2478,4102,0
1214 | 0,262,4131,1
1215 | 0,480,199,1
1216 | 0,2581,1340,1
1217 | 0,2447,4103,0
1218 | 0,2487,2934,1
1219 | 0,2371,2508,1
1220 | 0,1962,2749,1
1221 | 0,2258,3336,0
1222 | 0,1496,4474,1
1223 | 0,828,3186,0
1224 | 0,721,2731,1
1225 | 0,2490,2503,0
1226 | 0,754,4096,1
1227 | 0,1949,2333,1
1228 | 0,2357,4791,1
1229 | 0,1341,3403,0
1230 | 0,2095,5152,1
1231 | 0,2190,886,1
1232 | 0,1422,882,1
1233 | 0,2344,5003,1
1234 | 0,1063,2767,0
1235 | 0,1711,682,1
1236 | 0,1063,2620,1
1237 | 0,2586,13,1
1238 | 0,1895,3495,1
1239 | 0,1754,814,1
1240 | 0,1211,128,1
1241 | 0,1507,1059,1
1242 | 0,1414,1085,0
1243 | 0,1852,1009,1
1244 | 0,2374,4553,0
1245 | 0,1934,2508,1
1246 | 0,1468,983,1
1247 | 0,1162,1757,1
1248 | 0,1333,1980,1
1249 | 0,1623,4763,0
1250 | 0,1623,2934,1
1251 | 0,2139,5142,1
1252 | 0,2232,300,1
1253 | 0,1613,4601,1
1254 | 0,2071,23,0
1255 | 0,372,3651,1
1256 | 0,2190,4446,0
1257 | 0,1689,4433,0
1258 | 0,2158,3331,1
1259 | 0,2649,4028,1
1260 | 0,754,1152,1
1261 | 0,353,2244,1
1262 | 0,1766,5415,1
1263 | 0,2532,2389,1
1264 | 0,1547,5534,1
1265 | 0,2714,3993,1
1266 | 0,2638,5197,1
1267 | 0,1700,5541,1
1268 | 0,1258,2417,1
1269 | 0,1645,1155,1
1270 | 0,2448,4951,1
1271 | 0,1329,54,1
1272 | 0,2106,2686,0
1273 | 0,1258,4135,1
1274 | 0,2006,4771,0
1275 | 0,1506,2294,1
1276 | 0,2638,293,0
1277 | 0,1196,2799,1
1278 | 0,1281,2778,0
1279 | 0,331,424,1
1280 | 0,2241,3692,1
1281 | 0,1690,4428,1
1282 | 0,1638,3364,0
1283 | 0,2281,2294,0
1284 | 0,2094,2978,1
1285 | 0,1879,3253,1
1286 | 0,2638,5359,0
1287 | 0,2264,2534,1
1288 | 0,855,3075,0
1289 | 0,1454,2843,0
1290 | 0,1534,3442,1
1291 | 0,2593,4324,1
1292 | 0,1351,497,1
1293 | 0,2322,224,0
1294 | 0,2325,1823,1
1295 | 0,2449,3229,0
1296 | 0,1468,1457,1
1297 | 0,2323,5508,1
1298 | 0,1393,1687,1
1299 | 0,2150,3238,0
1300 | 0,1673,822,1
1301 | 0,2511,3653,1
1302 | 0,2218,2950,1
1303 | 0,1496,5015,0
1304 | 0,2490,2375,1
1305 | 0,2258,1064,0
1306 | 0,2323,4372,1
1307 | 0,1638,1874,1
1308 | 0,759,3300,1
1309 | 0,2146,1429,1
1310 | 0,483,1410,1
1311 | 0,2218,1683,1
1312 | 0,1717,3470,0
1313 | 0,1957,2664,1
1314 | 0,2369,1698,1
1315 | 0,2250,3563,1
1316 | 0,1192,5065,0
1317 | 0,1218,1029,1
1318 | 0,739,3667,1
1319 | 0,2612,1188,1
1320 | 0,2004,4421,1
1321 | 0,2511,1167,1
1322 | 0,1221,2342,1
1323 | 0,2418,4087,0
1324 | 0,1426,4687,1
1325 | 0,1642,5093,0
1326 | 0,1487,3740,0
1327 | 0,875,3884,1
1328 | 0,1422,2130,1
1329 | 0,2281,1632,1
1330 | 0,1766,5259,1
1331 | 0,1638,3355,1
1332 | 0,1519,4691,0
1333 | 0,2107,1103,1
1334 | 0,1778,776,1
1335 | 0,2716,2784,1
1336 | 0,2244,91,1
1337 | 0,876,4039,1
1338 | 0,1690,4677,1
1339 | 0,518,926,1
1340 | 0,1642,118,0
1341 | 0,2043,4402,0
1342 | 0,2194,3263,1
1343 | 0,1468,4022,1
1344 | 0,1468,1042,1
1345 | 0,1580,1058,1
1346 | 0,2060,3538,0
1347 | 0,2361,5415,1
1348 | 0,2018,439,1
1349 | 0,2258,184,0
1350 | 0,1896,2348,1
1351 | 0,440,4697,1
1352 | 0,1919,868,1
1353 | 0,2504,5090,1
1354 | 0,2158,3293,0
1355 | 0,1274,3515,1
1356 | 0,2322,5031,0
1357 | 0,2447,4988,0
1358 | 0,2665,2074,1
1359 | 0,2335,2032,1
1360 | 0,2705,1719,1
1361 | 0,2101,4767,0
1362 | 0,1418,4168,1
1363 | 0,1317,4485,1
1364 | 0,2624,4420,0
1365 | 0,1852,5011,0
1366 | 0,1329,4406,1
1367 | 0,1467,1712,0
1368 | 0,2569,5383,1
1369 | 0,2631,4912,1
1370 | 0,2244,3314,1
1371 | 0,2469,550,1
1372 | 0,506,4958,1
1373 | 0,1304,596,0
1374 | 0,2281,1219,1
1375 | 0,943,2386,1
1376 | 0,1613,2237,0
1377 | 0,1073,1569,1
1378 | 0,1506,5072,1
1379 | 0,2489,1520,1
1380 | 0,721,640,1
1381 | 0,2150,1895,0
1382 | 0,453,5078,0
1383 | 0,1722,5539,1
1384 | 0,1266,4133,0
1385 | 0,658,4911,1
1386 | 0,2307,846,1
1387 | 0,869,3601,0
1388 | 0,2033,3802,1
1389 | 0,2374,221,1
1390 | 0,2489,4780,0
1391 | 0,485,2926,1
1392 | 0,47,3959,0
1393 | 0,2182,4175,1
1394 | 0,2428,55,1
1395 | 0,1971,689,1
1396 | 0,2278,2717,1
1397 | 0,83,2470,0
1398 | 0,2496,4182,1
1399 | 0,331,2287,1
1400 | 0,1397,3944,1
1401 | 0,1279,5415,1
1402 | 0,2548,4940,0
1403 | 0,1480,1755,0
1404 | 0,2007,2343,1
1405 | 0,2343,5167,1
1406 | 0,1397,5092,0
1407 | 0,2613,1782,0
1408 | 0,1250,298,1
1409 | 0,2190,4984,1
1410 | 0,1314,857,1
1411 | 0,452,5427,1
1412 | 0,2649,1625,1
1413 | 0,1634,4044,1
1414 | 0,1509,3086,1
1415 | 0,1679,224,1
1416 | 0,2287,1082,1
1417 | 0,2293,3585,0
1418 | 0,1699,5209,1
1419 | 0,2006,4674,0
1420 | 0,2325,464,1
1421 | 0,1957,225,1
1422 | 0,2518,3198,0
1423 | 0,2150,1562,1
1424 | 0,2261,3039,0
1425 | 0,2357,5120,1
1426 | 0,2518,1254,1
1427 | 0,1537,1322,1
1428 | 0,1699,288,1
1429 | 0,2365,4167,0
1430 | 0,1274,3474,1
1431 | 0,328,4060,0
1432 | 0,2279,4875,0
1433 | 0,2293,3049,0
1434 | 0,2061,3269,0
1435 | 0,2712,3502,0
1436 | 0,2127,4429,1
1437 | 0,2444,1888,1
1438 | 0,2618,4544,1
1439 | 0,1069,3140,1
1440 | 0,1699,1918,1
1441 | 0,485,3364,1
1442 | 0,1262,34,1
1443 | 0,2150,3327,1
1444 | 0,2531,3518,1
1445 | 0,1496,5474,1
1446 | 0,1509,1167,1
1447 | 0,2236,3515,1
1448 | 0,2489,5229,0
1449 | 0,1333,4943,1
1450 | 0,1573,709,1
1451 | 0,569,2454,1
1452 | 0,2325,1192,1
1453 | 0,1281,2515,1
1454 | 0,331,3920,0
1455 | 0,1458,3116,1
1456 | 0,2325,3802,1
1457 | 0,2361,2730,1
1458 | 0,2447,2812,1
1459 | 0,1426,4444,1
1460 | 0,2711,1285,1
1461 | 0,2490,2367,1
1462 | 0,2705,4194,1
1463 | 0,1258,1905,1
1464 | 0,108,1025,1
1465 | 0,2447,3484,0
1466 | 0,1535,2271,1
1467 | 0,990,5318,1
1468 | 0,1318,2379,0
1469 | 0,2447,2692,0
1470 | 0,1594,3404,1
1471 | 0,1397,3133,1
1472 | 0,1711,432,1
1473 | 0,1496,1321,1
1474 | 0,754,3952,0
1475 | 0,1068,3847,1
1476 | 0,2489,5316,0
1477 | 0,1422,3296,1
1478 | 0,855,2768,0
1479 | 0,2250,5413,0
1480 | 0,1878,4059,0
1481 | 0,2469,1962,1
1482 | 0,828,654,1
1483 | 0,721,2185,1
1484 | 0,2508,1584,1
1485 | 0,2569,5327,0
1486 | 0,48,2726,1
1487 | 0,2598,5046,1
1488 | 0,2489,5253,0
1489 | 0,2261,2866,1
1490 | 0,1487,2095,1
1491 | 0,2361,2866,1
1492 | 0,2446,3953,0
1493 | 0,1218,3490,1
1494 | 0,480,223,0
1495 | 0,2043,3693,1
1496 | 0,2508,245,1
1497 | 0,75,3876,1
1498 | 0,440,382,1
1499 | 0,2094,3193,1
1500 | 0,2258,2630,1
1501 | 0,1610,3980,1
1502 | 0,1991,4596,0
1503 | 0,2344,1193,1
1504 | 0,1087,3726,1
1505 | 0,1271,1944,0
1506 | 0,1426,4482,1
1507 | 0,1690,5275,1
1508 | 0,2212,3155,1
1509 | 0,1606,232,1
1510 | 0,2638,1137,1
1511 | 0,2518,1691,1
1512 | 0,1342,5093,1
1513 | 0,1919,1052,1
1514 | 0,2033,4285,1
1515 | 0,396,4042,0
1516 | 0,2612,2495,1
1517 | 0,1805,4169,1
1518 | 0,2504,4112,1
1519 | 0,1474,2636,1
1520 | 0,1655,907,1
1521 | 0,582,461,1
1522 | 0,1992,5163,1
1523 | 0,1736,5230,0
1524 | 0,1582,4366,0
1525 | 0,721,4305,1
1526 | 0,855,3296,1
1527 | 0,631,2050,0
1528 | 0,2371,412,1
1529 | 0,452,91,0
1530 | 0,1610,141,1
1531 | 0,1467,869,1
1532 | 0,2446,4089,0
1533 | 0,1594,2160,0
1534 | 0,2133,1436,1
1535 | 0,1468,498,0
1536 | 0,230,2156,1
1537 | 0,875,1648,0
1538 | 0,1662,899,1
1539 | 0,2022,1280,1
1540 | 0,1855,3244,1
1541 | 0,1221,2350,1
1542 | 0,2613,3179,0
1543 | 0,1635,2950,0
1544 | 0,2165,2502,1
1545 | 0,1878,4049,1
1546 | 0,1830,963,1
1547 | 0,1535,2324,1
1548 | 0,1499,398,1
1549 | 0,1008,2493,1
1550 | 0,2542,331,1
1551 | 0,2567,4574,0
1552 | 0,440,1798,1
1553 | 0,33,171,1
1554 | 0,2374,4522,0
1555 | 0,592,746,1
1556 | 0,2559,4169,1
1557 | 0,1610,2435,1
1558 | 0,2043,5277,1
1559 | 0,466,4519,1
1560 | 0,2325,2095,1
1561 | 0,1676,3657,1
1562 | 0,2150,3107,1
1563 | 0,1417,1437,1
1564 | 0,1884,4165,0
1565 | 0,1338,4454,0
1566 | 0,534,4384,1
1567 | 0,2489,2390,0
1568 | 0,1980,3897,1
1569 | 0,1637,270,0
1570 | 0,921,3783,1
1571 | 0,130,2896,1
1572 | 0,2373,2250,1
1573 | 0,2075,2250,1
1574 | 0,2489,2085,1
1575 | 0,1298,2592,0
1576 | 0,1630,129,0
1577 | 0,2536,668,1
1578 | 0,2464,3191,1
1579 | 0,1652,2494,0
1580 | 0,1616,1941,1
1581 | 0,2603,2664,0
1582 | 0,2582,5190,1
1583 | 0,1895,4236,1
1584 | 0,1221,259,0
1585 | 0,2005,1113,0
1586 | 0,2631,2630,1
1587 | 0,2258,3672,0
1588 | 0,739,3811,0
1589 | 0,2518,1859,1
1590 | 0,2058,4561,0
1591 | 0,2150,5418,0
1592 | 0,1086,867,1
1593 | 0,2487,1897,0
1594 | 0,1254,5306,0
1595 | 0,1262,2086,1
1596 | 0,2435,1447,1
1597 | 0,2418,2745,0
1598 | 0,1991,2894,1
1599 | 0,1830,1041,1
1600 | 0,2705,4437,1
1601 | 0,2617,1265,0
1602 | 0,2497,2870,0
1603 | 0,1799,5534,1
1604 | 0,1221,5526,0
1605 | 0,1191,2666,1
1606 | 0,1746,4328,0
1607 | 0,2701,5419,1
1608 | 0,1730,4984,0
1609 | 0,1086,4420,1
1610 | 0,1008,2010,1
1611 | 0,1454,3296,0
1612 | 0,1879,3494,0
1613 | 0,1805,907,1
1614 | 0,726,796,1
1615 | 0,1368,38,1
1616 | 0,2649,4584,1
1617 | 0,1554,3439,1
1618 | 0,2281,4964,0
1619 | 0,1582,4365,1
1620 | 0,1699,2156,1
1621 | 0,2250,3243,0
1622 | 0,1699,3877,1
1623 | 0,2018,3428,1
1624 | 0,1610,4688,1
1625 | 0,1008,1378,1
1626 | 0,2330,2857,0
1627 | 0,1317,1053,1
1628 | 0,569,3215,0
1629 | 0,453,644,1
1630 | 0,2496,12,1
1631 | 0,1342,1680,1
1632 | 0,2225,860,1
1633 | 0,2065,4689,1
1634 | 0,1008,2997,1
1635 | 0,2024,3452,1
1636 | 0,2712,3433,1
1637 | 0,2105,3916,1
1638 | 0,132,3681,0
1639 | 0,2084,5362,1
1640 | 0,592,4690,1
1641 | 0,2371,282,1
1642 | 0,1317,3687,1
1643 | 0,1857,5544,1
1644 | 0,1972,2127,1
1645 | 0,2711,4218,1
1646 | 0,2426,3886,0
1647 | 0,2325,3089,0
1648 | 0,1880,2273,0
1649 | 0,2448,953,1
1650 | 0,839,1551,1
1651 | 0,97,550,1
1652 | 0,1821,3923,1
1653 | 0,1178,4563,0
1654 | 0,855,3291,1
1655 | 0,1468,3326,1
1656 | 0,1397,5041,1
1657 | 0,353,308,1
1658 | 0,1425,2217,1
1659 | 0,855,897,1
1660 | 0,875,3256,1
1661 | 0,1573,387,1
1662 | 0,1880,2719,1
1663 | 0,2315,2320,1
1664 | 0,1467,4914,0
1665 | 0,869,321,1
1666 | 0,732,3953,0
1667 | 0,2061,4842,1
1668 | 0,1827,4907,1
1669 | 0,2271,7,1
1670 | 0,1520,2382,1
1671 | 0,1448,17,1
1672 | 0,2058,4611,0
1673 | 0,2617,3589,0
1674 | 0,1782,636,1
1675 | 0,855,1688,1
1676 | 0,33,1565,1
1677 | 0,1690,1443,1
1678 | 0,1468,3215,1
1679 | 0,1208,311,0
1680 | 0,2344,3169,0
1681 | 0,1802,4392,1
1682 | 0,2638,2412,1
1683 | 0,2418,3027,1
1684 | 0,1540,2453,1
1685 | 0,2060,4134,1
1686 | 0,2563,5490,1
1687 | 0,875,1213,1
1688 | 0,1970,1934,0
1689 | 0,2469,5500,0
1690 | 0,2394,341,1
1691 | 0,680,4847,1
1692 | 0,2562,1631,1
1693 | 0,2199,5366,0
1694 | 0,1778,4410,1
1695 | 0,1554,5093,1
1696 | 0,2581,2490,1
1697 | 0,1506,5226,1
1698 | 0,1985,788,1
1699 | 0,1426,4667,1
1700 | 0,1468,221,1
1701 | 0,2489,733,0
1702 | 0,1487,1898,0
1703 | 0,1221,1823,1
1704 | 0,2244,4554,1
1705 | 0,2448,1809,0
1706 | 0,2443,5058,0
1707 | 0,1185,2651,0
1708 | 0,2265,965,1
1709 | 0,2325,2989,0
1710 | 0,1962,4260,1
1711 | 0,1468,4425,1
1712 | 0,33,1392,1
1713 | 0,1859,3519,1
1714 | 0,2325,1852,1
1715 | 0,2150,4207,1
1716 | 0,2618,5152,1
1717 | 0,2150,1499,1
1718 | 0,2665,2762,1
1719 | 0,2638,4945,0
1720 | 0,1304,4014,1
1721 | 0,914,1882,0
1722 | 0,1505,5238,1
1723 | 0,2258,4995,0
1724 | 0,1857,5141,1
1725 | 0,1218,1175,1
1726 | 0,1068,3763,1
1727 | 0,2150,4036,1
1728 | 0,2217,1093,1
1729 | 0,2542,3789,1
1730 | 0,1889,4421,1
1731 | 0,2563,2541,1
1732 | 0,452,4941,0
1733 | 0,2089,39,0
1734 | 0,2403,2534,1
1735 | 0,2293,4596,0
1736 | 0,2468,3573,0
1737 | 0,2150,1101,1
1738 | 0,2061,2612,0
1739 | 0,582,567,1
1740 | 0,1583,591,0
1741 | 0,1383,2971,0
1742 | 0,1426,3834,0
1743 | 0,1458,3963,1
1744 | 0,2150,1826,1
1745 | 0,834,3658,0
1746 | 0,672,3004,1
1747 | 0,2469,4852,1
1748 | 0,1971,1059,1
1749 | 0,2534,502,1
1750 | 0,2447,5182,0
1751 | 0,2013,2698,1
1752 | 0,2357,32,1
1753 | 0,1468,5276,1
1754 | 0,2613,2188,1
1755 | 0,1832,3899,1
1756 | 0,1535,1447,1
1757 | 0,1971,3763,1
1758 | 0,1086,2775,1
1759 | 0,1468,1844,1
1760 | 0,1960,4238,1
1761 | 0,1879,3843,1
1762 | 0,1207,1196,0
1763 | 0,2540,4508,1
1764 | 0,2281,4930,1
1765 | 0,2107,3899,1
1766 | 0,2649,2698,1
1767 | 0,2154,985,1
1768 | 0,1487,5151,1
1769 | 0,2105,3462,0
1770 | 0,1196,5128,1
1771 | 0,1304,4306,1
1772 | 0,2562,4559,1
1773 | 0,1468,2703,1
1774 | 0,1789,780,1
1775 | 0,440,2789,1
1776 | 0,1734,3692,1
1777 | 0,1690,4729,1
1778 | 0,2182,938,1
1779 | 0,1897,4697,1
1780 | 0,2554,3347,1
1781 | 0,1971,357,1
1782 | 0,2490,1767,1
1783 | 0,1535,2730,1
1784 | 0,2098,1504,1
1785 | 0,2511,4751,1
1786 | 0,1646,4241,1
1787 | 0,2004,1694,0
1788 | 0,1468,1860,1
1789 | 0,2639,79,0
1790 | 0,1711,612,0
1791 | 0,2696,2646,1
1792 | 0,726,1685,1
1793 | 0,1756,966,1
1794 | 0,2107,355,1
1795 | 0,2569,19,0
1796 | 0,1351,2224,1
1797 | 0,876,4026,1
1798 | 0,536,4238,1
1799 | 0,713,533,0
1800 | 0,1580,666,1
1801 | 0,726,2283,1
1802 | 0,1417,3285,1
1803 | 0,1422,2480,0
1804 | 0,1254,2449,1
1805 | 0,915,3741,1
1806 | 0,479,4827,1
1807 | 0,2107,2532,1
1808 | 0,2298,746,1
1809 | 0,2638,2590,1
1810 | 0,2236,2963,0
1811 | 0,1362,164,0
1812 | 0,1821,5454,1
1813 | 0,2508,640,1
1814 | 0,91,2728,1
1815 | 0,1662,1209,0
1816 | 0,2052,1430,0
1817 | 0,1338,3393,0
1818 | 0,2447,3966,0
1819 | 0,2518,2385,0
1820 | 0,2326,4595,0
1821 | 0,2489,1110,1
1822 | 0,1717,3903,1
1823 | 0,2711,4107,1
1824 | 0,1659,2585,1
1825 | 0,2562,2791,0
1826 | 0,1146,341,1
1827 | 0,2504,587,1
1828 | 0,670,5440,1
1829 | 0,2047,3540,1
1830 | 0,1991,1821,1
1831 | 0,2593,4,1
1832 | 0,759,3064,1
1833 | 0,1751,4695,1
1834 | 0,1793,2344,1
1835 | 0,2584,4448,1
1836 | 0,315,4355,1
1837 | 0,2711,2896,0
1838 | 0,1468,709,1
1839 | 0,485,1378,1
1840 | 0,33,4763,0
1841 | 0,1742,4534,1
1842 | 0,2159,5379,1
1843 | 0,1468,2174,1
1844 | 0,926,3470,0
1845 | 0,2511,3677,1
1846 | 0,2705,4157,1
1847 | 0,2621,925,1
1848 | 0,2428,2391,1
1849 | 0,440,1890,1
1850 | 0,2613,3552,1
1851 | 0,2160,2983,0
1852 | 0,1986,1633,1
1853 | 0,1519,1777,1
1854 | 0,2542,5077,0
1855 | 0,2490,1410,1
1856 | 0,1207,2025,1
1857 | 0,2562,3456,1
1858 | 0,2250,3169,1
1859 | 0,2490,202,0
1860 | 0,1582,4612,1
1861 | 0,351,4149,1
1862 | 0,1483,3593,1
1863 | 0,2111,2472,0
1864 | 0,105,4491,1
1865 | 0,1974,1974,1
1866 | 0,1260,380,1
1867 | 0,1434,245,0
1868 | 0,2484,287,1
1869 | 0,1207,4662,1
1870 | 0,2344,3818,1
1871 | 0,2278,2954,0
1872 | 0,2006,4561,1
1873 | 0,2638,5136,0
1874 | 0,2490,5565,1
1875 | 0,87,3615,1
1876 | 0,2245,4961,1
1877 | 0,1956,5494,1
1878 | 0,2258,2353,1
1879 | 0,1504,2206,0
1880 | 0,1965,5493,0
1881 | 0,2649,1395,1
1882 | 0,1514,3273,1
1883 | 0,1986,4716,1
1884 | 0,1537,2015,1
1885 | 0,2250,4085,1
1886 | 0,1947,4079,1
1887 | 0,2428,2652,0
1888 | 0,2649,2677,0
1889 | 0,1421,934,1
1890 | 0,2651,2822,1
1891 | 0,876,604,1
1892 | 0,1699,63,1
1893 | 0,1213,3626,1
1894 | 0,1711,3574,0
1895 | 0,609,5125,1
1896 | 0,2325,89,1
1897 | 0,592,1284,1
1898 | 0,2638,3138,1
1899 | 0,1189,1718,1
1900 | 0,480,3119,1
1901 | 0,380,3961,1
1902 | 0,2469,3764,1
1903 | 0,721,3835,0
1904 | 0,2061,4870,0
1905 | 0,2489,303,0
1906 | 0,2489,2218,1
1907 | 0,1978,4999,1
1908 | 0,1367,1878,0
1909 | 0,1774,4336,1
1910 | 0,1440,1629,0
1911 | 0,1128,2777,1
1912 | 0,2293,3932,0
1913 | 0,1829,970,1
1914 | 0,2244,2051,1
1915 | 0,1448,2115,1
1916 | 0,122,2356,1
1917 | 0,1367,2842,0
1918 | 0,926,613,0
1919 | 0,871,5381,1
1920 | 0,660,3485,1
1921 | 0,604,2236,1
1922 | 0,1971,5024,1
1923 | 0,1806,1914,1
1924 | 0,1258,784,1
1925 | 0,1610,4545,0
1926 | 0,1467,1945,1
1927 | 0,2298,4951,1
1928 | 0,1975,4747,0
1929 | 0,1207,5218,0
1930 | 0,2018,2682,1
1931 | 0,2252,134,1
1932 | 0,2190,4389,1
1933 | 0,1185,1828,0
1934 | 0,1027,1471,1
1935 | 0,2165,569,1
1936 | 0,2080,1621,1
1937 | 0,2111,4265,0
1938 | 0,1228,2946,1
1939 | 0,1535,1794,1
1940 | 0,2589,4895,1
1941 | 0,2129,3309,0
1942 | 0,782,636,1
1943 | 0,2258,2711,0
1944 | 0,2485,4045,0
1945 | 0,1064,3586,1
1946 | 0,1751,1610,1
1947 | 0,2712,3634,0
1948 | 0,2489,3385,1
1949 | 0,650,803,1
1950 | 0,1507,1968,1
1951 | 0,1297,2258,1
1952 | 0,1554,430,1
1953 | 0,2705,1738,1
1954 | 0,2624,2380,1
1955 | 0,609,1871,0
1956 | 0,1610,4685,1
1957 | 0,1693,2473,0
1958 | 0,2258,3725,1
1959 | 0,1297,4696,1
1960 | 0,2024,500,1
1961 | 0,2232,3359,1
1962 | 0,2098,2370,1
1963 | 0,353,4875,1
1964 | 0,2613,2653,1
1965 | 0,267,3268,0
1966 | 0,1793,4539,1
1967 | 0,1254,1917,1
1968 | 0,2296,4092,1
1969 | 0,2435,1291,1
1970 | 0,2004,1225,1
1971 | 0,1412,5417,1
1972 | 0,2033,2959,1
1973 | 0,1047,781,1
1974 | 0,2119,309,1
1975 | 0,463,985,0
1976 | 0,1849,675,1
1977 | 0,1852,1579,1
1978 | 0,2024,3167,1
1979 | 0,876,3948,1
1980 | 0,1609,1377,1
1981 | 0,1986,3522,0
1982 | 0,1161,3732,0
1983 | 0,2298,1907,1
1984 | 0,2374,5249,1
1985 | 0,2515,3698,1
1986 | 0,2447,1563,1
1987 | 0,1699,5067,1
1988 | 0,2325,3442,1
1989 | 0,1943,4588,1
1990 | 0,2150,3574,1
1991 | 0,2665,5524,1
1992 | 0,2511,5415,1
1993 | 0,1235,161,1
1994 | 0,1337,4882,0
1995 | 0,2055,1864,1
1996 | 0,2371,4917,1
1997 | 0,1742,344,1
1998 | 0,2236,2536,1
1999 | 0,1645,5184,1
2000 | 0,1397,3473,0
2001 | 0,1062,2044,1
2002 | 0,132,2937,1
2003 | 0,1830,654,1
2004 | 0,2258,859,1
2005 | 0,2019,3345,0
2006 | 0,1468,708,1
2007 | 0,2148,3244,0
2008 | 0,2489,5464,1
2009 | 0,855,3750,0
2010 | 0,2531,96,1
2011 | 0,1574,4606,1
2012 | 0,1255,3608,1
2013 | 0,2063,3989,1
2014 | 0,2499,4995,0
2015 | 0,1664,4916,0
2016 | 0,855,458,0
2017 | 0,1229,5420,1
2018 | 0,739,3817,0
2019 | 0,1476,284,0
2020 | 0,2052,4033,0
2021 | 0,2414,4913,1
2022 | 0,2150,2504,1
2023 | 0,2612,3933,1
2024 | 0,1206,5384,1
2025 | 0,2258,3155,0
2026 | 0,1454,2620,1
2027 | 0,2190,4176,1
2028 | 0,1206,3385,1
2029 | 0,2018,2934,1
2030 | 0,713,908,1
2031 | 0,876,3810,1
2032 | 0,1609,1229,1
2033 | 0,2127,4550,1
2034 | 0,1781,314,1
2035 | 0,2150,1365,1
2036 | 0,2428,188,1
2037 | 0,2024,2543,1
2038 | 0,1354,372,0
2039 | 0,33,986,1
2040 | 0,2159,4685,1
2041 | 0,2371,5204,1
2042 | 0,1229,3215,0
2043 | 0,2469,4475,1
2044 | 0,1980,3000,1
2045 | 0,2080,2285,1
2046 | 0,1208,1574,1
2047 | 0,1468,3107,1
2048 | 0,1229,113,1
2049 | 0,1874,2493,1
2050 | 0,548,3974,1
2051 | 0,2107,2201,1
2052 | 0,2298,628,1
2053 | 0,2307,944,1
2054 | 0,1573,4716,1
2055 | 0,2004,4958,0
2056 | 0,2150,3924,1
2057 | 0,722,3889,1
2058 | 0,2160,145,0
2059 | 0,726,4570,1
2060 | 0,2593,1173,1
2061 | 0,97,204,1
2062 | 0,2518,5074,1
2063 | 0,1711,658,1
2064 | 0,2250,5316,1
2065 | 0,875,2733,1
2066 | 0,2518,343,1
2067 | 0,2518,4817,1
2068 | 0,2569,1145,1
2069 | 0,2576,151,1
2070 | 0,721,1303,1
2071 | 0,1063,3251,0
2072 | 0,2518,2620,1
2073 | 0,2250,2900,1
2074 | 0,2469,425,1
2075 | 0,875,3100,1
2076 | 0,2612,3741,1
2077 | 0,2250,4378,1
2078 | 0,1462,4206,0
2079 | 0,2094,4039,1
2080 | 0,855,1348,0
2081 | 0,2111,3097,1
2082 | 0,666,2453,1
2083 | 0,2631,1030,1
2084 | 0,1880,2504,0
2085 | 0,1742,1675,1
2086 | 0,2006,4292,0
2087 | 0,2094,2577,1
2088 | 0,876,5152,1
2089 | 0,1576,5346,1
2090 | 0,2199,3291,1
2091 | 0,2258,2887,1
2092 | 0,2180,5231,1
2093 | 0,459,4946,0
2094 | 0,2705,4209,0
2095 | 0,1090,3931,0
2096 | 0,1255,1510,1
2097 | 0,2307,4981,0
2098 | 0,898,3616,1
2099 | 0,645,5511,1
2100 | 0,2322,589,1
2101 | 0,2258,4144,0
2102 | 0,2155,4552,1
2103 | 0,2440,2509,1
2104 | 0,2484,5486,1
2105 | 0,1156,2520,1
2106 | 0,2150,520,1
2107 | 0,2489,3155,1
2108 | 0,1297,5177,0
2109 | 0,2302,221,1
2110 | 0,1610,3279,1
2111 | 0,1158,3678,1
2112 | 0,2400,5207,1
2113 | 0,1665,867,1
2114 | 0,2107,3745,1
2115 | 0,347,636,1
2116 | 0,1991,1282,1
2117 | 0,2150,1331,0
2118 | 0,1341,632,1
2119 | 0,1919,4431,0
2120 | 0,2440,5090,1
2121 | 0,1580,2961,1
2122 | 0,2714,1643,1
2123 | 0,879,2735,1
2124 | 0,855,3679,0
2125 | 0,2099,1253,1
2126 | 0,500,1704,1
2127 | 0,914,7,1
2128 | 0,1241,4565,1
2129 | 0,1610,5554,0
2130 | 0,2638,2652,0
2131 | 0,1859,1106,1
2132 | 0,2357,872,1
2133 | 0,33,636,1
2134 | 0,2518,5423,1
2135 | 0,2009,2955,1
2136 | 0,1213,1336,1
2137 | 0,2352,4867,1
2138 | 0,2686,1785,1
2139 | 0,197,796,1
2140 | 0,871,54,1
2141 | 0,2687,194,0
2142 | 0,569,4084,0
2143 | 0,2307,270,0
2144 | 0,2489,2201,1
2145 | 0,2613,3580,1
2146 | 0,7,1341,1
2147 | 0,2297,3296,1
2148 | 0,1317,5126,0
2149 | 0,2576,4931,1
2150 | 0,1616,4825,1
2151 | 0,2649,2929,0
2152 | 0,1185,747,1
2153 | 0,1467,476,1
2154 | 0,604,2930,1
2155 | 0,1191,2524,1
2156 | 0,2373,4316,1
2157 | 0,2150,134,1
2158 | 0,1814,2745,0
2159 | 0,1778,4371,0
2160 | 0,2638,5019,1
2161 | 0,2701,5041,1
2162 | 0,2258,5030,1
2163 | 0,2225,1049,1
2164 | 0,2418,3853,0
2165 | 0,1320,4472,1
2166 | 0,1711,3629,1
2167 | 0,1991,4881,1
2168 | 0,1580,3296,1
2169 | 0,1189,310,0
2170 | 0,2428,296,1
2171 | 0,197,3961,1
2172 | 0,2621,4596,1
2173 | 0,465,771,0
2174 | 0,2281,5343,0
2175 | 0,1980,3142,1
2176 | 0,1986,4818,1
2177 | 0,1871,5410,1
2178 | 0,2349,4297,1
2179 | 0,2447,2237,0
2180 | 0,1919,1654,1
2181 | 0,1665,2463,1
2182 | 0,1610,485,1
2183 | 0,855,3563,0
2184 | 0,1338,4236,0
2185 | 0,2365,4169,0
2186 | 0,2581,3813,0
2187 | 0,1608,2032,1
2188 | 0,855,504,1
2189 | 0,2150,2905,1
2190 | 0,221,3054,1
2191 | 0,613,2444,1
2192 | 0,726,4441,1
2193 | 0,349,4568,1
2194 | 0,2576,4211,1
2195 | 0,2150,1588,1
2196 | 0,739,3692,0
2197 | 0,1687,3073,1
2198 | 0,2127,309,1
2199 | 0,525,5272,1
2200 | 0,2071,276,0
2201 | 0,2612,2280,1
2202 | 0,2643,4220,1
2203 | 0,2705,718,1
2204 | 0,1468,4200,1
2205 | 0,1454,3038,0
2206 | 0,1664,4682,1
2207 | 0,2344,5047,1
2208 | 0,228,269,1
2209 | 0,855,4620,1
2210 | 0,2443,5381,1
2211 | 0,2154,3783,0
2212 | 0,1654,2844,1
2213 | 0,754,1941,0
2214 | 0,2107,35,0
2215 | 0,2250,2441,1
2216 | 0,2150,2250,1
2217 | 0,2252,4341,1
2218 | 0,2150,4324,1
2219 | 0,754,284,0
2220 | 0,2362,624,1
2221 | 0,380,5030,1
2222 | 0,1068,3941,1
2223 | 0,2060,3921,0
2224 | 0,1003,2955,1
2225 | 0,1368,5253,0
2226 | 0,2075,1947,1
2227 | 0,547,2940,1
2228 | 0,1843,3518,1
2229 | 0,2250,2654,0
2230 | 0,2258,3757,1
2231 | 0,2133,4423,1
2232 | 0,1606,142,1
2233 | 0,353,867,1
2234 | 0,2511,1269,1
2235 | 0,2469,282,1
2236 | 0,1476,2738,0
2237 | 0,1124,789,1
2238 | 0,1830,696,1
2239 | 0,1679,1187,1
2240 | 0,1944,3275,0
2241 | 0,525,4206,1
2242 | 0,1418,1588,1
2243 | 0,1211,32,1
2244 | 0,1830,472,1
2245 | 0,2244,5251,1
2246 | 0,2617,4490,1
2247 | 0,1221,4539,0
2248 | 0,2490,3955,1
2249 | 0,1665,2507,1
2250 | 0,875,1323,0
2251 | 0,1367,2081,1
2252 | 0,2325,2465,1
2253 | 0,2518,1076,1
2254 | 0,2249,1229,1
2255 | 0,1630,429,1
2256 | 0,2322,2192,1
2257 | 0,1221,5094,1
2258 | 0,2158,3513,0
2259 | 0,2212,1071,1
2260 | 0,1317,1150,1
2261 | 0,726,399,1
2262 | 0,2150,2115,1
2263 | 0,2335,2096,1
2264 | 0,2258,2906,1
2265 | 0,1971,240,0
2266 | 0,2199,5238,0
2267 | 0,1634,4821,1
2268 | 0,1496,4783,1
2269 | 0,485,1750,1
2270 | 0,2638,4863,0
2271 | 0,1178,4206,1
2272 | 0,2584,4170,0
2273 | 0,754,2396,1
2274 | 0,2444,2733,1
2275 | 0,2117,2891,1
2276 | 0,2150,1911,1
2277 | 0,1468,5533,1
2278 | 0,2541,2494,1
2279 | 0,1337,4673,1
2280 | 0,1859,1381,1
2281 | 0,1714,2141,0
2282 | 0,2296,1444,1
2283 | 0,828,3291,1
2284 | 0,2581,345,1
2285 | 0,2006,2098,0
2286 | 0,1638,3128,1
2287 | 0,2518,1626,1
2288 | 0,1294,5558,0
2289 | 0,2127,840,1
2290 | 0,2518,2083,1
2291 | 0,1467,3727,1
2292 | 0,2293,4550,1
2293 | 0,1830,926,1
2294 | 0,2357,5318,1
2295 | 0,2095,3047,1
2296 | 0,1554,2389,1
2297 | 0,396,672,1
2298 | 0,592,725,1
2299 | 0,1730,2369,1
2300 | 0,2187,1674,1
2301 | 0,2649,1049,1
2302 | 0,2258,2870,1
2303 | 0,33,2075,1
2304 | 0,2555,3880,0
2305 | 0,1766,5313,0
2306 | 0,1889,1478,1
2307 | 0,1454,3226,1
2308 | 0,1898,5494,1
2309 | 0,1554,1738,1
2310 | 0,2325,3963,1
2311 | 0,105,4691,1
2312 | 0,105,1321,1
2313 | 0,2180,3239,1
2314 | 0,721,3680,1
2315 | 0,2106,161,0
2316 | 0,2612,5375,1
2317 | 0,2133,2672,1
2318 | 0,1582,4228,1
2319 | 0,132,3569,0
2320 | 0,1765,642,1
2321 | 0,1177,780,1
2322 | 0,1699,235,1
2323 | 0,2344,3888,1
2324 | 0,2146,1438,1
2325 | 0,2187,81,0
2326 | 0,2219,333,1
2327 | 0,2307,5282,1
2328 | 0,2349,4204,1
2329 | 0,1303,4444,0
2330 | 0,2418,3639,1
2331 | 0,2418,3647,1
2332 | 0,1397,5354,1
2333 | 0,1746,3105,0
2334 | 0,2648,840,1
2335 | 0,1132,3886,0
2336 | 0,2150,2433,1
2337 | 0,525,846,1
2338 | 0,2075,1060,1
2339 | 0,2146,4814,0
2340 | 0,2258,5147,1
2341 | 0,501,566,1
2342 | 0,1216,5526,1
2343 | 0,2576,5323,1
2344 | 0,1433,4871,1
2345 | 0,1270,4884,0
2346 | 0,2150,3987,1
2347 | 0,339,4050,1
2348 | 0,2218,2309,1
2349 | 0,2361,2334,1
2350 | 0,1970,4273,1
2351 | 0,2236,3908,1
2352 | 0,1189,2227,1
2353 | 0,1653,4273,1
2354 | 0,2155,2325,1
2355 | 0,2047,1417,1
2356 | 0,1919,1655,1
2357 | 0,2281,355,1
2358 | 0,2160,4188,1
2359 | 0,1355,378,1
2360 | 0,1468,3321,1
2361 | 0,1064,3588,1
2362 | 0,2469,200,1
2363 | 0,506,23,1
2364 | 0,2418,1794,1
2365 | 0,1191,1928,1
2366 | 0,2448,115,0
2367 | 0,2374,4866,1
2368 | 0,2352,4197,0
2369 | 0,1132,3790,0
2370 | 0,1496,4602,0
2371 | 0,2258,2881,0
2372 | 0,1610,1304,1
2373 | 0,2024,69,1
2374 | 0,1279,382,1
2375 | 0,2307,5090,1
2376 | 0,1879,2502,1
2377 | 0,986,3569,1
2378 | 0,2150,3220,1
2379 | 0,353,4249,1
2380 | 0,1746,572,1
2381 | 0,2603,266,1
2382 | 0,349,5524,1
2383 | 0,1764,439,1
2384 | 0,2258,216,1
2385 | 0,2150,5052,1
2386 | 0,2094,219,1
2387 | 0,2150,742,1
2388 | 0,2061,3578,0
2389 | 0,1839,4356,1
2390 | 0,522,833,1
2391 | 0,2258,1448,1
2392 | 0,1468,1998,1
2393 | 0,1283,4907,1
2394 | 0,2443,188,0
2395 | 0,2133,2121,0
2396 | 0,195,3897,0
2397 | 0,1652,4976,1
2398 | 0,2708,5312,1
2399 | 0,1699,381,1
2400 | 0,1730,1848,1
2401 | 0,2400,1470,1
2402 | 0,1467,3715,1
2403 | 0,1606,3062,1
2404 | 0,1468,2823,1
2405 | 0,1087,3888,1
2406 | 0,2307,588,1
2407 | 0,2447,39,1
2408 | 0,842,3633,1
2409 | 0,2711,456,1
2410 | 0,2671,1075,0
2411 | 0,2150,3102,1
2412 | 0,2013,1709,1
2413 | 0,2617,2495,1
2414 | 0,2649,708,1
2415 | 0,2071,2351,0
2416 | 0,2444,3040,1
2417 | 0,2643,5398,0
2418 | 0,1580,1847,1
2419 | 0,2518,422,1
2420 | 0,1742,2565,1
2421 | 0,2504,3003,1
2422 | 0,1687,2797,1
2423 | 0,1822,3462,0
2424 | 0,1799,2377,0
2425 | 0,2435,629,1
2426 | 0,2258,681,1
2427 | 0,1191,2613,1
2428 | 0,333,230,1
2429 | 0,1526,5049,1
2430 | 0,2478,4378,1
2431 | 0,1821,1466,0
2432 | 0,1281,16,1
2433 | 0,2232,3834,0
2434 | 0,1540,5049,1
2435 | 0,2293,5469,0
2436 | 0,1801,4218,1
2437 | 0,2705,3818,1
2438 | 0,1496,365,1
2439 | 0,349,4169,1
2440 | 0,754,2811,0
2441 | 0,2612,208,0
2442 | 0,1297,1599,1
2443 | 0,1304,2781,1
2444 | 0,1971,1977,1
2445 | 0,2534,1454,1
2446 | 0,1949,5209,0
2447 | 0,2084,1427,1
2448 | 0,1063,5381,1
2449 | 0,1665,4959,1
2450 | 0,2133,1723,1
2451 | 0,2531,4833,1
2452 | 0,1676,4535,1
2453 | 0,1714,3823,1
2454 | 0,1216,627,1
2455 | 0,1414,1899,1
2456 | 0,2447,5530,1
2457 | 0,1585,4980,1
2458 | 0,480,5480,1
2459 | 0,2304,4898,1
2460 | 0,2180,2859,0
2461 | 0,2612,3144,1
2462 | 0,2416,3018,1
2463 | 0,415,1982,1
2464 | 0,604,1057,1
2465 | 0,1962,104,1
2466 | 0,1610,1639,0
2467 | 0,290,407,1
2468 | 0,2593,3789,1
2469 | 0,1341,1764,1
2470 | 0,1903,1540,1
2471 | 0,2593,193,1
2472 | 0,2150,5458,1
2473 | 0,2569,5419,1
2474 | 0,2258,3924,1
2475 | 0,2490,3751,1
2476 | 0,145,4874,1
2477 | 0,2163,1171,1
2478 | 0,2311,1565,0
2479 | 0,1880,461,0
2480 | 0,1659,1475,1
2481 | 0,961,4539,1
2482 | 0,172,806,1
2483 | 0,2150,3799,1
2484 | 0,2374,1626,1
2485 | 0,2447,3813,0
2486 | 0,1279,5207,1
2487 | 0,1645,4250,1
2488 | 0,2711,5095,1
2489 | 0,2005,1275,1
2490 | 0,604,2409,1
2491 | 0,2705,1590,0
2492 | 0,1191,3566,1
2493 | 0,2209,2338,1
2494 | 0,1919,763,1
2495 | 0,18,2934,1
2496 | 0,2150,3469,1
2497 | 0,855,3432,0
2498 | 0,1679,5055,1
2499 | 0,2621,2873,1
2500 | 0,2232,326,1
2501 | 0,1637,5410,1
2502 | 0,2108,557,1
2503 | 0,2490,16,1
2504 | 0,1068,3805,1
2505 | 0,1980,2867,0
2506 | 0,1613,602,1
2507 | 0,2447,3145,1
2508 | 0,1380,4725,1
2509 | 0,1450,5018,0
2510 | 0,2150,2146,1
2511 | 0,2536,886,1
2512 | 0,1554,158,1
2513 | 0,1208,268,1
2514 | 0,2612,3634,1
2515 | 0,2705,995,1
2516 | 0,1729,1577,1
2517 | 0,1062,2088,1
2518 | 0,2569,3960,1
2519 | 0,2624,4503,1
2520 | 0,2293,525,1
2521 | 0,2278,4305,0
2522 | 0,1337,4487,0
2523 | 0,1211,2624,0
2524 | 0,1505,5097,0
2525 | 0,2164,94,1
2526 | 0,855,4528,1
2527 | 0,2311,4184,0
2528 | 0,2496,4805,1
2529 | 0,2150,4412,1
2530 | 0,1634,4228,0
2531 | 0,2447,3572,0
2532 | 0,1264,4271,1
2533 | 0,961,4242,1
2534 | 0,1468,1720,1
2535 | 0,2258,3104,0
2536 | 0,2593,3081,1
2537 | 0,1986,137,1
2538 | 0,2469,2069,1
2539 | 0,2705,1236,1
2540 | 0,2489,188,0
2541 | 0,2714,1439,1
2542 | 0,2403,4429,0
2543 | 0,660,3269,1
2544 | 0,1540,1974,1
2545 | 0,1799,4191,0
2546 | 0,2403,2446,1
2547 | 0,1889,1518,1
2548 | 0,1224,4310,1
2549 | 0,1655,3667,1
2550 | 0,2378,4915,1
2551 | 0,2381,564,1
2552 | 0,1062,2504,1
2553 | 0,1314,455,1
2554 | 0,1350,161,1
2555 | 0,875,3882,1
2556 | 0,2231,51,1
2557 | 0,2638,270,1
2558 | 0,479,2363,1
2559 | 0,2651,4760,1
2560 | 0,1788,1506,1
2561 | 0,1254,1674,1
2562 | 0,1623,2494,0
2563 | 0,1448,3159,0
2564 | 0,506,4964,1
2565 | 0,721,3650,1
2566 | 0,1474,3863,1
2567 | 0,726,1158,1
2568 | 0,1418,1228,1
2569 | 0,2606,2824,1
2570 | 0,1448,43,1
2571 | 0,1830,4969,0
2572 | 0,2250,3363,0
2573 | 0,2542,1861,1
2574 | 0,1426,4931,0
2575 | 0,2150,4003,1
2576 | 0,2448,5235,1
2577 | 0,499,5376,1
2578 | 0,2624,3485,1
2579 | 0,1919,4440,1
2580 | 0,828,3096,0
2581 | 0,2666,3732,0
2582 | 0,1612,4387,0
2583 | 0,2496,4003,1
2584 | 0,1746,2050,1
2585 | 0,2111,2800,1
2586 | 0,1787,2351,1
2587 | 0,2271,2806,1
2588 | 0,2133,1223,1
2589 | 0,132,3564,1
2590 | 0,2150,4651,1
2591 | 0,2643,221,0
2592 | 0,2449,3217,1
2593 | 0,1439,3222,1
2594 | 0,1468,5160,1
2595 | 0,1821,4574,0
2596 | 0,1480,374,1
2597 | 0,2413,583,1
2598 | 0,2527,1336,1
2599 | 0,2490,3964,0
2600 | 0,2158,1698,1
2601 | 0,1207,1499,1
2602 | 0,1274,4440,1
2603 | 0,2413,1512,1
2604 | 0,2212,1034,1
2605 | 0,1229,2241,0
2606 | 0,2707,2543,0
2607 | 0,2511,4818,1
2608 | 0,2150,1411,1
2609 | 0,2159,5245,0
2610 | 0,2511,1145,1
2611 | 0,2182,1499,1
2612 | 0,2258,2775,1
2613 | 0,2281,488,1
2614 | 0,2127,4415,1
2615 | 0,875,716,1
2616 | 0,2247,1309,1
2617 | 0,2077,4522,1
2618 | 0,1304,4696,1
2619 | 0,2484,5410,0
2620 | 0,1582,1420,1
2621 | 0,1664,3470,0
2622 | 0,1297,4952,0
2623 | 0,1448,5512,1
2624 | 0,485,1053,1
2625 | 0,1429,2473,1
2626 | 0,1351,2485,1
2627 | 0,2701,5348,1
2628 | 0,1467,4993,0
2629 | 0,546,737,1
2630 | 0,875,3933,0
2631 | 0,1063,2619,0
2632 | 0,2017,2627,1
2633 | 0,1919,757,0
2634 | 0,2612,1479,1
2635 | 0,2518,2579,1
2636 | 0,1610,5542,1
2637 | 0,1554,3958,1
2638 | 0,324,1770,1
2639 | 0,2371,164,0
2640 | 0,1162,909,1
2641 | 0,1274,3304,0
2642 | 0,2418,5345,0
2643 | 0,1874,3701,0
2644 | 0,2686,2495,1
2645 | 0,1880,2456,1
2646 | 0,548,816,1
2647 | 0,1448,5175,0
2648 | 0,2643,3470,0
2649 | 0,2098,13,1
2650 | 0,2114,178,1
2651 | 0,1888,2934,1
2652 | 0,2601,2493,0
2653 | 0,660,619,1
2654 | 0,1351,749,1
2655 | 0,915,1712,1
2656 | 0,2406,2779,0
2657 | 0,2142,218,0
2658 | 0,1540,4224,1
2659 | 0,2714,4981,1
2660 | 0,2624,3923,1
2661 | 0,485,330,1
2662 | 0,539,2789,1
2663 | 0,483,1312,1
2664 | 0,1241,348,1
2665 | 0,1337,384,1
2666 | 0,1221,3290,1
2667 | 0,2122,5048,0
2668 | 0,2280,1910,1
2669 | 0,1889,1784,0
2670 | 0,2043,3690,0
2671 | 0,2469,5439,1
2672 | 0,2612,3125,1
2673 | 0,926,1605,1
2674 | 0,2293,3274,1
2675 | 0,1211,1947,1
2676 | 0,726,1054,1
2677 | 0,2250,1063,1
2678 | 0,2624,4566,1
2679 | 0,1444,4846,1
2680 | 0,2260,164,1
2681 | 0,2504,2449,1
2682 | 0,2687,221,1
2683 | 0,2004,4749,0
2684 | 0,2398,2229,1
2685 | 0,2071,108,0
2686 | 0,2113,1543,1
2687 | 0,1224,3408,0
2688 | 0,1397,1086,0
2689 | 0,2158,1176,1
2690 | 0,2453,2823,1
2691 | 0,2058,4705,1
2692 | 0,2643,5519,0
2693 | 0,2148,4305,1
2694 | 0,2712,5562,1
2695 | 0,2705,713,1
2696 | 0,1229,2073,0
2697 | 0,1317,2221,0
2698 | 0,518,2612,1
2699 | 0,2469,3458,1
2700 | 0,2647,573,1
2701 | 0,1991,1865,1
2702 | 0,1279,1230,1
2703 | 0,33,2417,1
2704 | 0,2428,111,1
2705 | 0,1421,4844,1
2706 | 0,480,3197,1
2707 | 0,2511,2548,1
2708 | 0,2165,4516,1
2709 | 0,2403,2805,1
2710 | 0,908,1524,1
2711 | 0,1637,587,1
2712 | 0,2643,1625,1
2713 | 0,2133,5284,1
2714 | 0,1213,3468,1
2715 | 0,2613,266,0
2716 | 0,2307,4868,0
2717 | 0,1297,5072,1
2718 | 0,1487,5259,1
2719 | 0,2447,2760,0
2720 | 0,353,1666,1
2721 | 0,18,517,1
2722 | 0,2111,3213,1
2723 | 0,2150,5238,1
2724 | 0,2095,2972,1
2725 | 0,2014,4727,1
2726 | 0,1582,1499,0
2727 | 0,1616,4624,1
2728 | 0,2489,2004,1
2729 | 0,1362,3785,1
2730 | 0,2458,2820,0
2731 | 0,1580,3201,0
2732 | 0,1486,344,1
2733 | 0,1279,4562,0
2734 | 0,2403,3035,0
2735 | 0,754,1272,1
2736 | 0,2518,2162,1
2737 | 0,2518,661,1
2738 | 0,2217,314,1
2739 | 0,1326,2797,1
2740 | 0,2489,42,0
2741 | 0,1717,3886,1
2742 | 0,1216,3785,0
2743 | 0,557,209,1
2744 | 0,1467,425,0
2745 | 0,353,1331,1
2746 | 0,2400,1511,1
2747 | 0,2150,3608,1
2748 | 0,726,2493,1
2749 | 0,1872,3154,1
2750 | 0,1821,3270,1
2751 | 0,2152,721,1
2752 | 0,743,1561,1
2753 | 0,1496,4809,1
2754 | 0,2071,2061,1
2755 | 0,1271,374,0
2756 | 0,2518,3603,1
2757 | 0,1224,2797,1
2758 | 0,1496,4701,1
2759 | 0,2150,502,1
2760 | 0,855,2399,0
2761 | 0,2373,4294,0
2762 | 0,2043,3653,1
2763 | 0,2002,5400,0
2764 | 0,2518,1188,1
2765 | 0,612,3931,1
2766 | 0,1821,2812,1
2767 | 0,2344,3195,0
2768 | 0,1506,5184,1
2769 | 0,1333,3300,1
2770 | 0,2160,424,1
2771 | 0,2455,5129,1
2772 | 0,2711,535,1
2773 | 0,1655,1231,1
2774 | 0,472,700,1
2775 | 0,1662,1754,1
2776 | 0,604,2528,0
2777 | 0,2043,4257,1
2778 | 0,2593,267,1
2779 | 0,1191,4065,1
2780 | 0,2136,433,1
2781 | 0,2061,492,0
2782 | 0,328,3814,1
2783 | 0,2344,3974,1
2784 | 0,1726,818,1
2785 | 0,1412,809,1
2786 | 0,754,5527,1
2787 | 0,1985,2403,1
2788 | 0,2631,5051,1
2789 | 0,2260,1757,1
2790 | 0,1606,155,1
2791 | 0,2617,1109,1
2792 | 0,232,3142,1
2793 | 0,1630,2687,0
2794 | 0,1610,521,0
2795 | 0,1388,1325,1
2796 | 0,2150,3929,1
2797 | 0,2612,2813,0
2798 | 0,1623,3964,0
2799 | 0,1896,2086,1
2800 | 0,2448,5495,1
2801 | 0,2004,740,1
2802 | 0,2009,3755,0
2803 | 0,2150,3998,1
2804 | 0,2155,4654,0
2805 | 0,1985,4572,1
2806 | 0,2099,1508,1
2807 | 0,1509,4918,1
2808 | 0,2705,1139,1
2809 | 0,721,2156,0
2810 | 0,1206,1931,0
2811 | 0,502,5330,1
2812 | 0,2150,2508,1
2813 | 0,1333,2675,1
2814 | 0,2212,3918,1
2815 | 0,1971,897,1
2816 | 0,721,2901,1
2817 | 0,2307,3238,0
2818 | 0,1679,5157,1
2819 | 0,1880,5060,1
2820 | 0,1413,1936,0
2821 | 0,2696,1937,0
2822 | 0,2293,496,1
2823 | 0,2418,3838,1
2824 | 0,2094,2284,1
2825 | 0,1504,5220,0
2826 | 0,2261,3914,1
2827 | 0,2701,921,1
2828 | 0,2217,1367,0
2829 | 0,592,216,1
2830 | 0,2172,587,0
2831 | 0,2705,5238,1
2832 | 0,1799,2192,1
2833 | 0,2322,1255,1
2834 | 0,213,3814,1
2835 | 0,1297,692,1
2836 | 0,2447,5450,1
2837 | 0,2258,3335,1
2838 | 0,2311,4534,0
2839 | 0,2418,2371,1
2840 | 0,2504,1777,1
2841 | 0,39,3661,0
2842 | 0,2244,229,1
2843 | 0,396,2867,0
2844 | 0,1801,4622,0
2845 | 0,1661,1394,1
2846 | 0,1662,5138,0
2847 | 0,1367,2297,1
2848 | 0,1505,2316,1
2849 | 0,2061,195,0
2850 | 0,2357,1550,1
2851 | 0,1781,5319,1
2852 | 0,1620,1785,1
2853 | 0,83,2398,1
2854 | 0,2024,3288,1
2855 | 0,875,4569,1
2856 | 0,2127,4899,1
2857 | 0,2316,3783,1
2858 | 0,525,4964,1
2859 | 0,2258,4832,1
2860 | 0,1218,5142,0
2861 | 0,2043,3005,0
2862 | 0,2117,3650,1
2863 | 0,2258,3700,1
2864 | 0,1205,4154,0
2865 | 0,2559,5455,1
2866 | 0,2469,209,1
2867 | 0,2150,757,1
2868 | 0,1551,5423,1
2869 | 0,453,2500,1
2870 | 0,2217,691,1
2871 | 0,2258,5295,0
2872 | 0,1974,1715,1
2873 | 0,2606,2063,0
2874 | 0,1610,3717,0
2875 | 0,2489,2288,1
2876 | 0,1659,2186,1
2877 | 0,1227,3466,0
2878 | 0,1129,3003,1
2879 | 0,1594,2323,1
2880 | 0,1250,5030,0
2881 | 0,2182,2042,1
2882 | 0,2190,1885,1
2883 | 0,732,2934,1
2884 | 0,1688,452,1
2885 | 0,1962,3592,1
2886 | 0,2649,1445,1
2887 | 0,83,5541,1
2888 | 0,1241,4561,1
2889 | 0,1235,3540,1
2890 | 0,1297,2439,1
2891 | 0,2447,3924,1
2892 | 0,2638,3379,1
2893 | 0,2458,994,1
2894 | 0,2060,2351,1
2895 | 0,525,1967,0
2896 | 0,2060,1892,1
2897 | 0,855,1341,1
2898 | 0,2107,2994,0
2899 | 0,2567,1243,0
2900 | 0,2593,1594,1
2901 | 0,2327,5276,1
2902 | 0,1537,4855,0
2903 | 0,1422,5465,1
2904 | 0,2033,4384,1
2905 | 0,2217,2837,1
2906 | 0,1383,4378,0
2907 | 0,2018,4438,1
2908 | 0,2322,2762,0
2909 | 0,1390,3133,1
2910 | 0,2458,3470,0
2911 | 0,1254,5337,1
2912 | 0,2298,4027,1
2913 | 0,1414,1438,1
2914 | 0,2335,1894,1
2915 | 0,2479,2640,1
2916 | 0,1663,5226,0
2917 | 0,2150,3609,1
2918 | 0,1944,3243,0
2919 | 0,1275,4807,0
2920 | 0,2001,682,1
2921 | 0,314,4054,1
2922 | 0,2190,2675,0
2923 | 0,1274,4993,1
2924 | 0,548,3875,1
2925 | 0,2322,1285,1
2926 | 0,2281,1635,1
2927 | 0,305,5189,1
2928 | 0,1778,4250,1
2929 | 0,2322,223,1
2930 | 0,2626,4940,0
2931 | 0,1645,2335,1
2932 | 0,1695,2730,1
2933 | 0,1191,2789,1
2934 | 0,2518,5325,1
2935 | 0,1971,463,1
2936 | 0,2018,746,1
2937 | 0,2281,1082,1
2938 | 0,2649,252,1
2939 | 0,518,2350,0
2940 | 0,1064,3244,0
2941 | 0,1700,1796,0
2942 | 0,2014,1635,1
2943 | 0,2129,5440,1
2944 | 0,1481,3915,1
2945 | 0,518,2807,0
2946 | 0,2391,4012,1
2947 | 0,1258,2604,0
2948 | 0,1448,1045,1
2949 | 0,2501,2093,0
2950 | 0,726,1008,1
2951 | 0,2518,2432,1
2952 | 0,2400,4444,1
2953 | 0,1645,2351,1
2954 | 0,1412,1320,0
2955 | 0,1526,560,1
2956 | 0,1595,1470,0
2957 | 0,2232,3541,0
2958 | 0,1966,4167,1
2959 | 0,97,4520,1
2960 | 0,2236,4700,1
2961 | 0,2146,1924,1
2962 | 0,33,3645,0
2963 | 0,1297,806,1
2964 | 0,2182,791,1
2965 | 0,842,4589,1
2966 | 0,1852,4220,1
2967 | 0,2705,4028,1
2968 | 0,2004,167,1
2969 | 0,2182,1414,1
2970 | 0,1480,4774,1
2971 | 0,33,1201,1
2972 | 0,713,530,1
2973 | 0,518,5183,1
2974 | 0,1630,4945,0
2975 | 0,2647,4052,1
2976 | 0,2301,3159,1
2977 | 0,1764,4178,1
2978 | 0,1191,4013,1
2979 | 0,1582,570,1
2980 | 0,2448,5201,0
2981 | 0,855,4676,1
2982 | 0,1468,2099,1
2983 | 0,1700,2630,1
2984 | 0,721,3389,1
2985 | 0,1708,1472,1
2986 | 0,1496,1225,1
2987 | 0,689,1650,1
2988 | 0,1638,2870,0
2989 | 0,855,2560,0
2990 | 0,1008,4094,0
2991 | 0,1439,3073,1
2992 | 0,1357,4333,1
2993 | 0,1476,3366,0
2994 | 0,1362,4384,1
2995 | 0,2518,1936,1
2996 | 0,1801,3518,1
2997 | 0,2327,2072,1
2998 | 0,480,2901,0
2999 | 0,2518,5440,1
3000 | 0,2504,5455,1
3001 | 0,1062,2713,1
3002 | 0,1087,5372,0
3003 | 0,83,1887,0
3004 | 0,2176,3144,1
3005 | 0,1705,2781,1
3006 | 0,1554,501,1
3007 | 0,2150,3198,1
3008 | 0,2150,4798,1
3009 | 0,1519,555,1
3010 | 0,1609,5348,0
3011 | 0,1230,161,0
3012 | 0,855,2977,1
3013 | 0,2612,5554,1
3014 | 0,2150,5174,0
3015 | 0,2403,4990,0
3016 | 0,2489,5003,1
3017 | 0,2440,1069,1
3018 | 0,2127,1706,0
3019 | 0,1766,4957,1
3020 | 0,2712,2483,1
3021 | 0,2567,5041,1
3022 | 0,2341,550,1
3023 | 0,1293,2077,1
3024 | 0,855,1766,1
3025 | 0,454,4413,1
3026 | 0,2212,1907,1
3027 | 0,1699,3921,1
3028 | 0,272,52,1
3029 | 0,609,5273,1
3030 | 0,228,4112,0
3031 | 0,1218,1622,1
3032 | 0,2418,2460,1
3033 | 0,855,4947,1
3034 | 0,1865,134,1
3035 | 0,2712,5041,1
3036 | 0,2212,1573,1
3037 | 0,2218,1193,1
3038 | 0,842,3643,1
3039 | 0,39,3974,1
3040 | 0,1509,345,1
3041 | 0,1645,5472,1
3042 | 0,1187,1521,1
3043 | 0,1580,2844,0
3044 | 0,2617,2768,1
3045 | 0,2060,3329,0
3046 | 0,2165,3927,1
3047 | 0,2531,1749,1
3048 | 0,2447,641,0
3049 | 0,1211,2037,1
3050 | 0,2258,4444,1
3051 | 0,1994,5050,1
3052 | 0,2150,1803,1
3053 | 0,2496,60,0
3054 | 0,1354,2038,1
3055 | 0,1821,3802,1
3056 | 0,875,1317,1
3057 | 0,97,2183,1
3058 | 0,1368,331,1
3059 | 0,2518,4421,1
3060 | 0,1778,615,0
3061 | 0,2490,3786,1
3062 | 0,518,422,1
3063 | 0,2182,559,1
3064 | 0,2297,2302,1
3065 | 0,2320,3485,1
3066 | 0,2101,2338,1
3067 | 0,1623,2515,0
3068 | 0,2150,2772,0
3069 | 0,1467,4253,1
3070 | 0,2150,1161,1
3071 | 0,875,3729,1
3072 | 0,1191,3909,1
3073 | 0,1069,5473,1
3074 | 0,2443,4487,1
3075 | 0,2581,428,1
3076 | 0,2631,1165,1
3077 | 0,1971,5561,1
3078 | 0,1458,2959,0
3079 | 0,2469,2682,1
3080 | 0,2180,500,1
3081 | 0,252,2509,1
3082 | 0,1280,1340,1
3083 | 0,2534,3002,1
3084 | 0,226,3209,1
3085 | 0,2225,2299,0
3086 | 0,1290,4849,1
3087 | 0,480,3882,0
3088 | 0,2569,5352,1
3089 | 0,2043,3482,1
3090 | 0,1507,2341,1
3091 | 0,1715,1243,1
3092 | 0,2449,204,1
3093 | 0,2403,174,1
3094 | 0,97,321,1
3095 | 0,855,1315,1
3096 | 0,1610,3081,1
3097 | 0,1454,2451,1
3098 | 0,1281,2653,1
3099 | 0,2125,5041,1
3100 | 0,726,347,1
3101 | 0,1881,286,1
3102 | 0,1781,733,1
3103 | 0,1576,739,0
3104 | 0,736,357,1
3105 | 0,2318,2807,1
3106 | 0,2150,4691,1
3107 | 0,1821,1059,0
3108 | 0,1609,4169,1
3109 | 0,2515,3211,0
3110 | 0,1630,5128,1
3111 | 0,2416,2892,0
3112 | 0,1274,2008,1
3113 | 0,1746,1643,1
3114 | 0,2331,4990,1
3115 | 0,2428,2072,1
3116 | 0,2244,636,1
3117 | 0,2341,1395,1
3118 | 0,1778,2146,1
3119 | 0,2225,2242,1
3120 | 0,1897,1854,1
3121 | 0,2217,2710,1
3122 | 0,2600,4734,1
3123 | 0,2487,2777,1
3124 | 0,1832,1916,0
3125 | 0,2150,3470,1
3126 | 0,1468,4559,1
3127 | 0,1931,5523,1
3128 | 0,1467,1403,0
3129 | 0,754,3147,0
3130 | 0,2446,3832,0
3131 | 0,1980,2217,1
3132 | 0,1377,229,0
3133 | 0,2357,2493,1
3134 | 0,584,2667,0
3135 | 0,2484,107,1
3136 | 0,2557,4135,1
3137 | 0,1540,4756,1
3138 | 0,754,3562,1
3139 | 0,358,3498,1
3140 | 0,1255,3788,1
3141 | 0,2418,3423,1
3142 | 0,1991,4919,0
3143 | 0,2447,4518,1
3144 | 0,2325,937,1
3145 | 0,2150,3131,1
3146 | 0,1852,5129,0
3147 | 0,1062,306,1
3148 | 0,1281,3396,1
3149 | 0,1505,4569,0
3150 | 0,2638,1782,0
3151 | 0,2349,4209,1
3152 | 0,1468,1503,1
3153 | 0,2447,3670,0
3154 | 0,2071,2367,1
3155 | 0,1476,852,0
3156 | 0,1422,742,1
3157 | 0,2258,5366,1
3158 | 0,2563,2086,0
3159 | 0,1680,5342,0
3160 | 0,2154,5524,1
3161 | 0,1985,2311,1
3162 | 0,2613,3611,1
3163 | 0,1554,365,1
3164 | 0,2190,2924,0
3165 | 0,2018,3213,1
3166 | 0,2034,2950,1
3167 | 0,1468,3770,1
3168 | 0,2469,165,1
3169 | 0,934,4108,0
3170 | 0,1187,4323,1
3171 | 0,1397,1285,1
3172 | 0,876,3888,1
3173 | 0,2291,1796,1
3174 | 0,2105,3248,1
3175 | 0,2703,769,1
3176 | 0,1880,1815,1
3177 | 0,1468,4378,1
3178 | 0,2518,1500,1
3179 | 0,2601,3040,1
3180 | 0,2414,5,1
3181 | 0,2413,901,0
3182 | 0,1230,1705,1
3183 | 0,2490,3581,1
3184 | 0,1550,3701,1
3185 | 0,2117,2439,1
3186 | 0,2638,5347,1
3187 | 0,2005,2223,1
3188 | 0,2679,161,1
3189 | 0,2448,2498,0
3190 | 0,1249,1175,1
3191 | 0,2613,684,1
3192 | 0,2095,4757,1
3193 | 0,1509,1217,1
3194 | 0,1986,5066,1
3195 | 0,353,1096,1
3196 | 0,1880,3175,1
3197 | 0,2369,2201,1
3198 | 0,2371,4308,1
3199 | 0,2217,2044,1
3200 | 0,2250,2026,1
3201 | 0,1742,1652,1
3202 | 0,546,4193,1
3203 | 0,2105,203,0
3204 | 0,1767,1098,1
3205 | 0,1086,784,1
3206 | 0,1458,2545,1
3207 | 0,754,4118,0
3208 | 0,1408,3669,1
3209 | 0,2017,1669,1
3210 | 0,2015,3505,1
3211 | 0,2612,2524,1
3212 | 0,2598,3220,1
3213 | 0,1498,1721,1
3214 | 0,1575,570,1
3215 | 0,2107,2986,1
3216 | 0,2496,4438,0
3217 | 0,1642,4933,1
3218 | 0,1481,450,1
3219 | 0,2705,2146,1
3220 | 0,2258,1382,1
3221 | 0,2518,1624,1
3222 | 0,2365,1917,1
3223 | 0,1390,3712,1
3224 | 0,1468,4357,1
3225 | 0,986,2670,1
3226 | 0,2107,95,1
3227 | 0,1413,181,1
3228 | 0,1317,1322,1
3229 | 0,1978,4933,0
3230 | 0,2444,4552,1
3231 | 0,83,270,0
3232 | 0,2371,4691,1
3233 | 0,2150,1801,1
3234 | 0,1985,4111,1
3235 | 0,1338,4683,0
3236 | 0,2066,2921,1
3237 | 0,2428,2928,1
3238 | 0,2071,5374,0
3239 | 0,479,4235,1
3240 | 0,1392,1307,1
3241 | 0,1580,3264,1
3242 | 0,33,316,1
3243 | 0,2667,2351,1
3244 | 0,2518,737,1
3245 | 0,2428,2597,0
3246 | 0,1487,5049,0
3247 | 0,2304,2446,1
3248 | 0,1573,4498,0
3249 | 0,2293,5492,1
3250 | 0,1191,2705,0
3251 | 0,855,3081,1
3252 | 0,2244,2146,1
3253 | 0,2258,3925,0
3254 | 0,1729,5238,1
3255 | 0,2484,5546,0
3256 | 0,2511,3429,0
3257 | 0,2190,4751,1
3258 | 0,986,3749,1
3259 | 0,726,920,1
3260 | 0,2098,5500,1
3261 | 0,1690,659,1
3262 | 0,2649,2994,1
3263 | 0,2428,1816,0
3264 | 0,2234,2344,1
3265 | 0,1929,1961,1
3266 | 0,1414,1532,1
3267 | 0,2114,1028,1
3268 | 0,1985,4753,1
3269 | 0,2250,807,1
3270 | 0,2489,5194,1
3271 | 0,2418,3447,0
3272 | 0,2344,3286,1
3273 | 0,454,370,1
3274 | 0,1711,3573,0
3275 | 0,1281,2914,1
3276 | 0,2418,271,0
3277 | 0,1211,3446,1
3278 | 0,2297,2608,1
3279 | 0,1991,4597,0
3280 | 0,1846,776,1
3281 | 0,1613,2791,0
3282 | 0,876,3404,1
3283 | 0,1881,1524,1
3284 | 0,1607,1183,0
3285 | 0,2258,2544,1
3286 | 0,1975,1521,1
3287 | 0,2643,654,1
3288 | 0,2496,4269,1
3289 | 0,1580,3899,1
3290 | 0,2446,3890,0
3291 | 0,1314,1965,1
3292 | 0,2386,2612,0
3293 | 0,1468,3515,1
3294 | 0,1468,2626,1
3295 | 0,83,1642,1
3296 | 0,415,4056,1
3297 | 0,2146,971,1
3298 | 0,1748,779,1
3299 | 0,1606,3665,1
3300 | 0,2242,2327,1
3301 | 0,721,2612,1
3302 | 0,1672,2011,1
3303 | 0,1857,1693,1
3304 | 0,1468,5220,0
3305 | 0,1496,717,1
3306 | 0,1297,1380,1
3307 | 0,2477,2276,1
3308 | 0,2569,1044,1
3309 | 0,499,3313,0
3310 | 0,2307,3177,0
3311 | 0,660,5127,1
3312 | 0,2511,3404,1
3313 | 0,2261,5440,1
3314 | 0,1451,4747,1
3315 | 0,2208,2653,1
3316 | 0,1414,657,0
3317 | 0,2150,4029,1
3318 | 0,2371,2052,1
3319 | 0,910,3255,1
3320 | 0,1943,609,1
3321 | 0,2563,4008,1
3322 | 0,1903,3687,1
3323 | 0,2154,3698,1
3324 | 0,466,544,1
3325 | 0,1699,266,1
3326 | 0,2258,2391,0
3327 | 0,721,2071,1
3328 | 0,1756,4405,0
3329 | 0,1448,642,1
3330 | 0,1342,3197,1
3331 | 0,726,1715,1
3332 | 0,2638,284,1
3333 | 0,1742,4232,1
3334 | 0,1606,5395,1
3335 | 0,1896,464,1
3336 | 0,2350,3815,0
3337 | 0,105,3705,1
3338 | 0,2133,4363,1
3339 | 0,1047,4430,1
3340 | 0,2666,3921,0
3341 | 0,1167,2955,1
3342 | 0,2160,4345,1
3343 | 0,2301,2897,1
3344 | 0,2490,1096,1
3345 | 0,1304,5392,0
3346 | 0,569,2734,1
3347 | 0,1487,1987,1
3348 | 0,1266,2958,1
3349 | 0,2150,3187,0
3350 | 0,2105,2046,1
3351 | 0,1782,1738,1
3352 | 0,1244,3120,1
3353 | 0,1269,44,1
3354 | 0,1582,4818,1
3355 | 0,2478,641,1
3356 | 0,2128,2939,0
3357 | 0,2418,2439,1
3358 | 0,2496,1385,1
3359 | 0,2034,1798,1
3360 | 0,1397,2896,0
3361 | 0,506,1498,1
3362 | 0,2447,3394,0
3363 | 0,2613,303,0
3364 | 0,2316,3750,0
3365 | 0,2678,2262,1
3366 | 0,726,4566,1
3367 | 0,2043,2474,0
3368 | 0,875,3932,1
3369 | 0,1814,2493,1
3370 | 0,1487,2723,0
3371 | 0,1645,291,1
3372 | 0,1156,3974,1
3373 | 0,1412,596,0
3374 | 0,1276,1430,1
3375 | 0,2469,3687,1
3376 | 0,2489,3902,0
3377 | 0,1635,2603,1
3378 | 0,974,5066,1
3379 | 0,1317,1680,1
3380 | 0,2150,5349,1
3381 | 0,2449,3300,1
3382 | 0,2649,798,1
3383 | 0,943,996,1
3384 | 0,276,3792,1
3385 | 0,1821,4670,1
3386 | 0,2686,2153,1
3387 | 0,2453,118,0
3388 | 0,721,307,1
3389 | 0,1297,4778,1
3390 | 0,2520,3913,0
3391 | 0,2612,828,1
3392 | 0,2586,346,1
3393 | 0,1397,680,1
3394 | 0,1966,129,1
3395 | 0,1507,129,1
3396 | 0,1535,3888,1
3397 | 0,2169,2380,0
3398 | 0,2686,38,1
3399 | 0,437,210,1
3400 | 0,2013,3074,0
3401 | 0,1426,4754,0
3402 | 0,1819,2901,1
3403 | 0,2150,1756,1
3404 | 0,1397,4092,0
3405 | 0,2638,4171,1
3406 | 0,1064,5238,1
3407 | 0,1919,555,1
3408 | 0,876,3802,1
3409 | 0,721,2747,1
3410 | 0,1646,5351,0
3411 | 0,855,1477,0
3412 | 0,2428,5129,0
3413 | 0,2236,180,0
3414 | 0,2150,2673,0
3415 | 0,1580,542,1
3416 | 0,2443,4170,1
3417 | 0,2307,880,1
3418 | 0,1881,1788,1
3419 | 0,2190,2812,0
3420 | 0,2357,2752,1
3421 | 0,2403,4014,0
3422 | 0,1594,2865,0
3423 | 0,2614,4716,0
3424 | 0,353,1626,1
3425 | 0,1699,5310,1
3426 | 0,2357,3022,1
3427 | 0,1860,437,1
3428 | 0,1017,2549,0
3429 | 0,2569,4890,0
3430 | 0,230,2454,1
3431 | 0,2155,1236,0
3432 | 0,2101,4959,1
3433 | 0,2508,4943,0
3434 | 0,1949,5387,1
3435 | 0,1280,5249,1
3436 | 0,2322,1593,1
3437 | 0,2160,2636,1
3438 | 0,2158,4776,1
3439 | 0,2043,4225,0
3440 | 0,2293,3640,1
3441 | 0,2569,1175,1
3442 | 0,2160,2896,0
3443 | 0,2428,1967,0
3444 | 0,2646,5168,1
3445 | 0,2351,4696,0
3446 | 0,1415,3470,0
3447 | 0,1279,3985,1
3448 | 0,1919,4497,0
3449 | 0,2018,654,1
3450 | 0,1690,2353,1
3451 | 0,363,3269,0
3452 | 0,2144,3783,1
3453 | 0,2349,1196,1
3454 | 0,2293,17,1
3455 | 0,1830,564,1
3456 | 0,2158,3416,1
3457 | 0,876,3206,1
3458 | 0,1612,5443,1
3459 | 0,2107,2590,0
3460 | 0,2447,1190,0
3461 | 0,2150,2494,1
3462 | 0,2511,5343,0
3463 | 0,1859,5041,1
3464 | 0,2293,5281,0
3465 | 0,2019,3508,0
3466 | 0,2511,4785,1
3467 | 0,2139,1820,1
3468 | 0,2326,4824,1
3469 | 0,2319,1955,1
3470 | 0,2127,4299,1
3471 | 0,2418,4113,1
3472 | 0,1821,3337,0
3473 | 0,2182,2188,1
3474 | 0,2518,822,1
3475 | 0,2261,3564,1
3476 | 0,582,1261,1
3477 | 0,2489,3336,0
3478 | 0,2105,2716,1
3479 | 0,2485,3308,1
3480 | 0,2403,2830,1
3481 | 0,2489,2788,0
3482 | 0,2686,2593,1
3483 | 0,2447,758,1
3484 | 0,1821,3931,1
3485 | 0,2495,734,1
3486 | 0,2150,5007,1
3487 | 0,1297,5058,1
3488 | 0,1496,5117,1
3489 | 0,2150,2896,1
3490 | 0,2484,5231,1
3491 | 0,1616,4984,1
3492 | 0,536,4447,1
3493 | 0,132,3974,0
3494 | 0,2705,4763,0
3495 | 0,2217,5318,1
3496 | 0,1547,102,1
3497 | 0,1421,3430,1
3498 | 0,875,968,1
3499 | 0,2344,3783,1
3500 | 0,1474,13,0
3501 | 0,1455,4822,1
3502 | 0,2518,992,1
3503 | 0,1422,2844,0
3504 | 0,2361,2722,1
3505 | 0,2469,228,1
3506 | 0,2006,518,0
3507 | 0,2587,3707,1
3508 | 0,2258,1828,1
3509 | 0,1852,331,1
3510 | 0,538,3433,0
3511 | 0,2357,5007,1
3512 | 0,2344,2992,1
3513 | 0,999,2465,1
3514 | 0,518,2493,1
3515 | 0,1496,5544,1
3516 | 0,2569,2346,1
3517 | 0,2447,3346,0
3518 | 0,900,2685,1
3519 | 0,452,1728,1
3520 | 0,1249,951,0
3521 | 0,1664,4774,0
3522 | 0,2484,3244,0
3523 | 0,1162,2659,0
3524 | 0,2258,3864,1
3525 | 0,2067,5152,1
3526 | 0,855,1587,1
3527 | 0,1610,868,1
3528 | 0,2250,2848,0
3529 | 0,2033,3425,1
3530 | 0,2518,2163,1
3531 | 0,2258,3842,0
3532 | 0,1241,4703,0
3533 | 0,1426,4399,1
3534 | 0,1320,1080,1
3535 | 0,1414,2242,1
3536 | 0,2002,769,1
3537 | 0,550,1106,1
3538 | 0,754,1157,1
3539 | 0,2374,2424,0
3540 | 0,2649,1304,1
3541 | 0,2468,24,1
3542 | 0,2150,5180,1
3543 | 0,2258,619,1
3544 | 0,2603,149,1
3545 | 0,1662,2608,1
3546 | 0,2150,5215,1
3547 | 0,2447,1931,0
3548 | 0,569,1854,1
3549 | 0,2307,1251,1
3550 | 0,1687,3239,1
3551 | 0,2418,3849,1
3552 | 0,2626,139,1
3553 | 0,2258,3824,1
3554 | 0,1526,377,1
3555 | 0,2117,603,1
3556 | 0,1742,816,0
3557 | 0,1014,2943,1
3558 | 0,1590,1854,1
3559 | 0,1611,5100,1
3560 | 0,1975,585,0
3561 | 0,2150,5006,1
3562 | 0,2518,4270,1
3563 | 0,472,4818,1
3564 | 0,2127,4412,1
3565 | 0,2043,4461,1
3566 | 0,2182,798,1
3567 | 0,645,2055,1
3568 | 0,440,1889,1
3569 | 0,2293,3328,0
3570 | 0,2111,3773,1
3571 | 0,1610,1410,1
3572 | 0,2473,4083,1
3573 | 0,1358,874,1
3574 | 0,1211,1573,1
3575 | 0,2649,5526,1
3576 | 0,2146,1416,1
3577 | 0,2652,209,1
3578 | 0,1638,3292,0
3579 | 0,2250,5318,1
3580 | 0,1417,2445,0
3581 | 0,1235,4809,1
3582 | 0,1367,1947,0
3583 | 0,1069,1498,1
3584 | 0,2469,5151,1
3585 | 0,2190,2448,1
3586 | 0,1919,2630,0
3587 | 0,2638,2081,0
3588 | 0,1778,4403,1
3589 | 0,2444,3380,1
3590 | 0,2093,4318,1
3591 | 0,1662,846,0
3592 | 0,2009,2844,0
3593 | 0,1852,127,1
3594 | 0,609,1585,1
3595 | 0,2612,3392,1
3596 | 0,2581,5387,1
3597 | 0,1816,72,0
3598 | 0,2418,3873,1
3599 | 0,506,5152,0
3600 | 0,2617,1019,1
3601 | 0,1444,5232,1
3602 | 0,2511,3425,1
3603 | 0,961,1972,1
3604 | 0,485,3296,1
3605 | 0,2107,231,0
3606 | 0,592,4750,1
3607 | 0,1368,828,1
3608 | 0,726,2288,1
3609 | 0,97,4351,1
3610 | 0,1297,637,1
3611 | 0,1149,3855,1
3612 | 0,2484,221,1
3613 | 0,1879,1935,0
3614 | 0,2626,4633,1
3615 | 0,592,1160,1
3616 | 0,1693,2989,0
3617 | 0,1742,1660,1
3618 | 0,2024,2876,1
3619 | 0,1526,103,1
3620 | 0,2244,2488,1
3621 | 0,1610,5074,1
3622 | 0,1281,2696,1
3623 | 0,2150,1570,1
3624 | 0,2222,2864,0
3625 | 0,592,1533,1
3626 | 0,2449,4346,1
3627 | 0,2199,1296,1
3628 | 0,2150,3958,1
3629 | 0,2490,5445,1
3630 | 0,2448,4901,1
3631 | 0,1317,4217,1
3632 | 0,1994,5192,1
3633 | 0,1154,4910,1
3634 | 0,2086,1076,1
3635 | 0,1782,1052,1
3636 | 0,2624,1917,1
3637 | 0,2017,1845,1
3638 | 0,2150,4168,1
3639 | 0,726,5152,1
3640 | 0,1711,1283,1
3641 | 0,83,3540,0
3642 | 0,1610,1571,1
3643 | 0,1821,5493,1
3644 | 0,1694,2779,1
3645 | 0,1468,2167,1
3646 | 0,2218,3495,1
3647 | 0,2638,3687,1
3648 | 0,1468,2450,1
3649 | 0,1156,3171,1
3650 | 0,1819,4233,1
3651 | 0,2712,3658,1
3652 | 0,1454,1974,1
3653 | 0,1855,690,1
3654 | 0,2643,3205,1
3655 | 0,1468,2502,0
3656 | 0,2504,2630,1
3657 | 0,2150,3339,0
3658 | 0,2190,5298,1
3659 | 0,876,168,1
3660 | 0,2496,5246,0
3661 | 0,122,3308,0
3662 | 0,1207,4286,1
3663 | 0,2416,1940,1
3664 | 0,2469,5344,1
3665 | 0,1880,2105,1
3666 | 0,1787,3740,0
3667 | 0,2061,5357,1
3668 | 0,1830,2349,1
3669 | 0,1610,5319,0
3670 | 0,1329,3040,1
3671 | 0,2612,3837,1
3672 | 0,536,5356,1
3673 | 0,2322,1929,0
3674 | 0,1992,2231,1
3675 | 0,1949,1656,1
3676 | 0,1468,1893,1
3677 | 0,2335,2504,1
3678 | 0,1509,3050,0
3679 | 0,2196,2552,1
3680 | 0,2107,523,1
3681 | 0,509,3675,1
3682 | 0,2105,3385,1
3683 | 0,1422,4981,1
3684 | 0,2518,2051,1
3685 | 0,855,1513,0
3686 | 0,1878,2961,1
3687 | 0,1919,4167,1
3688 | 0,1206,4564,1
3689 | 0,2061,1214,0
3690 | 0,1637,5099,1
3691 | 0,1962,5171,1
3692 | 0,2117,3458,1
3693 | 0,2077,1527,1
3694 | 0,1191,4775,1
3695 | 0,1751,1087,1
3696 | 0,2504,4826,1
3697 | 0,500,4365,0
3698 | 0,1317,2120,1
3699 | 0,2612,2938,1
3700 | 0,1157,2852,1
3701 | 0,2072,5035,0
3702 | 0,1662,5036,1
3703 | 0,2298,4912,1
3704 | 0,1554,2292,1
3705 | 0,2518,2577,1
3706 | 0,1634,1105,1
3707 | 0,2111,442,1
3708 | 0,2705,720,1
3709 | 0,1821,4548,0
3710 | 0,2647,2024,1
3711 | 0,1241,4979,0
3712 | 0,604,3488,0
3713 | 0,1799,1476,1
3714 | 0,2258,3934,1
3715 | 0,1468,1389,1
3716 | 0,664,221,1
3717 | 0,1207,2329,1
3718 | 0,1455,2794,1
3719 | 0,2678,2670,1
3720 | 0,1832,4932,1
3721 | 0,2626,2353,0
3722 | 0,506,5435,1
3723 | 0,776,3470,0
3724 | 0,1499,2280,1
3725 | 0,2244,564,1
3726 | 0,2250,5141,0
3727 | 0,1879,87,1
3728 | 0,875,3880,0
3729 | 0,2220,5456,1
3730 | 0,1728,2755,1
3731 | 0,131,3631,1
3732 | 0,1505,3495,0
3733 | 0,2004,41,1
3734 | 0,1857,2842,1
3735 | 0,33,935,1
3736 | 0,2643,4420,0
3737 | 0,2701,5129,1
3738 | 0,2257,2769,1
3739 | 0,2150,4342,1
3740 | 0,2266,3423,1
3741 | 0,2435,1022,1
3742 | 0,132,1663,0
3743 | 0,2293,2893,0
3744 | 0,1613,4008,1
3745 | 0,1880,3737,1
3746 | 0,2468,3040,0
3747 | 0,733,498,1
3748 | 0,2281,1072,1
3749 | 0,2621,4430,1
3750 | 0,855,993,1
3751 | 0,453,5473,0
3752 | 0,2518,4763,1
3753 | 0,2150,1488,1
3754 | 0,2613,4102,1
3755 | 0,2236,1921,1
3756 | 0,1250,327,1
3757 | 0,2469,4975,1
3758 | 0,2150,3054,1
3759 | 0,2447,3453,0
3760 | 0,1943,2109,1
3761 | 0,1274,1539,1
3762 | 0,2158,3517,1
3763 | 0,2209,4904,1
3764 | 0,2150,4060,1
3765 | 0,1776,4624,1
3766 | 0,754,5083,1
3767 | 0,1674,2464,1
3768 | 0,1468,5152,1
3769 | 0,2347,3003,1
3770 | 0,2139,5144,1
3771 | 0,1677,3300,0
3772 | 0,2164,2608,1
3773 | 0,2139,2797,1
3774 | 0,353,886,1
3775 | 0,354,2840,1
3776 | 0,1268,69,1
3777 | 0,726,630,0
3778 | 0,2361,5228,0
3779 | 0,2444,4799,1
3780 | 0,466,1513,1
3781 | 0,1991,95,0
3782 | 0,1748,3670,0
3783 | 0,485,3608,1
3784 | 0,2647,472,0
3785 | 0,2069,2901,1
3786 | 0,502,5484,0
3787 | 0,1554,1339,1
3788 | 0,2496,5258,1
3789 | 0,1766,3475,0
3790 | 0,2469,3707,1
3791 | 0,1487,2070,1
3792 | 0,1178,4842,1
3793 | 0,2129,1330,1
3794 | 0,1576,3150,0
3795 | 0,1751,836,0
3796 | 0,2319,5273,1
3797 | 0,2307,1481,1
3798 | 0,569,2934,1
3799 | 0,1907,780,1
3800 | 0,1991,102,0
3801 | 0,1279,4420,1
3802 | 0,1086,3933,0
3803 | 0,2518,5274,0
3804 | 0,1580,1064,0
3805 | 0,1338,801,1
3806 | 0,1980,2952,0
3807 | 0,2489,5549,1
3808 | 0,2250,1572,0
3809 | 0,1074,636,1
3810 | 0,1844,1626,1
3811 | 0,2357,1677,1
3812 | 0,2107,3962,0
3813 | 0,2342,1313,1
3814 | 0,1742,190,1
3815 | 0,2638,3923,0
3816 | 0,530,5423,1
3817 | 0,1519,252,1
3818 | 0,1191,3353,1
3819 | 0,2146,693,1
3820 | 0,2567,1099,1
3821 | 0,1185,4799,1
3822 | 0,1550,5114,1
3823 | 0,472,4437,1
3824 | 0,2631,2456,1
3825 | 0,1646,3314,1
3826 | 0,990,1188,1
3827 | 0,2448,2072,1
3828 | 0,1537,201,0
3829 | 0,2071,113,0
3830 | 0,2643,636,1
3831 | 0,2518,2283,0
3832 | 0,1499,3269,1
3833 | 0,2043,182,1
3834 | 0,1245,173,1
3835 | 0,2258,2312,0
3836 | 0,1547,136,1
3837 | 0,624,3314,1
3838 | 0,2429,284,0
3839 | 0,1105,2449,1
3840 | 0,1554,4316,1
3841 | 0,1609,1011,1
3842 | 0,1448,4456,0
3843 | 0,2598,2063,1
3844 | 0,1799,2174,1
3845 | 0,2212,3269,1
3846 | 0,2449,3734,0
3847 | 0,315,5153,1
3848 | 0,2347,1900,1
3849 | 0,2567,4313,1
3850 | 0,2362,1273,1
3851 | 0,2511,4276,0
3852 | 0,2469,4061,0
3853 | 0,1322,3335,0
3854 | 0,1496,4470,1
3855 | 0,1477,2060,1
3856 | 0,2448,5223,1
3857 | 0,2418,3585,1
3858 | 0,1414,2004,1
3859 | 0,518,3318,1
3860 | 0,485,3759,0
3861 | 0,855,4274,1
3862 | 0,2572,774,1
3863 | 0,2138,3597,0
3864 | 0,1337,4976,1
3865 | 0,2190,328,0
3866 | 0,1496,5286,0
3867 | 0,875,757,0
3868 | 0,49,3541,1
3869 | 0,267,3717,1
3870 | 0,1986,3357,1
3871 | 0,2639,2732,1
3872 | 0,2639,2480,1
3873 | 0,1582,345,1
3874 | 0,275,2350,1
3875 | 0,1919,1779,0
3876 | 0,2624,3376,1
3877 | 0,1467,5445,1
3878 | 0,974,5152,1
3879 | 0,466,722,0
3880 | 0,2489,275,0
3881 | 0,2598,5065,1
3882 | 0,1314,4290,1
3883 | 0,1650,2527,1
3884 | 0,2638,2276,0
3885 | 0,2150,2270,1
3886 | 0,1487,2787,0
3887 | 0,598,376,1
3888 | 0,2612,2928,1
3889 | 0,2061,4214,1
3890 | 0,1342,654,0
3891 | 0,2018,4365,0
3892 | 0,1297,4170,1
3893 | 0,2454,1504,1
3894 | 0,2435,4990,1
3895 | 0,2527,4521,1
3896 | 0,1971,4249,0
3897 | 0,2117,3002,1
3898 | 0,1857,4880,1
3899 | 0,1191,3858,1
3900 | 0,2504,3158,1
3901 | 0,2127,1367,0
3902 | 0,1547,2448,0
3903 | 0,2258,2378,0
3904 | 0,1480,502,1
3905 | 0,1661,742,1
3906 | 0,1821,4004,0
3907 | 0,2146,4291,0
3908 | 0,876,3970,1
3909 | 0,2449,3551,1
3910 | 0,1191,2409,0
3911 | 0,1576,5103,1
3912 | 0,420,4074,1
3913 | 0,2147,3324,0
3914 | 0,2258,5302,1
3915 | 0,1496,4686,0
3916 | 0,2617,3753,1
3917 | 0,1811,3622,0
3918 | 0,2342,3608,1
3919 | 0,1422,661,1
3920 | 0,331,1380,1
3921 | 0,353,4336,1
3922 | 0,2278,3126,1
3923 | 0,2349,5159,0
3924 | 0,2190,5349,1
3925 | 0,1320,885,1
3926 | 0,1943,1670,1
3927 | 0,1570,1922,1
3928 | 0,1625,143,1
3929 | 0,2150,612,1
3930 | 0,592,4574,0
3931 | 0,1690,1506,1
3932 | 0,582,4793,0
3933 | 0,1655,3716,1
3934 | 0,1221,1328,1
3935 | 0,1554,2598,1
3936 | 0,2261,3772,1
3937 | 0,2150,1183,0
3938 | 0,2534,2007,1
3939 | 0,1971,1217,1
3940 | 0,2293,1168,1
3941 | 0,2361,2562,1
3942 | 0,2621,5202,1
3943 | 0,1736,5305,1
3944 | 0,2155,4637,0
3945 | 0,1505,3179,0
3946 | 0,1468,5445,1
3947 | 0,1467,5395,1
3948 | 0,2478,4123,1
3949 | 0,2325,1934,0
3950 | 0,1766,5499,1
3951 | 0,33,4504,1
3952 | 0,674,4008,1
3953 | 0,1367,2834,1
3954 | 0,2006,4193,1
3955 | 0,2469,3274,1
3956 | 0,2518,1014,1
3957 | 0,1699,279,1
3958 | 0,2705,730,1
3959 | 0,2418,1802,1
3960 | 0,1960,4979,1
3961 | 0,1505,596,1
3962 | 0,2478,808,1
3963 | 0,2478,4762,1
3964 | 0,2518,3736,1
3965 | 0,2435,547,1
3966 | 0,2443,4375,1
3967 | 0,2323,4750,1
3968 | 0,754,2624,0
3969 | 0,1468,4486,1
3970 | 0,2649,2657,0
3971 | 0,739,3866,0
3972 | 0,1821,4661,0
3973 | 0,1828,4447,1
3974 | 0,1467,2005,1
3975 | 0,2094,3458,1
3976 | 0,1747,1006,1
3977 | 0,353,4879,1
3978 | 0,1594,4841,0
3979 | 0,1228,2761,1
3980 | 0,2679,287,0
3981 | 0,1134,2755,1
3982 | 0,2649,786,1
3983 | 0,1480,369,1
3984 | 0,1985,2174,1
3985 | 0,1814,164,0
3986 | 0,1448,4703,1
3987 | 0,1397,3458,1
3988 | 0,1746,782,1
3989 | 0,2101,1911,1
3990 | 0,1154,4089,1
3991 | 0,1858,4569,1
3992 | 0,2150,2211,1
3993 | 0,721,4451,1
3994 | 0,2293,3165,0
3995 | 0,2711,4573,1
3996 | 0,1540,2854,1
3997 | 0,1129,3866,0
3998 | 0,1317,2667,1
3999 | 0,2061,1972,1
4000 | 0,2518,4842,0
4001 | 0,2236,2630,0
4002 | 0,2150,1024,1
4003 | 0,2705,4238,1
4004 | 0,1662,4668,1
4005 | 0,1468,1520,1
4006 | 0,2078,4926,1
4007 | 0,2244,135,1
4008 | 0,1778,4706,0
4009 | 0,2250,2480,1
4010 | 0,1832,4518,1
4011 | 0,2349,4026,1
4012 | 0,276,3415,0
4013 | 0,1554,5178,1
4014 | 0,1221,2185,0
4015 | 0,2679,1097,1
4016 | 0,1455,1071,1
4017 | 0,1258,4305,0
4018 | 0,2418,3746,0
4019 | 0,1751,1872,1
4020 | 0,49,3600,1
4021 | 0,1829,1470,1
4022 | 0,2261,3211,1
4023 | 0,1992,2205,1
4024 | 0,1314,4522,1
4025 | 0,592,1728,1
4026 | 0,2250,3572,0
4027 | 0,2449,3299,1
4028 | 0,1262,1989,1
4029 | 0,1422,1327,1
4030 | 0,1993,4577,1
4031 | 0,1211,5228,1
4032 | 0,2576,2807,1
4033 | 0,2639,4594,1
4034 | 0,1274,772,1
4035 | 0,2624,2820,0
4036 | 0,2325,1848,1
4037 | 0,1582,2198,1
4038 | 0,2005,4919,1
4039 | 0,1723,3162,1
4040 | 0,1964,356,1
4041 | 0,2403,4932,0
4042 | 0,2099,3403,0
4043 | 0,2293,2056,1
4044 | 0,739,3208,0
4045 | 0,1338,4234,1
4046 | 0,1474,544,1
4047 | 0,1189,772,1
4048 | 0,2446,3932,0
4049 | 0,33,1513,1
4050 | 0,1687,1116,1
4051 | 0,1064,168,1
4052 | 0,2111,4475,1
4053 | 0,1889,1998,1
4054 | 0,939,3681,1
4055 | 0,915,3113,1
4056 | 0,2447,4490,1
4057 | 0,1980,599,1
4058 | 0,592,640,1
4059 | 0,2025,2194,1
4060 | 0,1221,592,1
4061 | 0,2164,2790,0
4062 | 0,1687,3237,0
4063 | 0,436,4466,1
4064 | 0,1230,966,1
4065 | 0,1400,840,1
4066 | 0,1562,4807,0
4067 | 0,1852,4824,0
4068 | 0,310,5318,1
4069 | 0,1821,939,1
4070 | 0,2469,4427,1
4071 | 0,2418,134,1
4072 | 0,2707,5003,1
4073 | 0,1699,4916,1
4074 | 0,501,705,1
4075 | 0,2281,4542,1
4076 | 0,1146,3140,1
4077 | 0,2258,2646,1
4078 | 0,1207,1423,1
4079 | 0,1342,4828,0
4080 | 0,1811,2713,1
4081 | 0,2687,66,1
4082 | 0,2447,4558,0
4083 | 0,2612,3762,1
4084 | 0,771,218,1
4085 | 0,2626,5434,1
4086 | 0,1068,3764,1
4087 | 0,2043,16,1
4088 | 0,2006,2366,1
4089 | 0,1376,376,1
4090 | 0,2484,202,1
4091 | 0,2649,3266,0
4092 | 0,2701,4573,0
4093 | 0,2518,2869,1
4094 | 0,1634,4657,0
4095 | 0,2236,3031,0
4096 | 0,1677,276,1
4097 | 0,2496,4689,1
4098 | 0,1221,2539,0
4099 | 0,569,2407,0
4100 | 0,1898,4522,1
4101 | 0,1509,1132,1
4102 | 0,1189,732,0
4103 | 0,2475,4432,1
4104 | 0,2150,3649,1
4105 | 0,1255,2510,1
4106 | 0,2187,2141,0
4107 | 0,1821,4639,0
4108 | 0,1919,4893,1
4109 | 0,2530,3828,1
4110 | 0,2357,1363,1
4111 | 0,2496,2026,1
4112 | 0,2406,2888,0
4113 | 0,1499,4650,1
4114 | 0,2496,5336,1
4115 | 0,2504,3726,1
4116 | 0,1280,2195,1
4117 | 0,2504,940,1
4118 | 0,525,4266,1
4119 | 0,1408,164,1
4120 | 0,2447,5544,1
4121 | 0,1880,1778,1
4122 | 0,1506,299,1
4123 | 0,2006,4230,0
4124 | 0,739,2618,1
4125 | 0,1468,4761,1
4126 | 0,2296,4764,1
4127 | 0,2416,3174,0
4128 | 0,1971,533,1
4129 | 0,1700,2118,1
4130 | 0,1897,4868,0
4131 | 0,353,4460,1
4132 | 0,2261,3567,1
4133 | 0,1192,4008,1
4134 | 0,2518,1499,1
4135 | 0,2280,2094,1
4136 | 0,353,2337,1
4137 | 0,2005,3058,1
4138 | 0,1980,4889,0
4139 | 0,2414,4868,0
4140 | 0,2071,235,1
4141 | 0,2593,2165,1
4142 | 0,2013,820,1
4143 | 0,2258,3555,1
4144 | 0,582,5249,0
4145 | 0,2154,983,1
4146 | 0,2260,3467,1
4147 | 0,2190,1693,1
4148 | 0,2004,766,1
4149 | 0,1297,4993,1
4150 | 0,2232,2955,1
4151 | 0,2072,4917,1
4152 | 0,1879,2145,1
4153 | 0,1062,4784,1
4154 | 0,2150,801,1
4155 | 0,672,3003,1
4156 | 0,2515,3466,1
4157 | 0,2150,2854,0
4158 | 0,2460,966,1
4159 | 0,2170,2514,1
4160 | 0,2649,5173,1
4161 | 0,1467,1763,1
4162 | 0,1799,4366,1
4163 | 0,2518,796,1
4164 | 0,1778,5066,1
4165 | 0,834,4131,1
4166 | 0,1650,4833,1
4167 | 0,1880,1734,1
4168 | 0,2674,102,1
4169 | 0,1940,4373,1
4170 | 0,2280,1491,1
4171 | 0,2219,2805,0
4172 | 0,2631,138,1
4173 | 0,2307,2670,0
4174 | 0,33,2538,0
4175 | 0,2322,3886,0
4176 | 0,2569,4508,1
4177 | 0,525,5500,1
4178 | 0,2374,3235,1
4179 | 0,786,5403,1
4180 | 0,33,342,1
4181 | 0,2418,4101,0
4182 | 0,1764,2379,1
4183 | 0,855,324,0
4184 | 0,869,328,1
4185 | 0,2252,2495,1
4186 | 0,1414,5285,1
4187 | 0,2418,3132,0
4188 | 0,2395,777,1
4189 | 0,2612,1864,1
4190 | 0,415,3780,0
4191 | 0,2164,1854,1
4192 | 0,1638,1326,1
4193 | 0,1537,5260,1
4194 | 0,1650,1478,1
4195 | 0,1193,1143,1
4196 | 0,1630,1299,1
4197 | 0,1501,3476,0
4198 | 0,2665,1916,1
4199 | 0,2150,1321,1
4200 | 0,2258,2836,0
4201 | 0,2163,4378,1
4202 | 0,2686,1854,1
4203 | 0,2645,341,1
4204 | 0,2139,2293,1
4205 | 0,2018,138,1
4206 | 0,1662,5249,0
4207 | 0,2518,3445,1
4208 | 0,592,5524,1
4209 | 0,2307,743,1
4210 | 0,1956,111,0
4211 | 0,2079,5139,0
4212 | 0,2293,3003,0
4213 | 0,1008,3245,1
4214 | 0,1638,3308,0
4215 | 0,1746,1670,1
4216 | 0,2107,4057,1
4217 | 0,2190,3840,0
4218 | 0,2378,2641,0
4219 | 0,2252,1335,1
4220 | 0,1549,342,1
4221 | 0,2428,2454,1
4222 | 0,855,2899,0
4223 | 0,33,5040,1
4224 | 0,197,983,1
4225 | 0,83,88,1
4226 | 0,2443,2968,0
4227 | 0,2150,4605,1
4228 | 0,569,3829,0
4229 | 0,726,422,1
4230 | 0,1415,3442,1
4231 | 0,2146,1695,1
4232 | 0,1748,1160,1
4233 | 0,2705,1154,1
4234 | 0,2712,1901,0
4235 | 0,1778,821,1
4236 | 0,1980,3416,1
4237 | 0,2182,1042,1
4238 | 0,2311,4179,1
4239 | 0,1191,554,1
4240 | 0,740,3306,1
4241 | 0,1519,596,1
4242 | 0,875,2094,0
4243 | 0,1191,2424,0
4244 | 0,1320,2493,0
4245 | 0,2281,424,1
4246 | 0,855,5157,1
4247 | 0,2649,1043,1
4248 | 0,2225,5231,1
4249 | 0,612,2434,0
4250 | 0,1496,2772,0
4251 | 0,855,3982,1
4252 | 0,1468,2379,1
4253 | 0,2496,1088,1
4254 | 0,2443,838,1
4255 | 0,1086,829,1
4256 | 0,83,609,1
4257 | 0,2365,2334,0
4258 | 0,2323,4559,0
4259 | 0,1793,5484,0
4260 | 0,1005,3550,1
4261 | 0,1748,1072,1
4262 | 0,2258,4440,1
4263 | 0,2571,4127,1
4264 | 0,609,4915,0
4265 | 0,2146,575,1
4266 | 0,49,3512,0
4267 | 0,1766,5289,0
4268 | 0,1561,3136,1
4269 | 0,1087,521,0
4270 | 0,2024,2841,1
4271 | 0,2150,3942,1
4272 | 0,2231,311,0
4273 | 0,2043,5307,1
4274 | 0,440,3008,0
4275 | 0,1377,66,1
4276 | 0,2688,3739,1
4277 | 0,1468,754,1
4278 | 0,1441,1998,1
4279 | 0,2612,3510,1
4280 | 0,2150,3204,0
4281 | 0,2428,2623,0
4282 | 0,2322,4798,1
4283 | 0,2150,5026,1
4284 | 0,1785,3503,1
4285 | 0,2013,2406,0
4286 | 0,2665,1379,0
4287 | 0,875,1951,0
4288 | 0,2033,1519,1
4289 | 0,2711,113,1
4290 | 0,1086,4535,1
4291 | 0,1496,1620,0
4292 | 0,1249,2050,1
4293 | 0,2293,1483,0
4294 | 0,2584,910,1
4295 | 0,2131,4336,1
4296 | 0,2624,789,1
4297 | 0,2107,487,1
4298 | 0,2617,339,1
4299 | 0,2190,2057,1
4300 | 0,747,4142,1
4301 | 0,1665,2881,1
4302 | 0,2490,2770,1
4303 | 0,2133,3795,1
4304 | 0,33,1617,1
4305 | 0,2469,4120,1
4306 | 0,122,1321,1
4307 | 0,582,549,1
4308 | 0,1281,3824,1
4309 | 0,1535,4360,1
4310 | 0,1341,3649,1
4311 | 0,2418,3285,0
4312 | 0,2362,1103,1
4313 | 0,1487,5291,1
4314 | 0,2428,2933,0
4315 | 0,759,1604,1
4316 | 0,2475,4708,1
4317 | 0,420,3020,1
4318 | 0,2499,4522,1
4319 | 0,1971,703,1
4320 | 0,1989,3768,1
4321 | 0,1535,486,1
4322 | 0,754,3808,1
4323 | 0,1273,3458,1
4324 | 0,2447,3891,0
4325 | 0,1986,3559,1
4326 | 0,185,3405,1
4327 | 0,2099,3294,1
4328 | 0,2711,1295,1
4329 | 0,2250,2886,1
4330 | 0,2563,1207,1
4331 | 0,2618,4338,1
4332 | 0,875,1225,1
4333 | 0,2567,4682,0
4334 | 0,353,977,1
4335 | 0,855,1124,1
4336 | 0,1003,3964,0
4337 | 0,2371,1862,1
4338 | 0,2293,3521,0
4339 | 0,1389,5290,1
4340 | 0,1468,3636,0
4341 | 0,1730,5487,0
4342 | 0,2518,4682,1
4343 | 0,855,5361,1
4344 | 0,1274,1797,1
4345 | 0,440,5343,1
4346 | 0,1280,2262,1
4347 | 0,2150,3038,0
4348 | 0,1787,3999,1
4349 | 0,2160,4305,1
4350 | 0,2647,1483,1
4351 | 0,1397,5105,1
4352 | 0,754,3996,1
4353 | 0,2667,3503,1
4354 | 0,1862,5526,1
4355 | 0,2613,2508,1
4356 | 0,1580,4083,1
4357 | 0,2360,3518,0
4358 | 0,1971,1422,1
4359 | 0,2640,4545,0
4360 | 0,1468,725,1
4361 | 0,1285,1707,1
4362 | 0,2613,3246,0
4363 | 0,1189,1194,1
4364 | 0,2613,3025,1
4365 | 0,1247,1899,1
4366 | 0,876,1836,1
4367 | 0,869,3396,1
4368 | 0,2703,2700,1
4369 | 0,2293,2723,1
4370 | 0,2095,588,1
4371 | 0,2352,5226,1
4372 | 0,1582,344,1
4373 | 0,2105,2384,1
4374 | 0,2006,4028,0
4375 | 0,2418,2630,1
4376 | 0,2489,3843,0
4377 | 0,2155,1286,1
4378 | 0,1799,835,1
4379 | 0,1757,3602,1
4380 | 0,2158,1907,1
4381 | 0,1822,1378,1
4382 | 0,917,620,1
4383 | 0,1526,3960,1
4384 | 0,1468,2164,1
4385 | 0,531,3215,1
4386 | 0,1742,4861,1
4387 | 0,1748,1162,1
4388 | 0,2018,859,0
4389 | 0,1062,2925,0
4390 | 0,2297,1854,1
4391 | 0,1580,717,1
4392 | 0,1830,1752,1
4393 | 0,2343,5249,1
4394 | 0,1281,2102,1
4395 | 0,1691,2449,1
4396 | 0,1422,2807,1
4397 | 0,2322,1758,1
4398 | 0,1736,4805,1
4399 | 0,2099,4030,1
4400 | 0,2448,5002,1
4401 | 0,2060,1937,1
4402 | 0,875,5484,0
4403 | 0,1211,2608,0
4404 | 0,1699,244,1
4405 | 0,2322,288,1
4406 | 0,480,2177,1
4407 | 0,2624,4365,1
4408 | 0,1989,413,1
4409 | 0,1638,1112,1
4410 | 0,2561,5142,0
4411 | 0,2148,4658,1
4412 | 0,1448,3764,1
4413 | 0,2260,3024,1
4414 | 0,2282,1273,1
4415 | 0,1986,1524,1
4416 | 0,1645,1577,1
4417 | 0,2638,2689,0
4418 | 0,2158,4753,1
4419 | 0,1467,5383,0
4420 | 0,2447,1074,1
4421 | 0,1705,4607,1
4422 | 0,1734,331,1
4423 | 0,1830,345,1
4424 | 0,2325,3244,0
4425 | 0,876,1428,1
4426 | 0,754,3884,0
4427 | 0,2127,4372,0
4428 | 0,1677,5278,0
4429 | 0,2043,2654,1
4430 | 0,2150,5095,1
4431 | 0,1432,1113,1
4432 | 0,2301,5232,1
4433 | 0,1418,2061,0
4434 | 0,2176,1836,1
4435 | 0,2587,3152,1
4436 | 0,415,4050,0
4437 | 0,2150,2773,1
4438 | 0,1650,1325,1
4439 | 0,1208,2148,1
4440 | 0,2418,4151,0
4441 | 0,2477,4998,1
4442 | 0,1241,4503,1
4443 | 0,1304,5440,0
4444 | 0,1317,903,1
4445 | 0,1412,4306,1
4446 | 0,83,5410,0
4447 | 0,1235,1738,1
4448 | 0,1662,2013,0
4449 | 0,1273,3040,1
4450 | 0,2218,2664,1
4451 | 0,2639,3469,0
4452 | 0,1154,3931,1
4453 | 0,1748,3762,1
4454 | 0,1736,5114,1
4455 | 0,2301,831,1
4456 | 0,2018,4305,0
4457 | 0,2598,214,1
4458 | 0,2199,5152,0
4459 | 0,2444,2934,1
4460 | 0,2386,898,0
4461 | 0,2371,364,1
4462 | 0,1748,137,1
4463 | 0,2150,3473,1
4464 | 0,2101,5343,0
4465 | 0,2649,4890,1
4466 | 0,1468,2901,0
4467 | 0,2687,2440,1
4468 | 0,2515,5197,1
4469 | 0,754,3366,1
4470 | 0,2139,2713,1
4471 | 0,2150,750,1
4472 | 0,1520,2826,0
4473 | 0,1582,3133,0
4474 | 0,2033,4283,1
4475 | 0,479,241,1
4476 | 0,1317,4365,1
4477 | 0,1709,4523,0
4478 | 0,1211,5155,0
4479 | 0,2480,794,1
4480 | 0,2357,1160,1
4481 | 0,2357,1288,1
4482 | 0,2501,2099,0
4483 | 0,2536,2050,1
4484 | 0,2707,2396,1
4485 | 0,2260,3028,1
4486 | 0,1637,4464,1
4487 | 0,2133,2216,0
4488 | 0,1221,2938,1
4489 | 0,2489,295,1
4490 | 0,2490,2748,1
4491 | 0,1506,4805,1
4492 | 0,2150,4636,1
4493 | 0,2236,277,1
4494 | 0,1655,4455,1
4495 | 0,2649,5066,0
4496 | 0,1799,4489,0
4497 | 0,2621,3292,0
4498 | 0,483,1159,1
4499 | 0,2199,11,0
4500 | 0,1693,2442,1
4501 | 0,2149,5268,1
4502 | 0,2613,3403,0
4503 | 0,1156,3939,1
4504 | 0,1787,3324,0
4505 | 0,1975,1536,1
4506 | 0,1426,2842,0
4507 | 0,2146,4225,1
4508 | 0,2307,866,1
4509 | 0,2518,1922,0
4510 | 0,1432,3025,1
4511 | 0,2033,161,1
4512 | 0,1582,107,1
4513 | 0,2581,2982,1
4514 | 0,1866,554,1
4515 | 0,2542,799,0
4516 | 0,1208,4140,1
4517 | 0,1975,936,1
4518 | 0,339,4067,1
4519 | 0,1380,2426,1
4520 | 0,2244,4201,1
4521 | 0,1711,3604,0
4522 | 0,754,340,1
4523 | 0,1468,4852,1
4524 | 0,2428,5308,1
4525 | 0,2041,900,1
4526 | 0,670,4981,1
4527 | 0,480,1800,1
4528 | 0,1367,4985,1
4529 | 0,2711,1751,1
4530 | 0,1274,3596,1
4531 | 0,2711,5435,1
4532 | 0,2325,1342,1
4533 | 0,1662,4745,1
4534 | 0,1638,938,0
4535 | 0,2075,2425,1
4536 | 0,1573,327,0
4537 | 0,2611,4818,1
4538 | 0,2080,164,1
4539 | 0,1975,1667,1
4540 | 0,1610,4798,1
4541 | 0,2711,576,1
4542 | 0,726,3691,1
4543 | 0,2593,1042,1
4544 | 0,1235,1589,1
4545 | 0,875,973,1
4546 | 0,2258,1428,1
4547 | 0,2041,1492,1
4548 | 0,1255,1187,1
4549 | 0,2484,27,1
4550 | 0,485,4466,1
4551 | 0,2563,5238,1
4552 | 0,1448,627,1
4553 | 0,2617,1756,1
4554 | 0,2281,2140,0
4555 | 0,1580,4034,1
4556 | 0,2032,3788,1
4557 | 0,1,3239,1
4558 | 0,1481,1488,1
4559 | 0,1276,4165,1
4560 | 0,1468,1588,1
4561 | 0,1297,4569,1
4562 | 0,483,5052,1
4563 | 0,2250,3875,0
4564 | 0,2258,3617,1
4565 | 0,1304,4777,1
4566 | 0,2176,4082,1
4567 | 0,1879,2973,0
4568 | 0,2712,2713,0
4569 | 0,1553,4976,0
4570 | 0,2624,636,1
4571 | 0,2101,64,1
4572 | 0,2418,65,0
4573 | 0,1766,11,1
4574 | 0,1211,1364,0
4575 | 0,2688,3455,0
4576 | 0,420,5440,1
4577 | 0,1279,923,1
4578 | 0,2518,356,1
4579 | 0,2281,2135,1
4580 | 0,502,2630,0
4581 | 0,2376,1498,1
4582 | 0,2061,1150,1
4583 | 0,1881,5455,0
4584 | 0,2047,433,1
4585 | 0,315,5030,0
4586 | 0,1239,4503,0
4587 | 0,917,4277,1
4588 | 0,1992,4453,1
4589 | 0,2518,773,1
4590 | 0,2236,286,1
4591 | 0,2652,3038,0
4592 | 0,2613,124,1
4593 | 0,2127,1629,1
4594 | 0,2322,5534,1
4595 | 0,1576,1877,0
4596 | 0,2001,2453,1
4597 | 0,2705,679,1
4598 | 0,2330,2851,1
4599 | 0,2374,2419,0
4600 | 0,2429,2679,1
4601 | 0,2440,3700,1
4602 | 0,2258,3377,1
4603 | 0,2265,5491,1
4604 | 0,2260,1982,1
4605 | 0,2371,1320,1
4606 | 0,1468,3101,0
4607 | 0,1290,2041,1
4608 | 0,1979,4194,1
4609 | 0,875,3460,1
4610 | 0,1337,738,1
4611 | 0,2325,3738,1
4612 | 0,2017,156,1
4613 | 0,2705,725,1
4614 | 0,1849,1383,1
4615 | 0,2447,2982,1
4616 | 0,855,3028,0
4617 | 0,2148,4250,1
4618 | 0,2043,5154,1
4619 | 0,2084,1922,0
4620 | 0,1514,2091,1
4621 | 0,2418,2156,1
4622 | 0,1991,488,1
4623 | 0,805,2396,1
4624 | 0,2624,1949,1
4625 | 0,2075,2262,1
4626 | 0,2060,2529,1
4627 | 0,84,3197,1
4628 | 0,1612,2380,1
4629 | 0,2705,4282,1
4630 | 0,2414,2473,1
4631 | 0,1730,54,0
4632 | 0,977,1735,1
4633 | 0,1235,2030,1
4634 | 0,2447,4142,0
4635 | 0,2403,1878,1
4636 | 0,466,5120,1
4637 | 0,2258,3935,1
4638 | 0,1582,366,1
4639 | 0,1274,122,1
4640 | 0,1688,2252,1
4641 | 0,2489,2816,1
4642 | 0,1594,1818,0
4643 | 0,2250,2540,1
4644 | 0,2579,3612,1
4645 | 0,1554,322,1
4646 | 0,1746,307,1
4647 | 0,828,2507,1
4648 | 0,502,5536,1
4649 | 0,1451,5305,1
4650 | 0,2182,4428,1
4651 | 0,1392,1542,1
4652 | 0,2447,3014,0
4653 | 0,1662,24,1
4654 | 0,1896,4894,1
4655 | 0,2150,3694,1
4656 | 0,1554,327,1
4657 | 0,2217,1918,1
4658 | 0,2150,4346,1
4659 | 0,2250,2167,0
4660 | 0,727,3211,1
4661 | 0,2258,4382,1
4662 | 0,1728,3937,0
4663 | 0,2291,3227,0
4664 | 0,2242,118,1
4665 | 0,2005,4900,1
4666 | 0,2469,587,1
4667 | 0,2117,5416,1
4668 | 0,726,1502,1
4669 | 0,2014,5507,1
4670 | 0,2129,228,0
4671 | 0,2562,1572,1
4672 | 0,2258,2772,0
4673 | 0,2490,2755,1
4674 | 0,875,1494,1
4675 | 0,2150,3118,0
4676 | 0,2478,2807,1
4677 | 0,307,5095,1
4678 | 0,2098,893,1
4679 | 0,624,575,0
4680 | 0,1573,4350,0
4681 | 0,2155,13,1
4682 | 0,1311,3262,1
4683 | 0,1616,2811,1
4684 | 0,2111,1317,1
4685 | 0,2293,3170,0
4686 | 0,2518,713,1
4687 | 0,2098,5484,0
4688 | 0,2418,3518,1
4689 | 0,1157,4104,1
4690 | 0,1196,3919,0
4691 | 0,221,2440,1
4692 | 0,2236,3761,0
4693 | 0,1616,3273,1
4694 | 0,1047,756,1
4695 | 0,2638,1937,1
4696 | 0,1634,4217,1
4697 | 0,2006,4851,1
4698 | 0,855,2055,0
4699 | 0,2705,5425,1
4700 | 0,1412,4266,1
4701 | 0,1251,2621,0
4702 | 0,2086,2195,1
4703 | 0,2612,3584,1
4704 | 0,2515,48,1
4705 | 0,1454,3397,0
4706 | 0,2484,5238,1
4707 | 0,2098,2288,1
4708 | 0,1244,5087,0
4709 | 0,1742,4709,1
4710 | 0,2307,5419,1
4711 | 0,2518,2417,1
4712 | 0,726,1706,1
4713 | 0,2293,270,0
4714 | 0,2150,2813,0
4715 | 0,875,3921,1
4716 | 0,2557,2932,0
4717 | 0,1610,3244,1
4718 | 0,1486,519,1
4719 | 0,2150,4943,0
4720 | 0,353,755,1
4721 | 0,1778,1708,0
4722 | 0,732,4149,0
4723 | 0,1454,2789,1
4724 | 0,1849,2052,1
4725 | 0,2589,4179,1
4726 | 0,1413,214,1
4727 | 0,1468,1511,0
4728 | 0,1154,886,1
4729 | 0,1580,3905,1
4730 | 0,1338,682,1
4731 | 0,1274,2855,1
4732 | 0,2418,3101,1
4733 | 0,726,4615,1
4734 | 0,2099,579,0
4735 | 0,2418,3293,0
4736 | 0,726,2812,1
4737 | 0,2107,2617,1
4738 | 0,2518,1257,1
4739 | 0,942,749,1
4740 | 0,2101,1743,1
4741 | 0,799,5194,1
4742 | 0,1610,2783,1
4743 | 0,2567,4868,0
4744 | 0,1623,3869,1
4745 | 0,1998,2050,1
4746 | 0,828,3838,0
4747 | 0,1830,4683,0
4748 | 0,2094,2997,1
4749 | 0,2443,724,1
4750 | 0,1594,439,1
4751 | 0,1468,3061,0
4752 | 0,1318,2731,1
4753 | 0,2594,1688,1
4754 | 0,1014,147,1
4755 | 0,797,178,1
4756 | 0,1971,587,1
4757 | 0,1098,2359,1
4758 | 0,1211,2760,1
4759 | 0,2150,2960,1
4760 | 0,1537,4458,1
4761 | 0,2307,3802,1
4762 | 0,1679,254,1
4763 | 0,2446,3927,0
4764 | 0,1766,1949,0
4765 | 0,1218,221,1
4766 | 0,2196,4842,1
4767 | 0,2504,24,1
4768 | 0,2705,1464,1
4769 | 0,1610,713,1
4770 | 0,2250,5157,1
4771 | 0,2612,5490,1
4772 | 0,839,6,0
4773 | 0,2425,631,1
4774 | 0,2025,2311,1
4775 | 0,1509,760,1
4776 | 0,1379,285,0
4777 | 0,2208,2154,1
4778 | 0,1467,4424,0
4779 | 0,1063,773,1
4780 | 0,2316,2934,1
4781 | 0,2624,2695,1
4782 | 0,2344,2368,0
4783 | 0,2418,5442,1
4784 | 0,354,4116,1
4785 | 0,1852,5226,0
4786 | 0,839,702,0
4787 | 0,2711,4167,1
4788 | 0,2504,4132,0
4789 | 0,2342,2786,1
4790 | 0,2703,967,1
4791 | 0,2071,1894,1
4792 | 0,2155,4442,0
4793 | 0,1960,2024,1
4794 | 0,1270,4686,0
4795 | 0,1468,2440,1
4796 | 0,1535,5319,0
4797 | 0,1606,4126,1
4798 | 0,2489,1810,1
4799 | 0,2150,2797,1
4800 | 0,1318,3785,0
4801 | 0,1526,2934,1
4802 | 0,2626,1959,1
4803 | 0,1986,3050,1
4804 | 0,1068,4658,1
4805 | 0,2447,691,1
4806 | 0,548,5064,1
4807 | 0,2649,1985,0
4808 | 0,1659,3551,1
4809 | 0,2496,1831,0
4810 | 0,1467,3259,0
4811 | 0,2400,308,1
4812 | 0,1322,24,0
4813 | 0,2373,2345,1
4814 | 0,2504,1916,1
4815 | 0,2649,4387,0
4816 | 0,1664,3234,1
4817 | 0,2638,5491,0
4818 | 0,1638,3527,1
4819 | 0,1233,1891,1
4820 | 0,2258,2582,1
4821 | 0,2638,71,1
4822 | 0,917,1664,1
4823 | 0,2711,2959,0
4824 | 0,1317,330,1
4825 | 0,1613,5080,1
4826 | 0,769,603,1
4827 | 0,12,3122,1
4828 | 0,2651,5041,1
4829 | 0,2094,3967,1
4830 | 0,401,5360,1
4831 | 0,1687,3288,1
4832 | 0,1221,5207,1
4833 | 0,97,4630,1
4834 | 0,83,243,0
4835 | 0,1281,3134,1
4836 | 0,1879,1934,1
4837 | 0,1957,5226,1
4838 | 0,1855,523,1
4839 | 0,2242,3870,0
4840 | 0,2613,158,1
4841 | 0,2714,2733,1
4842 | 0,1161,2449,1
4843 | 0,899,230,1
4844 | 0,1486,528,1
4845 | 0,875,700,0
4846 | 0,1221,4420,0
4847 | 0,2489,164,1
4848 | 0,111,718,1
4849 | 0,1229,3395,1
4850 | 0,2005,568,1
4851 | 0,274,3926,1
4852 | 0,1821,4390,0
4853 | 0,1711,3271,0
4854 | 0,2701,5094,0
4855 | 0,2443,5281,1
4856 | 0,12,3468,1
4857 | 0,272,4019,1
4858 | 0,1264,1524,1
4859 | 0,839,1754,1
4860 | 0,1582,5479,1
4861 | 0,2639,3156,1
4862 | 0,2250,4612,1
4863 | 0,977,3599,1
4864 | 0,2511,2416,1
4865 | 0,2298,920,1
4866 | 0,875,3810,0
4867 | 0,33,1125,1
4868 | 0,2117,1848,1
4869 | 0,2150,5049,1
4870 | 0,2542,1977,1
4871 | 0,2569,4410,1
4872 | 0,1986,5190,1
4873 | 0,1468,2907,0
4874 | 0,831,4242,1
4875 | 0,1064,3816,1
4876 | 0,810,5238,1
4877 | 0,618,2215,1
4878 | 0,754,3721,0
4879 | 0,2071,4992,1
4880 | 0,1526,513,1
4881 | 0,83,1598,1
4882 | 0,1468,3935,1
4883 | 0,2150,2945,1
4884 | 0,2416,2807,0
4885 | 0,2146,871,1
4886 | 0,1734,1268,1
4887 | 0,2638,5067,0
4888 | 0,2687,5427,1
4889 | 0,1832,5232,1
4890 | 0,2708,5423,1
4891 | 0,2150,2705,1
4892 | 0,2418,3939,1
4893 | 0,2004,654,1
4894 | 0,2489,4319,1
4895 | 0,2469,4773,1
4896 | 0,1440,5030,1
4897 | 0,2413,390,1
4898 | 0,1468,2318,1
4899 | 0,2542,526,0
4900 | 0,2707,2807,0
4901 | 0,1008,4100,1
4902 | 0,1354,341,1
4903 | 0,2113,1219,0
4904 | 0,2244,2702,1
4905 | 0,1468,2465,1
4906 | 0,2418,2890,1
4907 | 0,2043,2830,0
4908 | 0,1468,43,0
4909 | 0,1228,296,1
4910 | 0,1487,1981,0
4911 | 0,145,4758,0
4912 | 0,1965,90,0
4913 | 0,875,826,1
4914 | 0,2496,41,1
4915 | 0,2435,1231,1
4916 | 0,2649,115,1
4917 | 0,1778,4440,1
4918 | 0,2595,3914,1
4919 | 0,2218,5220,1
4920 | 0,2569,1799,0
4921 | 0,2344,4149,0
4922 | 0,2638,1638,1
4923 | 0,2005,2892,1
4924 | 0,2063,30,1
4925 | 0,2219,4972,1
4926 | 0,1317,2003,1
4927 | 0,2371,697,1
4928 | 0,2649,973,1
4929 | 0,876,3170,0
4930 | 0,2346,5084,1
4931 | 0,208,3197,1
4932 | 0,721,361,0
4933 | 0,1281,1143,1
4934 | 0,97,4825,1
4935 | 0,2638,5366,1
4936 | 0,1207,4035,0
4937 | 0,1408,1774,1
4938 | 0,1962,5211,1
4939 | 0,307,780,1
4940 | 0,2150,1905,0
4941 | 0,855,4381,0
4942 | 0,2150,4388,1
4943 | 0,1607,3266,1
4944 | 0,732,3818,0
4945 | 0,1879,2841,1
4946 | 0,2025,21,1
4947 | 0,943,5401,1
4948 | 0,1216,346,1
4949 | 0,2150,5417,1
4950 | 0,1795,4128,0
4951 | 0,1880,5321,1
4952 | 0,1362,1910,1
4953 | 0,67,490,1
4954 | 0,1652,3763,0
4955 | 0,1883,843,1
4956 | 0,722,2493,0
4957 | 0,1645,4716,1
4958 | 0,1852,1495,1
4959 | 0,2357,4487,0
4960 | 0,2291,2442,1
4961 | 0,39,3651,0
4962 | 0,2139,3111,1
4963 | 0,1317,4494,1
4964 | 0,1075,4969,1
4965 | 0,1821,1616,1
4966 | 0,2150,2044,1
4967 | 0,1799,5547,1
4968 | 0,1087,3649,0
4969 | 0,1879,4921,1
4970 | 0,2712,248,0
4971 | 0,1414,1115,1
4972 | 0,2325,4514,1
4973 | 0,1229,4961,1
4974 | 0,1086,402,1
4975 | 0,946,2745,0
4976 | 0,2328,2579,1
4977 | 0,2344,5120,1
4978 | 0,2146,1018,1
4979 | 0,1337,4266,1
4980 | 0,2107,2798,0
4981 | 0,485,3200,0
4982 | 0,569,3309,0
4983 | 0,855,1178,1
4984 | 0,1610,3495,1
4985 | 0,352,1719,1
4986 | 0,2542,180,0
4987 | 0,2447,4078,1
4988 | 0,1426,2326,1
4989 | 0,2446,891,1
4990 | 0,2428,1892,0
4991 | 0,548,4943,1
4992 | 0,2071,5352,0
4993 | 0,2173,2606,1
4994 | 0,1879,2147,0
4995 | 0,2562,769,0
4996 | 0,1537,4196,0
4997 | 0,1254,1797,1
4998 | 0,1368,321,1
4999 | 0,1468,4657,0
5000 | 0,2293,3771,0
5001 | 0,2101,4247,1
5002 | 0,1064,2627,1
5003 | 0,1576,3003,0
5004 | 0,353,2036,1
5005 | 0,1799,964,0
5006 | 0,440,2371,0
5007 | 0,1185,5119,1
5008 | 0,2446,3945,0
5009 | 0,2218,327,1
5010 | 0,732,3409,1
5011 | 0,2449,3535,0
5012 | 0,2447,1595,1
5013 | 0,1062,2802,0
5014 | 0,1896,4787,1
5015 | 0,2612,580,1
5016 | 0,1570,2281,1
5017 | 0,1903,3766,1
5018 | 0,855,4428,1
5019 | 0,1957,2248,0
5020 | 0,132,3333,0
5021 | 0,2147,2493,1
5022 | 0,1480,4203,1
5023 | 0,2258,4982,0
5024 | 0,420,4142,1
5025 | 0,2071,244,0
5026 | 0,2146,983,1
5027 | 0,1985,2240,1
5028 | 0,875,772,1
5029 | 0,1241,4818,1
5030 | 0,1468,4621,1
5031 | 0,2127,4785,0
5032 | 0,2426,3903,1
5033 | 0,2212,4824,0
5034 | 0,2107,2965,1
5035 | 0,2569,1132,1
5036 | 0,2335,1826,1
5037 | 0,2688,4144,0
5038 | 0,2357,260,1
5039 | 0,1422,1471,1
5040 | 0,2381,4025,1
5041 | 0,842,4628,1
5042 | 0,2060,263,0
5043 | 0,1526,959,1
5044 | 0,2360,654,1
5045 | 0,97,3488,1
5046 | 0,1634,551,1
5047 | 0,1919,1520,1
5048 | 0,2127,5029,1
5049 | 0,1903,4147,1
5050 | 0,1274,4060,0
5051 | 0,2006,4766,0
5052 | 0,2236,5527,1
5053 | 0,547,2640,1
5054 | 0,1239,5320,1
5055 | 0,2325,1260,1
5056 | 0,1322,3948,1
5057 | 0,1535,1349,1
5058 | 0,2490,3048,1
5059 | 0,1064,4146,1
5060 | 0,1974,5377,1
5061 | 0,2425,5521,1
5062 | 0,1005,3571,1
5063 | 0,380,3003,0
5064 | 0,2071,5162,1
5065 | 0,2154,3683,0
5066 | 0,609,4853,1
5067 | 0,515,3468,1
5068 | 0,1971,731,1
5069 | 0,1390,4938,1
5070 | 0,2567,4129,1
5071 | 0,1980,2896,1
5072 | 0,1480,1713,1
5073 | 0,1317,1008,1
5074 | 0,1646,810,0
5075 | 0,272,4094,1
5076 | 0,2217,384,1
5077 | 0,875,3453,1
5078 | 0,2006,1565,0
5079 | 0,2478,2335,1
5080 | 0,1645,5222,1
5081 | 0,2258,1244,1
5082 | 0,842,3235,1
5083 | 0,2217,3005,1
5084 | 0,2469,247,1
5085 | 0,1722,352,0
5086 | 0,558,2773,1
5087 | 0,2236,5457,1
5088 | 0,1821,1477,1
5089 | 0,2705,1005,1
5090 | 0,876,4086,0
5091 | 0,2250,5475,0
5092 | 0,2518,757,1
5093 | 0,2518,652,1
5094 | 0,1161,382,1
5095 | 0,2534,4440,1
5096 | 0,855,2631,0
5097 | 0,1189,1343,1
5098 | 0,2593,2129,1
5099 | 0,2099,245,0
5100 | 0,1400,1800,1
5101 | 0,1467,4837,0
5102 | 0,875,3938,1
5103 | 0,2279,5181,0
5104 | 0,2236,5059,1
5105 | 0,2278,3070,0
5106 | 0,2106,2224,1
5107 | 0,2569,2260,0
5108 | 0,484,4140,1
5109 | 0,485,5348,1
5110 | 0,2150,2442,1
5111 | 0,1397,3875,0
5112 | 0,986,3570,0
5113 | 0,1221,4305,1
5114 | 0,1980,5219,0
5115 | 0,2344,3933,1
5116 | 0,1736,4748,1
5117 | 0,1730,213,1
5118 | 0,466,4603,1
5119 | 0,2061,4641,1
5120 | 0,1333,2130,0
5121 | 0,1852,4969,0
5122 | 0,2075,1686,1
5123 | 0,855,5154,0
5124 | 0,485,3359,0
5125 | 0,1874,3710,1
5126 | 0,1947,2896,1
5127 | 0,1612,2575,1
5128 | 0,1226,4503,1
5129 | 0,466,2860,1
5130 | 0,1218,4860,1
5131 | 0,1211,68,1
5132 | 0,2150,718,1
5133 | 0,2613,4786,1
5134 | 0,2511,441,1
5135 | 0,2447,4958,0
5136 | 0,541,5027,1
5137 | 0,1074,2784,1
5138 | 0,1884,4723,0
5139 | 0,1554,1854,1
5140 | 0,1337,4367,1
5141 | 0,2060,601,1
5142 | 0,2005,4657,1
5143 | 0,1468,2599,1
5144 | 0,2403,4716,1
5145 | 0,1664,4868,0
5146 | 0,2164,3049,1
5147 | 0,2428,2369,0
5148 | 0,1274,4576,1
5149 | 0,2613,3680,1
5150 | 0,1821,884,1
5151 | 0,2136,4569,1
5152 | 0,2092,3710,1
5153 | 0,2075,5546,1
5154 | 0,218,4907,1
5155 | 0,1290,5152,0
5156 | 0,2469,4845,1
5157 | 0,1468,5036,0
5158 | 0,754,3395,1
5159 | 0,2413,549,1
5160 | 0,548,654,1
5161 | 0,213,4487,1
5162 | 0,1187,1295,1
5163 | 0,2232,3553,1
5164 | 0,1986,1350,1
5165 | 0,2469,3152,1
5166 | 0,1889,741,1
5167 | 0,430,3675,1
5168 | 0,2563,5287,1
5169 | 0,1616,364,1
5170 | 0,1354,814,1
5171 | 0,2107,456,1
5172 | 0,713,1107,1
5173 | 0,1376,1615,1
5174 | 0,140,4800,1
5175 | 0,666,3385,1
5176 | 0,2232,3612,1
5177 | 0,2707,275,0
5178 | 0,2250,1708,1
5179 | 0,1986,1922,0
5180 | 0,2593,2723,1
5181 | 0,2489,2185,1
5182 | 0,1852,4653,0
5183 | 0,1711,3001,0
5184 | 0,2504,3259,0
5185 | 0,2260,690,1
5186 | 0,2371,1567,1
5187 | 0,2705,845,0
5188 | 0,2652,2891,0
5189 | 0,2022,885,1
5190 | 0,2250,5410,0
5191 | 0,1623,5114,0
5192 | 0,2449,3366,1
5193 | 0,2567,4969,1
5194 | 0,1241,4474,1
5195 | 0,452,3081,1
5196 | 0,2182,13,1
5197 | 0,721,3906,1
5198 | 0,2218,500,1
5199 | 0,1058,1885,0
5200 | 0,1414,1318,1
5201 | 0,2443,1652,1
5202 | 0,1998,2428,0
5203 | 0,2293,2315,0
5204 | 0,961,1507,1
5205 | 0,1354,2324,1
5206 | 0,1717,654,1
5207 | 0,2352,5415,1
5208 | 0,721,5381,1
5209 | 0,2647,2018,1
5210 | 0,2325,81,1
5211 | 0,353,746,1
5212 | 0,1919,2149,1
5213 | 0,2293,5503,1
5214 | 0,2150,4794,1
5215 | 0,2395,4708,1
5216 | 0,522,4284,1
5217 | 0,1852,2683,0
5218 | 0,2639,3547,1
5219 | 0,1821,5419,1
5220 | 0,2712,206,0
5221 | 0,1556,3331,1
5222 | 0,1496,1052,1
5223 | 0,1711,320,1
5224 | 0,2250,2932,1
5225 | 0,2325,1122,1
5226 | 0,1992,1562,1
5227 | 0,2612,3886,1
5228 | 0,2614,4553,0
5229 | 0,2638,2645,1
5230 | 0,1317,4184,0
5231 | 0,2105,5206,1
5232 | 0,2705,653,1
5233 | 0,2047,636,1
5234 | 0,1971,966,1
5235 | 0,1610,842,0
5236 | 0,440,4475,1
5237 | 0,2146,781,1
5238 | 0,1576,2731,0
5239 | 0,1412,4576,1
5240 | 0,83,3908,1
5241 | 0,353,771,0
5242 | 0,1418,1746,1
5243 | 0,2447,2785,0
5244 | 0,2631,5421,1
5245 | 0,754,3238,0
5246 | 0,2643,4419,0
5247 | 0,1874,2302,0
5248 | 0,1281,2797,1
5249 | 0,2638,5547,0
5250 | 0,2416,1905,1
5251 | 0,1662,1501,1
5252 | 0,2612,4142,1
5253 | 0,2182,2426,1
5254 | 0,1481,3717,1
5255 | 0,2325,2102,1
5256 | 0,1476,4916,0
5257 | 0,1191,4083,1
5258 | 0,1281,4024,1
5259 | 0,1699,5238,1
5260 | 0,485,4845,1
5261 | 0,1638,3062,1
5262 | 0,2258,3050,1
5263 | 0,485,2994,1
5264 | 0,33,3907,1
5265 | 0,1535,4939,1
5266 | 0,2496,5002,1
5267 | 0,2281,2242,1
5268 | 0,1646,3456,1
5269 | 0,1971,5126,1
5270 | 0,2111,2831,1
5271 | 0,855,2487,1
5272 | 0,122,2629,1
5273 | 0,1281,4748,1
5274 | 0,2190,5460,1
5275 | 0,2484,5435,1
5276 | 0,1397,642,1
5277 | 0,180,481,1
5278 | 0,855,2081,0
5279 | 0,1880,3883,0
5280 | 0,2418,224,1
5281 | 0,1504,4868,0
5282 | 0,1859,2797,1
5283 | 0,2280,2423,1
5284 | 0,855,2653,0
5285 | 0,2252,5090,1
5286 | 0,2150,2734,1
5287 | 0,2224,2417,1
5288 | 0,855,1941,0
5289 | 0,2234,1259,1
5290 | 0,2667,3584,1
5291 | 0,132,3824,0
5292 | 0,2400,4542,0
5293 | 0,2705,2495,1
5294 | 0,2526,3661,0
5295 | 0,132,3885,0
5296 | 0,2335,305,1
5297 | 0,1821,806,1
5298 | 0,2449,3886,0
5299 | 0,1547,4229,1
5300 | 0,2649,2148,1
5301 | 0,353,1449,1
5302 | 0,452,5509,0
5303 | 0,875,1279,1
5304 | 0,1751,415,0
5305 | 0,2589,4851,1
5306 | 0,2182,888,1
5307 | 0,2323,4562,1
5308 | 0,1496,2172,1
5309 | 0,569,2302,0
5310 | 0,1919,1917,1
5311 | 0,2108,108,1
5312 | 0,2458,3870,0
5313 | 0,2418,3450,1
5314 | 0,1468,1012,1
5315 | 0,346,3965,1
5316 | 0,2107,909,1
5317 | 0,2307,3838,0
5318 | 0,2261,3736,1
5319 | 0,2107,775,1
5320 | 0,2322,1188,1
5321 | 0,1573,4941,0
5322 | 0,2631,4432,1
5323 | 0,2447,5313,1
5324 | 0,466,2045,0
5325 | 0,1426,4577,1
5326 | 0,666,1959,1
5327 | 0,2443,4782,1
5328 | 0,2150,1150,1
5329 | 0,2150,94,0
5330 | 0,986,2738,1
5331 | 0,1380,4419,1
5332 | 0,2139,2635,1
5333 | 0,1994,882,1
5334 | 0,2569,3211,0
5335 | 0,1468,5500,0
5336 | 0,1468,163,0
5337 | 0,2406,2261,1
5338 | 0,2150,2762,0
5339 | 0,2643,718,1
5340 | 0,2705,459,1
5341 | 0,1623,640,1
5342 | 0,2209,5312,1
5343 | 0,1806,418,1
5344 | 0,2534,2575,1
5345 | 0,1422,4994,1
5346 | 0,2469,3058,1
5347 | 0,855,3508,1
5348 | 0,2258,4214,1
5349 | 0,2099,2323,1
5350 | 0,1468,722,1
5351 | 0,1801,4759,1
5352 | 0,2455,834,1
5353 | 0,1468,2881,1
5354 | 0,1554,5316,1
5355 | 0,2058,4809,0
5356 | 0,133,3452,1
5357 | 0,2469,1937,1
5358 | 0,1008,2353,1
5359 | 0,2017,2685,0
5360 | 0,1701,389,1
5361 | 0,2643,4622,1
5362 | 0,2518,4697,1
5363 | 0,518,2791,1
5364 | 0,2665,1711,0
5365 | 0,1514,4266,1
5366 | 0,1128,5343,1
5367 | 0,2504,3608,1
5368 | 0,2418,2715,1
5369 | 0,1781,4411,1
5370 | 0,2447,3417,1
5371 | 0,2222,5441,1
5372 | 0,1309,3363,1
5373 | 0,1911,1397,1
5374 | 0,2562,1002,1
5375 | 0,218,3476,1
5376 | 0,754,341,1
5377 | 0,855,1784,0
5378 | 0,2569,2935,0
5379 | 0,440,2493,1
5380 | 0,1333,4044,1
5381 | 0,754,4301,1
5382 | 0,1224,2700,1
5383 | 0,1211,3884,1
5384 | 0,2613,4076,0
5385 | 0,2418,3243,0
5386 | 0,2617,4282,1
5387 | 0,2133,1873,1
5388 | 0,2475,4820,1
5389 | 0,1878,4075,0
5390 | 0,1274,2955,1
5391 | 0,1499,4561,1
5392 | 0,2443,2575,0
5393 | 0,1063,1949,1
5394 | 0,2448,5308,0
5395 | 0,754,4496,1
5396 | 0,2705,1724,1
5397 | 0,525,739,1
5398 | 0,1672,3844,1
5399 | 0,2357,299,0
5400 | 0,2307,1573,1
5401 | 0,986,3622,0
5402 | 0,2448,2211,0
5403 | 0,1799,1852,1
5404 | 0,855,1311,1
5405 | 0,1879,1857,1
5406 | 0,1724,2504,1
5407 | 0,1575,3950,1
5408 | 0,2643,5446,1
5409 | 0,2589,4979,0
5410 | 0,1806,2146,1
5411 | 0,2342,3490,1
5412 | 0,1196,2775,1
5413 | 0,1610,4841,0
5414 | 0,2457,1641,1
5415 | 0,855,1276,1
5416 | 0,2025,4522,1
5417 | 0,2603,5472,0
5418 | 0,353,1836,1
5419 | 0,2150,4518,1
5420 | 0,617,3347,0
5421 | 0,1337,5363,1
5422 | 0,2477,2493,1
5423 | 0,2150,3723,1
5424 | 0,2079,4966,1
5425 | 0,2504,5066,1
5426 | 0,1970,3570,1
5427 | 0,2150,2437,1
5428 | 0,1962,2189,1
5429 | 0,834,5553,1
5430 | 0,1250,2597,0
5431 | 0,1087,3694,0
5432 | 0,33,2548,1
5433 | 0,2160,330,1
5434 | 0,1208,1150,0
5435 | 0,2621,4708,1
5436 | 0,2244,3288,1
5437 | 0,2199,2063,0
5438 | 0,2060,3802,1
5439 | 0,2469,5415,1
5440 | 0,2475,1042,1
5441 | 0,2182,4271,1
5442 | 0,1412,1303,1
5443 | 0,1260,3608,1
5444 | 0,2147,4899,1
5445 | 0,2633,2630,1
5446 | 0,2117,2606,1
5447 | 0,999,466,1
5448 | 0,2019,2464,1
5449 | 0,2244,1652,1
5450 | 0,1342,413,1
5451 | 0,1505,2450,0
5452 | 0,2017,59,1
5453 | 0,2428,2608,0
5454 | 0,1496,4211,0
5455 | 0,1304,2140,1
5456 | 0,1467,2346,0
5457 | 0,2711,1657,0
5458 | 0,864,2368,1
5459 | 0,2276,4232,1
5460 | 0,2504,4922,1
5461 | 0,1505,1417,1
5462 | 0,36,4981,0
5463 | 0,1317,2493,1
5464 | 0,2335,4399,1
5465 | 0,1746,609,1
5466 | 0,97,4273,1
5467 | 0,2149,878,1
5468 | 0,2361,4846,1
5469 | 0,2484,4987,0
5470 | 0,2060,3170,0
5471 | 0,1638,3367,1
5472 | 0,2357,2670,1
5473 | 0,1646,4003,0
5474 | 0,2107,3898,0
5475 | 0,2284,4854,0
5476 | 0,1509,4276,0
5477 | 0,1501,3211,1
5478 | 0,2258,672,1
5479 | 0,2150,4828,1
5480 | 0,2418,3331,1
5481 | 0,1229,2086,0
5482 | 0,518,1303,1
5483 | 0,2315,4480,0
5484 | 0,1616,816,1
5485 | 0,2638,5492,1
5486 | 0,2127,983,1
5487 | 0,2261,3608,1
5488 | 0,1487,5063,0
5489 | 0,2559,1982,1
5490 | 0,230,2731,1
5491 | 0,2219,3114,1
5492 | 0,2298,3608,1
5493 | 0,1280,4359,1
5494 | 0,2293,3666,0
5495 | 0,2705,5273,1
5496 | 0,1241,4427,1
5497 | 0,1580,2630,1
5498 | 0,2150,2196,1
5499 | 0,2371,771,1
5500 | 0,2307,3269,1
5501 | 0,2693,3732,1
5502 | 0,1853,5346,1
5503 | 0,1211,5072,1
5504 | 0,1281,4068,0
5505 | 0,1711,3838,1
5506 | 0,2403,430,1
5507 | 0,2010,5062,1
5508 | 0,331,4148,0
5509 | 0,2150,1498,1
5510 | 0,1583,463,1
5511 | 0,2337,2203,1
5512 | 0,2418,4980,1
5513 | 0,2352,266,1
5514 | 0,2322,2485,1
5515 | 0,2357,5484,0
5516 | 0,1612,2820,0
5517 | 0,2504,3842,1
5518 | 0,2606,2278,1
5519 | 0,2496,2671,1
5520 | 0,1699,2787,1
5521 | 0,538,3806,1
5522 | 0,1211,2063,0
5523 | 0,2271,3499,1
5524 | 0,452,1813,1
5525 | 0,2701,1113,1
5526 | 0,2150,2844,1
5527 | 0,524,869,1
5528 | 0,2190,4225,0
5529 | 0,2447,4129,1
5530 | 0,2190,475,0
5531 | 0,1448,1259,1
5532 | 0,1535,2116,1
5533 | 0,1610,2025,0
5534 | 0,353,5125,1
5535 | 0,2428,53,1
5536 | 0,2258,2885,1
5537 | 0,985,4068,0
5538 | 0,2252,1800,1
5539 | 0,1412,1252,1
5540 | 0,2164,209,0
5541 | 0,2244,834,0
5542 | 0,2542,1413,0
5543 | 0,986,2820,0
5544 | 0,721,1044,1
5545 | 0,1881,5551,1
5546 | 0,1934,1933,1
5547 | 0,1879,2910,1
5548 | 0,1432,1538,1
5549 | 0,2258,3469,1
5550 | 0,1519,5256,0
5551 | 0,1688,4866,1
5552 | 0,1496,5106,0
5553 | 0,33,1223,1
5554 | 0,2250,5468,0
5555 | 0,1191,2800,1
5556 | 0,1241,4493,1
5557 | 0,2485,2719,1
5558 | 0,1312,4727,0
5559 | 0,363,1366,1
5560 | 0,1260,4518,0
5561 | 0,1681,213,0
5562 | 0,83,3838,1
5563 | 0,2158,5174,0
5564 | 0,1985,808,1
5565 | 0,875,4126,1
5566 | 0,721,4011,1
5567 | 0,1989,2382,1
5568 | 0,2659,2545,1
5569 | 0,33,3554,1
5570 | 0,1244,4166,1
5571 | 0,2490,2890,1
5572 | 0,1746,5522,0
5573 | 0,2258,3971,1
5574 | 0,1448,53,0
5575 | 0,2643,4290,0
5576 | 0,2606,600,1
5577 | 0,1830,978,1
5578 | 0,1880,408,1
5579 | 0,2443,725,1
5580 | 0,83,2320,0
5581 | 0,1274,691,1
5582 | 0,199,2784,0
5583 | 0,1903,3020,1
5584 | 0,2150,72,1
5585 | 0,2225,4559,0
5586 | 0,1422,4860,1
5587 | 0,1857,4010,1
5588 | 0,1830,4792,0
5589 | 0,1586,2791,0
5590 | 0,2469,413,1
5591 | 0,2190,4433,1
5592 | 0,122,504,1
5593 | 0,1282,495,1
5594 | 0,2638,76,0
5595 | 0,2150,3768,1
5596 | 0,1376,1034,1
5597 | 0,1074,1577,1
5598 | 0,453,5215,1
5599 | 0,855,1146,1
5600 | 0,2638,2941,0
5601 | 0,83,4129,0
5602 | 0,2511,5490,1
5603 | 0,1094,399,1
5604 | 0,2511,3470,0
5605 | 0,1359,1936,1
5606 | 0,1830,340,0
5607 | 0,2150,2254,1
5608 | 0,353,161,1
5609 | 0,1896,4542,1
5610 | 0,1156,1988,1
5611 | 0,2705,1366,1
5612 | 0,63,1160,1
5613 | 0,2400,475,1
5614 | 0,2107,3118,0
5615 | 0,2572,904,1
5616 | 0,2236,5382,1
5617 | 0,1501,554,1
5618 | 0,2515,1937,1
5619 | 0,1274,652,1
5620 | 0,1646,935,1
5621 | 0,2107,3870,0
5622 | 0,1313,3656,0
5623 | 0,1638,943,1
5624 | 0,2651,1415,1
5625 | 0,2150,5222,1
5626 | 0,1505,1166,1
5627 | 0,290,3673,0
5628 | 0,1985,4405,0
5629 | 0,1793,2215,1
5630 | 0,1468,5383,1
5631 | 0,1554,19,1
5632 | 0,454,3845,0
5633 | 0,2361,4858,1
5634 | 0,2325,2921,1
5635 | 0,1730,5065,0
5636 | 0,1358,5309,1
5637 | 0,2264,3490,0
5638 | 0,1450,4494,0
5639 | 0,1630,4918,0
5640 | 0,2018,2807,0
5641 | 0,1850,4597,1
5642 | 0,2150,4559,0
5643 | 0,2686,4634,1
5644 | 0,1229,706,1
5645 | 0,1481,3415,0
5646 | 0,2244,4003,1
5647 | 0,2258,2507,1
5648 | 0,2127,757,1
5649 | 0,97,533,1
5650 | 0,2232,2289,1
5651 | 0,2541,3489,0
5652 | 0,2418,3864,1
5653 | 0,2293,1299,0
5654 | 0,1821,4636,0
5655 | 0,1891,3500,1
5656 | 0,2649,2389,1
5657 | 0,2060,3179,0
5658 | 0,2567,4809,0
5659 | 0,2293,2668,1
5660 | 0,1665,3153,1
5661 | 0,2532,2807,1
5662 | 0,1830,1484,1
5663 | 0,2244,405,1
5664 | 0,2018,739,1
5665 | 0,1919,3496,1
5666 | 0,2613,3438,1
5667 | 0,2150,41,0
5668 | 0,420,4931,1
5669 | 0,2569,1531,1
5670 | 0,1468,4637,1
5671 | 0,97,3060,1
5672 | 0,1187,768,0
5673 | 0,2518,399,1
5674 | 0,1254,1029,0
5675 | 0,876,3230,0
5676 | 0,1832,2669,1
5677 | 0,1250,4407,1
5678 | 0,799,4734,1
5679 | 0,2196,5127,1
5680 | 0,1415,1452,1
5681 | 0,2107,1783,1
5682 | 0,2186,2708,1
5683 | 0,1414,5312,1
5684 | 0,1337,5304,0
5685 | 0,1297,4919,1
5686 | 0,1989,310,1
5687 | 0,2006,4883,1
5688 | 0,1822,3292,1
5689 | 0,84,3857,1
5690 | 0,2489,4276,0
5691 | 0,2686,864,1
5692 | 0,1582,2496,1
5693 | 0,1074,2640,1
5694 | 0,2007,1849,0
5695 | 0,2150,2648,1
5696 | 0,2013,2495,1
5697 | 0,2374,419,1
5698 | 0,2357,5161,1
5699 | 0,2094,4096,1
5700 | 0,2344,2630,0
5701 | 0,2447,276,0
5702 | 0,2647,481,1
5703 | 0,1496,1046,1
5704 | 0,2047,851,0
5705 | 0,1697,4014,0
5706 | 0,2236,1905,1
5707 | 0,2606,2439,1
5708 | 0,2258,3347,1
5709 | 0,1971,1559,1
5710 | 0,2160,2928,0
5711 | 0,1281,3693,1
5712 | 0,110,4014,0
5713 | 0,440,1672,1
5714 | 0,1662,250,1
5715 | 0,1862,4014,1
5716 | 0,506,4044,1
5717 | 0,1367,164,1
5718 | 0,2258,3244,0
5719 | 0,1526,5546,0
5720 | 0,2508,376,1
5721 | 0,2180,2725,0
5722 | 0,754,3223,1
5723 | 0,1981,1160,1
5724 | 0,1947,1642,1
5725 | 0,754,3701,1
5726 | 0,2295,982,1
5727 | 0,2594,3032,0
5728 | 0,875,2226,0
5729 | 0,2501,864,1
5730 | 0,1580,1790,0
5731 | 0,696,3870,0
5732 | 0,1341,5029,1
5733 | 0,1947,2945,1
5734 | 0,2014,4809,1
5735 | 0,1244,5454,1
5736 | 0,2325,3980,1
5737 | 0,1496,4576,0
5738 | 0,1418,884,0
5739 | 0,1422,4250,1
5740 | 0,1063,2866,1
5741 | 0,2453,5189,1
5742 | 0,353,1025,1
5743 | 0,2043,2909,0
5744 | 0,1612,1150,1
5745 | 0,1293,4437,1
5746 | 0,2563,4509,0
5747 | 0,1612,5312,1
5748 | 0,2484,5291,1
5749 | 0,452,3944,0
5750 | 0,2252,2784,1
5751 | 0,1610,1137,1
5752 | 0,33,900,0
5753 | 0,2638,5021,1
5754 | 0,1778,4365,1
5755 | 0,1862,1601,1
5756 | 0,2004,775,1
5757 | 0,2649,108,1
5758 | 0,2146,1234,1
5759 | 0,726,1833,1
5760 | 0,2297,1588,1
5761 | 0,1317,4276,1
5762 | 0,2455,1773,1
5763 | 0,2687,304,1
5764 | 0,145,732,1
5765 | 0,2624,2449,1
5766 | 0,1607,787,0
5767 | 0,122,2851,1
5768 | 0,2182,460,1
5769 | 0,2418,2623,1
5770 | 0,2418,3623,1
5771 | 0,2146,4418,1
5772 | 0,2150,2178,1
5773 | 0,2447,4158,0
5774 | 0,1980,2766,0
5775 | 0,2250,2504,1
5776 | 0,1154,3806,1
5777 | 0,2598,5302,1
5778 | 0,1468,4094,1
5779 | 0,1146,5516,1
5780 | 0,656,3875,0
5781 | 0,2241,1350,1
5782 | 0,1281,2793,1
5783 | 0,875,3545,0
5784 | 0,2443,507,1
5785 | 0,2232,2466,0
5786 | 0,2447,4742,0
5787 | 0,1866,1705,1
5788 | 0,2146,570,1
5789 | 0,1422,5555,1
5790 | 0,1221,4765,0
5791 | 0,2447,2047,1
5792 | 0,721,1397,1
5793 | 0,2447,1812,0
5794 | 0,1178,4749,1
5795 | 0,855,1110,1
5796 | 0,1367,2079,1
5797 | 0,132,2640,1
5798 | 0,2504,5501,0
5799 | 0,1241,4009,1
5800 | 0,2253,779,1
5801 | 0,1994,5434,0
5802 | 0,1662,311,0
5803 | 0,2258,3500,1
5804 | 0,2006,4267,0
5805 | 0,2150,266,0
5806 | 0,1989,4503,0
5807 | 0,834,3923,0
5808 | 0,1652,4863,0
5809 | 0,1830,4895,1
5810 | 0,2705,425,1
5811 | 0,1333,3450,1
5812 | 0,1821,3436,1
5813 | 0,2469,278,1
5814 | 0,2182,414,0
5815 | 0,2530,3908,1
5816 | 0,2548,1609,1
5817 | 0,1853,4412,1
5818 | 0,2649,4172,1
5819 | 0,2496,1068,1
5820 | 0,331,3912,0
5821 | 0,2447,753,0
5822 | 0,2150,5363,1
5823 | 0,1506,2302,1
5824 | 0,2147,485,1
5825 | 0,1782,4008,1
5826 | 0,1637,1381,1
5827 | 0,2490,2975,1
5828 | 0,1477,2009,1
5829 | 0,2418,2473,1
5830 | 0,33,1808,1
5831 | 0,2593,2442,1
5832 | 0,2613,1426,1
5833 | 0,1290,2901,1
5834 | 0,2217,1871,1
5835 | 0,1062,4506,1
5836 | 0,1674,2945,1
5837 | 0,354,3199,1
5838 | 0,1090,1812,0
5839 | 0,1554,13,1
5840 | 0,1468,3306,1
5841 | 0,1980,2428,1
5842 | 0,2447,3383,0
5843 | 0,1496,808,0
5844 | 0,1787,3933,1
5845 | 0,1799,18,1
5846 | 0,2169,5540,0
5847 | 0,1211,2847,1
5848 | 0,1830,4025,0
5849 | 0,2258,4960,0
5850 | 0,1730,4929,0
5851 | 0,2250,224,0
5852 | 0,855,2069,0
5853 | 0,1609,4570,1
5854 | 0,2150,4471,1
5855 | 0,1526,1524,1
5856 | 0,415,5215,1
5857 | 0,2107,3718,1
5858 | 0,2293,2844,0
5859 | 0,1821,2516,1
5860 | 0,525,1506,0
5861 | 0,2086,2063,0
5862 | 0,1317,1749,0
5863 | 0,2598,2508,1
5864 | 0,2394,450,1
5865 | 0,1989,1490,0
5866 | 0,2075,748,0
5867 | 0,1378,2894,1
5868 | 0,180,1809,1
5869 | 0,1811,3549,1
5870 | 0,2400,3997,1
5871 | 0,1519,3734,0
5872 | 0,1146,4002,1
5873 | 0,2052,629,1
5874 | 0,480,3615,1
5875 | 0,777,2702,0
5876 | 0,2418,3269,1
5877 | 0,1254,3992,1
5878 | 0,410,5050,1
5879 | 0,2400,247,1
5880 | 0,2511,3654,0
5881 | 0,2250,3048,0
5882 | 0,2335,896,1
5883 | 0,1609,1462,1
5884 | 0,2322,155,0
5885 | 0,306,1832,1
5886 | 0,2469,640,1
5887 | 0,2612,2960,1
5888 | 0,2115,1910,1
5889 | 0,1383,1714,0
5890 | 0,485,3690,1
5891 | 0,2643,5536,0
5892 | 0,2264,3314,1
5893 | 0,754,2741,1
5894 | 0,2569,1837,1
5895 | 0,739,4891,0
5896 | 0,588,4979,1
5897 | 0,2593,207,1
5898 | 0,1665,2749,1
5899 | 0,310,4940,0
5900 | 0,1467,4395,0
5901 | 0,2478,4663,0
5902 | 0,2075,1796,1
5903 | 0,2084,2421,1
5904 | 0,721,5416,1
5905 | 0,2575,5484,0
5906 | 0,2063,3634,0
5907 | 0,1235,1930,1
5908 | 0,2281,793,1
5909 | 0,1751,1023,1
5910 | 0,2150,2822,1
5911 | 0,2005,5395,0
5912 | 0,2341,2173,1
5913 | 0,2099,2923,1
5914 | 0,2107,3357,0
5915 | 0,2490,2779,1
5916 | 0,1504,4951,0
5917 | 0,875,3209,1
5918 | 0,2567,612,0
5919 | 0,2406,2721,0
5920 | 0,1986,2767,1
5921 | 0,2190,1629,1
5922 | 0,612,2807,1
5923 | 0,855,801,0
5924 | 0,466,616,1
5925 | 0,2542,2551,1
5926 | 0,353,661,1
5927 | 0,2589,1873,1
5928 | 0,2475,789,1
5929 | 0,2307,180,0
5930 | 0,1275,1764,1
5931 | 0,7,4823,1
5932 | 0,1714,4722,0
5933 | 0,2515,2753,0
5934 | 0,2705,511,1
5935 | 0,2413,2839,0
5936 | 0,2257,2985,0
5937 | 0,2005,3314,1
5938 | 0,1341,1649,1
5939 | 0,2624,1974,1
5940 | 0,2665,4437,1
5941 | 0,2101,9,0
5942 | 0,2606,3187,1
5943 | 0,2469,2502,0
5944 | 0,2180,5152,0
5945 | 0,1281,3972,1
5946 | 0,2643,4580,1
5947 | 0,1338,4193,1
5948 | 0,1496,1228,1
5949 | 0,2631,1031,1
5950 | 0,1535,4650,1
5951 | 0,1714,2696,0
5952 | 0,132,3283,1
5953 | 0,1185,3806,1
5954 | 0,2569,195,0
5955 | 0,592,4551,1
5956 | 0,2504,2791,1
5957 | 0,1379,4682,1
5958 | 0,1610,3939,1
5959 | 0,2531,4850,1
5960 | 0,48,3115,1
5961 | 0,2107,1659,0
5962 | 0,2413,1057,1
5963 | 0,1338,3208,0
5964 | 0,2518,4091,1
5965 | 0,485,4699,1
5966 | 0,1896,4618,1
5967 | 0,1714,4960,1
5968 | 0,2150,644,1
5969 | 0,2612,13,1
5970 | 0,329,3738,0
5971 | 0,2469,34,1
5972 | 0,1645,2667,1
5973 | 0,2150,3729,1
5974 | 0,961,3847,0
5975 | 0,1610,15,1
5976 | 0,2258,3451,1
5977 | 0,1728,3962,0
5978 | 0,2559,1503,1
5979 | 0,1191,3915,1
5980 | 0,2150,3642,1
5981 | 0,480,2471,0
5982 | 0,1999,2038,1
5983 | 0,1336,5314,1
5984 | 0,1971,2188,0
5985 | 0,2344,5415,1
5986 | 0,1418,1020,1
5987 | 0,506,439,1
5988 | 0,2019,2025,1
5989 | 0,2279,2493,0
5990 | 0,2182,4666,1
5991 | 0,2518,323,1
5992 | 0,1980,2881,0
5993 | 0,1191,3127,0
5994 | 0,2322,1201,0
5995 | 0,2180,899,1
5996 | 0,2315,4482,0
5997 | 0,855,1302,1
5998 | 0,1426,4340,1
5999 | 0,1730,5035,0
6000 | 0,2307,1028,1
6001 | 0,2520,2167,0
6002 | 0,2095,3999,1
6003 | 0,2307,207,1
6004 | 0,739,4776,1
6005 | 0,485,3681,0
6006 | 0,2107,4527,1
6007 | 0,1562,4384,0
6008 | 0,1509,4290,1
6009 | 0,2478,4661,1
6010 | 0,1554,4356,1
6011 | 0,2146,653,1
6012 | 0,2071,1920,0
6013 | 0,485,3161,1
6014 | 0,1087,499,1
6015 | 0,2296,2119,1
6016 | 0,908,1148,1
6017 | 0,1440,4576,1
6018 | 0,2374,5130,1
6019 | 0,1229,3228,0
6020 | 0,1512,3300,0
6021 | 0,1367,2403,0
6022 | 0,1196,1897,1
6023 | 0,2416,3296,0
6024 | 0,2068,922,1
6025 | 0,2566,2420,1
6026 | 0,875,3928,0
6027 | 0,2106,3250,1
6028 | 0,1218,1998,0
6029 | 0,1191,4868,0
6030 | 0,1258,1422,1
6031 | 0,2298,2630,1
6032 | 0,1540,4542,1
6033 | 0,2293,3100,1
6034 | 0,1819,4818,1
6035 | 0,1496,4675,1
6036 | 0,2580,845,1
6037 | 0,2511,4644,1
6038 | 0,2567,4305,1
6039 | 0,1535,897,1
6040 | 0,2006,5001,0
6041 | 0,1250,5220,0
6042 | 0,1799,5330,1
6043 | 0,2418,1788,1
6044 | 0,2150,4867,1
6045 | 0,2638,2536,1
6046 | 0,1426,4291,0
6047 | 0,1799,3490,1
6048 | 0,2478,5226,1
6049 | 0,2150,1211,1
6050 | 0,2490,1399,1
6051 | 0,2518,2271,1
6052 | 0,1207,4576,0
6053 | 0,2107,4384,0
6054 | 0,1342,997,1
6055 | 0,2244,5277,1
6056 | 0,2638,3540,1
6057 | 0,1392,1627,1
6058 | 0,518,4229,1
6059 | 0,1983,3083,0
6060 | 0,1778,1716,1
6061 | 0,2220,1903,1
6062 | 0,2508,4603,0
6063 | 0,839,772,0
6064 | 0,172,2169,1
6065 | 0,1281,5122,0
6066 | 0,1283,413,1
6067 | 0,2150,4485,1
6068 | 0,1711,3161,1
6069 | 0,1063,3860,0
6070 | 0,2511,3668,0
6071 | 0,1634,472,1
6072 | 0,1573,2791,1
6073 | 0,2236,3555,1
6074 | 0,440,20,1
6075 | 0,2403,3085,1
6076 | 0,83,3477,0
6077 | 0,1068,3709,1
6078 | 0,353,4251,1
6079 | 0,2013,1916,0
6080 | 0,2518,3815,1
6081 | 0,1638,2692,1
6082 | 0,1610,774,1
6083 | 0,2496,3899,1
6084 | 0,2449,3737,0
6085 | 0,2190,4384,0
6086 | 0,2403,4638,0
6087 | 0,1766,1951,0
6088 | 0,1852,4869,0
6089 | 0,2508,4180,1
6090 | 0,2475,5546,0
6091 | 0,2323,712,1
6092 | 0,1929,4098,1
6093 | 0,230,2402,0
6094 | 0,2344,3807,0
6095 | 0,1211,526,1
6096 | 0,1505,3288,0
6097 | 0,1576,3403,0
6098 | 0,2617,3458,1
6099 | 0,2448,5264,1
6100 | 0,2058,5012,1
6101 | 0,2468,3149,0
6102 | 0,1499,4974,1
6103 | 0,1322,746,1
6104 | 0,2089,4460,0
6105 | 0,2448,185,1
6106 | 0,1612,5265,1
6107 | 0,658,3608,1
6108 | 0,1318,3633,1
6109 | 0,2232,1816,1
6110 | 0,1454,3364,0
6111 | 0,1582,4575,1
6112 | 0,1063,2713,1
6113 | 0,1496,4631,1
6114 | 0,2129,2199,1
6115 | 0,2511,3361,1
6116 | 0,2187,3940,1
6117 | 0,1337,4018,1
6118 | 0,1645,1075,1
6119 | 0,1985,760,1
6120 | 0,855,1222,0
6121 | 0,2378,1177,1
6122 | 0,2395,4870,1
6123 | 0,2342,1771,1
6124 | 0,409,3974,0
6125 | 0,463,1298,1
6126 | 0,2484,5393,1
6127 | 0,2478,4605,1
6128 | 0,1576,130,0
6129 | 0,2176,747,1
6130 | 0,2506,4444,1
6131 | 0,1297,4670,1
6132 | 0,2111,3009,1
6133 | 0,1156,3965,1
6134 | 0,2418,2618,1
6135 | 0,2279,1823,1
6136 | 0,479,5128,1
6137 | 0,2169,1448,1
6138 | 0,1862,1150,1
6139 | 0,2261,2807,0
6140 | 0,721,5392,1
6141 | 0,2072,5540,1
6142 | 0,1336,2265,1
6143 | 0,319,5048,1
6144 | 0,2258,587,1
6145 | 0,2006,5247,1
6146 | 0,1785,1561,1
6147 | 0,1972,209,1
6148 | 0,1366,4366,1
6149 | 0,1849,2228,1
6150 | 0,2357,935,1
6151 | 0,1541,4001,1
6152 | 0,1218,2060,1
6153 | 0,2117,5503,0
6154 | 0,2646,718,1
6155 | 0,2418,209,1
6156 | 0,2428,4744,1
6157 | 0,2150,5312,0
6158 | 0,315,1535,0
6159 | 0,1064,3688,1
6160 | 0,2150,4716,0
6161 | 0,518,1028,1
6162 | 0,1986,3285,1
6163 | 0,1766,87,1
6164 | 0,1766,2567,0
6165 | 0,2306,1940,1
6166 | 0,2075,644,1
6167 | 0,1610,259,1
6168 | 0,2496,649,1
6169 | 0,1501,3571,1
6170 | 0,1623,4627,0
6171 | 0,657,5093,0
6172 | 0,1595,316,1
6173 | 0,2075,434,1
6174 | 0,613,2615,0
6175 | 0,1478,1308,1
6176 | 0,1662,5143,0
6177 | 0,2250,3366,1
6178 | 0,1468,2843,1
6179 | 0,1394,1033,1
6180 | 0,2705,693,1
6181 | 0,1609,4675,1
6182 | 0,2101,3992,1
6183 | 0,2394,3442,1
6184 | 0,2258,3770,1
6185 | 0,2617,1910,1
6186 | 0,569,3376,1
6187 | 0,33,5214,1
6188 | 0,2499,1842,0
6189 | 0,2307,4616,1
6190 | 0,1991,5175,1
6191 | 0,1304,4469,0
6192 | 0,459,5558,0
6193 | 0,1208,2071,1
6194 | 0,415,853,1
6195 | 0,1610,864,1
6196 | 0,2649,1805,0
6197 | 0,2475,5553,1
6198 | 0,1554,1191,1
6199 | 0,2281,1675,1
6200 | 0,2528,5463,1
6201 | 0,525,984,1
6202 | 0,726,4233,1
6203 | 0,2598,4650,1
6204 | 0,1487,2072,1
6205 | 0,1444,1650,1
6206 | 0,2443,2238,0
6207 | 0,1156,2207,1
6208 | 0,2024,3775,1
6209 | 0,1535,532,1
6210 | 0,2060,3556,0
6211 | 0,1221,2271,1
6212 | 0,2371,2368,1
6213 | 0,1610,4609,1
6214 | 0,569,1916,0
6215 | 0,1519,194,0
6216 | 0,721,3327,1
6217 | 0,2150,5459,1
6218 | 0,1554,361,1
6219 | 0,1779,995,1
6220 | 0,2490,2866,1
6221 | 0,1962,2125,1
6222 | 0,2217,5480,1
6223 | 0,2344,3266,1
6224 | 0,1748,647,1
6225 | 0,1903,3896,1
6226 | 0,1448,19,1
6227 | 0,1986,370,1
6228 | 0,2041,2324,1
6229 | 0,2234,2449,1
6230 | 0,855,3507,0
6231 | 0,1971,4702,0
6232 | 0,1412,4601,0
6233 | 0,1417,2346,1
6234 | 0,1630,372,1
6235 | 0,2258,3933,0
6236 | 0,1730,5152,1
6237 | 0,2361,5062,1
6238 | 0,786,4211,1
6239 | 0,1178,9,0
6240 | 0,1852,4593,1
6241 | 0,1468,524,1
6242 | 0,1729,2559,1
6243 | 0,2302,2278,1
6244 | 0,2217,698,0
6245 | 0,1760,1924,1
6246 | 0,2005,429,1
6247 | 0,1714,350,1
6248 | 0,315,1646,1
6249 | 0,2518,592,1
6250 | 0,2229,3732,1
6251 | 0,2443,4964,0
6252 | 0,2127,1081,0
6253 | 0,1279,1049,1
6254 | 0,2014,1186,1
6255 | 0,2489,76,1
6256 | 0,1610,5041,1
6257 | 0,1162,2493,1
6258 | 0,2584,1043,0
6259 | 0,2150,3830,1
6260 | 0,1554,2421,1
6261 | 0,2101,475,1
6262 | 0,2150,3269,1
6263 | 0,2293,4423,1
6264 | 0,2279,5493,0
6265 | 0,1876,530,1
6266 | 0,2448,5352,0
6267 | 0,1746,3608,1
6268 | 0,1821,4368,1
6269 | 0,1980,3547,0
6270 | 0,721,696,1
6271 | 0,2475,557,1
6272 | 0,2569,4567,1
6273 | 0,613,1398,1
6274 | 0,466,2396,1
6275 | 0,2098,302,1
6276 | 0,2071,5287,0
6277 | 0,2318,2620,0
6278 | 0,1468,2371,0
6279 | 0,2106,2549,1
6280 | 0,1519,14,1
6281 | 0,2169,2968,0
6282 | 0,799,3599,1
6283 | 0,1274,5502,1
6284 | 0,1582,1159,1
6285 | 0,2518,3479,1
6286 | 0,2665,3003,1
6287 | 0,2107,1460,1
6288 | 0,2004,5051,1
6289 | 0,2071,9,0
6290 | 0,1395,2841,0
6291 | 0,2106,207,0
6292 | 0,2298,3929,1
6293 | 0,2150,2097,1
6294 | 0,1402,4919,1
6295 | 0,2150,4723,0
6296 | 0,1782,2031,1
6297 | 0,1260,4271,1
6298 | 0,754,150,1
6299 | 0,1314,5320,1
6300 | 0,1752,4578,1
6301 | 0,1355,4726,1
6302 | 0,2489,1955,1
6303 | 0,739,3040,0
6304 | 0,2133,3244,0
6305 | 0,1086,1612,1
6306 | 0,1830,554,1
6307 | 0,1211,2477,1
6308 | 0,2489,3835,0
6309 | 0,83,3451,1
6310 | 0,2458,2202,1
6311 | 0,582,919,1
6312 | 0,1211,2949,1
6313 | 0,754,5095,1
6314 | 0,2204,5226,0
6315 | 0,480,2450,0
6316 | 0,2293,3292,0
6317 | 0,2489,5380,1
6318 | 0,1582,799,1
6319 | 0,2489,120,1
6320 | 0,483,1676,1
6321 | 0,1156,1065,1
6322 | 0,1297,4650,1
6323 | 0,83,2020,1
6324 | 0,569,3091,0
6325 | 0,1582,931,1
6326 | 0,1610,566,1
6327 | 0,721,5393,1
6328 | 0,2298,4185,1
6329 | 0,1062,2494,1
6330 | 0,855,2233,1
6331 | 0,380,4050,0
6332 | 0,1895,164,0
6333 | 0,584,244,0
6334 | 0,1830,4931,0
6335 | 0,2597,3545,0
6336 | 0,2418,94,0
6337 | 0,624,3319,1
6338 | 0,986,3386,0
6339 | 0,453,3903,1
6340 | 0,2624,4964,1
6341 | 0,2250,2960,1
6342 | 0,428,4360,1
6343 | 0,2150,4447,1
6344 | 0,2278,2798,0
6345 | 0,1991,4228,1
6346 | 0,1676,4303,1
6347 | 0,1975,5111,1
6348 | 0,2250,3251,0
6349 | 0,2133,1104,1
6350 | 0,754,680,1
6351 | 0,132,3199,0
6352 | 0,2064,1393,1
6353 | 0,2489,3297,0
6354 | 0,466,3578,0
6355 | 0,722,1457,1
6356 | 0,1582,1203,1
6357 | 0,2158,4755,0
6358 | 0,1864,3863,0
6359 | 0,2182,4008,1
6360 | 0,2261,4981,1
6361 | 0,2043,3768,1
6362 | 0,2258,3102,1
6363 | 0,2362,1759,1
6364 | 0,1228,277,1
6365 | 0,2489,32,1
6366 | 0,2563,221,1
6367 | 0,1857,5092,1
6368 | 0,855,525,1
6369 | 0,1247,5105,1
6370 | 0,1297,5041,1
6371 | 0,2446,458,1
6372 | 0,2242,2493,1
6373 | 0,1667,790,1
6374 | 0,1279,3085,1
6375 | 0,2150,3010,0
6376 | 0,1146,2262,1
6377 | 0,2139,3045,1
6378 | 0,2148,4746,1
6379 | 0,132,3800,0
6380 | 0,2518,2997,1
6381 | 0,2473,3920,0
6382 | 0,1989,2936,0
6383 | 0,2322,2853,1
6384 | 0,1474,4787,0
6385 | 0,1467,5132,1
6386 | 0,1583,1166,1
6387 | 0,1748,1704,1
6388 | 0,2705,3212,1
6389 | 0,1981,746,1
6390 | 0,2298,949,1
6391 | 0,2129,2620,1
6392 | 0,2006,149,0
6393 | 0,842,3919,1
6394 | 0,2322,62,0
6395 | 0,2489,5329,1
6396 | 0,1221,4748,1
6397 | 0,2335,1720,1
6398 | 0,1582,1447,1
6399 | 0,961,836,1
6400 | 0,1730,5298,1
6401 | 0,1239,4683,0
6402 | 0,1231,2836,0
6403 | 0,1711,2831,0
6404 | 0,2612,3974,0
6405 | 0,1152,3058,1
6406 | 0,1326,2419,0
6407 | 0,1412,1028,1
6408 | 0,2511,4185,1
6409 | 0,1610,3287,0
6410 | 0,2043,2590,1
6411 | 0,525,653,1
6412 | 0,2674,4936,1
6413 | 0,2638,72,0
6414 | 0,2489,2352,0
6415 | 0,2033,1395,1
6416 | 0,1944,3155,0
6417 | 0,2562,1016,1
6418 | 0,1191,2282,0
6419 | 0,2060,1936,0
6420 | 0,2298,3153,1
6421 | 0,1638,3599,0
6422 | 0,1290,2127,1
6423 | 0,1297,4707,1
6424 | 0,1714,4002,1
6425 | 0,1811,3765,1
6426 | 0,1211,4928,1
6427 | 0,2043,4235,0
6428 | 0,2654,2729,1
6429 | 0,2448,2222,1
6430 | 0,1230,5526,1
6431 | 0,1317,1675,1
6432 | 0,2446,4582,1
6433 | 0,2447,1692,1
6434 | 0,2624,5115,1
6435 | 0,1414,5471,0
6436 | 0,2665,5541,1
6437 | 0,2117,697,1
6438 | 0,1148,3747,1
6439 | 0,2446,340,1
6440 | 0,1607,3914,0
6441 | 0,1229,3093,1
6442 | 0,1504,780,1
6443 | 0,1746,5458,1
6444 | 0,1341,826,1
6445 | 0,2711,2984,0
6446 | 0,1606,3687,1
6447 | 0,1283,2325,1
6448 | 0,2071,5418,0
6449 | 0,2220,1,1
6450 | 0,1679,5255,1
6451 | 0,2278,2945,0
6452 | 0,2258,808,1
6453 | 0,2325,2513,1
6454 | 0,2154,493,1
6455 | 0,2122,5511,1
6456 | 0,2487,4925,1
6457 | 0,2677,4809,1
6458 | 0,333,3585,1
6459 | 0,2341,5465,1
6460 | 0,2612,2854,1
6461 | 0,1971,938,1
6462 | 0,2150,2319,1
6463 | 0,1535,385,1
6464 | 0,122,3255,0
6465 | 0,1189,1099,1
6466 | 0,33,1489,1
6467 | 0,2612,170,1
6468 | 0,2325,1014,1
6469 | 0,2325,2545,1
6470 | 0,2150,1187,1
6471 | 0,2182,546,1
6472 | 0,2687,2836,1
6473 | 0,83,4576,0
6474 | 0,934,3485,1
6475 | 0,1966,358,1
6476 | 0,2563,5049,0
6477 | 0,2443,307,1
6478 | 0,1748,1048,1
6479 | 0,1406,1791,0
6480 | 0,1723,2791,1
6481 | 0,1608,5243,1
6482 | 0,1645,5046,1
6483 | 0,1255,3843,0
6484 | 0,2569,2896,0
6485 | 0,2006,4964,1
6486 | 0,1468,4741,1
6487 | 0,2005,4793,1
6488 | 0,2190,229,1
6489 | 0,2293,3796,0
6490 | 0,1474,174,0
6491 | 0,506,4440,1
6492 | 0,2232,3438,1
6493 | 0,1985,1686,0
6494 | 0,2025,5160,1
6495 | 0,1802,2713,1
6496 | 0,2712,3402,1
6497 | 0,2490,5499,1
6498 | 0,855,955,1
6499 | 0,485,2730,1
6500 | 0,2639,2862,1
6501 | 0,2127,1577,0
6502 | 0,2428,2519,0
6503 | 0,466,1569,1
6504 | 0,454,1395,1
6505 | 0,1221,3437,1
6506 | 0,1898,2377,1
6507 | 0,1290,5490,0
6508 | 0,2394,1341,0
6509 | 0,2147,3131,1
6510 | 0,2146,1134,1
6511 | 0,2464,2108,1
6512 | 0,1397,0,1
6513 | 0,1896,1329,0
6514 | 0,2428,2281,1
6515 | 0,331,3906,1
6516 | 0,2638,3328,1
6517 | 0,2652,4732,1
6518 | 0,1629,3598,1
6519 | 0,2496,5263,1
6520 | 0,2468,1156,1
6521 | 0,1243,4530,1
6522 | 0,2258,716,1
6523 | 0,2567,3404,0
6524 | 0,2584,164,0
6525 | 0,1499,4335,1
6526 | 0,483,1240,1
6527 | 0,2418,3636,0
6528 | 0,1281,1962,1
6529 | 0,1254,5524,1
6530 | 0,2705,518,0
6531 | 0,2469,5348,1
6532 | 0,541,1401,1
6533 | 0,876,3595,0
6534 | 0,1314,1074,1
6535 | 0,1317,355,1
6536 | 0,1211,5435,1
6537 | 0,1516,2288,1
6538 | 0,986,3760,1
6539 | 0,2469,644,1
6540 | 0,1317,419,1
6541 | 0,2236,3544,0
6542 | 0,2687,5529,1
6543 | 0,1279,581,1
6544 | 0,2278,2810,0
6545 | 0,1878,4094,1
6546 | 0,331,3935,1
6547 | 0,2711,1717,1
6548 | 0,2511,3598,1
6549 | 0,2531,2066,1
6550 | 0,2319,2742,1
6551 | 0,2593,1862,1
6552 | 0,2705,3040,1
6553 | 0,1422,2052,1
6554 | 0,2279,4982,1
6555 | 0,97,2005,1
6556 | 0,1297,4986,1
6557 | 0,2002,1967,1
6558 | 0,1857,1588,1
6559 | 0,1468,432,1
6560 | 0,1064,3449,1
6561 | 0,1746,5339,1
6562 | 0,2567,841,1
6563 | 0,1821,5302,1
6564 | 0,2527,467,1
6565 | 0,2133,3231,1
6566 | 0,2518,3473,0
6567 | 0,1312,2942,0
6568 | 0,2293,3058,1
6569 | 0,2176,3957,1
6570 | 0,1616,4420,1
6571 | 0,2307,4881,1
6572 | 0,2146,1667,1
6573 | 0,1986,5546,1
6574 | 0,2043,1305,1
6575 | 0,1208,1943,1
6576 | 0,2515,4227,1
6577 | 0,1610,4311,1
6578 | 0,2187,3778,1
6579 | 0,1509,266,0
6580 | 0,896,2064,1
6581 | 0,2293,3128,0
6582 | 0,2146,345,1
6583 | 0,1254,3965,0
6584 | 0,855,2053,1
6585 | 0,1962,5363,1
6586 | 0,2705,716,1
6587 | 0,2150,1634,1
6588 | 0,721,3220,1
6589 | 0,1702,4594,1
6590 | 0,2250,2511,1
6591 | 0,2705,3615,1
6592 | 0,1689,5159,0
6593 | 0,1989,2846,1
6594 | 0,2266,2651,1
6595 | 0,1992,1396,1
6596 | 0,2293,3446,1
6597 | 0,2649,2487,1
6598 | 0,1537,1034,1
6599 | 0,2705,621,1
6600 | 0,721,1204,1
6601 | 0,1384,1932,1
6602 | 0,939,3844,1
6603 | 0,2250,142,1
6604 | 0,2473,4076,0
6605 | 0,2576,275,0
6606 | 0,132,3638,0
6607 | 0,908,221,1
6608 | 0,2705,4263,1
6609 | 0,2006,2565,0
6610 | 0,1610,2406,1
6611 | 0,1408,3067,1
6612 | 0,2325,2375,1
6613 | 0,1196,3818,0
6614 | 0,2316,4040,1
6615 | 0,2105,5403,1
6616 | 0,562,1848,0
6617 | 0,2281,4487,1
6618 | 0,2371,3171,1
6619 | 0,2158,2169,1
6620 | 0,1432,3198,1
6621 | 0,2258,3006,0
6622 | 0,2639,2495,1
6623 | 0,2084,4690,1
6624 | 0,1260,4107,1
6625 | 0,1699,4023,1
6626 | 0,1454,3000,0
6627 | 0,1711,2791,0
6628 | 0,1852,4014,0
6629 | 0,2117,3603,1
6630 | 0,2485,3773,0
6631 | 0,2014,4052,1
6632 | 0,2677,4675,1
6633 | 0,1440,4290,1
6634 | 0,582,5414,0
6635 | 0,2022,1291,1
6636 | 0,1480,4349,0
6637 | 0,875,967,1
6638 | 0,592,5308,0
6639 | 0,2667,3963,1
6640 | 0,2485,2615,1
6641 | 0,2127,4245,1
6642 | 0,1317,2192,1
6643 | 0,2220,1976,0
6644 | 0,2232,3443,0
6645 | 0,2489,244,0
6646 | 0,83,4546,0
6647 | 0,2613,5214,1
6648 | 0,353,4271,0
6649 | 0,986,2691,0
6650 | 0,2446,3909,0
6651 | 0,780,3698,1
6652 | 0,1332,1227,1
6653 | 0,1736,5027,1
6654 | 0,1426,4395,1
6655 | 0,2444,5238,1
6656 | 0,2350,5440,1
6657 | 0,1268,3419,1
6658 | 0,2569,2197,1
6659 | 0,2593,5126,1
6660 | 0,2468,2207,1
6661 | 0,480,3899,0
6662 | 0,1611,5277,1
6663 | 0,1281,3046,1
6664 | 0,1162,3223,1
6665 | 0,1971,1140,1
6666 | 0,2232,2630,0
6667 | 0,2127,2121,1
6668 | 0,977,3680,0
6669 | 0,2644,797,1
6670 | 0,83,3952,1
6671 | 0,1898,2495,1
6672 | 0,2150,3014,1
6673 | 0,2182,182,0
6674 | 0,2150,822,1
6675 | 0,2127,523,1
6676 | 0,275,2073,1
6677 | 0,2001,4990,1
6678 | 0,2649,35,1
6679 | 0,1635,5301,1
6680 | 0,2447,2881,1
6681 | 0,2489,4221,1
6682 | 0,1576,2448,1
6683 | 0,2418,1952,0
6684 | 0,2489,2737,1
6685 | 0,319,1892,1
6686 | 0,2711,995,1
6687 | 0,2580,3101,1
6688 | 0,2018,814,1
6689 | 0,2593,4168,1
6690 | 0,1380,2791,1
6691 | 0,1496,4457,0
6692 | 0,1421,2355,1
6693 | 0,1609,802,1
6694 | 0,569,179,1
6695 | 0,1468,5006,1
6696 | 0,1529,45,0
6697 | 0,1196,3118,1
6698 | 0,1280,3072,1
6699 | 0,2105,3727,1
6700 | 0,2182,955,1
6701 | 0,2217,2940,1
6702 | 0,1821,3300,0
6703 | 0,1281,1197,1
6704 | 0,2344,790,1
6705 | 0,2225,2547,1
6706 | 0,2296,681,1
6707 | 0,2649,2176,0
6708 | 0,1645,4171,1
6709 | 0,855,2250,0
6710 | 0,2478,5086,0
6711 | 0,2508,1697,1
6712 | 0,876,3632,1
6713 | 0,2018,2943,1
6714 | 0,1742,574,1
6715 | 0,1221,4827,1
6716 | 0,2701,4776,1
6717 | 0,2199,4970,1
6718 | 0,2712,592,1
6719 | 0,1834,1431,0
6720 | 0,2258,3391,1
6721 | 0,754,1694,1
6722 | 0,1562,4991,1
6723 | 0,1879,3523,1
6724 | 0,2489,752,1
6725 | 0,1985,4919,1
6726 | 0,1506,3939,1
6727 | 0,2489,3920,0
6728 | 0,2025,419,1
6729 | 0,1483,1736,1
6730 | 0,2070,4941,1
6731 | 0,2344,2945,0
6732 | 0,1362,1475,0
6733 | 0,2322,580,0
6734 | 0,2579,154,1
6735 | 0,2371,494,1
6736 | 0,1582,204,1
6737 | 0,2043,3020,0
6738 | 0,1879,2670,0
6739 | 0,2215,1324,1
6740 | 0,2376,889,1
6741 | 0,1379,94,1
6742 | 0,2449,3529,1
6743 | 0,828,1844,0
6744 | 0,1171,2965,1
6745 | 0,1535,5546,1
6746 | 0,1414,2109,0
6747 | 0,2236,2713,1
6748 | 0,1700,3560,1
6749 | 0,353,2018,1
6750 | 0,506,4674,1
6751 | 0,2092,3020,1
6752 | 0,1397,3725,1
6753 | 0,1196,801,1
6754 | 0,2325,3190,0
6755 | 0,1218,4523,1
6756 | 0,1209,5041,1
6757 | 0,2244,4904,1
6758 | 0,1317,4259,1
6759 | 0,2469,2233,0
6760 | 0,1919,746,1
6761 | 0,2638,2102,1
6762 | 0,2370,221,1
6763 | 0,1553,5087,0
6764 | 0,1537,2320,0
6765 | 0,726,1749,1
6766 | 0,624,771,1
6767 | 0,1730,5484,0
6768 | 0,584,2829,1
6769 | 0,2567,5072,0
6770 | 0,274,5557,1
6771 | 0,1063,5366,0
6772 | 0,1766,1770,1
6773 | 0,2006,226,0
6774 | 0,1414,459,1
6775 | 0,1068,3834,0
6776 | 0,1730,2439,1
6777 | 0,1414,1321,1
6778 | 0,1911,1478,1
6779 | 0,2443,5111,1
6780 | 0,2071,2930,0
6781 | 0,2365,5298,0
6782 | 0,2190,2456,1
6783 | 0,2150,1530,1
6784 | 0,582,334,1
6785 | 0,1746,2007,1
6786 | 0,1653,673,1
6787 | 0,2449,3556,1
6788 | 0,1949,2366,1
6789 | 0,1166,3780,1
6790 | 0,2190,5103,0
6791 | 0,2515,386,1
6792 | 0,2638,5410,1
6793 | 0,452,4931,0
6794 | 0,1991,1588,1
6795 | 0,421,612,1
6796 | 0,1968,4197,1
6797 | 0,1146,2698,1
6798 | 0,1819,566,1
6799 | 0,2624,2745,1
6800 | 0,672,2952,1
6801 | 0,1787,4607,1
6802 | 0,1367,3080,0
6803 | 0,1481,3425,0
6804 | 0,2518,4875,1
6805 | 0,2443,5513,0
6806 | 0,1799,5416,1
6807 | 0,2250,3277,1
6808 | 0,107,4708,1
6809 | 0,2164,2355,1
6810 | 0,2490,1925,1
6811 | 0,2033,702,1
6812 | 0,2447,5452,1
6813 | 0,1208,4441,0
6814 | 0,1191,2791,0
6815 | 0,871,2369,1
6816 | 0,2150,2786,1
6817 | 0,2170,5003,1
6818 | 0,1317,933,1
6819 | 0,2258,2575,1
6820 | 0,1852,4747,1
6821 | 0,1676,4935,1
6822 | 0,2449,5040,1
6823 | 0,2180,4693,0
6824 | 0,1751,5265,1
6825 | 0,1554,2443,0
6826 | 0,1674,1817,1
6827 | 0,2250,70,1
6828 | 0,2357,4654,1
6829 | 0,1014,2717,1
6830 | 0,660,3868,0
6831 | 0,33,4772,1
6832 | 0,2150,3874,1
6833 | 0,864,3155,1
6834 | 0,83,1144,1
6835 | 0,1196,1277,1
6836 | 0,1864,3306,0
6837 | 0,1751,2301,1
6838 | 0,2293,5123,0
6839 | 0,1189,1535,1
6840 | 0,440,2807,1
6841 | 0,2518,1266,1
6842 | 0,2473,4100,1
6843 | 0,2345,4576,1
6844 | 0,1384,221,1
6845 | 0,1338,4287,1
6846 | 0,1754,999,1
6847 | 0,2511,4561,1
6848 | 0,1919,4513,0
6849 | 0,152,2640,1
6850 | 0,2447,868,1
6851 | 0,1989,1492,0
6852 | 0,2150,1014,1
6853 | 0,1801,3899,1
6854 | 0,2236,3192,0
6855 | 0,2298,5239,1
6856 | 0,2232,2719,1
6857 | 0,1251,236,1
6858 | 0,1184,4443,1
6859 | 0,2586,1605,1
6860 | 0,1746,5440,1
6861 | 0,2002,2507,0
6862 | 0,1367,510,0
6863 | 0,1946,5497,1
6864 | 0,2071,880,0
6865 | 0,2182,749,1
6866 | 0,1610,621,1
6867 | 0,1852,2634,1
6868 | 0,2652,5195,1
6869 | 0,2621,327,1
6870 | 0,2504,1447,1
6871 | 0,1162,5230,0
6872 | 0,2322,5422,1
6873 | 0,1426,4491,1
6874 | 0,875,1300,1
6875 | 0,2435,4361,1
6876 | 0,1318,3698,1
6877 | 0,1496,2300,0
6878 | 0,2712,3536,1
6879 | 0,754,2461,1
6880 | 0,2259,905,1
6881 | 0,2400,338,1
6882 | 0,855,2844,0
6883 | 0,1281,2627,1
6884 | 0,1645,1735,1
6885 | 0,1351,4366,0
6886 | 0,1638,3608,1
6887 | 0,352,5326,1
6888 | 0,2052,1548,1
6889 | 0,1468,307,1
6890 | 0,133,3234,1
6891 | 0,2307,4100,1
6892 | 0,485,3157,1
6893 | 0,2298,2688,1
6894 | 0,1613,1917,0
6895 | 0,2163,524,1
6896 | 0,522,2762,0
6897 | 0,1746,310,1
6898 | 0,2418,42,0
6899 | 0,2567,4972,1
6900 | 0,1274,4682,1
6901 | 0,2301,2442,1
6902 | 0,2060,2439,1
6903 | 0,2065,4618,1
6904 | 0,1669,5041,1
6905 | 0,2567,5490,1
6906 | 0,2158,539,1
6907 | 0,2307,1252,1
6908 | 0,1829,950,1
6909 | 0,2475,5238,1
6910 | 0,2233,2171,0
6911 | 0,2298,1226,0
6912 | 0,2469,3943,1
6913 | 0,1623,3540,1
6914 | 0,1506,4813,1
6915 | 0,2068,454,0
6916 | 0,1483,2115,1
6917 | 0,2563,945,1
6918 | 0,1338,4342,1
6919 | 0,2279,1039,0
6920 | 0,2490,3017,1
6921 | 0,876,3934,1
6922 | 0,2129,13,1
6923 | 0,2033,1353,1
6924 | 0,470,5058,0
6925 | 0,132,3604,0
6926 | 0,2489,3966,0
6927 | 0,1314,658,1
6928 | 0,2612,2449,1
6929 | 0,1074,520,1
6930 | 0,2649,4208,1
6931 | 0,1986,2281,1
6932 | 0,2043,4041,1
6933 | 0,1535,433,1
6934 | 0,1751,4465,1
6935 | 0,2518,3040,1
6936 | 0,1063,5553,0
6937 | 0,1281,5383,1
6938 | 0,2325,2670,1
6939 | 0,1178,4580,1
6940 | 0,1895,221,1
6941 | 0,2455,780,1
6942 | 0,2150,4377,1
6943 | 0,1893,4518,1
6944 | 0,1609,1873,0
6945 | 0,2475,5360,1
6946 | 0,1530,4852,1
6947 | 0,2508,1868,1
6948 | 0,1896,4793,0
6949 | 0,2127,985,1
6950 | 0,1333,2747,1
6951 | 0,1578,2213,1
6952 | 0,1580,3429,0
6953 | 0,2150,5330,1
6954 | 0,2686,1721,1
6955 | 0,2448,117,1
6956 | 0,2237,4696,0
6957 | 0,1562,4290,1
6958 | 0,1283,5360,1
6959 | 0,1231,2575,0
6960 | 0,276,3314,1
6961 | 0,1499,4266,1
6962 | 0,2293,5381,0
6963 | 0,1260,5312,1
6964 | 0,1642,69,0
6965 | 0,2281,831,0
6966 | 0,83,2597,0
6967 | 0,2293,3387,0
6968 | 0,739,3858,0
6969 | 0,1799,2240,1
6970 | 0,869,3200,1
6971 | 0,18,3529,1
6972 | 


--------------------------------------------------------------------------------
/Douban_code/dataset/readme.md:
--------------------------------------------------------------------------------
1 | 
2 | 


--------------------------------------------------------------------------------
/Douban_code/douban_main_all.py:
--------------------------------------------------------------------------------
  1 | import torch
  2 | import tqdm
  3 | import copy
  4 | import time
  5 | import numpy as np
  6 | import numpy as np
  7 | from sklearn.metrics import roc_auc_score
  8 | from torch.utils.data import DataLoader
  9 | #from torchfm.dataset.movielens import MovieLens1MDataset, MovieLens20MDataset
 10 | from dataset.douban import Douban, DoubanMusic, DoubanBook, DoubanMovie
 11 | 
 12 | 
 13 | from pdfm_fusion import PromptDeepFactorizationMachineModel_fusion
 14 | from pdfm_gene import PromptDeepFactorizationMachineModel_gene
 15 | 
 16 | def get_dataset(name, mode):
 17 |     return Douban(mode)
 18 | 
 19 | def get_model(name, dataset):
 20 |     """
 21 |     Hyperparameters are empirically determined, not opitmized.
 22 |     """
 23 |     field_dims = dataset.field_dims
 24 | 
 25 |     if name == 'pdfm_gene':
 26 |         return PromptDeepFactorizationMachineModel_gene(field_dims, embed_dim=16, mlp_dims=(16, 16), dropout=0.2, domain_id=0)
 27 |     elif name == 'pdfm_fusion':
 28 |         return PromptDeepFactorizationMachineModel_fusion(field_dims, embed_dim=16, mlp_dims=(16, 16), dropout=0.2, domain_id=0, number=10, max_val=0.01, temperature=1e-5)
 29 |     else:
 30 |         raise ValueError('unknown model name: ' + name)
 31 |         
 32 | class EarlyStopper(object):
 33 | 
 34 |     def __init__(self, num_trials, save_path):
 35 |         self.num_trials = num_trials
 36 |         self.trial_counter = 0
 37 |         self.best_accuracy = 0
 38 |         self.save_path = save_path
 39 | 
 40 |     def is_continuable(self, model, accuracy):
 41 |         if accuracy > self.best_accuracy:
 42 |             self.best_accuracy = accuracy
 43 |             self.trial_counter = 0
 44 |             torch.save(model.state_dict(), self.save_path)
 45 |             return True
 46 |         elif self.trial_counter + 1 < self.num_trials:
 47 |             self.trial_counter += 1
 48 |             return True
 49 |         else:
 50 |             return False
 51 | 
 52 | def train(model, optimizer, data_loader, criterion, device, log_interval=100):
 53 |     model.train()
 54 |     total_loss = 0
 55 |     tk0 = tqdm.tqdm(data_loader, smoothing=0, mininterval=1.0)
 56 |     for i, (fields, target) in enumerate(tk0):
 57 |         fields, target = fields.to(device).long(), target.to(device).long()
 58 |         y = model(fields)
 59 |         loss = criterion(y, target.float())
 60 |         model.zero_grad()
 61 |         loss.backward()
 62 |         optimizer.step()
 63 |         total_loss += loss.item()
 64 |         if (i + 1) % log_interval == 0:
 65 |             tk0.set_postfix(loss=total_loss / log_interval)
 66 |             total_loss = 0
 67 | 
 68 | def test(model, data_loader, device):
 69 |     model.eval()
 70 |     targets, predicts = list(), list()
 71 |     with torch.no_grad():
 72 |         for fields, target in tqdm.tqdm(data_loader, smoothing=0, mininterval=1.0):
 73 |             fields, target = fields.to(device).long(), target.to(device).long()
 74 |             y = model(fields)
 75 |             targets.extend(target.tolist())
 76 |             predicts.extend(y.tolist())
 77 |     return roc_auc_score(targets, predicts)
 78 | 
 79 | def main(dataset_name,
 80 |          dataset_path,
 81 |          model_name,
 82 |          epoch,
 83 |          learning_rate,
 84 |          batch_size,
 85 |          weight_decay,
 86 |          device,
 87 |          save_dir,
 88 |          job):
 89 |     device = torch.torch.device(device)
 90 |     
 91 |     train_dataset = get_dataset(dataset_name, 'train')
 92 |     valid_dataset = get_dataset(dataset_name, 'val')
 93 |     test_dataset = get_dataset(dataset_name, 'test')
 94 |     
 95 |     train_data_loader = DataLoader(train_dataset, batch_size=batch_size, num_workers=8,shuffle=True)
 96 |     valid_data_loader = DataLoader(valid_dataset, batch_size=batch_size, num_workers=8)
 97 |     test_data_loader = DataLoader(test_dataset, batch_size=batch_size, num_workers=8)
 98 |     
 99 |     model = get_model(model_name, train_dataset).to(device)
100 |     
101 |     if "pdfm" in model_name or "prompt" in model_name:
102 |         model.Freeze1()
103 |     
104 |     param_count = 0
105 |     for name, param in model.named_parameters():
106 |         if not param.requires_grad:
107 |             print(name)
108 |             print(param.shape)
109 |             param_count += param.view(-1).size()[0]
110 |     print(param_count)
111 |     
112 |     param_count = 0
113 |     for name, param in model.named_parameters():
114 |         param_count += param.view(-1).size()[0]
115 |     print(param_count)
116 |     
117 |     
118 |     criterion = torch.nn.BCELoss()
119 |     optimizer = torch.optim.Adam(params=model.parameters(), lr=learning_rate, weight_decay=weight_decay)
120 |     save_path=f'{save_dir}/{model_name}_v3_douban_train_{job}.pt'
121 |     early_stopper = EarlyStopper(num_trials=5,save_path=save_path)
122 |     
123 |     start = time.time()
124 |     
125 |     for epoch_i in range(epoch):
126 |         train(model, optimizer, train_data_loader, criterion, device)
127 |         auc = test(model, valid_data_loader, device)
128 |         print('epoch:', epoch_i, 'validation: auc:', auc)
129 |         if not early_stopper.is_continuable(model, auc):
130 |             
131 |             print(f'validation: best auc: {early_stopper.best_accuracy}')
132 |             break
133 |     
134 |     end = time.time()
135 |     
136 |     model.load_state_dict(torch.load(save_path))
137 |     auc = test(model, test_data_loader, device)
138 |     print(f'test auc: {auc}')
139 |     print('running time = ',end - start)
140 |     
141 |     
142 | if __name__ == '__main__':
143 |     import argparse
144 | 
145 |     parser = argparse.ArgumentParser()
146 |     parser.add_argument('--dataset_name', default='douban')
147 |     parser.add_argument('--dataset_path', default='dataset/')
148 |     parser.add_argument('--model_name', default='pdfm_fusion')
149 |     parser.add_argument('--epoch', type=int, default=100)
150 |     parser.add_argument('--learning_rate', type=float, default=1e-4)
151 |     parser.add_argument('--batch_size', type=int, default=2048)
152 |     parser.add_argument('--weight_decay', type=float, default=1e-5)
153 |     parser.add_argument('--device', default='cuda:0',help='cpu, cuda:0')
154 |     parser.add_argument('--save_dir', default='.')
155 |     parser.add_argument('--job', type=int, default=1)
156 |     args = parser.parse_args()
157 |     main(args.dataset_name,
158 |          args.dataset_path,
159 |          args.model_name,
160 |          args.epoch,
161 |          args.learning_rate,
162 |          args.batch_size,
163 |          args.weight_decay,
164 |          args.device,
165 |          args.save_dir,
166 |          args.job)
167 | 


--------------------------------------------------------------------------------
/Douban_code/douban_main_prompt_tuning.py:
--------------------------------------------------------------------------------
  1 | import torch
  2 | import tqdm
  3 | import time
  4 | import os
  5 | import numpy as np
  6 | from sklearn.metrics import roc_auc_score
  7 | from torch.utils.data import DataLoader
  8 | from dataset.douban import Douban, DoubanMusic, DoubanBook, DoubanMovie
  9 | 
 10 | from pdfm_fusion import PromptDeepFactorizationMachineModel_fusion
 11 | from pdfm_gene import PromptDeepFactorizationMachineModel_gene
 12 | 
 13 | def get_dataset(name, mode):
 14 |     if name == 'douban_music':
 15 |         return DoubanMusic(mode)
 16 |     elif name == 'douban_book':
 17 |         return DoubanBook(mode)
 18 |     elif name == 'douban_movie':
 19 |         return DoubanMovie(mode)
 20 |     else:
 21 |         raise ValueError('unknown dataset name: ' + name)
 22 | 
 23 | def get_model(name, dataset):
 24 |     """
 25 |     Hyperparameters are empirically determined, not opitmized.
 26 |     """
 27 |     field_dims = dataset.field_dims
 28 | 
 29 |     if name == 'pdfm_usermlp':
 30 |         return PromptDeepFactorizationMachineModel_usermlp(field_dims, embed_dim=16, mlp_dims=(16, 16), dropout=0.2, domain_id=0)
 31 |     elif name == 'pdfm_user_autodis':
 32 |         return PromptDeepFactorizationMachineModel_user_autodis(field_dims, embed_dim=16, mlp_dims=(16, 16), dropout=0.2, domain_id=0, number=10, max_val=0.01, temperature=1e-5)
 33 |     else:
 34 |         raise ValueError('unknown model name: ' + name)
 35 |         
 36 | class EarlyStopper(object):
 37 | 
 38 |     def __init__(self, num_trials, save_path):
 39 |         self.num_trials = num_trials
 40 |         self.trial_counter = 0
 41 |         self.best_accuracy = 0
 42 |         self.save_path = save_path
 43 | 
 44 |     def is_continuable(self, model, accuracy):
 45 |         if accuracy > self.best_accuracy:
 46 |             self.best_accuracy = accuracy
 47 |             self.trial_counter = 0
 48 |             torch.save(model.state_dict(), self.save_path)
 49 |             return True
 50 |         elif self.trial_counter + 1 < self.num_trials:
 51 |             self.trial_counter += 1
 52 |             return True
 53 |         else:
 54 |             return False
 55 | 
 56 | def train(model, optimizer, data_loader, criterion, device, log_interval=100):
 57 |     model.train()
 58 |     total_loss = 0
 59 |     tk0 = tqdm.tqdm(data_loader, smoothing=0, mininterval=1.0)
 60 |     for i, (fields, target) in enumerate(tk0):
 61 |         fields, target = fields.to(device).long(), target.to(device).long()
 62 |         y = model(fields)
 63 |         loss = criterion(y, target.float())
 64 |         model.zero_grad()
 65 |         loss.backward()
 66 |         optimizer.step()
 67 |         total_loss += loss.item()
 68 |         if (i + 1) % log_interval == 0:
 69 |             tk0.set_postfix(loss=total_loss / log_interval)
 70 |             total_loss = 0
 71 | 
 72 | def test(model, data_loader, device):
 73 |     model.eval()
 74 |     targets, predicts = list(), list()
 75 |     with torch.no_grad():
 76 |         for fields, target in tqdm.tqdm(data_loader, smoothing=0, mininterval=1.0):
 77 |             fields, target = fields.to(device).long(), target.to(device).long()
 78 |             y = model(fields)
 79 |             targets.extend(target.tolist())
 80 |             predicts.extend(y.tolist())
 81 |     return roc_auc_score(targets, predicts)
 82 | 
 83 | def main(dataset_name,
 84 |          dataset_path,
 85 |          model_name,
 86 |          mode,
 87 |          epoch,
 88 |          learning_rate,
 89 |          batch_size,
 90 |          weight_decay,
 91 |          tem,
 92 |          device,
 93 |          save_dir,
 94 |          freeze,
 95 |          job):
 96 |     device = torch.torch.device(device)
 97 |     
 98 |     train_dataset = get_dataset(dataset_name,'train')
 99 |     valid_dataset = get_dataset(dataset_name,'val')
100 |     test_dataset = get_dataset(dataset_name,'test')
101 | 
102 |     train_data_loader = DataLoader(train_dataset, batch_size=batch_size, num_workers=8, shuffle=True)
103 |     valid_data_loader = DataLoader(valid_dataset, batch_size=batch_size, num_workers=8)
104 |     test_data_loader = DataLoader(test_dataset, batch_size=batch_size, num_workers=8)
105 |     
106 |     model = get_model(model_name, train_dataset).to(device)
107 |     if mode=='test':
108 |         save_path=f'{save_dir}/{model_name}_v3_douban_train_{job}.pt'
109 |         model.load_state_dict(torch.load(save_path))
110 |     
111 |     if "pdfm" in model_name or "prompt" in model_name:
112 |         if freeze==2:
113 |             model.Freeze2()
114 |         elif freeze==3:
115 |             model.Freeze3()
116 |         elif freeze==4:
117 |             model.Freeze4()
118 |         elif freeze==5:
119 |             model.Freeze5()
120 |         #model.Freeze2()
121 |     if model_name=='pdfm_user_autodis':
122 |         model.autodis_model.temperature = tem
123 |     
124 |     criterion = torch.nn.BCELoss()
125 |     optimizer = torch.optim.Adam(params=model.parameters(), lr=learning_rate, weight_decay=weight_decay)
126 |     early_stopper = EarlyStopper(num_trials=5, save_path=f'{save_dir}/{model_name}_v3_{dataset_name}_{mode}_{job}_{freeze}.pt')
127 |     
128 |     start = time.time()
129 |     
130 |     for epoch_i in range(epoch):
131 |         train(model, optimizer, train_data_loader, criterion, device)
132 |         auc = test(model, valid_data_loader, device)
133 |         print('epoch:', epoch_i, 'validation: auc:', auc)
134 |         if not early_stopper.is_continuable(model, auc):
135 |             
136 |             print(f'validation: best auc: {early_stopper.best_accuracy}')
137 |             break
138 |     
139 |     end = time.time()
140 |     
141 |     save_path=f'{save_dir}/{model_name}_v3_{dataset_name}_{mode}_{job}_{freeze}.pt'
142 |     model.load_state_dict(torch.load(save_path))
143 |     
144 |     auc = test(model, test_data_loader, device)
145 |     print(f'test auc: {auc}')
146 |     print('running time = ',end - start)
147 |     
148 |     
149 | if __name__ == '__main__':
150 |     import argparse
151 | 
152 |     parser = argparse.ArgumentParser()
153 |     parser.add_argument('--dataset_name', default='douban_music',help='douban_music,douban_book,douban_movie')
154 |     parser.add_argument('--dataset_path', default='dataset/')
155 |     parser.add_argument('--model_name', default='pdfm_fusion')
156 |     parser.add_argument('--mode', default='test')
157 |     parser.add_argument('--epoch', type=int, default=100)
158 |     parser.add_argument('--learning_rate', type=float, default=5e-3)
159 |     parser.add_argument('--batch_size', type=int, default=512)
160 |     parser.add_argument('--weight_decay', type=float, default=1e-5)
161 |     parser.add_argument('--tem', type=float, default=1e-5)
162 |     parser.add_argument('--device', default='cuda:0',help='cpu, cuda:0')
163 |     parser.add_argument('--save_dir', default='.')
164 |     parser.add_argument('--freeze', type=int, default=5) # for prompt+linear combination
165 |     parser.add_argument('--job', type=int, default=1)
166 |     #args = parser.parse_args(args=[])
167 |     args = parser.parse_args()
168 |     main(args.dataset_name,
169 |          args.dataset_path,
170 |          args.model_name,
171 |          args.mode,
172 |          args.epoch,
173 |          args.learning_rate,
174 |          args.batch_size,
175 |          args.weight_decay,
176 |          args.tem,
177 |          args.device,
178 |          args.save_dir,
179 |          args.freeze,
180 |          args.job)
181 | 


--------------------------------------------------------------------------------
/Douban_code/layer.py:
--------------------------------------------------------------------------------
  1 | import numpy as np
  2 | import torch
  3 | import torch.nn.functional as F
  4 | 
  5 | '''
  6 | to change the category Serial number to ordered number
  7 | 
  8 | like we got x = [2, 4] means category_1's id is 2, and category_2's id is 4
  9 | 
 10 | assume field_dims like [3, 8], category_1 has 3 ids, category_2 has 8 ids. ==> offsets=[0, 3]
 11 | 
 12 | x = [0 + 2, 4 + 3] ==> [2, 7]
 13 | '''
 14 | 
 15 | class FeaturesLinear(torch.nn.Module):
 16 | 
 17 |     def __init__(self, field_dims, output_dim=1):
 18 |         super().__init__()
 19 |         self.fc = torch.nn.Embedding(sum(field_dims), output_dim)
 20 |         self.bias = torch.nn.Parameter(torch.zeros((output_dim,)))
 21 |         self.offsets = np.array((0, *np.cumsum(field_dims)[:-1]), dtype=np.long)
 22 | 
 23 |     def forward(self, x):
 24 |         """
 25 |         :param x: Long tensor of size ``(batch_size, num_fields)``
 26 |         """
 27 |         x = x + x.new_tensor(self.offsets).unsqueeze(0)
 28 |         return torch.sum(self.fc(x), dim=1) + self.bias
 29 | 
 30 | class FeaturesEmbedding3(torch.nn.Module):
 31 | 
 32 |     def __init__(self, field_dims, embed_dim):
 33 |         super().__init__()
 34 |         self.embedding = torch.nn.Embedding(sum(field_dims), embed_dim)
 35 |         self.offsets = np.array((0, *np.cumsum(field_dims)[:-1]), dtype=np.long)
 36 |         torch.nn.init.constant_(self.embedding.weight.data,1)
 37 | 
 38 |     def forward(self, x):
 39 |         """
 40 |         :param x: Long tensor of size ``(batch_size, num_fields)``
 41 |         """
 42 |         x = x + x.new_tensor(self.offsets).unsqueeze(0)
 43 |         return self.embedding(x)
 44 | 
 45 | class FeaturesEmbedding2(torch.nn.Module):
 46 | 
 47 |     def __init__(self, field_dims, embed_dim):
 48 |         super().__init__()
 49 |         self.embedding = torch.nn.Embedding(sum(field_dims), embed_dim)
 50 |         self.offsets = np.array((0, *np.cumsum(field_dims)[:-1]), dtype=np.long)
 51 |         torch.nn.init.constant_(self.embedding.weight.data,0)
 52 | 
 53 |     def forward(self, x):
 54 |         """
 55 |         :param x: Long tensor of size ``(batch_size, num_fields)``
 56 |         """
 57 |         x = x + x.new_tensor(self.offsets).unsqueeze(0)
 58 |         return self.embedding(x)
 59 | 
 60 | class FeaturesEmbedding(torch.nn.Module):
 61 | 
 62 |     def __init__(self, field_dims, embed_dim):
 63 |         super().__init__()
 64 |         self.embedding = torch.nn.Embedding(sum(field_dims), embed_dim)
 65 |         self.offsets = np.array((0, *np.cumsum(field_dims)[:-1]), dtype=np.long)
 66 |         torch.nn.init.xavier_uniform_(self.embedding.weight.data)
 67 | 
 68 |     def forward(self, x):
 69 |         """
 70 |         :param x: Long tensor of size ``(batch_size, num_fields)``
 71 |         """
 72 |         x = x + x.new_tensor(self.offsets).unsqueeze(0)
 73 |         return self.embedding(x)
 74 | 
 75 | 
 76 | class FieldAwareFactorizationMachine(torch.nn.Module):
 77 | 
 78 |     def __init__(self, field_dims, embed_dim):
 79 |         super().__init__()
 80 |         self.num_fields = len(field_dims)
 81 |         self.embeddings = torch.nn.ModuleList([
 82 |             torch.nn.Embedding(sum(field_dims), embed_dim) for _ in range(self.num_fields)
 83 |         ])
 84 |         self.offsets = np.array((0, *np.cumsum(field_dims)[:-1]), dtype=np.long)
 85 |         for embedding in self.embeddings:
 86 |             torch.nn.init.xavier_uniform_(embedding.weight.data)
 87 | 
 88 |     def forward(self, x):
 89 |         """
 90 |         :param x: Long tensor of size ``(batch_size, num_fields)``
 91 |         """
 92 |         x = x + x.new_tensor(self.offsets).unsqueeze(0)
 93 |         xs = [self.embeddings[i](x) for i in range(self.num_fields)]
 94 |         ix = list()
 95 |         for i in range(self.num_fields - 1):
 96 |             for j in range(i + 1, self.num_fields):
 97 |                 ix.append(xs[j][:, i] * xs[i][:, j])
 98 |         ix = torch.stack(ix, dim=1)
 99 |         return ix
100 | 
101 | 
102 | class FactorizationMachine(torch.nn.Module):
103 | 
104 |     def __init__(self, reduce_sum=True):
105 |         super().__init__()
106 |         self.reduce_sum = reduce_sum
107 | 
108 |     def forward(self, x):
109 |         """
110 |         :param x: Float tensor of size ``(batch_size, num_fields, embed_dim)``
111 |         """
112 |         square_of_sum = torch.sum(x, dim=1) ** 2
113 |         sum_of_square = torch.sum(x ** 2, dim=1)
114 |         ix = square_of_sum - sum_of_square
115 |         if self.reduce_sum:
116 |             ix = torch.sum(ix, dim=1, keepdim=True)
117 |         return 0.5 * ix
118 | 
119 | 
120 | class MultiLayerPerceptron(torch.nn.Module):
121 | 
122 |     def __init__(self, input_dim, embed_dims, dropout, output_layer=True):
123 |         super().__init__()
124 |         layers = list()
125 |         for embed_dim in embed_dims:
126 |             layers.append(torch.nn.Linear(input_dim, embed_dim))
127 |             layers.append(torch.nn.BatchNorm1d(embed_dim))
128 |             layers.append(torch.nn.ReLU())
129 |             layers.append(torch.nn.Dropout(p=dropout))
130 |             input_dim = embed_dim
131 |         
132 |         self.mlp = torch.nn.Sequential(*layers)
133 |         if output_layer:
134 |             self.mlp.add_module('output_l',torch.nn.Linear(input_dim, 1))
135 | 
136 |     def forward(self, x):
137 |         """
138 |         :param x: Float tensor of size ``(batch_size, embed_dim)``
139 |         """
140 |         return self.mlp(x)
141 |     
142 | class MultiLayerPerceptron_normal(torch.nn.Module):
143 | 
144 |     def __init__(self, input_dim, embed_dims, dropout, output_layer=True):
145 |         super().__init__()
146 |         layers = list()
147 |         input_d = input_dim
148 |         for embed_dim in embed_dims:
149 |             layers.append(torch.nn.Linear(input_dim, embed_dim))
150 |             layers.append(torch.nn.BatchNorm1d(embed_dim))
151 |             layers.append(torch.nn.ReLU())
152 |             layers.append(torch.nn.Dropout(p=dropout))
153 |             input_dim = embed_dim
154 |         if output_layer:
155 |             layers.append(torch.nn.Linear(input_dim, input_d))
156 |         self.mlp = torch.nn.Sequential(*layers)
157 |         
158 |         
159 |         for param in self.mlp.parameters():
160 |             torch.nn.init.constant_(param.data,0)
161 |             param.requires_grad = False
162 |         
163 |             
164 | 
165 |     def forward(self, x):
166 |         """
167 |         :param x: Float tensor of size ``(batch_size, embed_dim)``
168 |         """
169 |         return self.mlp(x)
170 |     
171 | class autodis(torch.nn.Module):
172 | 
173 |     def __init__(self, input_dim, embed_dims, dropout, number, temperature, output_layer=True):
174 |         #input (1*16)->MLP->softmax->(number,1),multiply meta-embedding, output(1*16)
175 |         super().__init__()
176 |         layers = list()
177 |         input_d = input_dim
178 |         for embed_dim in embed_dims:
179 |             layers.append(torch.nn.Linear(input_dim, embed_dim))
180 |             layers.append(torch.nn.BatchNorm1d(embed_dim))
181 |             layers.append(torch.nn.ReLU())#try torch.nn.Sigmoid & torch.nn.Tanh
182 |             #layers.append(torch.nn.Sigmoid())
183 |             #layers.append(torch.nn.Tanh())
184 |             layers.append(torch.nn.Dropout(p=dropout))
185 |             input_dim = embed_dim
186 |         if output_layer:
187 |             layers.append(torch.nn.Linear(input_dim, number))
188 |         self.mlp = torch.nn.Sequential(*layers)
189 |         self.temperature = temperature
190 |         
191 |         self.meta_embedding = torch.nn.Parameter(torch.zeros((number,input_d)))#20*16
192 |         self.meta_embedding.requires_grad = False
193 |         #torch.nn.init.uniform_(self.meta_embedding, a=-max_val, b=max_val) put into freeze2 3 4
194 |         
195 |         
196 |         for param in self.mlp.parameters():
197 |             torch.nn.init.constant_(param.data,0)
198 |             param.requires_grad = False
199 |         
200 |     
201 |     def forward(self, x):
202 |         """
203 |         :param x: Float tensor of size ``(batch_size, embed_dim)``
204 |         """
205 |         logits_score = self.mlp(x)#output(1*20)
206 |         logits_norm_score=torch.nn.Softmax(dim=1)(logits_score/self.temperature)
207 |         autodis_embedding = torch.matmul(logits_norm_score,self.meta_embedding)
208 |         return autodis_embedding
209 | 
210 | 
211 | class InnerProductNetwork(torch.nn.Module):
212 | 
213 |     def forward(self, x):
214 |         """
215 |         :param x: Float tensor of size ``(batch_size, num_fields, embed_dim)``
216 |         """
217 |         num_fields = x.shape[1]
218 |         row, col = list(), list()
219 |         for i in range(num_fields - 1):
220 |             for j in range(i + 1, num_fields):
221 |                 row.append(i), col.append(j)
222 |         return torch.sum(x[:, row] * x[:, col], dim=2)
223 | 
224 | 
225 | class OuterProductNetwork(torch.nn.Module):
226 | 
227 |     def __init__(self, num_fields, embed_dim, kernel_type='mat'):
228 |         super().__init__()
229 |         num_ix = num_fields * (num_fields - 1) // 2
230 |         if kernel_type == 'mat':
231 |             kernel_shape = embed_dim, num_ix, embed_dim
232 |         elif kernel_type == 'vec':
233 |             kernel_shape = num_ix, embed_dim
234 |         elif kernel_type == 'num':
235 |             kernel_shape = num_ix, 1
236 |         else:
237 |             raise ValueError('unknown kernel type: ' + kernel_type)
238 |         self.kernel_type = kernel_type
239 |         self.kernel = torch.nn.Parameter(torch.zeros(kernel_shape))
240 |         torch.nn.init.xavier_uniform_(self.kernel.data)
241 | 
242 |     def forward(self, x):
243 |         """
244 |         :param x: Float tensor of size ``(batch_size, num_fields, embed_dim)``
245 |         """
246 |         num_fields = x.shape[1]
247 |         row, col = list(), list()
248 |         for i in range(num_fields - 1):
249 |             for j in range(i + 1, num_fields):
250 |                 row.append(i), col.append(j)
251 |         p, q = x[:, row], x[:, col]
252 |         if self.kernel_type == 'mat':
253 |             kp = torch.sum(p.unsqueeze(1) * self.kernel, dim=-1).permute(0, 2, 1)
254 |             return torch.sum(kp * q, -1)
255 |         else:
256 |             return torch.sum(p * q * self.kernel.unsqueeze(0), -1)
257 | 
258 | 
259 | class CrossNetwork(torch.nn.Module):
260 | 
261 |     def __init__(self, input_dim, num_layers):
262 |         super().__init__()
263 |         self.num_layers = num_layers
264 |         self.w = torch.nn.ModuleList([
265 |             torch.nn.Linear(input_dim, 1, bias=False) for _ in range(num_layers)
266 |         ])
267 |         self.b = torch.nn.ParameterList([
268 |             torch.nn.Parameter(torch.zeros((input_dim,))) for _ in range(num_layers)
269 |         ])
270 | 
271 |     def forward(self, x):
272 |         """
273 |         :param x: Float tensor of size ``(batch_size, num_fields, embed_dim)``
274 |         """
275 |         x0 = x
276 |         for i in range(self.num_layers):
277 |             xw = self.w[i](x)
278 |             x = x0 * xw + self.b[i] + x
279 |         return x
280 | 
281 | 
282 | class AttentionalFactorizationMachine(torch.nn.Module):
283 | 
284 |     def __init__(self, embed_dim, attn_size, dropouts):
285 |         super().__init__()
286 |         self.attention = torch.nn.Linear(embed_dim, attn_size)
287 |         self.projection = torch.nn.Linear(attn_size, 1)
288 |         self.fc = torch.nn.Linear(embed_dim, 1)
289 |         self.dropouts = dropouts
290 | 
291 |     def forward(self, x):
292 |         """
293 |         :param x: Float tensor of size ``(batch_size, num_fields, embed_dim)``
294 |         """
295 |         num_fields = x.shape[1]
296 |         row, col = list(), list()
297 |         for i in range(num_fields - 1):
298 |             for j in range(i + 1, num_fields):
299 |                 row.append(i), col.append(j)
300 |         p, q = x[:, row], x[:, col]
301 |         inner_product = p * q
302 |         attn_scores = F.relu(self.attention(inner_product))
303 |         attn_scores = F.softmax(self.projection(attn_scores), dim=1)
304 |         attn_scores = F.dropout(attn_scores, p=self.dropouts[0], training=self.training)
305 |         attn_output = torch.sum(attn_scores * inner_product, dim=1)
306 |         attn_output = F.dropout(attn_output, p=self.dropouts[1], training=self.training)
307 |         return self.fc(attn_output)
308 | 
309 | 
310 | class CompressedInteractionNetwork(torch.nn.Module):
311 | 
312 |     def __init__(self, input_dim, cross_layer_sizes, split_half=True):
313 |         super().__init__()
314 |         self.num_layers = len(cross_layer_sizes)
315 |         self.split_half = split_half
316 |         self.conv_layers = torch.nn.ModuleList()
317 |         prev_dim, fc_input_dim = input_dim, 0
318 |         for i in range(self.num_layers):
319 |             cross_layer_size = cross_layer_sizes[i]
320 |             self.conv_layers.append(torch.nn.Conv1d(input_dim * prev_dim, cross_layer_size, 1,
321 |                                                     stride=1, dilation=1, bias=True))
322 |             if self.split_half and i != self.num_layers - 1:
323 |                 cross_layer_size //= 2
324 |             prev_dim = cross_layer_size
325 |             fc_input_dim += prev_dim
326 |         self.fc = torch.nn.Linear(fc_input_dim, 1)
327 | 
328 |     def forward(self, x):
329 |         """
330 |         :param x: Float tensor of size ``(batch_size, num_fields, embed_dim)``
331 |         """
332 |         xs = list()
333 |         x0, h = x.unsqueeze(2), x
334 |         for i in range(self.num_layers):
335 |             x = x0 * h.unsqueeze(1)
336 |             batch_size, f0_dim, fin_dim, embed_dim = x.shape
337 |             x = x.view(batch_size, f0_dim * fin_dim, embed_dim)
338 |             x = F.relu(self.conv_layers[i](x))
339 |             if self.split_half and i != self.num_layers - 1:
340 |                 x, h = torch.split(x, x.shape[1] // 2, dim=1)
341 |             else:
342 |                 h = x
343 |             xs.append(x)
344 |         return self.fc(torch.sum(torch.cat(xs, dim=1), 2))
345 | 
346 | 
347 | class AnovaKernel(torch.nn.Module):
348 | 
349 |     def __init__(self, order, reduce_sum=True):
350 |         super().__init__()
351 |         self.order = order
352 |         self.reduce_sum = reduce_sum
353 | 
354 |     def forward(self, x):
355 |         """
356 |         :param x: Float tensor of size ``(batch_size, num_fields, embed_dim)``
357 |         """
358 |         batch_size, num_fields, embed_dim = x.shape
359 |         a_prev = torch.ones((batch_size, num_fields + 1, embed_dim), dtype=torch.float).to(x.device)
360 |         for t in range(self.order):
361 |             a = torch.zeros((batch_size, num_fields + 1, embed_dim), dtype=torch.float).to(x.device)
362 |             a[:, t+1:, :] += x[:, t:, :] * a_prev[:, t:-1, :]
363 |             a = torch.cumsum(a, dim=1)
364 |             a_prev = a
365 |         if self.reduce_sum:
366 |             return torch.sum(a[:, -1, :], dim=-1, keepdim=True)
367 |         else:
368 |             return a[:, -1, :]
369 | 


--------------------------------------------------------------------------------
/Douban_code/pdfm_fusion.py:
--------------------------------------------------------------------------------
  1 | import torch
  2 | #import torch.nn as nn
  3 | import numpy as np
  4 | 
  5 | from layer import FactorizationMachine, FeaturesEmbedding, FeaturesEmbedding2, FeaturesLinear, MultiLayerPerceptron, MultiLayerPerceptron_normal, autodis
  6 | 
  7 | 
  8 | class PromptDeepFactorizationMachineModel_fusion(torch.nn.Module):
  9 |     """
 10 |     A pytorch implementation of DeepFM.
 11 | 
 12 |     Reference:
 13 |         H Guo, et al. DeepFM: A Factorization-Machine based Neural Network for CTR Prediction, 2017.
 14 |     """
 15 | 
 16 |     def __init__(self, field_dims, embed_dim, mlp_dims, dropout, domain_id, number, max_val, temperature):
 17 |         super().__init__()
 18 |         
 19 |         #self.prompt_dim = prompt_dim
 20 |         #self.prompt = nn.Parameter(torch.zeros(1, prompt_dim))  #initialize prompt = 0
 21 |         
 22 |         #fdim = np.array([prompt_dim]) #the dimension of feature field for prompt should be 1, add it to field_dims
 23 |         
 24 |         pdim = np.array([4]) #the dimension of feature field for prompt should be 1
 25 |         
 26 |         '''
 27 |         fdim = np.array([1]) #add the dimension of feature field for prompt
 28 |         
 29 |         for i in range(field_dims.shape[0]):
 30 |             fdim = np.append(fdim,[field_dims[i]])
 31 |         field_dims = fdim
 32 |         '''
 33 |         fdim = np.array([4])
 34 |         self.max_val = max_val
 35 |         for i in range(field_dims.shape[0]):
 36 |             fdim = np.append(fdim,[field_dims[i]])
 37 |         self.embed_dim = embed_dim
 38 |         self.domain_id = domain_id
 39 |         self.linear = FeaturesLinear(fdim)
 40 |         self.fm = FactorizationMachine(reduce_sum=True)
 41 |         self.embedding = FeaturesEmbedding(field_dims, embed_dim)
 42 |         self.embedding_prompt = FeaturesEmbedding(pdim, embed_dim)
 43 |         self.embed_output_dim = (len(field_dims)+2) * embed_dim
 44 |         self.mlp = MultiLayerPerceptron(self.embed_output_dim, mlp_dims, dropout)
 45 |         #self.mlp_2 = MultiLayerPerceptron_normal(embed_dim, (32, 32), dropout)
 46 |         self.autodis_model = autodis(embed_dim, (32, 32), dropout, number, temperature)
 47 |         
 48 | 
 49 |         
 50 |     def Freeze1(self):
 51 |         
 52 |         '''
 53 |         for param in self.parameters():
 54 |             param.requires_grad = True
 55 |             #if param=='promt' param.requires_grad = False
 56 |         '''
 57 | 
 58 |         self.embedding_prompt.embedding.weight.requires_grad = False
 59 |         #for param in self.parameters():
 60 |         #    param.requires_grad = True
 61 |         for name, param in self.named_parameters():
 62 |             if "autodis_model.meta_embedding" in name:
 63 |                 torch.nn.init.uniform_(param, a=-self.max_val, b=self.max_val)
 64 |         '''
 65 |         try:
 66 |             for param in self.head.parameters():
 67 |                 param.requires_grad = True
 68 |         except:
 69 |             pass
 70 |         '''
 71 |         
 72 |     def Freeze2(self):#tune prompt
 73 |         for param in self.parameters():
 74 |             param.requires_grad = False
 75 |             #print(param)
 76 |             
 77 |         for name, param in self.named_parameters():
 78 |             #if 'output_l' in name:
 79 |             #print(name)
 80 |             if "autodis_model.mlp" in name:
 81 |                 param.requires_grad = True
 82 |             if "autodis_model.meta_embedding" in name:
 83 |                 param.requires_grad = True
 84 |                 torch.nn.init.uniform_(param, a=-self.max_val, b=self.max_val)
 85 | 
 86 |         self.embedding_prompt.embedding.weight.requires_grad = True
 87 |         
 88 |         #self.domain_id=1
 89 |         #print(self.domain_id)
 90 |         #self.autodis_model
 91 |         
 92 |     def Freeze3(self):#tune prompt + head
 93 |         for param in self.parameters():
 94 |             param.requires_grad = False
 95 |             
 96 |         for name, param in self.named_parameters():
 97 |             #print(name)
 98 |             if "autodis_model.mlp" in name:
 99 |                 param.requires_grad = True
100 |             if "autodis_model.meta_embedding" in name:
101 |                 param.requires_grad = True
102 |                 torch.nn.init.uniform_(param, a=-self.max_val, b=self.max_val)
103 |             if 'output_l' in name:
104 |             #if "mlp.mlp.8" in name:
105 |                 param.requires_grad = True
106 | 
107 |         self.embedding_prompt.embedding.weight.requires_grad = True
108 |         
109 |         #for i,p in enumerate(net.parameters()):
110 |         #if i < 165:
111 |         #    p.requires_grad = False
112 | 
113 |     def Freeze4(self):#tune prompt + linear + head
114 |         for param in self.parameters():
115 |             param.requires_grad = False
116 |             
117 |         for name, param in self.named_parameters():
118 |             #print(name)
119 |             if "autodis_model.mlp" in name:
120 |                 param.requires_grad = True
121 |             if "autodis_model.meta_embedding" in name:
122 |                 param.requires_grad = True
123 |                 torch.nn.init.uniform_(param, a=-self.max_val, b=self.max_val)
124 |             if 'output_l' in name:
125 |             #if "mlp.mlp.8" in name:
126 |                 param.requires_grad = True
127 |             if 'linear' in name:
128 |                 param.requires_grad = True
129 | 
130 |         self.embedding_prompt.embedding.weight.requires_grad = True
131 |         #self.linear.requires_grad = True
132 |         #print(self.linear)
133 |     
134 |     def Freeze5(self):#tune prompt + linear
135 |         for param in self.parameters():
136 |             param.requires_grad = False
137 |             
138 |         for name, param in self.named_parameters():
139 |             #print(name)
140 |             if "autodis_model.mlp" in name:
141 |                 param.requires_grad = True
142 |             if "autodis_model.meta_embedding" in name:
143 |                 param.requires_grad = True
144 |                 #torch.nn.init.uniform_(param, a=-self.max_val, b=self.max_val)
145 |             if 'linear' in name:
146 |                 param.requires_grad = True
147 | 
148 |         self.embedding_prompt.embedding.weight.requires_grad = True
149 |         #self.linear.requires_grad = True
150 |         #print(self.linear)
151 |         
152 |     def forward(self, x):
153 |         """
154 |         :param x: Long tensor of size ``(batch_size, num_fields)``
155 |         """
156 |         #print(x.shape)
157 |         '''
158 |         prompt = self.prompt.expand(x.shape[0], -1)
159 |         x = torch.cat((prompt, x), dim=1)
160 |         '''
161 |         domain_id_l = x[:,0]
162 |         domain_id_l = domain_id_l.view(domain_id_l.shape[0],1)
163 |         lin = self.linear(x)
164 | 
165 |         x=x[:,1:]
166 |         embed_x = self.embedding(x)
167 |         
168 |         prompt = self.embedding_prompt(domain_id_l)#domain prompt, first fix to 0, then train
169 | 
170 |         user_prompt = self.autodis_model(embed_x[:,0,:self.embed_dim])
171 |         user_prompt = user_prompt.view(user_prompt.shape[0],1,user_prompt.shape[1])
172 |         
173 |         embed_x = torch.cat((prompt, user_prompt, embed_x), dim=1)
174 | 
175 |         x = lin + self.fm(embed_x) + self.mlp(embed_x.view(-1, self.embed_output_dim))
176 |         return torch.sigmoid(x.squeeze(1))
177 | 


--------------------------------------------------------------------------------
/Douban_code/pdfm_gene.py:
--------------------------------------------------------------------------------
  1 | import torch
  2 | #import torch.nn as nn
  3 | import numpy as np
  4 | 
  5 | from layer import FactorizationMachine, FeaturesEmbedding, FeaturesEmbedding2, FeaturesLinear, MultiLayerPerceptron, MultiLayerPerceptron_normal
  6 | 
  7 | 
  8 | class PromptDeepFactorizationMachineModel_gene(torch.nn.Module):
  9 |     """
 10 |     A pytorch implementation of DeepFM.
 11 | 
 12 |     Reference:
 13 |         H Guo, et al. DeepFM: A Factorization-Machine based Neural Network for CTR Prediction, 2017.
 14 |     """
 15 | 
 16 |     def __init__(self, field_dims, embed_dim, mlp_dims, dropout, domain_id):
 17 |         super().__init__()
 18 |         
 19 |         #self.prompt_dim = prompt_dim
 20 |         #self.prompt = nn.Parameter(torch.zeros(1, prompt_dim))  #initialize prompt = 0
 21 |         
 22 |         #fdim = np.array([prompt_dim]) #the dimension of feature field for prompt should be 1, add it to field_dims
 23 |         
 24 |         pdim = np.array([4]) #the dimension of feature field for prompt should be 1
 25 |         
 26 |         '''
 27 |         fdim = np.array([1]) #add the dimension of feature field for prompt
 28 |         
 29 |         for i in range(field_dims.shape[0]):
 30 |             fdim = np.append(fdim,[field_dims[i]])
 31 |         field_dims = fdim
 32 |         '''
 33 |         fdim = np.array([4])
 34 |         for i in range(field_dims.shape[0]):
 35 |             fdim = np.append(fdim,[field_dims[i]])
 36 |         self.embed_dim = embed_dim
 37 |         self.domain_id = domain_id
 38 |         self.linear = FeaturesLinear(fdim)
 39 |         self.fm = FactorizationMachine(reduce_sum=True)
 40 |         self.embedding = FeaturesEmbedding(field_dims, embed_dim)
 41 |         self.embedding_prompt = FeaturesEmbedding(pdim, embed_dim)
 42 |         self.embed_output_dim = (len(field_dims)+2) * embed_dim
 43 |         self.mlp = MultiLayerPerceptron(self.embed_output_dim, mlp_dims, dropout)
 44 |         self.mlp_2 = MultiLayerPerceptron_normal(embed_dim, (32, 32), dropout)
 45 |         
 46 | 
 47 |         
 48 |     def Freeze1(self):
 49 |         
 50 |         '''
 51 |         for param in self.parameters():
 52 |             param.requires_grad = True
 53 |             #if param=='promt' param.requires_grad = False
 54 |         '''
 55 | 
 56 |         #self.embedding_prompt.embedding.weight.requires_grad = False
 57 |         for param in self.parameters():
 58 |             param.requires_grad = True
 59 |         '''
 60 |         try:
 61 |             for param in self.head.parameters():
 62 |                 param.requires_grad = True
 63 |         except:
 64 |             pass
 65 |         '''
 66 |         
 67 |     def Freeze2(self):#tune prompt
 68 |         for param in self.parameters():
 69 |             param.requires_grad = False
 70 |             #print(param)
 71 |             
 72 |         for name, param in self.named_parameters():
 73 |             #if 'output_l' in name:
 74 |             #print(name)
 75 |             if "mlp_2.mlp" in name:
 76 |                 param.requires_grad = True
 77 | 
 78 |         self.embedding_prompt.embedding.weight.requires_grad = True
 79 |         
 80 |     def Freeze3(self):#tune prompt + head
 81 |         for param in self.parameters():
 82 |             param.requires_grad = False
 83 |             
 84 |         for name, param in self.named_parameters():
 85 |             #print(name)
 86 |             if 'output_l' in name:
 87 |             #if "mlp.mlp.8" in name:
 88 |                 param.requires_grad = True
 89 |             if "mlp_2.mlp" in name:
 90 |                 param.requires_grad = True
 91 | 
 92 |         self.embedding_prompt.embedding.weight.requires_grad = True
 93 |         
 94 |         #for i,p in enumerate(net.parameters()):
 95 |         #if i < 165:
 96 |         #    p.requires_grad = False
 97 | 
 98 |     def Freeze4(self):#tune prompt + linear + head
 99 |         for param in self.parameters():
100 |             param.requires_grad = False
101 |             
102 |         for name, param in self.named_parameters():
103 |             #print(name)
104 |             if "mlp_2.mlp" in name:
105 |                 param.requires_grad = True
106 |             if 'output_l' in name:
107 |             #if "mlp.mlp.8" in name:
108 |                 param.requires_grad = True
109 |             if 'linear' in name:
110 |                 param.requires_grad = True
111 | 
112 |         self.embedding_prompt.embedding.weight.requires_grad = True
113 |         #self.linear.requires_grad = True
114 |         #print(self.linear)
115 |     
116 |     def Freeze5(self):#tune prompt + linear
117 |         for param in self.parameters():
118 |             param.requires_grad = False
119 |             
120 |         for name, param in self.named_parameters():
121 |             #print(name)
122 |             if "mlp_2.mlp" in name:
123 |                 param.requires_grad = True
124 |             if 'linear' in name:
125 |                 param.requires_grad = True
126 | 
127 |         self.embedding_prompt.embedding.weight.requires_grad = True
128 |         #self.linear.requires_grad = True
129 |         #print(self.linear)
130 |         
131 |     def forward(self, x):
132 |         """
133 |         :param x: Long tensor of size ``(batch_size, num_fields)``
134 |         """
135 |         #print(x.shape)
136 |         '''
137 |         prompt = self.prompt.expand(x.shape[0], -1)
138 |         x = torch.cat((prompt, x), dim=1)
139 |         '''
140 |         domain_id_l = x[:,0]
141 |         domain_id_l = domain_id_l.view(domain_id_l.shape[0],1)
142 |         lin = self.linear(x)
143 | 
144 |         x=x[:,1:]
145 |         embed_x = self.embedding(x)
146 |         
147 |         prompt = self.embedding_prompt(domain_id_l)#domain prompt, first fix to 0, then train
148 |         
149 |         user_prompt = self.mlp_2(embed_x[:,0,:self.embed_dim])
150 |         user_prompt = user_prompt.view(user_prompt.shape[0],1,user_prompt.shape[1])
151 |         
152 |         embed_x = torch.cat((prompt, user_prompt, embed_x), dim=1)
153 | 
154 |         x = lin + self.fm(embed_x) + self.mlp(embed_x.view(-1, self.embed_output_dim))
155 |         return torch.sigmoid(x.squeeze(1))
156 | 


--------------------------------------------------------------------------------
/Douban_code/readme.md:
--------------------------------------------------------------------------------
 1 | To run the code,
 2 | 
 3 | for learning stage:
 4 | * python douban_main_all.py --model_name pdfm_fusion  --learning_rate 2e-3 --job 1
 5 | 
 6 | for tuning stage
 7 | * python douban_main_music.py --model_name pdfm_fusion --learning_rate 5e-3 --freeze 5
 8 | * dataset_name=[douban_music,douban_book,douban_movie].
 9 | 
10 | model choices=[pdfm_fusion, pdfm_gene], which corresponds to Fusion and Generative user prompt. Meanwhile, the learning rate differs on different domains.
11 | 


--------------------------------------------------------------------------------
/LICENSE:
--------------------------------------------------------------------------------
 1 | MIT License
 2 | 
 3 | Copyright (c) 2023 Applied-Machine-Learning-Lab
 4 | 
 5 | Permission is hereby granted, free of charge, to any person obtaining a copy
 6 | of this software and associated documentation files (the "Software"), to deal
 7 | in the Software without restriction, including without limitation the rights
 8 | to use, copy, modify, merge, publish, distribute, sublicense, and/or sell
 9 | copies of the Software, and to permit persons to whom the Software is
10 | furnished to do so, subject to the following conditions:
11 | 
12 | The above copyright notice and this permission notice shall be included in all
13 | copies or substantial portions of the Software.
14 | 
15 | THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
16 | IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
17 | FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE
18 | AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
19 | LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,
20 | OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE
21 | SOFTWARE.
22 | 


--------------------------------------------------------------------------------
/PLATE-paper.pdf:
--------------------------------------------------------------------------------
https://raw.githubusercontent.com/Applied-Machine-Learning-Lab/PLATE/e480d1b4a082a3215ccfc1b03a299f11908d7c46/PLATE-paper.pdf


--------------------------------------------------------------------------------
/README.md:
--------------------------------------------------------------------------------
1 | # PLATE
2 | 
3 | This is the code for Prompt Learning And Tuning Enhancement (PLATE) for the SIGIR 2023. Due to space limitation, we show the demo for Douban with DeepFM as backbone. Meanwhile, the results on Component and Ablation study are attached.
4 | 


--------------------------------------------------------------------------------
/Results/Ablation_Study.png:
--------------------------------------------------------------------------------
https://raw.githubusercontent.com/Applied-Machine-Learning-Lab/PLATE/e480d1b4a082a3215ccfc1b03a299f11908d7c46/Results/Ablation_Study.png


--------------------------------------------------------------------------------
/Results/Component_Study.png:
--------------------------------------------------------------------------------
https://raw.githubusercontent.com/Applied-Machine-Learning-Lab/PLATE/e480d1b4a082a3215ccfc1b03a299f11908d7c46/Results/Component_Study.png


--------------------------------------------------------------------------------