Đổi mới cốt lõi
Các cơ sở dữ liệu truyền thống lưu trữ mọi thứ dưới dạng văn bản hoặc số. Khi bạn lưu "Apple", máy tính không hề biết bạn muốn nói đến:
- Loại trái cây
- Công ty công nghệ
- Hãng đĩa
- Biệt danh của một người
- Sự mơ hồ này là nguồn gốc của vô số vấn đề dữ liệu.
Amorfs giải quyết điều này bằng một sự phân biệt đơn giản nhưng sâu sắc:
Đổi mới cốt lõi
Các cơ sở dữ liệu truyền thống lưu trữ mọi thứ dưới dạng văn bản hoặc số. Khi bạn lưu "Apple", máy tính không hề biết bạn muốn nói đến:
- Loại trái cây
- Công ty công nghệ
- Hãng đĩa
- Biệt danh của một người
- Sự mơ hồ này là nguồn gốc của vô số vấn đề dữ liệu.
Amorfs giải quyết điều này bằng một sự phân biệt đơn giản nhưng sâu sắc:
Đổi mới cốt lõi
Các cơ sở dữ liệu truyền thống lưu trữ mọi thứ dưới dạng văn bản hoặc số. Khi bạn lưu "Apple", máy tính không hề biết bạn muốn nói đến:
- Loại trái cây
- Công ty công nghệ
- Hãng đĩa
- Biệt danh của một người
- Sự mơ hồ này là nguồn gốc của vô số vấn đề dữ liệu.
Amorfs giải quyết điều này bằng một sự phân biệt đơn giản nhưng sâu sắc:
Khái niệm so với Biểu đạt
Khái niệm (Trừu tượng)
Ý tưởng hoặc sự vật tự thân
Không phụ thuộc ngôn ngữ
Con người không nhìn thấy được
"Nó LÀ gì"
Duy nhất và vĩnh viễn
Biểu đạt (Vật lý)
Từ ngữ, con số hoặc dữ liệu dùng để chỉ tới các khái niệm
Đặc thù theo ngôn ngữ
Con người nhìn thấy được
"Nó được HIỂN THỊ như thế nào"
Nhiều biểu đạt cho mỗi khái niệm
Ví dụ trực quan
Khái niệm: [Thành phố ở Úc]
↓
Biểu đạt: "Sydney" | "シドニー" | "Sídney" | [-33.8688, 151.2093]
↓
Biểu đạt: "Sydney" | "シドニー" | "Sídney" | [-33.8688, 151.2093]
Khái niệm là thành phố thực tế. Biểu đạt chỉ là những cách khác nhau mà con người và máy móc dùng để nhắc đến nó.
Khái niệm so với Biểu đạt
Khái niệm (Trừu tượng)
Ý tưởng hoặc sự vật tự thân
Không phụ thuộc ngôn ngữ
Con người không nhìn thấy được
"Nó LÀ gì"
Duy nhất và vĩnh viễn
Biểu đạt (Vật lý)
Từ ngữ, con số hoặc dữ liệu dùng để chỉ tới các khái niệm
Đặc thù theo ngôn ngữ
Con người nhìn thấy được
"Nó được HIỂN THỊ như thế nào"
Nhiều biểu đạt cho mỗi khái niệm
Ví dụ trực quan
Khái niệm: [Thành phố ở Úc]
↓
Biểu đạt: "Sydney" | "シドニー" | "Sídney" | [-33.8688, 151.2093]
↓
Biểu đạt: "Sydney" | "シドニー" | "Sídney" | [-33.8688, 151.2093]
Khái niệm là thành phố thực tế. Biểu đạt chỉ là những cách khác nhau mà con người và máy móc dùng để nhắc đến nó.
Khái niệm so với Biểu đạt
Khái niệm (Trừu tượng)
Ý tưởng hoặc sự vật tự thân
Không phụ thuộc ngôn ngữ
Con người không nhìn thấy được
"Nó LÀ gì"
Duy nhất và vĩnh viễn
Biểu đạt (Vật lý)
Từ ngữ, con số hoặc dữ liệu dùng để chỉ tới các khái niệm
Đặc thù theo ngôn ngữ
Con người nhìn thấy được
"Nó được HIỂN THỊ như thế nào"
Nhiều biểu đạt cho mỗi khái niệm
Ví dụ trực quan
Khái niệm: [Thành phố ở Úc]
↓
Biểu đạt: "Sydney" | "シドニー" | "Sídney" | [-33.8688, 151.2093]
↓
Biểu đạt: "Sydney" | "シドニー" | "Sídney" | [-33.8688, 151.2093]
Khái niệm là thành phố thực tế. Biểu đạt chỉ là những cách khác nhau mà con người và máy móc dùng để nhắc đến nó.
Vì sao điều này quan trọng
Vấn đề: Cách tiếp cận truyền thống
Cơ sở dữ liệu A: "Sydney"
Cơ sở dữ liệu B: "Sydney, Úc"
Cơ sở dữ liệu C: "Sydney, NSW"
Với máy tính, các mục này trông khác nhau, nên chúng sẽ không tự động khớp hoặc hợp nhất.
Cơ sở dữ liệu B: "Sydney, Úc"
Cơ sở dữ liệu C: "Sydney, NSW"
Giải pháp: Cách tiếp cận Amorfs
Khái niệm: Sydney
Biểu thức: "Sydney" | "Sydney, Úc" | "Sydney, NSW"
Biểu thức: "Sydney" | "Sydney, Úc" | "Sydney, NSW"
Tất cả các biểu thức đều trỏ đến cùng một khái niệm. Hệ thống biết rằng chúng là cùng một thứ.
Vì sao điều này quan trọng
Vấn đề: Cách tiếp cận truyền thống
Cơ sở dữ liệu A: "Sydney"
Cơ sở dữ liệu B: "Sydney, Úc"
Cơ sở dữ liệu C: "Sydney, NSW"
Với máy tính, các mục này trông khác nhau, nên chúng sẽ không tự động khớp hoặc hợp nhất.
Cơ sở dữ liệu B: "Sydney, Úc"
Cơ sở dữ liệu C: "Sydney, NSW"
Giải pháp: Cách tiếp cận Amorfs
Khái niệm: Sydney
Biểu thức: "Sydney" | "Sydney, Úc" | "Sydney, NSW"
Biểu thức: "Sydney" | "Sydney, Úc" | "Sydney, NSW"
Tất cả các biểu thức đều trỏ đến cùng một khái niệm. Hệ thống biết rằng chúng là cùng một thứ.
Vì sao điều này quan trọng
Vấn đề: Cách tiếp cận truyền thống
Cơ sở dữ liệu A: "Sydney"
Cơ sở dữ liệu B: "Sydney, Úc"
Cơ sở dữ liệu C: "Sydney, NSW"
Với máy tính, các mục này trông khác nhau, nên chúng sẽ không tự động khớp hoặc hợp nhất.
Cơ sở dữ liệu B: "Sydney, Úc"
Cơ sở dữ liệu C: "Sydney, NSW"
Giải pháp: Cách tiếp cận Amorfs
Khái niệm: Sydney
Biểu thức: "Sydney" | "Sydney, Úc" | "Sydney, NSW"
Biểu thức: "Sydney" | "Sydney, Úc" | "Sydney, NSW"
Tất cả các biểu thức đều trỏ đến cùng một khái niệm. Hệ thống biết rằng chúng là cùng một thứ.
Nhiều Biểu Thức Trong Thực Tế
Đây là một ví dụ mạnh mẽ từ đặc tả:
state [NSW | New South Wales]
Điều thực sự đang diễn ra:
Chỉ có MỘT khái niệm trừu tượng (bang)
Nó có HAI biểu thức: "NSW" và "New South Wales"
Cả hai đều trỏ đến cùng một khái niệm nền tảng
Các tham chiếu sau này đến một trong hai sẽ dùng khái niệm đã được hợp nhất
Trước Khi Bạn Thêm Cả Hai Biểu Thức:
state [NSW]→ Khái niệm Astate [New South Wales]→ Khái niệm BHai khái niệm riêng biệt ❌
Sau Khi Bạn Thêm Cả Hai Biểu Thức:
state [NSW | New South Wales]→ Khái niệm AKhái niệm B được hợp nhất vào Khái niệm A ✓
Một khái niệm hợp nhất, hai biểu thức ✅
Nhiều Biểu Thức Trong Thực Tế
Đây là một ví dụ mạnh mẽ từ đặc tả:
state [NSW | New South Wales]
Điều thực sự đang diễn ra:
Chỉ có MỘT khái niệm trừu tượng (bang)
Nó có HAI biểu thức: "NSW" và "New South Wales"
Cả hai đều trỏ đến cùng một khái niệm nền tảng
Các tham chiếu sau này đến một trong hai sẽ dùng khái niệm đã được hợp nhất
Trước Khi Bạn Thêm Cả Hai Biểu Thức:
state [NSW]→ Khái niệm Astate [New South Wales]→ Khái niệm BHai khái niệm riêng biệt ❌
Sau Khi Bạn Thêm Cả Hai Biểu Thức:
state [NSW | New South Wales]→ Khái niệm AKhái niệm B được hợp nhất vào Khái niệm A ✓
Một khái niệm hợp nhất, hai biểu thức ✅
Nhiều Biểu Thức Trong Thực Tế
Đây là một ví dụ mạnh mẽ từ đặc tả:
state [NSW | New South Wales]
Điều thực sự đang diễn ra:
Chỉ có MỘT khái niệm trừu tượng (bang)
Nó có HAI biểu thức: "NSW" và "New South Wales"
Cả hai đều trỏ đến cùng một khái niệm nền tảng
Các tham chiếu sau này đến một trong hai sẽ dùng khái niệm đã được hợp nhất
Trước Khi Bạn Thêm Cả Hai Biểu Thức:
state [NSW]→ Khái niệm Astate [New South Wales]→ Khái niệm BHai khái niệm riêng biệt ❌
Sau Khi Bạn Thêm Cả Hai Biểu Thức:
state [NSW | New South Wales]→ Khái niệm AKhái niệm B được hợp nhất vào Khái niệm A ✓
Một khái niệm hợp nhất, hai biểu thức ✅
Ví dụ thực tế: Liên hệ doanh nghiệp
Định dạng truyền thống (JSON):
{
"name": "Dr. Sarah Johnson",
"email": "sjohnson@company.com",
"phone": "555-1234"
}
Vấn đề:
"Dr. Sarah Johnson" có phải là cùng một người với "S. Johnson" ở nơi khác không?
Không có cách nào để lưu các tên thay thế hoặc biệt danh
Số điện thoại không có ngữ cảnh (di động? văn phòng?)
Định dạng Amorfs (Amorfs):
person [Dr. Sarah Johnson | Sarah Johnson | S. Johnson, PhD
- email [sjohnson@company.com, sarah.johnson@company.com]
- phone [555-1234
- type [di động]
- country_code [+1]
]
- title [Giáo sư]
- department [Khoa học máy tính]
]
Lợi ích:
Tất cả biến thể tên đều được nhận diện là cùng một người
Hỗ trợ nhiều địa chỉ email
Số điện thoại có đầy đủ ngữ cảnh
Các mối quan hệ được bảo toàn
Ví dụ thực tế: Liên hệ doanh nghiệp
Định dạng truyền thống (JSON):
{
"name": "Dr. Sarah Johnson",
"email": "sjohnson@company.com",
"phone": "555-1234"
}
Vấn đề:
"Dr. Sarah Johnson" có phải là cùng một người với "S. Johnson" ở nơi khác không?
Không có cách nào để lưu các tên thay thế hoặc biệt danh
Số điện thoại không có ngữ cảnh (di động? văn phòng?)
Định dạng Amorfs (Amorfs):
person [Dr. Sarah Johnson | Sarah Johnson | S. Johnson, PhD
- email [sjohnson@company.com, sarah.johnson@company.com]
- phone [555-1234
- type [di động]
- country_code [+1]
]
- title [Giáo sư]
- department [Khoa học máy tính]
]
Lợi ích:
Tất cả biến thể tên đều được nhận diện là cùng một người
Hỗ trợ nhiều địa chỉ email
Số điện thoại có đầy đủ ngữ cảnh
Các mối quan hệ được bảo toàn
Ví dụ thực tế: Liên hệ doanh nghiệp
Định dạng truyền thống (JSON):
{
"name": "Dr. Sarah Johnson",
"email": "sjohnson@company.com",
"phone": "555-1234"
}
Vấn đề:
"Dr. Sarah Johnson" có phải là cùng một người với "S. Johnson" ở nơi khác không?
Không có cách nào để lưu các tên thay thế hoặc biệt danh
Số điện thoại không có ngữ cảnh (di động? văn phòng?)
Định dạng Amorfs (Amorfs):
person [Dr. Sarah Johnson | Sarah Johnson | S. Johnson, PhD
- email [sjohnson@company.com, sarah.johnson@company.com]
- phone [555-1234
- type [di động]
- country_code [+1]
]
- title [Giáo sư]
- department [Khoa học máy tính]
]
Lợi ích:
Tất cả biến thể tên đều được nhận diện là cùng một người
Hỗ trợ nhiều địa chỉ email
Số điện thoại có đầy đủ ngữ cảnh
Các mối quan hệ được bảo toàn
Sự kỳ diệu của việc tự động hợp nhất
Đây là lúc Amorfs trở nên thực sự thông minh. Khi bạn cung cấp cho nó thông tin mới:
Bước 1: Dữ liệu ban đầu
company [Apple]
fruit [apple]
Bước 2: Hệ thống nhận diện ngữ cảnh Hệ thống sử dụng các khái niệm xung quanh để hiểu rằng đây là những thứ khác nhau:
ngữ cảnh
company→ Công ty công nghệngữ cảnh
fruit→ Loại trái cây ăn được
Bước 3: Khi bạn làm rõ
company [Apple Inc. | Apple
- industry [Technology]
]
fruit [apple | 🍎
- type [Malus domestica]
]
Giờ đây hệ thống biết chắc chắn rằng đây là các khái niệm tách biệt.
Biểu thức có thể là bất cứ thứ gì
Không chỉ là văn bản! Biểu thức bao gồm:
Văn bản bằng bất kỳ ngôn ngữ nào
greeting [Hello | Bonjour | こんにちは | مرحبا]
Số và ngày tháng
birth_date [1990-05-15]
temperature [23.5]
Liên kết web
documentation [<https://docs.amorfs.com>]
Tham chiếu phương tiện
logo [<company-logo.png>]
Tọa độ GPS
location [
- latitude [-33.844364]
- longitude [151.062145]
]
Khái niệm hàm ý: Khái niệm không có biểu thức trực tiếp
Đôi khi một khái niệm chỉ tồn tại thông qua các mối quan hệ của nó:
address [
- street [123 Main St]
- city [Sydney]
- postcode [2000]
]
Lưu ý: Bản thân address không có biểu thức nào trong ngoặc vuông. Nó được hàm ý bởi các thành phần cấu thành của nó.
Hệ thống có thể suy ra một biểu thức khi cần: "123 Main St, Sydney, 2000"
Sự kỳ diệu của việc tự động hợp nhất
Đây là lúc Amorfs trở nên thực sự thông minh. Khi bạn cung cấp cho nó thông tin mới:
Bước 1: Dữ liệu ban đầu
company [Apple]
fruit [apple]
Bước 2: Hệ thống nhận diện ngữ cảnh Hệ thống sử dụng các khái niệm xung quanh để hiểu rằng đây là những thứ khác nhau:
ngữ cảnh
company→ Công ty công nghệngữ cảnh
fruit→ Loại trái cây ăn được
Bước 3: Khi bạn làm rõ
company [Apple Inc. | Apple
- industry [Technology]
]
fruit [apple | 🍎
- type [Malus domestica]
]
Giờ đây hệ thống biết chắc chắn rằng đây là các khái niệm tách biệt.
Biểu thức có thể là bất cứ thứ gì
Không chỉ là văn bản! Biểu thức bao gồm:
Văn bản bằng bất kỳ ngôn ngữ nào
greeting [Hello | Bonjour | こんにちは | مرحبا]
Số và ngày tháng
birth_date [1990-05-15]
temperature [23.5]
Liên kết web
documentation [<https://docs.amorfs.com>]
Tham chiếu phương tiện
logo [<company-logo.png>]
Tọa độ GPS
location [
- latitude [-33.844364]
- longitude [151.062145]
]
Khái niệm hàm ý: Khái niệm không có biểu thức trực tiếp
Đôi khi một khái niệm chỉ tồn tại thông qua các mối quan hệ của nó:
address [
- street [123 Main St]
- city [Sydney]
- postcode [2000]
]
Lưu ý: Bản thân address không có biểu thức nào trong ngoặc vuông. Nó được hàm ý bởi các thành phần cấu thành của nó.
Hệ thống có thể suy ra một biểu thức khi cần: "123 Main St, Sydney, 2000"
Sự kỳ diệu của việc tự động hợp nhất
Đây là lúc Amorfs trở nên thực sự thông minh. Khi bạn cung cấp cho nó thông tin mới:
Bước 1: Dữ liệu ban đầu
company [Apple]
fruit [apple]
Bước 2: Hệ thống nhận diện ngữ cảnh Hệ thống sử dụng các khái niệm xung quanh để hiểu rằng đây là những thứ khác nhau:
ngữ cảnh
company→ Công ty công nghệngữ cảnh
fruit→ Loại trái cây ăn được
Bước 3: Khi bạn làm rõ
company [Apple Inc. | Apple
- industry [Technology]
]
fruit [apple | 🍎
- type [Malus domestica]
]
Giờ đây hệ thống biết chắc chắn rằng đây là các khái niệm tách biệt.
Biểu thức có thể là bất cứ thứ gì
Không chỉ là văn bản! Biểu thức bao gồm:
Văn bản bằng bất kỳ ngôn ngữ nào
greeting [Hello | Bonjour | こんにちは | مرحبا]
Số và ngày tháng
birth_date [1990-05-15]
temperature [23.5]
Liên kết web
documentation [<https://docs.amorfs.com>]
Tham chiếu phương tiện
logo [<company-logo.png>]
Tọa độ GPS
location [
- latitude [-33.844364]
- longitude [151.062145]
]
Khái niệm hàm ý: Khái niệm không có biểu thức trực tiếp
Đôi khi một khái niệm chỉ tồn tại thông qua các mối quan hệ của nó:
address [
- street [123 Main St]
- city [Sydney]
- postcode [2000]
]
Lưu ý: Bản thân address không có biểu thức nào trong ngoặc vuông. Nó được hàm ý bởi các thành phần cấu thành của nó.
Hệ thống có thể suy ra một biểu thức khi cần: "123 Main St, Sydney, 2000"
Những điểm chính
Một khái niệm, nhiều cách diễn đạt: Cùng một ý tưởng có thể được diễn đạt theo vô số cách
Tự do ngôn ngữ: Dịch cách diễn đạt, khái niệm vẫn giữ nguyên
Tự động hợp nhất: Cung cấp các cách diễn đạt thay thế sẽ hợp nhất những khái niệm trước đó tách rời
Nhạy theo ngữ cảnh: Cùng một cách diễn đạt có thể chỉ đến các khái niệm khác nhau tùy theo ngữ cảnh
Sẵn sàng cho tương lai: Thêm cách diễn đạt mới bất cứ lúc nào mà không cần thay đổi khái niệm
Tóm tắt trực quan
┌─────────────────────────────────────┐
│ KHÁI NIỆM (Trừu tượng/Vô hình) │
│ "Bang New South Wales" │
└──────────┬─────────┬────────┬───────┘
│ │ │
┌──────▼───┐ ┌───▼───┐ ┌─▼────┐
│ "NSW" │ │"N.S.W"│ │"New │
│ │ │ │ │South │
│ │ │ │ │Wales"│
└──────────┘ └───────┘ └──────┘
CÁCH DIỄN ĐẠT (Hữu hình/Có thể thấy)
Hãy thử điều này
Hãy nghĩ về thông tin liên hệ của chính bạn. Liệt kê tất cả những cách khác nhau mà tên của bạn xuất hiện trên các hệ thống khác nhau. Trong Amorfs, tất cả những điều này đều là các cách diễn đạt của cùng một khái niệm: BẠN.
Tiếp theo: "Xây dựng mối quan hệ: Các liên kết trong Amorfs" →
Khái niệm là sự thật. Cách diễn đạt chỉ là những cách để nói về nó.
Những điểm chính
Một khái niệm, nhiều cách diễn đạt: Cùng một ý tưởng có thể được diễn đạt theo vô số cách
Tự do ngôn ngữ: Dịch cách diễn đạt, khái niệm vẫn giữ nguyên
Tự động hợp nhất: Cung cấp các cách diễn đạt thay thế sẽ hợp nhất những khái niệm trước đó tách rời
Nhạy theo ngữ cảnh: Cùng một cách diễn đạt có thể chỉ đến các khái niệm khác nhau tùy theo ngữ cảnh
Sẵn sàng cho tương lai: Thêm cách diễn đạt mới bất cứ lúc nào mà không cần thay đổi khái niệm
Tóm tắt trực quan
┌─────────────────────────────────────┐
│ KHÁI NIỆM (Trừu tượng/Vô hình) │
│ "Bang New South Wales" │
└──────────┬─────────┬────────┬───────┘
│ │ │
┌──────▼───┐ ┌───▼───┐ ┌─▼────┐
│ "NSW" │ │"N.S.W"│ │"New │
│ │ │ │ │South │
│ │ │ │ │Wales"│
└──────────┘ └───────┘ └──────┘
CÁCH DIỄN ĐẠT (Hữu hình/Có thể thấy)
Hãy thử điều này
Hãy nghĩ về thông tin liên hệ của chính bạn. Liệt kê tất cả những cách khác nhau mà tên của bạn xuất hiện trên các hệ thống khác nhau. Trong Amorfs, tất cả những điều này đều là các cách diễn đạt của cùng một khái niệm: BẠN.
Tiếp theo: "Xây dựng mối quan hệ: Các liên kết trong Amorfs" →
Khái niệm là sự thật. Cách diễn đạt chỉ là những cách để nói về nó.
Những điểm chính
Một khái niệm, nhiều cách diễn đạt: Cùng một ý tưởng có thể được diễn đạt theo vô số cách
Tự do ngôn ngữ: Dịch cách diễn đạt, khái niệm vẫn giữ nguyên
Tự động hợp nhất: Cung cấp các cách diễn đạt thay thế sẽ hợp nhất những khái niệm trước đó tách rời
Nhạy theo ngữ cảnh: Cùng một cách diễn đạt có thể chỉ đến các khái niệm khác nhau tùy theo ngữ cảnh
Sẵn sàng cho tương lai: Thêm cách diễn đạt mới bất cứ lúc nào mà không cần thay đổi khái niệm
Tóm tắt trực quan
┌─────────────────────────────────────┐
│ KHÁI NIỆM (Trừu tượng/Vô hình) │
│ "Bang New South Wales" │
└──────────┬─────────┬────────┬───────┘
│ │ │
┌──────▼───┐ ┌───▼───┐ ┌─▼────┐
│ "NSW" │ │"N.S.W"│ │"New │
│ │ │ │ │South │
│ │ │ │ │Wales"│
└──────────┘ └───────┘ └──────┘
CÁCH DIỄN ĐẠT (Hữu hình/Có thể thấy)
Hãy thử điều này
Hãy nghĩ về thông tin liên hệ của chính bạn. Liệt kê tất cả những cách khác nhau mà tên của bạn xuất hiện trên các hệ thống khác nhau. Trong Amorfs, tất cả những điều này đều là các cách diễn đạt của cùng một khái niệm: BẠN.
Tiếp theo: "Xây dựng mối quan hệ: Các liên kết trong Amorfs" →
Khái niệm là sự thật. Cách diễn đạt chỉ là những cách để nói về nó.
![](data:image/svg+xml,<svg display="block" role="presentation" viewBox="0 0 48 48" xmlns="http://www.w3.org/2000/svg"><g d="M 0 48 L 0 0 L 48 0 L 48 48 Z M 48 24 C 48 10.745 37.255 0 24 0 C 10.745 0 0 10.745 0 24 C 0 35.255 7.749 44.7 18.203 47.293 L 18.203 31.334 L 13.254 31.334 L 13.254 24 L 18.203 24 L 18.203 20.84 C 18.203 12.671 21.899 8.885 29.919 8.885 C 31.44 8.885 34.064 9.183 35.137 9.481 L 35.137 16.129 C 34.571 16.069 33.587 16.04 32.364 16.04 C 28.429 16.04 26.909 17.531 26.909 21.406 L 26.909 24 L 34.748 24 L 33.401 31.334 L 26.909 31.334 L 26.909 47.824 C 38.793 46.389 48.001 36.271 48.001 24 Z M 33.4 31.334 L 34.747 24 L 26.908 24 L 26.908 21.406 C 26.908 17.531 28.428 16.04 32.363 16.04 C 33.586 16.04 34.57 16.069 35.136 16.129 L 35.136 9.481 C 34.063 9.182 31.439 8.885 29.918 8.885 C 21.899 8.885 18.202 12.671 18.202 20.84 L 18.202 24 L 13.253 24 L 13.253 31.334 L 18.202 31.334 L 18.202 47.293 C 20.058 47.754 22 48 23.999 48 C 24.983 48 25.954 47.94 26.907 47.824 L 26.907 31.334 L 33.399 31.334 Z" fill="transparent" height="48.00000039337158px" id="WNOEGeyhI" width="48.001px"><path d="M 0 48 L 0 0 L 48 0 L 48 48 Z" fill="transparent" height="48px" id="Lf36xoeO5" width="48px"/><path d="M 48 24 C 48 10.745 37.255 0 24 0 C 10.745 0 0 10.745 0 24 C 0 35.255 7.749 44.7 18.203 47.293 L 18.203 31.334 L 13.254 31.334 L 13.254 24 L 18.203 24 L 18.203 20.84 C 18.203 12.671 21.899 8.885 29.919 8.885 C 31.44 8.885 34.064 9.183 35.137 9.481 L 35.137 16.129 C 34.571 16.069 33.587 16.04 32.364 16.04 C 28.429 16.04 26.909 17.531 26.909 21.406 L 26.909 24 L 34.748 24 L 33.401 31.334 L 26.909 31.334 L 26.909 47.824 C 38.793 46.389 48.001 36.271 48.001 24 Z" fill="rgb(8, 102, 255)" height="47.8243px" id="Fi98aqQOS" width="48.001px"/><path d="M 20.148 22.45 L 21.494 15.115 L 13.655 15.115 L 13.655 12.521 C 13.655 8.646 15.176 7.155 19.111 7.155 C 20.333 7.155 21.317 7.185 21.883 7.244 L 21.883 0.596 C 20.81 0.298 18.186 0 16.666 0 C 8.646 0 4.949 3.786 4.949 11.955 L 4.949 15.115 L 0 15.115 L 0 22.45 L 4.949 22.45 L 4.949 38.409 C 6.805 38.869 8.747 39.115 10.746 39.115 C 11.73 39.115 12.701 39.055 13.654 38.94 L 13.654 22.45 L 20.147 22.45 Z" fill="rgb(255, 255, 255)" height="39.11523px" id="o10gvlFLv" transform="translate(13.253 8.885)" width="21.883200000000002px"/></g></svg>)