Knowledge Discovery Practices and Emerging Applications of Data Mining Trends and New Domains 1st edition by Senthil Kumar 160960069X 9781609600693

Knowledge Discovery Practices and Emerging Applications of Data Mining Trends and New Domains 1st edition by Senthil Kumar 160960069X 9781609600693
Knowledge Discovery Practices and Emerging Applications of Data Mining Trends and New Domains 1st edition by Senthil Kumar 160960069X 9781609600693
Knowledge Discovery Practices and Emerging Applications of Data Mining Trends and New Domains 1st edition by Senthil Kumar 160960069X 9781609600693

1. Knowledge Discovery Practices and Emerging
Applications of Data Mining Trends and New
Domains 1st edition by Senthil Kumar
160960069XÂ 9781609600693 pdf download
https://ebookball.com/product/knowledge-discovery-practices-and-
emerging-applications-of-data-mining-trends-and-new-domains-1st-
edition-by-senthil-kumar-160960069x-9781609600693-14490/
Explore and download more ebooks or textbooks
at ebookball.com

2. We have selected some products that you may be interested in
Click the link to download now or visit ebookball.com
for more options!.
Active Mining New Directions of Data Mining Frontiers in
Artificial Intelligence and Applications 1st Edition by
Hiroshi Motoda ISBN 158603264X 9781586032647
https://ebookball.com/product/active-mining-new-directions-of-data-
mining-frontiers-in-artificial-intelligence-and-applications-1st-
edition-by-hiroshi-motoda-isbn-158603264x-9781586032647-19756/
Advances in Knowledge Discovery and Data Mining Part II
14th edition by Mohammed Zaki , Jeffrey Xu Yu, Ravindran,
Vikram Pudi ISBN 3642136710 978-3642136719
https://ebookball.com/product/advances-in-knowledge-discovery-and-
data-mining-part-ii-14th-edition-by-mohammed-zaki-jeffrey-xu-yu-
ravindran-vikram-pudi-isbn-3642136710-978-3642136719-19674/
Emerging Trends in Plant Pathology 1st Edition by Krishna
Singh,Shamarao Jahagirdar,Birinchi Kumar 981156275X
9789811562754
https://ebookball.com/product/emerging-trends-in-plant-pathology-1st-
edition-by-krishna-singh-shamarao-jahagirdar-birinchi-
kumar-981156275x-9789811562754-21200/
LNAI 2682 A Data Mining Query Language for Knowledge
Discovery in a Geographical Information System 1st Edition
by Donato Malerba, Annalisa Appice, Michelangelo Ceci ISBN
9783540224792 354022479X
https://ebookball.com/product/lnai-2682-a-data-mining-query-language-
for-knowledge-discovery-in-a-geographical-information-system-1st-
edition-by-donato-malerba-annalisa-appice-michelangelo-ceci-
isbn-9783540224792-354022479x-11018/

3. Knowledge Discovery from Sensor Data Industrial Innovation
1st Edition by Auroop R Ganguly ISBN 0367386232
9780367386238
https://ebookball.com/product/knowledge-discovery-from-sensor-data-
industrial-innovation-1st-edition-by-auroop-r-ganguly-
isbn-0367386232-9780367386238-13442/
Mining the Web Discovering Knowledge from Hypertext Data
1st Edition by Soumen Chakrabarti ISBN 9780080511726
0080511724
https://ebookball.com/product/mining-the-web-discovering-knowledge-
from-hypertext-data-1st-edition-by-soumen-chakrabarti-
isbn-9780080511726-0080511724-10336/
Adaptive Stream Mining Pattern Learning and Mining from
Evolving Data Streams Volume 207 Frontiers in Artificial
Intelligence and Applications 1st Edition by Albert Bifet
ISBN 1607500906 9781607500902
https://ebookball.com/product/adaptive-stream-mining-pattern-learning-
and-mining-from-evolving-data-streams-volume-207-frontiers-in-
artificial-intelligence-and-applications-1st-edition-by-albert-bifet-
isbn-1607500906-9781607500902/
Multi Relational Data Mining Frontiers in Artificial
Intelligence and Applications 1st Edition by Arno Knobbe
ISBN 1586036610 9781586036614
https://ebookball.com/product/multi-relational-data-mining-frontiers-
in-artificial-intelligence-and-applications-1st-edition-by-arno-
knobbe-isbn-1586036610-9781586036614-19734/
Developing Multi Database Mining Applications Advanced
Information and Knowledge Processing 2010th Edition by
Animesh Adhikari,Pralhad Ramachandrarao, Witold Pedrycz
ISBN 978-1849960434
https://ebookball.com/product/developing-multi-database-mining-
applications-advanced-information-and-knowledge-processing-2010th-
edition-by-animesh-adhikari-pralhad-ramachandrarao-witold-pedrycz-
isbn-978-1849960434-13708/

6. Knowledge Discovery
Practices and Emerging
Applications of
Data Mining:
Trends and New Domains
A. V. Senthil Kumar
Hindusthan College of Arts and Science, Bharathiar University, India
Hershey • New York
InformatIon scIence reference

7. Director of Editorial Content: Kristin Klinger
Director of Book Publications: Julia Mosemann
Acquisitions Editor: Lindsay Johnston
Development Editor: Joel Gamon
Publishing Assistant: Milan Vracarich, Jr.
Typesetter: Natalie Pronio
Production Editor: Jamie Snavely
Cover Design: Lisa Tosheff
Published in the United States of America by
Information Science Reference (an imprint of IGI Global)
701 E. Chocolate Avenue
Hershey PA 17033
Tel: [phone]
Fax: [phone]
E-mail: [email protected]
Web site: http://www.igi-global.com
Copyright © 2011 by IGI Global. All rights reserved. No part of this publication may be reproduced, stored or distributed in
any form or by any means, electronic or mechanical, including photocopying, without written permission from the publisher.
Product or company names used in this set are for identification purposes only. Inclusion of the names of the products or com-
panies does not indicate a claim of ownership by IGI Global of the trademark or registered trademark.
Library of Congress Cataloging-in-Publication Data
Knowledge discovery practices and emerging applications of data mining : trends and new domains / Av Senthil Kumar, editor.
p. cm.
Includes bibliographical references and index. Summary: "This book introduces the reader to recent research activities in the
field of data mining, covering association mining, classification, mobile marketing, opinion mining, microarray data mining,
internet mining and applications of data mining on biological data, telecommunication and distributed databases"--Provided
by publisher. ISBN 978-1-60960-067-9 (hardcover) -- ISBN 978-1-60960-069-3 (ebook) 1. Data mining. 2. Knowledge
acquisition (Expert systems) I. Senthil kumar, A., 1966-
QA76.9.D343K 5645 2010
006.3'12--dc22
2010027734
British Cataloguing in Publication Data
A Cataloguing in Publication record for this book is available from the British Library.
All work contributed to this book is new, previously-unpublished material. The views expressed in this book are those of the
authors, but not necessarily of the publisher.

8. Editorial Advisory Board
Hakikur Rahman, University of Minho, Portugal
Lin Gao, School of Computer Science and Technology, China
Wanli MA, University of Canberra, Australia
Robert A. Cropf, Saint Louis University, USA
Yanbo J. Wang, China Minsheng Banging Corp., Ltd., China
Hasnim Bin Harun, Ministry of Higher Learning, Malaysia
Adnan Ibrahim Suliman Alrabea, Albalqa’ Applied University, Jordan
List of Reviewers
Diego Reforgiato, University of Maryland College Park, USA; University of Catania, Italy
Priti Srinivas Sajja, Sardar Patel University, India
Pedamallu Chandra Sekar, New England Biolabs Inc., USA
R.S.Karthik, CMS College of Science and Commerce, India
Udai Shanker, Madan Mohan Malviya Engineering College, India
Xueyu Geng, Qingdao Technological University, China
Andria Arisal, Indonesian Institute of Sciences, Indonesia
Julia Kantorovitch, Technical Research Centre of Finland, Finland
Diego Milone, National Scientific and Technical Research Council (CONICET), Argentina
Fernando Alonso, Universidad Politecnica de Madrid, Spain
A.Srinivasan, SSN College of Engineering, India
Nashat Mansour, Lebanese American University, Lebanon
Jinlong Wang, Qingdao Technological University, China
Tugba Taskaya Temizel, Informatics Institute METU, Turkey
Adnan Alrabea, Al Balqa Applied Universit y, Jordan
Indranil Bose, The University of Hong Kong, Hong Kong
Anthony Scime, State University of New York - The College at Brockport, USA
Christian Guetl, Graz University of Technology, Austria
Giulia Bruno, Politecnico di Torino, Italy
Bruno Ohana, Dublin Institute of Technology, Ireland
Ana Azevedo, ISCA/IPP, Portugal

9. Mikolaj Morzy, Poznan University of Technology, Poland
James Hill, Indiana University–Purdue University Indianapolis, USA
Yanbo Wang, China Minsheng Banking Corp., Ltd., China
Syed Ahsan, University of Engineering and Technology, Pakistan
Dusan Petkovic, University of Applied Sciences, Portugal
Hakikur Rahman, University of Minho, China
Wanli Ma, University of Canberra, Austrialia
Lin Gao, Xidian University, China

10. Foreword ............................................................................................................................................xiv
Preface ................................................................................................................................................xvi
Acknowledgment ..............................................................................................................................xxiii
Section 1
Concepts, Tools and Techniques
Chapter 1
A Framework to Detect Disguised Missing Data ................................................................................... 1
Rahime Belen, Informatics Institute, METU, Turkey
Tuğba Taşkaya Temizel, Informatics Institute, METU, Turkey
Chapter 2
Microarray Data Mining: Issues and Prospects .................................................................................... 23
Giulia Bruno, Politecnico di Torino, Italy
Alessandro Fiori, Politecnico di Torino, Italy
Chapter 3
Temporal Association Rule Mining in Large Databases ... ................................................................... 48
A.V. Senthil Kumar, Hindusthan College of Arts and Science, Bharathiar University, India
Adnan Alrabea, Al Balqa Applied University, Jordan
Pedamallu Chandra Sekhar, New England Biolabs Inc., USA
Chapter 4
Optimizing and Managing Digital Telecommunication Systems Using Data Mining
and Knowledge Discovery Approaches... ............................................................................................. 66
Adnan I. Al Rabea, Al Balqa Applied University, Jordan
Ibrahiem M. M. El Emary, King Abdulaziz University, Kingdom of Saudi Arabia
Table of Contents

11. Chapter 5
Finding Persistent Strong Rules: Using Classification to Improve Association Mining... ................... 85
Anthony Scime, The College at Brockport, State University of New York, USA
Karthik Rajasethupathy, Cornell University, USA
Kulathur S. Rajasethupathy, The College at Brockport, State University of New York, USA
Gregg R. Murray, Texas Tech University, USA
Section 2
Research and Learning
Chapter 6
A Perspective on Data Mining Integration with Business Intelligence .............................................. 109
Ana Azevedo, CEISE/STI, ISCAP/IPP, Portugal
Manuel Filipe Santos, University of Minho, Portugal
Chapter 7
Shadow Sensitive SWIFT: A Commit Protocol for Advanced Data Warehouses... ............................ 130
Udai Shanker, Madan Mohan Malviya Engineering College, India
Abhay N. Singh, Madan Mohan Malviya Engineering College, India
Abhinav Anand, Madan Mohan Malviya Engineering College, India
Saurabh Agrawal, Madan Mohan Malviya Engineering College, India
Chapter 8
Mobile Marketing: The Challenges of the New Direct Marketing Channel and the Need
for Automatic Targeting and Optimization Tools... ............................................................................ 151
Giovanni Giuffrida, Universita’ di Catania, Italy
Diego Reforgiato, University of Maryland, USA
Catarina Sismeiro, Imperial College London, England
Giuseppe Tribulato, Neodata Group s.r.l., Italy
Chapter 9
Data Mining System Execution Traces to Validate Distributed System Quality-of-Service
Properties... ......................................................................................................................................... 174
James H. Hill, Indiana University-Purdue University Indianapolis, USA
Chapter 10
Cooperation between Expert Knowledge and Data Mining Discovered Knowledge... ...................... 198
Fernando Alonso, Universidad Politécnica de Madrid, Spain
Loïc Martínez, Universidad Politécnica de Madrid, Spain
Aurora Pérez, Universidad Politécnica de Madrid, Spain
Juan Pedro Valente, Universidad Politécnica de Madrid, Spain

12. Section 3
Case Studies
Chapter 11
A Comparative Study of Associative Classifiers in Mesenchymal Stem Cell
Differentiation Analysis ...................................................................................................................... 223
Weiqi Wang, University of Oxford, UK
Yanbo J. Wang, China Minsheng Banking Corporation Ltd., China
Qin Xin, Simula Research Laboratory, Norway
René Bañares-Alcántara, University of Oxford, UK
Frans Coenen, University of Liverpool, UK
Zhanfeng Cui, University of Oxford, UK
Chapter 12
Multiagent Knowledge-Based System Accessing Distributed Resources on Knowledge Grid ......... 244
Priti Srinivas Sajja, Sardar Patel University, India
Chapter 13
Opinion Mining with SentiWordNet... ................................................................................................ 266
Bruno Ohana, Dublin Institute of Technology, Ireland
Brendan Tierney, Dublin Institute of Technology, Ireland
Chapter 14
Analysis and Integration of Biological Data: A Data Mining Approach Using Neural Networks ......... 287
Diego Milone, Universidad Nacional del Litoral & National Scientific and Technical
Research Council, Argentina
Georgina Stegmayer, Universidad Tecnologica Nacional & National Scientific and Technical
Research Council, Argentina
Matías Gerard, Universidad Nacional del Litoral & Universidad Tecnologica Nacional
& National Scientific and Technical Research Council, Argentina
Laura Kamenetzky, Institute of Biotechnology, INTA & National Scientific and Technical
Research Council, Argentina
Mariana López, Institute of Biotechnology, INTA & National Scientific and Technical
Research Council, Argentina
Fernando Carrari, Institute of Biotechnology, INTA & National Scientific and Technical
Research Council, Argentina
Chapter 15
Internet Forums: What Knowledge can be Mined from Online Discussions ..................................... 315
Mikołaj Morzy, Poznan University of Technology, Poland
Compilation of References .............................................................................................................. 337
About the Contributors ................................................................................................................... 375
Index ................................................................................................................................................... 383

13. Foreword ............................................................................................................................................xiv
Preface ................................................................................................................................................xvi
Acknowledgment ..............................................................................................................................xxiii
Section 1
Concepts, Tools and Techniques
Chapter 1
A Framework to Detect Disguised Missing Data ................................................................................... 1
Rahime Belen, Informatics Institute, METU, Turkey
Tuğba Taşkaya Temizel, Informatics Institute, METU, Turkey
This chapter presents the methods to detect disguised missing values by visual inspection and also de-
scribe the methods used to detect these values automatically. At the same time, the framework to detect
disguised missing data is also proposed and a demonstration of the framework on spatial and categori-
cal data sets is provided.
Chapter 2
Microarray Data Mining: Issues and Prospects .................................................................................... 23
Giulia Bruno, Politecnico di Torino, Italy
Alessandro Fiori, Politecnico di Torino, Italy
Chapter 2 presents a review of four popular data mining techniques (i.e., Classification, Feature Selec-
tion, Clustering and Association Rule Mining) applied to microarray data. This chapter also describes
the main characteristics of microarray data in order to understand the critical issues which are intro-
duced by gene expression values analysis. Each technique is analyzed, examples of pertinent literature
are reported and the prospects of data mining research on microarray data are provided in this chapter.
Detailed Table of Contents

14. Chapter 3
Temporal Association Rule Mining in Large Databases ... ................................................................... 48
A.V. Senthil Kumar, Hindusthan College of Arts and Science, Bharathiar University, India
Adnan Alrabea, Al Balqa Applied University, Jordan
Pedamallu Chandra Sekhar, New England Biolabs Inc., USA
This chapter proposes a technique that is developed to explore frequent temporal itemsets in the da-
tabase. The basic idea of this technique is to first partition the database into sub-databases in light of
either common starting time or common ending time. Then for each partition, the proposed technique
is used progressively to accumulate the number of occurrences of each candidate 2-itemsets. A Directed
graph is built using the support of these candidate 2-itemsets (combined from all the sub-databases)
as a result of generating all candidate temporal k- itemsets in the database. This technique may help
researchers to understand about generating frequent large temporal itemsets and to find temporal as-
sociation rules among transactions within relational databases.
Chapter 4
Optimizing and Managing Digital Telecommunication Systems Using Data Mining
and Knowledge Discovery Approaches... ............................................................................................. 66
Adnan I. Al Rabea, Al Balqa Applied University, Jordan
Ibrahiem M. M. El Emary, King Abdulaziz University, Kingdom of Saudi Arabia
This chapter highlights how one can be benefited by using Data Mining and Knowledge Discovery
techniques in achieving an acceptable level of quality of service of telecommunication systems. It also
discusses the application of data mining and knowledge discovery process in analyzing the QoS issues.
Chapter 5
Finding Persistent Strong Rules: Using Classification to Improve Association Mining... ................... 85
Anthony Scime, The College at Brockport, State University of New York, USA
Karthik Rajasethupathy, Cornell University, USA
Kulathur S. Rajasethupathy, The College at Brockport, State University of New York, USA
Gregg R. Murray, Texas Tech University, USA
Chapter 5 focuses on using association rules and classification mining to select the persistently strong
association rules. The process for finding persistent strong rules was executed against two data sets
obtained from the American National Election Studies. Analysis of the first data set resulted in one
persistent strong rule and one persistent rule, while analysis of the second data set resulted in 11 per-
sistent strong rules and 10 persistent rules. This chapter suggests that these rules are the most robust,
consistent, and noteworthy among the much larger potential rule sets.

15. Section 2
Research and Learning
Chapter 6
A Perspective on Data Mining Integration with Business Intelligence... ........................................... 109
Ana Azevedo, CEISE/STI, ISCAP/IPP, Portugal
Manuel Filipe Santos, University of Minho, Portugal
This chapter introduces an architecture that can conduct to an effective usage of Data Mining (DM) in
Business Intelligence (BI). This architecture includes a DM language that is iterative and interactive
in nature. This chapter suggests that the effective usage of DM in BI can be achieved by making DM
models accessible to business users, through the use of the presented DM language.
Chapter 7
Shadow Sensitive SWIFT: A Commit Protocol for Advanced Data Warehouses... ............................ 130
Udai Shanker, Madan Mohan Malviya Engineering College, India
Abhay N. Singh, Madan Mohan Malviya Engineering College, India
Abhinav Anand, Madan Mohan Malviya Engineering College, India
Saurabh Agrawal, Madan Mohan Malviya Engineering College, India
This chapter proposes Shadow Sensitive SWIFT commit protocol for Distributed Real Time Database
Systems (DRTDBS). Also the performance of Shadow Sensitive SWIFT is compared with shadow
PROMPT, SWIFT and DSS-SWIFT commit protocols for both main memory resident and disk resi-
dent databases with and without communication delay. The chapter further points out that the proposed
protocol improves the system performance up to 5% as transaction miss percentage.
Chapter 8
Mobile Marketing: The Challenges of the New Direct Marketing Channel and the Need
for Automatic Targeting and Optimization Tools... ............................................................................ 151
Giovanni Giuffrida, Universita’ di Catania, Italy
Diego Reforgiato, University of Maryland, USA
Catarina Sismeiro, Imperial College London, England
Giuseppe Tribulato, Neodata Group s.r.l., Italy
This chapter focuses on the competition among mobile phone operators in developed countries in
switching customers away from competitors with extremely discounted telephony rates. This fierce
competitive environment is the result of a saturated market with small or inexistent growth and has
caused operators to rely increasingly on Value-Added Services (VAS) for revenue growth. This chap-
ter also describes novel methods now available to mobile phone operators to optimize targeting and
improve profitability from VAS offers.

16. Chapter 9
Data Mining System Execution Traces to Validate Distributed System Quality-of-Service
Properties ............................................................................................................................................ 174
James H. Hill, Indiana University-Purdue University Indianapolis, USA
Chapter 9 discusses how to mine system execution traces, which are a collection of log messages de-
scribing events and states of a distributed system throughout its execution lifetime, generated by dis-
tributed systems so that the validation of QoS properties is not dependent on a SEM tool’s capabilities.
A real-life case study is used in this chapter to illustrate how data mining system execution traces can
assist in discovering potential performance bottlenecks using system execution traces.
Chapter 10
Cooperation between Expert Knowledge and Data Mining Discovered Knowledge ......................... 198
Fernando Alonso, Universidad Politécnica de Madrid, Spain
Loïc Martínez, Universidad Politécnica de Madrid, Spain
Aurora Pérez, Universidad Politécnica de Madrid, Spain
Juan Pedro Valente, Universidad Politécnica de Madrid, Spain
This chapter highlights how each one profits from the other and illustrates their cooperation in existing
systems developed in the medical domain. It also identifies different types of cooperation that combine
elicitation and data mining for knowledge acquisition, use expert knowledge to enact the knowledge
discovery, use discovered knowledge to validate expert knowledge, and use discovered knowledge to
improve the usability of an expert system. The chapter also highlights authors experience in combining
expert and discovered knowledge in the development of a system for processing medical isokinetics
data.
Section 3
Case Studies
Chapter 11
A Comparative Study of Associative Classifiers in Mesenchymal Stem Cell
Differentiation Analysis ...................................................................................................................... 223
Weiqi Wang, University of Oxford, UK
Yanbo J. Wang, China Minsheng Banking Corporation Ltd., China
Qin Xin, Simula Research Laboratory, Norway
René Bañares-Alcántara, University of Oxford, UK
Frans Coenen, University of Liverpool, UK
Zhanfeng Cui, University of Oxford, UK
This chapter compares the performance of different Associative Classifiers (AC) like Classification
Based on Association (CBA), Classification based on Multiple Association Rules (CMAR), Predictive
Rule Mining (PRM), Classification based on Predictive Association Rules (CPAR) and Total From
Partial Classification (TFPC) in terms of classification accuracy, efficiency, number of rules to be gen-

17. erated, quality of such rules, and the maximum number of attributes in rule-antecedents, with respect
to MSC differentiation analysis. After the comparison between the five AC approaches, CMAR is sug-
gested to be the most suitable approach for this study, and possibly also suitable to other similar studies
such as the tissue engineering related data analysis.
Chapter 12
Multiagent Knowledge-Based System Accessing Distributed Resources on Knowledge Grid ............. 244
Priti Srinivas Sajja, Sardar Patel University, India
Chapter 12 describes and differentiates World Wide Web (WWW), Semantic Web, Data Grid, and
Knowledge Grid with the literature survey. The chapter also presents fuzzy XML technique to repre-
sent domain and meta knowledge into the knowledge repositories. To experiment the proposed generic
architecture, an application of e-Learning is selected and a multiagent system mining knowledge grid
is discussed with detailed methodology and role of agents in the system.
Chapter 13
Opinion Mining with SentiWordNet... ................................................................................................ 266
Bruno Ohana, Dublin Institute of Technology, Ireland
Brendan Tierney, Dublin Institute of Technology, Ireland
This chapter focuses on the area of opinion mining and discuss the SentiWordNet lexicon of sentiment
information for terms derived from WordNet. The results of the research in applying this lexicon to
sentiment classification of film reviews along with a novel approach that leverages opinion lexicons
to build a data set of features used as input to a supervised learning classifier are also presented. Fur-
thermore, the results obtained through the research are in line with other experiments based on manu-
ally built opinion lexicons with further improvements obtained by using the novel approach, and are
indicative that lexicons built using semi supervised methods such as SentiWordNet can be an important
resource in sentiment classification tasks.
Chapter 14
Analysis and Integration of Biological Data: A Data Mining Approach Using Neural Networks ......... 287
Diego Milone, Universidad Nacional del Litoral & National Scientific and Technical
Research Council, Argentina
Georgina Stegmayer, Universidad Tecnologica Nacional & National Scientific and Technical
Research Council, Argentina
Matías Gerard, Universidad Nacional del Litoral & Universidad Tecnologica Nacional
& National Scientific and Technical Research Council, Argentina
Laura Kamenetzky, Institute of Biotechnology, INTA & National Scientific and Technical
Research Council, Argentina
Mariana López, Institute of Biotechnology, INTA & National Scientific and Technical
Research Council, Argentina
Fernando Carrari, Institute of Biotechnology, INTA & National Scientific and Technical
Research Council, Argentina

18. This chapter presents a pipeline for biological data integration and discovery of a priori unknown
relationships between gene expressions and metabolite accumulations. In this pipeline, two standard
clustering methods are compared against a novel neural network approach. The neural model provides
a simple visualization interface for identification of coordinated patterns variations, independently of
the number of produced clusters. This chapter also illustrates several quality measurements for the
evaluation of the clustering results obtained on a case study involving transcriptomic and metabolomic
profiles from tomato fruits. Moreover, a method is proposed for the evaluation of the biological signifi-
cance of the clusters found.
Chapter 15
Internet Forums: What Knowledge can be Mined from Online Discussions... .................................. 315
Mikołaj Morzy, Poznan University of Technology, Poland
In Chapter 15, the author discusses about how the Internet forums attract dedicated users who build
tight social communities. This chapter also highlights the abundance of Internet forums covering all
aspects of human activities: politics, sports, entertainment, science, religion, leisure, hobbies, etc. This
chapter eventually shows social role discovery as a important issue in discovery of valuable knowl-
edge from Internet forums. This chapter also discusses the architecture of Internet forums, presents an
overview of data volumes involved and outlines technical challenges of scraping Internet forum data.
Compilation of References .............................................................................................................. 337
About the Contributors ................................................................................................................... 375
Index ................................................................................................................................................... 383

19. xiv
Foreword
Recent developments of computer technology and the requirements of various applications have led to
the increase in the volume and complexity of data. This makes manual analysis of such data very dif-
ficult. Data mining helps in automatic extraction of hidden predictive information from these data using
other techniques like neural networks, decision trees, genetic algorithms and support vector machines.
Some of the applications of data mining are predicting the trend of an industry based on the behaviors of
customers, multifactor dimensionality reduction to detect the interaction of genes, condition monitoring
of electrical equipments, surveillance, psychological and social network analysis.
Data mining tools also help in integrating all medical information from different systems, databases.
Thus they provide physicians with certain information which are sometimes not provided by certain
clinical decision support tools. Powerful information extraction tools have been developed to collect,
retain and analyze the huge volume of data which is being transferred by people in the world. This can
largely help a government in finding suspicious data linkages and patterns to control terrorist activities.
Data mining tools provide engineers with the knowledge obtained from maintenance of products. This
knowledge can be either obtained from the designers’ own experiences or from the resources in their
organization. This knowledge can help the engineers to design new products without the defects of old
products. Data mining in Bioinformatics helps in finding motifs in sequences to predict folding patterns,
to discover genetic mechanisms responsible for a disease, to decide the rules for multiple DNA or protein
sequences etc. Biological Knowledge Discovery from Databases (BIOKDD) plays a significant role in
analyzing the data and in solving emerging problems.
The objective of this book is to introduce the reader to recent research activities in the field of data
mining. This book covers areas like association mining, classification, mobile marketing, opinion
mining, microarray data mining, internet mining and applications of data mining on biological data,
telecommunication and distributed databases. This book would be very helpful in understanding and
implementation of data mining techniques in emerging domains.
This book will be very useful to researchers, engineers, scientists and individuals working in the field
of data mining. This book would enable the readers to work on new research domains in data mining
which would be useful for the society.
C. Swaminathan
Vice Chancellor
Bharathiar University, India

20. Random documents with unrelated
content Scribd suggests to you:

21. sitten, että he suostuivat periaatteessa hänen ehdotukseensa, mutta
eivät voineet loukata kolmatta osakasta, joka oli parantumattoman
sairaana, mutta muuten innokas liikemies ja hyvä työntekijä,
myöntämällä Klaus Baasille vielä täyttä osuutta; he ehdottivat siis
aluksi väliaikaista sopimusta, jonka pian lakattua hän pääsisi
varsinaiseksi osakkaaksi. Ja toivoivat, että hän noin kahden viikon
kuluessa saisi asiansa selville Arthur Eschenin kanssa, — luvaten
mielellään auttaa sovitteluissa — ja että hän sitten siirtyisi heidän
palvelukseensa. Silloin oli nimittäin herra Thielenin matkustettava
Kiinaan ja ryhdyttävä siellä toimiin. Ja sitten sovittiin, että Klaus Baas
tulee tunnin päästä takaisin. Ja hän lähti.
Kun ovi hänen takanaan sulkeutui, niin hyrskähti valtava ylpeys ja
riemu kaiken tuskan ja vihan jälkeen! Mitähän Sanna nyt sanoo!
Sanna! Entä lapset! Mitä sanoisivat lapset kerran tästä päivästä,
sitten kun tulevat suuriksi! Ja hänen ijäkäs äitinsä! Tätä kannatti jo
hänelle mainita! Ja Sannan äiti! Nyt hän oli päässyt asemaan, jossa
kelpasi! Oliko hän todella syntynyt Heisterbergissä olkikaton alla ja
siellä juossut kansakoulun portaita? Hänen hengityksensä kävi
raskaaksi hyrskyvästä riemusta, hänen silmänsä loimusivat.
Sellaisin tuntein hän astui konttoriin, silmissä sama loimu. Arthur
Eschen istui pöytänsä ääressä ja Sanna seisoi vieressä, kalpeana,
katsellen Klaus Baasia silmät suurina, ikäänkuin varoittaakseen:
kuule, älä sinä ole niin kova minun veljelleni! Mutta silloin levittikin
Klaus Baasin viha ja julma iva jo rajattoman ylpeyden kiihoittamana
siipensä. Sanna tuon puolella! Ja hän lausui ylpeästi ja silmät
kylmästi tuikahtaen: "Minä tarjosin Hasselle kontrahdin… meillähän
ei ole rahaa… Kai siihen suostut?"
Arthur Eschen nyökkäsi päätänsä.

22. Sitten Klaus Baas meni pöytänsä ääreen ja jatkoi aivan kylmästi ja
sydämettömästi: "Minä eroan Eschenin liikkeestä, Sanna. En voi olla
veljesi kanssa saman katon alla."
Arthur Eschen hätkähti ja lyyhähti kumaraan. Mutta Sannapa
kimmahti:
"Veljeni ei ole tehnyt mitään kunniatonta! Se oli hänen omaa
rahaansa!
Sinulla ei ole vähintäkään oikeutta häntä vielä halveksia hänen
onnettomuudessaan."
"Ei", vastasi Klaus Baas, "mitään kunniatonta hän ei ole tehnyt, —
jollei kunniatonta ole se, että hän on neljätoista vuotta veltolla työllä
tuhlannut tulot, jotka minä olen työlläni hankkinut — hän on ollut
vain tuhma! Niin tuhma, että tekisi mieleni mäiskätä hänen kunnon
vaarinsa kuva, joka riippuu tuossa hänen pöytänsä päällä, hänen
päähänsä… siinä olisi hänelle kaulusta Jungfernstiegillä
teikaroidessaan!"
Arthur Eschen nousi kalman kalpeana ylös, mutta hillitsi itsensä ja
sanoi lohduttomana: "Minä menen. Minä lienen veltto ja myös
heikko; mutta kunniaton en ole!" Ja Sanna, jota oli murhaavasti
solvattu, sanoi silmät vihasta säkenöiden: "Kuule, sinä!? Minä näin
heti silmistäsi, kun tulit sisään, että sinä… sinä olet ylpeydestä hullu!
Sinä… sinä voit vaikka mitä! Sinä et ole vailla mitään! Sinä olet kaikki
kaikessa! Sinä olet taas saanut, mitä halusit! Minä tunnen sinun
silmäsi! Älä sinä pilkkaa minun onnetonta veljeäni, kuule! Odota
sinä, mitä kerran omista tapsistasi tulee! Sinä… sinä… minä en voi
rakastaa enää sinua!"
Klaus Baas kalpeni kalpenemistaan. Hänestä tuntui tällä hetkellä:
heistä tulee auttamaton ero! Todellisuuden tajunta meni aivan

23. sekaisin: "Mene vaan veljesi kanssa!" hän sanoi kylmästi. "Jää vaan
hänen elätettäväkseen!"
Ja hän lähti konttorista ja laskeusi raskain jaloin portaita, ja oli
aivan kylmän tyrmistynyt tunteesta: nyt tuli auttamaton ero! Tämä
yhtäkkinen kauhea sanasota! Miten se oli kuohahtanut niin yhtäkkiä!
Hän seisattui, selvitääkseen edes yhden ainoan ajatuksen, ja kuuli
yläoven kolahtavan, ja meni vaan alas, ja rauhoittui toki sen verran,
että saattoi kuulla povestaan äänen: siitä täytyy tulla vielä sopu!
Mutta sitä hän ei tahtonut tunnustaa, ja hän tuijotti jäykästi eteensä
ja ajatteli: se oli kaiken loppu! Mitä se sanoi? Hän ei voi rakastaa
minua enää?! Mutta jos hän juoksee jälestäni? En tahdo! Tuollainen
ei ole minun vaimoni! Hän on aina ollut sydämeltään minua vastaan!
Aina omaistensa puolella! Hän ei ole minua rakastanut milloinkaan!
Ja hän joutui kadulle ja lähti Jungfernstiegille. Raikas, kylmä
länsituuli puhalteli. Hän hengitti syvään ja verkkaan, ja hänen
päänsä selvisi jo hiukan, ja hän jatkoi ajatustansa: Miten se tuli niin
yhtäkkiä? Olenko minä hullu? Juuri kun olin niin onnellinen? Kun
yritys Hassella kävi hyvin! Miksi piti minun raadella vielä hänen
veljeänsä? Se on hullua! Mutta Sanna on väärässä… aivan väärässä!
Mitä hän sanoi… että minä olen ylpeydestä hullu? Sen hän saa
sievästi maksaa! Minä… hän ei saa minua halveksia! Minä en tahdo
häntä nähdä… en moneen päivään! Annoin hänen kurottaa jo liian
korkealle; nyt hänen täytyy masentua!
Ja hän tekeytyi tyyneksi, ja meni niinkuin sovittu
Glockengiesserwallille Hassen luo. Siellä keskusteltiin monta tuntia
kontrahdista ja Klaus Baasin väliaikaisesta ja tulevasta asemasta ja
nuoren lybeckiläisen palvelukseen ottamisesta, ja sovittiin kaikesta.
Mutta koko ajan säkenöi Klaus Baasin päässä sekava ajatus, kuin

24. pääsky silmien editse suhahtaen: Minä ja Sanna epäsovussa! Mitä
nyt teen tällä onnella? Mitä nyt tulee!
Ja sitten saatiin toistaiseksi asioista sovituksi ja Klaus Baas nousi
ylös. Hasse huomasi, että hän oli kiihdyksissä ja arveli: "Teillä on
liian hermostuttava päivä takananne."
Klaus Baas vastasi synkästi: "Oli äsken tiukka sananvaihto
lankomieheni kanssa, kuten arvaatte. Vaimoni tuli siihen; se on
hänestäkin vaikeaa."
Ja sitten hän lisäsi iloisemmin, hyvillään kun nyt muisti ensimäisen
keinon hänen ja Sannan keskiseen pulmaan: "Ikävä, että minun
täytyy moisella hetkellä esittää teille tällaista! Minun on huomenna
matkustettava, yksityisasioissa, joita en voi lykätä, kahdeksi päiväksi
kotipuoleen. Torstai-aamuna olen jälleen paikalla… Olkaa hyvä ja
lähettäkää sähkösanoma, jos jotain sattuu, Neumünsteriin
Rautatiehotelliin."
Ja hän lähti.
Konttorissa ei hänen käydessään ollut ketään. Hän työskenteli
siellä vielä tuntikausia prokuristin kanssa, jonka huoleksi jätti eräitä
tehtäviä, mitkä koskivat hänen eroamistansa H.C. Eschenin
liikkeestä. Ja kun prokuristi sitten meni pois, niin hän kulki tunnin
ajan katkeralla päällä huoneesta toiseen ja ajatteli Sannaa ja hänen
veljeänsä, aivan pakahtumaisillaan raivosta ja ylpeydestä: että hän
merkitsi kymmenen kertaa enemmän kuin koko Eschenien joukko!
Että Sanna ei ollut kunnioittanut häntä milloinkaan, oli vain suullaan
julistanut hänelle rakkautta ja arvonantoa! Hyvä, että hän kerrankin
saisi vähän nöyrtyä! Aivan oikein: hän matkustaa muutamaksi
päiväksi kotipuoleen, kesken vimmattua työn kiirettä. Hänellä ei ollut

25. maailmassa mitään muuta kuin kotipuolensa ja sikäläiset vanhat
suhteet.
Ja hän istahti pöydän ääreen ja kirjoitti Sannalle lyhyen kylmän
kirjeen, ilmoittaen, että hänen oli matkustettava Heisterbergiin ja
että hän on torstaina aamupäivällä jälleen konttorissa.
Sitten hän otti matkalaukkunsa ja lähti yöjunalla pohjoiseen.

26. XXVI.
Seuraavana päivänä iltapuolella hän ajoi veljensä rattailla, joka oli
tullut mukaan ja istui hänen vieressään ohjaksissa, hiljaisia
maanteitä synnyinkyläänsä kohti. Edellisen illan yksinäinen
junamatka ja yön unettomat hetket olivat vaimentaneet ja
herkyttäneet hänen tunteitansa ja hillinneet hänen suuttumustaan.
Pitkäselkäinen, kömpelö ruuna heilui verkalleen Tavatessaan sivulta
toiselle, ja vanhat rattaat kolisivat ja natisivat, ja pyörät läsähtelivät
lumisohjussa. Kostean kylmä länsituuli puhalteli heitä selkään.
Petter veli kertoi, miten äiti oli käynyt heillä kolme vuotta sitten, —
melkein kahdeksankymmenen ikäisenä. "Ja kuulepas mokomaa, hän
tarkasteli koko talon — minä ja Trine ja lapset tassuttelimme jälestä
— ja pilkisteli joka paikkaan. Ja kun hän sitten viimein menee
padolle — ja koko pesue yhä perästä — ja katselee hanhia, jotka
tallustelivat Franzosensandilla, niin tuijaa, että ihme ettei meri
paennut hänen edestään piiloon! Mutta kun minä sitten kyyditsin
häntä hevosella takaisin kaupunkiin, niin hän tokaisee: Sinä olisit
voinut edistyä enemmänkin… niin monina herran vuosina! Ja hän
katsoa mököttää vanhan ruunan selkään. Mitähän se oikein minulta
vaatisi? Mielestäni me on yritetty aika tavalla! Meillä ei ollut tuhatta
markkaa naimisiin mennessämme ja nyt meillä on jo tuossa kuuden

27. tuhannen korvissa, lammaskarjassa ja hanhissa ja muussa! Ei, veli,
tunnustan kyllä, että hän on ollut meille hyvä äiti, ja menen toki
Hampuriin kun hänestä aika jättää, osoittaakseni hänelle viimeistä
kunnioitustani. Mutta monta kertaa olen jo minä sanonut Trinelle,
että en tiedä, hiidestäkö minulle on lykätty sellainen äiti!"
Klaus Baas sanoi, että hän kyllä tulee sen kanssa toimeen.
"Niin, sinä!" huudahti Petter Baas. "Se on eri asia! Sinä olet
oppinut ja päässyt pitkälle maailmassa! Kalli Dau, joka tässä
äskettäin kävi pienen perintöjutun vuoksi Hampurissa, kertoi
kuulleensa, että sinä muka kohta olisit Hampurin rikkain mies! Minä
sanoin, etten minä tiedä, miten oli asian, ja mitäs se minuun
kuuluikaan! Sanoin, ettet sinä ollut milloinkaan heilutellut
rahamassiasi minun nenäni edessä, niin että olisin nähnyt rahojasi,
vaikka onhan tässä ottanut monasti hyvinkin tiukalle, sanoin, olisin
maksanut korkoa ja jonkun vuoden päästä kaikki takaisin. Nyt en
enää apua tarvitse, sanoin, nyt olen mäelle päässyt."
Kylän laidassa laskeusi Klaus Baas rattailta ja Petter lähti takaisin
matalaan olkikattoiseen majaansa. Ja kauan seisoi Klaus Baas
märässä lumisohjussa, katsellen hänen jälkeensä: Petter-veikko oli
nähtävästikin viime sanojaan lausuessaan kohonnut juhlalliselle
tuulelle, sillä hän katseli kolisevilta rattailtaan mahtavasti
ympärillensä kedoille ja huiskutteli ajatuksissaan huvikseen
piiskaansa. Hänestä tuntui huomattavastikin hyvältä, että hän oli
lopultakin tullut ilmaisseeksi veljelle odottaneensa joskus häneltä
apua! Katsopas vaan! Hän oli vieraampi ja kylmempikin minulle!
Jaha… jaha! Kyllähän se niin on… että hän kaivoi olkipatjasta silloin
viimeiset penninsä!… Niinhän se… mutta hän oli silloin nuori… eikä
suinkaan liikemiehen alku… Klaus Baas puraisi huultaan ja katsahti

28. vielä loittonevia rattaita. Sitten hän kääntyi ja asteli miettiväisenä
kylään.
Hän silmäili kaikkea, joka taloa, joka puuta ja joka ihmistä,
tunsikohan noista enää mitään, ja mitä sukua he olivat…? Tuossa oli
synnyinkoti melkein muuttumatonna, hietaisen maantien rinnassa!
Tuolla, pienten, himmeäin akkunaruutujen takana, oli hän nukkunut
lämpöisinä, kirkkaina kesäöinä… ja talvella kun myrsky akkunaan
puuskahteli. Nyt nukkuivat siellä toiset lapset! Kas tuolla seisoi pikku
poika portilla, jonka pielessä hän oli ennen seisonut, ja puristi
lumipalloa ja tavoitti heittää hänen pientä koiraansa… vieras ja outo
paitaressu, aivan vieras! Klaus Baas katseli kummastellen pientä
tummaista asumusta ja kääntyi ja läksi. Kirkko oli vielä ennallaan,
sen ympärillä nuo korkeat, lehdettömät, harmaat poppelit, joiden
latvat länsituuli oli sukinut itää kohti. Niiden juuressa kuoppainen
hautausmaa, harmahtavan, valkean lumen kattama kuin ohuen,
repaleisen hurstin alla. Ja matala, punainen aita, jossa oli pyöreistä
kivistä koottu kivijalka. Mutta missä ne, jotka muinoin täällä
leikkivät? Velimies oli kertonut: harva kotopuolessa, toiset muilla
mailla, muutamat jo kuolleet, elämän naakkasilla ollessa ehtineet
ensimäisinä vihreän nurmen kätköön. Kaikki vierasta… vierasta!
Toisellaiseksi hän oli tuloaan ajatellut! Nyt tuntui kuin kotiseutu olisi
häneltä kokonaan mennyt! Kuin hänellä ei olisi täällä enää mitään
tekemistä! Kaikki katsoi häntä murjotellen, tahtomatta puhua, — tai
kuin mykkä, joka ei puhua voi! Nähtävästikään ei hänellä ollut
mitään muuta kuin pesäsensä Blankenesessa! Hänen rakas kotinsa!
Rakas vaimonsa. Itsepäinen ja korskea! Mutta hän itse ei
vähemmän! Ei vähemmän! Paljon enemmän! Hän oli tehnyt työtä
paljon ja häntä oli seurannut onni… siitä tulee noin… niin… hiukan
mahtavaksi ja… paksuksi sisäisesti… Sanna oli kai oikeassa! Hänen
silmänsä oli terävä eikä pettänyt. Hänen oli tultava nyt vähän

29. ystävällisemmäksi, ymmärtävämmäksi muille ihmisille, ja heidän
luonteelleen… Niin… ja elämä oli muuttuva vihdoin rauhallisemmaksi
ja leppoisammaksi, hiukan verkkaisemmaksi… Hän oli alistuva
Sannan edessä ja tarjoova rauhaa! Olipa hän nyt saavuttanut
vihastaan jo runsaat hedelmätkin!
Hän katseli vielä hyvän aikaa hiljaista kirkkomaata ja kirkkoa ja
rovasti Jensenin rappeutunutta hautakummmelia ja matalaa aitaa —
ilta jo hämärsi. Sitten hän vaelsi surullisin mielin kylästä maantielle ja
sieltä pienelle pysäkille.
Kun hän noin tunnin ajan päästä tähysti ulos junan akkunasta, niin
hän eroitti pimeän päättyessä tummana hahmona kömpelön
kirkontornin ja sen lähellä kastanjakujan, joka oli kasvanut hyvin
korkeaksi. Hän lähti asemalta ja meni torille, ja katseli surullisin
silmin entisiä tuttuja taloja ja kapeita sivukatuja. Miten täällä on
pientä, hän ajatteli, miten onneton sinä sait olla täällä! Tuossa oli
kauppatori ja tuossa hiljainen kuja, joka vei marskimaalle. Ja tuolla
oli sivukadun varrella sama pieni punainen talo puutarhoineen, jossa
hänestä oli kehittynyt aviohuolissa ja vastuunalaisessa työssä ja
hyväin kirjain ääressä mies. Sinne oli nyt jälleen Martje Ruhland
muuttanut lapsineen. Vanhukset olivat kuolleet ja liike joutunut
toisiin käsiin. Mutta hyvinvoipa veli oli tullut liikkeesen prokuristiksi ja
pieneksi osakkaaksi; ja Martje hoiti veljen taloutta.
Klaus Baas seisoi ja epäröi, menisikö sisään? Mutta se oli
painostanut jo niin kauan hänen sieluaan: hän tahtoi astua kerrankin
rehellisesti heidän eteensä ja lausua ystävällisen sanan ja näyttää ja
kertoa heille, mitä hänestä oli tullut, ja kuinka paljon työtä ja tuskaa
siinä oli ollut.

30. Veli tuli valaistusta perhehuoneesta häntä vastaan ja antoi
reippaasti hänelle kättä. Martje Ruhland seisoi sievänä ja lempeän
hiljaisena kuin ennenkin tuolinsa vieressä ja pyysi tyttömäisesti ja
ystävällisesti häntä istumaan. Mutta ennenkuin Klaus Baas ehti istua,
tuli sisään kahdeksantoista-vuotias tyttö, äidin ilmeinen kuva, hiukan
häntä pitempi, suuri, puhdas keittiöliina edessä: tervehti häntä
vaieten ja liikutuksetta, puristaen jäykän kohteliaasti ja varovasti
hänen kättänsä. Sangen suurella, pyöreällä sohvapöydällä, jonka
ääreen Klaus Baasia pyydettiin, oli teekeittiön vieressä iso pino
sikarilaatikon kappaleita ja lehtisahoja ja sinertävää kalkkipaperia; ja
äidin ilmeinen kuva istahti häntä vastapäätä ja jatkoi
lehtisahaustyötään, sillaikaa kun äiti kaateli teetä kuppeihin. He
huomattavasti mahtailivat nyt, kun he muka pystyivät muuhunkin
kuin pitsiä nypläämään, jonka tähden Klaus Baas oli aikoinaan ollut
niin vihoissaan: ja he juttelivat hartaasti ruokailuajoista ja
teenjuonnista ja nukkumisesta, koettaen kaikessa ystävyydessä ja
kaikin tavoin osoittaa hänelle olevansa nyt täydellisesti onnellisia, —
sekä miten heidän onnensa oli saatu, sitten kun Klaus Baas oli
poistunut ja jättänyt heidät rauhaan. Veli oli istahtanut pöydän
ääreen, hänen paikkansa oli merkitty suurella, kannekkaalla
olutsarkalla, jonka nuori neito oli hänelle tuonut.
Klaus Baas, jolle tämä oli odottamaton, haavoittava huomio, kysyi,
ei alentuen ja tuttavallisesti kuin oli aikonut, vaan hyvin kohteliaasti
ja hieman arkaillen minkä mitäkin: vanhempain kuolemasta ja
sairaan sisaren voinnista — ja miten liike menestyi ja kuinka yleensä
voitiin. Ja sitten hänen oli kertominen vähän Heini Petersistä ja
hänen liikkeestään. Koko ajan hyrrytteli nuori tyttö kasvot
välinpitämättöminä sahalla ja santapaperilla hellittämättä
koristuksiaan: hänen tarkoituksensa oli kai saada isä kaikin mokomin
huomaamaan hänen valmiit ja keskeneräiset tuotteensa, mitkä

31. muuten olivat verrattain hengettömiä ja merkillisiä. Klaus Baas tunsi
pian itsensä aivan vieraaksi, jopa suorastaan häiritseväksi olennoksi
näissä sievissä, säröttömissä puitteissa, ja hän odotti vain tilaisuutta
päästäkseen pois. Vähän ajan päästä astuikin sisään nuori,
laihanlainen mies, joka esiteltiin Klaus Baasille puutavaraliikkeen
konttoristina ja äidin kuvan sulhasena. Nuorukainen tiesi
nähtävästikin, ken vieras oli, mutta taipui sievästi kohteliaisuuteen ja
ystävällisyyteen, joka oli yhteisessä perheneuvottelussa päätetty,
"kuin ei mitään olisi tapahtunut", kuitenkaan ei sydämestään, vaan
kohdellen hiukan ylemmyydellä Klaus Baasia, kuten velvollisuutensa
unohtanutta isää ainakin. Ja istahti sitten rakkaisensa viereen ja alkoi
sahata hyrryttää ja santapaperilla rapsuttaa ja kuiskuttaa hänen
kanssaan. Kun vieras oli kuunnellut vielä piirin mielipiteitä yleisestä
taloudellisesta asemasta, katsoi hän lähtöajan tulleen. He antoivat
hänelle hyvin soveliaan ystävällisesti kättä ja Martje Ruhland pyysi
häntä vielä hyväntahtoisesti viemään terveisiä kotiin. Ja sisarukset
saattoivat häntä kuistille. "Me istutaan nyt joka ilta tällä tavalla",
sanoi Martje Ruhland hennolla, samealla äänellään, ikäänkuin
kehaisten: jos olisit ollut toisellainen, niin olisi nyt oltu onnellisia.
Klaus Baas nyykäytti päätänsä ja sanoi iloitsevansa, kun oli tavannut
Martjen niin onnellisena, ja meni.
Ulkona lehdettömässä kastanjakujassa hän kääntyi lumisohjussa
vielä katsomaan taakseen valaistuihin akkunoihin ja pudisteli
päätänsä. Tuo oli siis Martje Ruhland! Tuo varma, pieni
porvarisrouva! Hän oli tullut muka lohduttelemaan ja rohkaisemaan!
Ah, hyväinen aika! Martjehan oli melkein varmempi kuin hän itse!
Istuu tuolla akkunan takana tyytyväisenä tyttärineen, joka on hänen
henkensä kuva! Totisesti hän olisi voinut jättää tämän vierailun
tekemättä! En sovi hänelle eikä hän minulle! Mutta minulle sopii se
Blankenesen nainen! Jota solvaisin vasten kasvoja… silmittömästi!

32. Eikö hän saa puolustaa ainoata veljeänsä? Mitä minä hänen
silmilleen syysinkään! Vaan sainpa kerrankin kuulla, mikä olen
miehiäni! Parasta kun menen kohta huomisiltana takaisin kotiin! En
siedä olla riidassa rakkaimpieni kanssa! Ainoan, mitä minulla on koko
maailmassa! Mutta antaa hänen katua pari päivää… se on hänelle
parhaiksi!
Hän meni yöksi pieneen majataloon, jossa ei kukaan häntä
tuntenut, ja matkusti sitten seuraavana aamuna hitaalla
paikallisjunalla itään; lakeus muuttui vähitellen kumpuiseksi ja
hedelmälliseksi ja metsäiseksi. Puolelta päivin jouduttiin ihanille
järville, korkeiden pyökkimetsäin laaksoihin. Ja siellä oli sinisen
järven rannalla, kesäisin auringon autereessa hohtavan, mutta nyt
harmaan jään kahliman, Doris Rotermundin kylä.
Klaus Baas oli kuullut jo vuosia sitten, että hänen miehensä oli
jättänyt kauppa-alan ja hankkinut omilla ja vaimonsa rahoilla täällä
tilan, joka menestyi, jos ei juuri loistavasti, kohtalaisesti. Hän ei ollut
monissa omissa huolissaan silloin ajatellut sen enempää asiaa.
Minkälainenhan Doris Rotermund nyt oli, ja kuinka hän ottaisi hänet
vastaan? Hän tarkasteli otsa rypyssä tummain olkikattojen jonoa ja
tähysteli Doris Rotermundin taloa. No olkoon menneeksi! Hän tahtoi
nähdä, kuinka tuttu jaksoi, sekä näyttää kultasepälle, mitä hänestä
oli tullut.
Kun hän asteli kylään erään puutarhan aitaviertä, niin hän näki
järven rannalla kohvaisella jäällä noin kaksitoista-vuotiaan sievän
tytön, päästämässä luistimia jalkineistansa; ruskeat hiukset olivat
valahtaneet olkapäiltä rinnoille. Hän tunsi tytön kohta vartalon
pontevuudesta ja pään sirosta muodosta ja kysyi: "Kuules, missä
isäsi asuu?"

33. Tyttö kohotti levollisesti päätänsä ja lykkäsi hiuksensa hitaasti
korvallisen taakse ja viittasi pään nyykäyksellä tuonne raitin päähän,
jonne hänen silmänsä olivat suunnatut. "Tuolla kylän ylälaidassa",
hän sanoi ja painui jälleen askareesensa.
Klaus Baas ajatteli: Yhtä lyhytsukainen kuin äitinsäkin! Ja hän
jatkoi:
"Voivatko isä ja äiti hyvin?"
Tyttö nyykäytti ylös katsomatta päätänsä ja vastasi: "Hyvin." Sekä
jatkoi työtään.
"Minä tahtoisin tulla teille", sanoi nyt Klaus Baas, "etkö opastaisi
minua? Et suinkaan sinä enää luistelekaan."
Tyttö nousi ja lähti hänen kanssaan, järjestellen ja väännellen yhä
luistimiaan.
Siellä oli hedelmätarhassa pitkä, vanha, punakattoinen rakennus.
Ja sievä tyttö alkoi Klaus Baasin vieressä hihkua kuin mikä intiaani,
varmaankin ilmoittaakseen pikku sisaruksille tulostansa.
"No", kysyi Klaus Baas eteisessä, "missä nyt muut on?"
Tyttö kuunteli vähän aikaa matalan kotinsa eteisessä ja sanoi
rauhallisesti kuin äiti: "Ne on salissa, äiti leikkii niiden kanssa."
Klaus Baas kuulikin nyt talon perältä kirkkaita lasten huutoja, ja
kun tyttö aukaisi oven, niin hän sai ihailla kotoista, hauskaa näkyä.
Doris Rotermund istui avarassa, kohtalaisen lämpimässä pirtissä,
joka oli varmaankin lasten leikkihuone — se oli näet niukasti
kalustettu ja yhdessä nurkassa oli jonkinlainen intiaanivigvami.
Hänellä oli yllä sininen villapuku ja hän istui penkillänsä hiukan

34. kumarassa, kädet helmassa, ja katseli tarkkaavasti ja loistavin silmin
lapsiansa, jotka leikkivät apposen alasti hänen edessään. Hän oli
yhdistänyt leikkiin aika vaaran: oli pistellyt sinne tänne vanhan
lankkulattian rakosiin kesällisiä, kuivia polttiaisen oksia. Ja nyt hän
juoksutti lapsia leikin sääntöjen mukaan polttiaisten välitse ristiin
rastiin, ja kullakin näkyi olevan oikeus houkutella toisia vähän
vaaraan, jos uskalsi omalta nahkaltansa. Se oli tiettävästikin leikki,
jota harjoitettiin innokkaasti kesäaikana hedelmäpuutarhassa, —
mutta nyt kuihtuneessa muodossa sisällä, surullisen talvihämärän
ratoksi. Isoimmat lapset, noin kymmenvuotias tyttö ja poika, — ne
olivat varmaankin olleet tuon solkikoristeen malleina, — juoksivat
paraikaa ristiin rastiin posket hehkuen. Ja pienemmällä oli aika hätä:
hän kohotteli tuskissaan jalkojaan ja oli pillahtamaisillaan itkuun.
Talvipäivän niukka, himmeä hohde valaisi karusti hilpeää, leikkivää
lapsiparvea.
Doris Rotermund tunsi hänet heti ja katsoi häneen totisesti ja
sanoi:
"Sepä oli harvinainen vieras?"
Klaus Baas vastasi: "Tahdoin nähdä teitä vielä kerran, vain
hetkisen, ja tietää, kunka voitte." Ja hän kertoi emännän vieressä
seisten tuosta solki-ostoksesta.
Doris Rotermund kuunteli häntä hievahtamatta. Ja sitten hän
kutsui lapsia yksitellen luokseen, ja sanoi heidän nimensä, ja katseli
vaieten, kun Klaus Baas silitteli heidän poskiansa. Nyt kertoi Klaus
Baas vaimostaan ja omista pienokaisistaan. Doris Rotermundille
näytti kaikki olevan melkein tuttua: hän oli kysellyt Klaus Baasista
uutisia joskus Hampurissa käydessään.

35. Puheltuaan jonkun aikaa Doris Rotermundin kanssa tunsi Klaus
Baas selvästi, että toinen oli hänelle vieras ja kylmä eikä tahtonut
olla kahden hänen kanssaan. Sitten Klaus Baas nousi lähteäkseen,
toivoen kuitenkin saada vaihtaa edes pari sanaa hänen kanssaan
kahden kesken. Doris Rotermund saattoikin häntä eteiseen. "Te
olette toisellainen kuin silloin viimeksi", sanoi Klaus Baas.
Doris Rotermund otti kahden vaiheella hattunsa ja jakun ja kysyi
minnepäin Klaus Baas oli matkalla. Ja lähti sitten saattamaan. "Minä
voin näyttää teille oikotien", hän sanoi.
Ilma oli vielä selvä ja kuulas, mutta lännessä uhkasivat jo räntä- ja
lumipilvet. Doris Rotermund opasti Klaus Baasia lehdettömän, märän
puutarhan läpi raitille ja sieltä kylän halki nummelle, suurissa
mutkissa polvittelevalle tielle. Klaus Baas olisi niin mielellään
halunnut jutella tuttavallisesti hänen kanssaan, mutta toisen jäykkä
asento ja kylmä ilme vaativat häntä vaikenemaan: hän ei tavannut
lähtökohtaa. Kun he sitten olivat nousseet harjun laelle, osoitti Doris
Rotermund kaukaista kylää ja sanoi: "Käykäähän tuota kylää kohti";
ja karttaakseen muuta puhetta, selitti tarpeettoman seikkaperäisesti:
"Sen nimi oli Vinkkelin kylä ja täältä katsoen se nimi on paikallaan,
sillä kylä on, niinkuin näette, aivan noiden kahden metsävaaran
kulmauksessa." Ja sitten hän ojensi päättävästi Klaus Baasille
kätensä.
Klaus Baas ei hänen kättänsä hellittänyt, vaan sanoi kasvot
synkeinä: "Kun minulla oli puoli vuotta sitten tuo solki kädessä, niin
tunsin sanomattoman sisäisen käskyn, että minun oli tultava vielä
kerran näkemään sinua. Ajattelin: sinä saat vielä iloita
rauhallisuudesta ja vakavuudesta ja luonnollisuudesta, joka häntä

36. ympäröi; se virkistää sinua. Nyt olen tässä ja näen sinut jälleen. Ja
sinä olet minulle vieras."
Doris Rotermund katseli häntä, ei niinkuin ennen, käydessään
hänen rinnallaan nuoruuden kukoistuksessa, vaan taiteilijan tavalla,
joka turhaan etsii sielunsa ilahuttajia, kauneuden piirteitä, — ja
vastasi: "Silmissä ja otsalla ja suun ympärillä on veto, jota ei pitäisi
olla."
"Oh", huudahti Klaus Baas kiivaasti, "minä olen saanut ajatella ja
tehdä työtä ankarasti, Doris Rotermund! Tie oli jyrkkä ja pysty.
Ajattele, minkälaisesta kodista ja koulusta ja ympäristöstä olen
kohonnut!"
"Joskin täytyy kohota mäkiä", vastasi Doris Rotermund hiljaa, "niin
ei saa kuitenkaan rumentaa ja repiä vaatteitaan… Me naureskelimme
silloin synnille — jos vielä ehkä muistatte —: tämä on nyt minusta
synti! Mitä auttaa ihmistä, vaikka hän paljon ulkonaisissa voittaisi,
vaikka koko maailman, kun hänen sielunsa tulee rumaksi, tarkoitan:
ahtaaksi, kovaksi, rauhattomaksi."
Klaus Baasin tunteet kylmenivät. "No niin", hän sanoi, "näin siis
jätät minut?" ja ojensi hänelle jälleen kätensä.
Doris Rotermundin silmiin tulivat kyyneleet. "Minä muistan nuoren
miehen, joka oli katkonut kahleensa", hän sanoi, "ja oli
kolmenkymmenen ikäisenä etsimässä onneansa, jolloin minä voin
häntä auttaa. Nyt palaa luokseni hampurilainen kauppias, joka
tietää, miten rahaa tehdään."
Doris Rotermund kohautti olkapäitään kuin sanoakseen: ja mitäs
kummaa se! Ja lisäsi: "Tomuisena ja silmät tylyinä!… Eikä teillä ole

37. niin moneen vuoteen ollut aikaa yhtään tiedustella minua."
Klaus Baas pudisti hänen kättänsä ja lausui synkällä uhmalla: "No
hyvä.
Minun ei olisi pitänyt luoksesi tulla."
Doris Rotermund nyykäytti vaieten, vedet silmissä päätään, antoi
Klaus
Baasin käden luisua kädestänsä ja poistui.
Klaus Baas meni hiljalleen notkoa ja kylää kohti, jonka Doris
Rotermund oli hänelle neuvonut. Kylän nimestä hänen mieleensä oli
johtunut, että sieltähän se arka, tumma tyttö oli kotoisin, jonka hän
oli silloin Mühlenstrassen varrella nappiotsana ja kirjanpitäjänä
kavaltanut, vernissatehtailijan liikkeessä ollessaan. Teko oli jättänyt
hänelle synkän muiston — ja hän ajatteli tyttöä aina, kun kulki
Mühlenstrassen kautta tai kun hän näki jonkunmoisen
samannäköisen naisen. Muuten tuntui hänen elämänsä, kaikista
syrjähypyistä ja monista turhista kuohahduksista huolimatta,
kunnialliselta, oikeutetulta ja hän itse onnensa ansainneelta: mutta
tämä tapaus siinä oli pahaa! Se oli johtunut ikäänkuin mistä hänelle
aivan vieraasta luonnosta, ja kuitenkin se oli merkitty juuri hänen
elonsa kirjoihin! Nyt oli ajateltava sitäkin. Juuri nyt, kun hän oli
muutenkin saanut kokea niin paljon epäystävällisyyttä! Tuo hiljainen
kylä oli hänen kotipaikkansa. Hän tahtoi tiedustella häntäkin! Ehkäpä
kohtaisi taas uusi epäystävyyden kolaus! Miksipä ei?! Yhä lisää vain!
Mutta ehkäpä kävisi vielä hyvinkin, ehkä niin hyvin, että hän voisi
vaikka nauraa! Pieni ilon nauru ei tosiaan haittaisi!
Hän tuli kylään ja kulki pitkin raittia ja kysyi vastaan tulevalta
koulukkaalta tytön kotitaloa, mainiten sukunimen. Pienokainen osoitti
erästä taloa vähän matkan päässä, jonka navetan ovi oli auki: joku

38. nainen liikuskeli hämärässä välisessä sanko kädessä. Klaus Baas
näki, että se sievä pieni tuttu se ei ollut, mutta kun hänen teki
välttämättä mieli kuulla hänestä, niin hän meni ovelle ja kysyi, oliko
emäntä erään neidin sukua, joka noin kakskymmentä vuotta sitten
asui Hampurissa, Mühlenstrassen varrella?
Nainen pyyhki nyt märkiä, leseisiä käsiänsä ja vastasi hiukan
jännityksessä ja epäluuloisesti: "Kyllä, se oli minun sisareni."
Nyt Klaus Baas kysyi: "Ja missä hän nyt on?"
"Niin", vastasi emäntä ja astui sivummalle paremmin vierasta
nähdäkseen, "hän oli siellä kihloissa, mutta panettelijat rikkoivat
välit. Sitten se oli yhden vuoden Kielissä eräässä toimessa… ja
nythän se on kuollut."
Emäntä oli niin puhuen vienyt vieraan yksinkertaiseen pirttiin ja
Klaus Baas ajatuksissaan seurasi häntä. Emäntä meni sitten
matalalle kaapille, jota peitti virkattu liina, ja otti sen päältä
kiiltäväkehyksisen valokuvan sekä näytti Klaus Baasille. Ja pitkä,
komea Klaus Baas, joka ei ollut köyristänyt niskaansa kellekään ja
millekään koko Hampurissa, piteli nyt kuvaa kumarapäin ja arasti ja
lausui soinnuttomalla äänellä: "Niin, hän se on… tunsin hänet
ennen… ja muistan hyvin."
Sillä välin oli isäntä, joka kuului kolisseen navetan perällä, tullut
jälestä pirttiin: hän oli pienikokoinen, teräväsilmäinen, piippunysä
leukapielessä. Isäntä oli puheliaampi ja avomielisempi kuin emäntä
ja sanoi: "Se oli niin alakuloinen ja arka sieltä Hampurista
lähdettyään, ja viimein se tuli vähän omituiseksikin; asui tässä
vastapäätä, elätti henkeään pyykin pesulla ja ompeluksilla. Ja yhtenä
talvena jokin naiskutkale levitti huhua, että hän muka pitäisi miehiä,

39. ja silloin se lähti kotoaan ja kuleksi monta päivää pitkin kankaita. Me
emme tienneet siitä emmekä toki arvanneetkaan, että hän olisi tullut
sekapäiseksi: luulimme hänen menneen vain Kieliin. Ja mitäs muuta:
me mentiin hänen asuntoonsa ja koottiin kamppeet säilöön ja pantiin
sitten talo lukkoon. Mutta huomispäivänä kertoi naapurin emäntä,
joka oli sairas eikä saanut yöllä unta, nähneensä hänen kulkeneen
kuutamossa kotiinsa päin; ja puolenpäivän seutuvilla hänet löydettiin
kankaalta, oli paleltunut. Oli raukka koettanut varmaankin päästä
yöllä kotiinsa! Herra kulta! En mene eläessäni enää tukkeamaan
toisten ihmisten ovia! Olihan se tosin muutama päivä sitä ennen
sanonut, että maailma on niin paha… Se oli vähän liian heikko ja
hento tähän maailmaan."
Klaus Baas sanoi, että sehän oli surullista… moinen loppu hänen
pikku tutulleen. Ja asetti kuvan hiljaa kaapin päälle, ja antoi kättä ja
meni.
Hän tuli takaisin raitille ja silmäili pientä taloa, jossa "pikku tuttu"
oli asunut. Ja sitten hänessä kiehahti hurja raivo! Piruako minä
ravaan täällä nuuskimassa Holsteinin joka loukkoa!! Mitä minulla on
täällä tekemistä?? Tuliapa muka katsomaan, onko konnantyöstä
kasvanut kaunis vilja! Vielä kerran huvittelemaan tuolla poloisella
raukalla! Sehän on järetöntä! Kerrassa mielipuolista! Raivohullua!!
No: nythän sen näit! Sait pääsi pusketuksi läpi! Siitä sen näit!
Sitten hän alkoi tyyntyä. Ja tunsi, että hän tuolta pikku kylästä oli
saanut hartioilleen rikoksen! Ja että hänen täytyy kantaa sitä aina,
keventymättä! Jaha, vain niin kävi siis! Vai kävi siis! Että minä olen
tuhonnut ihmiselämän! Tuon pienen, hennon, kiltin raukan.
Surmannut! Vain pilanpäiten — mahdottomasta ylpeydestä. Kas,
minähän olen vahva, ja väkevä ja suuri, ja sitä minun toki täytyy

40. näyttää! Olihan minun toki silloin osoitettava, mikä olin miehiäni!
Olihan minun toki hämmästytettävä tuota vanhaa kääkkää! Ja
toissapäivänä minun piti toki rusikoida kelpo vaimoani! Sillä minä
olen suuri ja väkevä ja kaunis! Ja sekös pitäisi jättää näyttämättä!
Mitä muuta varten minä muka sellainen olisin? Luonnollisesti minun
on oltava ylpeä ja korskea kuin sotaorhi! Kuinka hieno olinkaan
Sannaa kohtaan? Joka on paljon jalompi ja parempi kuin minä. Ja
Arthur Escheniä? Ja Heini Petersiä, hänet tavatessani? Sillä minähän
olen luja ja kaunis ja suuri! Mutta Arthur Eschenin ja Heinin tunnolla
ei ole sitä, mitä minun!
Hän oli tullut kylän päähän, kahden tien risteykseen. Lapsiparvi
seisoi lumisohjussa tuvan seinustalla. Klaus Baas kysyi heiltä, mikä
tie vei Neumünsteriin? Suuremmat viittoilivat ja neuvoivat hänelle
tietä; mutta sillaikaa aprikoivat pienemmät keskenänsä: "Mikä herra
se tuo on?" "Mikä lie", vastasi toinen, ja lisäsi, kai hänen pituuttaan
ja uljasta asentoaan ihmetellen: "Kuningas!" Mutta kolmas käytti
sanaa, jonka oli kuullut koulussa, vaikkei sitä ymmärtänyt, ja lausui
vanhan vakavasti: "Se on vaeltaja." Klaus Baas kuuli sen ja hän toisti
katkerasti mielessään: "Niin, vaeltaja!" Ja hän painui yksinään illan
hämäriin.
Oikea holsteinilainen maantie: suora kuin nuora ja auhto, ja
varsilla siellä täällä vaivaisia istukaspuita. Lumiräntä suomi kasvoihin.
— Aina minä olen ollut ylpeä ja korskea, hän ajatteli. Oikea Baas-
herra ja Baas-narri! Jo poikasleikissä haaveksin olevani Venäjän
keisari! Ja sepitellessäni junneille valetta Grossneumarktilla! Ja
puikkiessani nuorena klovnina St. Paulissa! Ja Trimbornin konttorissa
päivällislomilla kaapaten tähtiä lakillani! Ja juuri onnen hetkillä se
rehoitti kuin rikkaruoho! Viimeksi toissapäivänä, jolloin teki minut
aivan raivohulluksi! Ylpeydestä! Mutta nyt sain kerrankin nenälleni.

41. Hyvä vaan, että sen tiedän nyt, hän synkästi ajatteli. Se on
terveydeksi vaan! Ihmisen täytyy olla elämästään selvillä; totuus
edessä kuin päivä! Pois salaamiset ja vekselinlykkäykset! Minä olen
tuhonnut ihmisen! Tappanut! En tiedä, onko Jumalaa ja
haudantakaista. Eikä se tosiasiaa auta. Sillä se on ensiksikin
tapahtunut, ja toiseksi: se on minun asiani, ainoastaan ja yksin
minun asiani. Minä en tosin sitä tarkoittanut, ja monasti sellainen
päättyy hyvin. Mutta nyt kävi näin!
Hän puursi ripeästi märässä lumisohjussa. Tuollainen suora,
päätön holsteinilainen maantie — vaivaisia, vinoon vääntyneitä puita
silmän kantamiin — se on kuin tehty juuri moisia itsetutkisteluja
varten: siellä ehtii tyhjentämään maljan pohjasakkaan! Yhä, yhä
eteenpäin vei tie, vei kuin maailman loppuun. Niin paljon ajattelun
aikaa ei Klaus Baas ollut saanut lähes kahteenkymmeneen vuoteen,
siitä, kun saattoi mielisairasta kälyä Schleswigiin. — Hyvä vain, hän
toisti, että nyt sen tiedän! Sillä itse onnettomuus oli tapahtunut
kauan sitten: minä en vaan siitä tiennyt. Se juoksi kuitenkin kuin
musta, paha varjo kintereilläni ja vieressäni aina: nyt sain sen kiinni
ja tiedän, mikä se pahahenki oli… Vanhempani olivat kunnon ihmisiä,
minä jaloa talonpoikaisaatelia. Isäni oli kevytluontoinen ja hyvä;
äitini kova ja uskollinen. Niistä tuli sulatettuna hyvä sekoitus. Mutta
yksi sillä oli vika: liika ylpeys. Niinkuin monet saavat perintönä
luuvalon ja huonon kuulon, niin minä ylpeyden. Se on pienuudesta
asti nostanut minussa nokkaansa, kuin kimaltava, kirjava käärme!
Minä en ole sitä huomannut, minä en ole sitä karttanut, vaikka kelpo
äitini koetti jo tappaa sitä hiilipihdeillä lapsena ollessani. Mutta nyt.
Jopas tuli koko mato näkyviin! Jättiläiskäärme, sanovat, kuului
syöneen ihmisen ja kuului aikoneen toissapäivänä nielaista rakkaan
vaimoni! Mutta nyt sen niskat katkeaa! Henki pois vaan, ei auta! Sen
kauniin, pöyhkeän madon minä nitistän nyt tässä — yksinäisellä

42. Holsteinin maantiellä! Pihti niskaan vaan! Nyt siitä tuli loppu! Klaus
Hinrich Baas! Niin vajonnut! Ja viidenviidettä vanhana!
Niin pakisi Klaus Baas itsekseen. Iltamyöhällä joutui hän
Neumünsteriin.
Hän meni Rautatiehotelliin katsomaan, oliko siellä mitä ilmoitusta
Hasselta, jota hän kuitenkaan ei pitänyt mahdollisena. Ja hän aikoi
sitten iltajunalla matkustaa Hampuriin, sillä hän kaipasi nyt
kuvaamattomasti Sannaa ja lapsia. Nyt tahdon olla heille oikein
hyvä, hän ajatteli.
Ihmeeksi odottikin hotellissa kirje. Hän avasi uteliaasti sen ja luki
sitä portaita alas astuessaan, luki ja luki — ja hänen silmänsä tulivat
yhä kummastuneemman näköisiksi: Hassen shanghailainen liike oli
sähköttänyt, ettei saatu asiaa selville lybeckiläisen kanssa; siksi oli
Klaus Baasin itsensä matkustettava sodan ajaksi Thielenin paikalle
Kiinaan; matkalle lähdettävä New-Yorkin kautta helmik. 22 p:nä…
Klaus Baasin päätä huimasi ja hänen ruumiinsa vapisi. "Kymmenen
päivän päästä Kiinaan! Ehkä vuosikausiksi… Ja nyt!!"
Hän astui asemasaliin, lunasti piletin, ja käveli asemasillalla
edestakaisin, ja meni junaan ja tiesi tuskin, mitä teki. Kymmenen
päivän päästä Kiinaan! Nyt!! Nyt kun hän tahtoi ja hänen täytyi
tehdä niin paljon hyvää ja oikeudenmukaista! Kun hän halusi elää
rauhallisemmin ja kauniimmin! Nyt, pois… ehkä ikipäiviksi! Se oli
katkeraa ja kovaa!
Juna kiitää rymyytteli pimeässä yössä, ja lumisade vilisi rapisten
akkunain ohi. Matkustajat nukkuivat tai torkkuivat omissa

43. Welcome to our website – the ideal destination for book lovers and
knowledge seekers. With a mission to inspire endlessly, we offer a
vast collection of books, ranging from classic literary works to
specialized publications, self-development books, and children's
literature. Each book is a new journey of discovery, expanding
knowledge and enriching the soul of the reade
Our website is not just a platform for buying books, but a bridge
connecting readers to the timeless values of culture and wisdom. With
an elegant, user-friendly interface and an intelligent search system,
we are committed to providing a quick and convenient shopping
experience. Additionally, our special promotions and home delivery
services ensure that you save time and fully enjoy the joy of reading.
Let us accompany you on the journey of exploring knowledge and
personal growth!
ebookball.com