Upload 3 files
Browse files- test_fo/hindi_english_tokenization_results.json +102 -0
- test_fo/result.json +250 -0
- test_fo/test2.txt +0 -0
test_fo/hindi_english_tokenization_results.json
ADDED
|
@@ -0,0 +1,102 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"Hindi": [
|
| 3 |
+
{
|
| 4 |
+
"original_text": "नमस्ते, मैं भारत से हूँ। दिल्ली बहुत बड़ा शहर है।",
|
| 5 |
+
"token_ids_count": 14,
|
| 6 |
+
"token_strings_count": 14,
|
| 7 |
+
"decoded_text": "नमस्ते, मैं भारत से हूँ। दिल्ली बहुत बड़ा शहर है।",
|
| 8 |
+
"text_match": true,
|
| 9 |
+
"token_id_stats": {
|
| 10 |
+
"min": 12,
|
| 11 |
+
"max": 22166,
|
| 12 |
+
"mean": 4712.857142857143
|
| 13 |
+
}
|
| 14 |
+
},
|
| 15 |
+
{
|
| 16 |
+
"original_text": "हिंदी भाषा बहुत सुंदर है।",
|
| 17 |
+
"token_ids_count": 7,
|
| 18 |
+
"token_strings_count": 7,
|
| 19 |
+
"decoded_text": "हिंदी भाषा बहुत सुंदर है।",
|
| 20 |
+
"text_match": true,
|
| 21 |
+
"token_id_stats": {
|
| 22 |
+
"min": 304,
|
| 23 |
+
"max": 46067,
|
| 24 |
+
"mean": 9137.285714285714
|
| 25 |
+
}
|
| 26 |
+
},
|
| 27 |
+
{
|
| 28 |
+
"original_text": "मुझे किताबें पढ़ना पसंद है।",
|
| 29 |
+
"token_ids_count": 7,
|
| 30 |
+
"token_strings_count": 7,
|
| 31 |
+
"decoded_text": "मुझे किताबें पढ़ना पसंद है।",
|
| 32 |
+
"text_match": true,
|
| 33 |
+
"token_id_stats": {
|
| 34 |
+
"min": 325,
|
| 35 |
+
"max": 50205,
|
| 36 |
+
"mean": 18701.571428571428
|
| 37 |
+
}
|
| 38 |
+
},
|
| 39 |
+
{
|
| 40 |
+
"original_text": "यह एक उदाहरण वाक्य है।",
|
| 41 |
+
"token_ids_count": 6,
|
| 42 |
+
"token_strings_count": 6,
|
| 43 |
+
"decoded_text": "यह एक उदाहरण वाक्य है।",
|
| 44 |
+
"text_match": true,
|
| 45 |
+
"token_id_stats": {
|
| 46 |
+
"min": 331,
|
| 47 |
+
"max": 64341,
|
| 48 |
+
"mean": 15892.833333333334
|
| 49 |
+
}
|
| 50 |
+
}
|
| 51 |
+
],
|
| 52 |
+
"English": [
|
| 53 |
+
{
|
| 54 |
+
"original_text": "Hello, I am from India. Delhi is a big city.",
|
| 55 |
+
"token_ids_count": 13,
|
| 56 |
+
"token_strings_count": 13,
|
| 57 |
+
"decoded_text": "Hello, I am from India. Delhi is a big city.",
|
| 58 |
+
"text_match": true,
|
| 59 |
+
"token_id_stats": {
|
| 60 |
+
"min": 12,
|
| 61 |
+
"max": 22355,
|
| 62 |
+
"mean": 3848.3076923076924
|
| 63 |
+
}
|
| 64 |
+
},
|
| 65 |
+
{
|
| 66 |
+
"original_text": "The English language is widely spoken.",
|
| 67 |
+
"token_ids_count": 7,
|
| 68 |
+
"token_strings_count": 7,
|
| 69 |
+
"decoded_text": "The English language is widely spoken.",
|
| 70 |
+
"text_match": true,
|
| 71 |
+
"token_id_stats": {
|
| 72 |
+
"min": 14,
|
| 73 |
+
"max": 28525,
|
| 74 |
+
"mean": 8552.714285714286
|
| 75 |
+
}
|
| 76 |
+
},
|
| 77 |
+
{
|
| 78 |
+
"original_text": "I enjoy reading books.",
|
| 79 |
+
"token_ids_count": 5,
|
| 80 |
+
"token_strings_count": 5,
|
| 81 |
+
"decoded_text": "I enjoy reading books.",
|
| 82 |
+
"text_match": true,
|
| 83 |
+
"token_id_stats": {
|
| 84 |
+
"min": 14,
|
| 85 |
+
"max": 6621,
|
| 86 |
+
"mean": 3323.8
|
| 87 |
+
}
|
| 88 |
+
},
|
| 89 |
+
{
|
| 90 |
+
"original_text": "This is an example sentence.",
|
| 91 |
+
"token_ids_count": 6,
|
| 92 |
+
"token_strings_count": 6,
|
| 93 |
+
"decoded_text": "This is an example sentence.",
|
| 94 |
+
"text_match": true,
|
| 95 |
+
"token_id_stats": {
|
| 96 |
+
"min": 14,
|
| 97 |
+
"max": 12418,
|
| 98 |
+
"mean": 3230.8333333333335
|
| 99 |
+
}
|
| 100 |
+
}
|
| 101 |
+
]
|
| 102 |
+
}
|
test_fo/result.json
ADDED
|
@@ -0,0 +1,250 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"coverage": {},
|
| 3 |
+
"complexity": {},
|
| 4 |
+
"language_analysis": {},
|
| 5 |
+
"edge_cases": {
|
| 6 |
+
"hindi": {
|
| 7 |
+
"script_test": {
|
| 8 |
+
"tokens": [
|
| 9 |
+
"नम",
|
| 10 |
+
"सà¥įतà¥ĩ",
|
| 11 |
+
",",
|
| 12 |
+
"Ġमà¥Īà¤Ĥ",
|
| 13 |
+
"Ġà¤Ńारत",
|
| 14 |
+
"Ġसà¥ĩ",
|
| 15 |
+
"Ġहà¥Ĥà¤ģ",
|
| 16 |
+
"।",
|
| 17 |
+
"Ġदिलà¥įलà¥Ģ",
|
| 18 |
+
"Ġबहà¥ģत",
|
| 19 |
+
"Ġबड़ा",
|
| 20 |
+
"Ġशहर",
|
| 21 |
+
"Ġहà¥Ī",
|
| 22 |
+
"।"
|
| 23 |
+
],
|
| 24 |
+
"token_count": 14,
|
| 25 |
+
"unique_tokens": 13
|
| 26 |
+
},
|
| 27 |
+
"unicode_test": {
|
| 28 |
+
"tokens": [
|
| 29 |
+
"हिनà¥įद",
|
| 30 |
+
"à¥Ģ",
|
| 31 |
+
"Ġ",
|
| 32 |
+
"१",
|
| 33 |
+
"२",
|
| 34 |
+
"३",
|
| 35 |
+
"४",
|
| 36 |
+
"५",
|
| 37 |
+
"६",
|
| 38 |
+
"à¥Ń",
|
| 39 |
+
"८",
|
| 40 |
+
"९",
|
| 41 |
+
"Ġvow",
|
| 42 |
+
"els",
|
| 43 |
+
":",
|
| 44 |
+
"Ġà¤ħ",
|
| 45 |
+
"Ġà¤Ĩ",
|
| 46 |
+
"Ġà¤ĩ",
|
| 47 |
+
"Ġà¤Ī",
|
| 48 |
+
"Ġà¤ī",
|
| 49 |
+
"Ġà¤Ĭ"
|
| 50 |
+
],
|
| 51 |
+
"token_count": 21,
|
| 52 |
+
"unique_tokens": 21
|
| 53 |
+
},
|
| 54 |
+
"special_chars": {
|
| 55 |
+
"tokens": [
|
| 56 |
+
"हिनà¥įद",
|
| 57 |
+
"à¥Ģ",
|
| 58 |
+
"!",
|
| 59 |
+
"Ġ@",
|
| 60 |
+
"Ġ#",
|
| 61 |
+
"Ġ$",
|
| 62 |
+
"Ġ%",
|
| 63 |
+
"Ġ^",
|
| 64 |
+
"Ġ&",
|
| 65 |
+
"Ġ*",
|
| 66 |
+
"Ġ(",
|
| 67 |
+
"Ġ)",
|
| 68 |
+
"Ġ_",
|
| 69 |
+
"Ġ+",
|
| 70 |
+
"Ġ=",
|
| 71 |
+
"Ġ[",
|
| 72 |
+
"Ġ]",
|
| 73 |
+
"Ġ{",
|
| 74 |
+
"Ġ}"
|
| 75 |
+
],
|
| 76 |
+
"token_count": 19,
|
| 77 |
+
"unique_tokens": 19
|
| 78 |
+
}
|
| 79 |
+
},
|
| 80 |
+
"english": {
|
| 81 |
+
"script_test": {
|
| 82 |
+
"tokens": [
|
| 83 |
+
"Hello",
|
| 84 |
+
",",
|
| 85 |
+
"ĠI",
|
| 86 |
+
"Ġam",
|
| 87 |
+
"Ġfrom",
|
| 88 |
+
"Ġthe",
|
| 89 |
+
"ĠUnited",
|
| 90 |
+
"ĠStates",
|
| 91 |
+
".",
|
| 92 |
+
"ĠNew",
|
| 93 |
+
"ĠYork",
|
| 94 |
+
"Ġis",
|
| 95 |
+
"Ġa",
|
| 96 |
+
"Ġbeautiful",
|
| 97 |
+
"Ġcity",
|
| 98 |
+
"."
|
| 99 |
+
],
|
| 100 |
+
"token_count": 16,
|
| 101 |
+
"unique_tokens": 15
|
| 102 |
+
},
|
| 103 |
+
"unicode_test": {
|
| 104 |
+
"tokens": [
|
| 105 |
+
"English",
|
| 106 |
+
"Ġ",
|
| 107 |
+
"012",
|
| 108 |
+
"345",
|
| 109 |
+
"678",
|
| 110 |
+
"9",
|
| 111 |
+
"Ġvow",
|
| 112 |
+
"els",
|
| 113 |
+
":",
|
| 114 |
+
"Ġa",
|
| 115 |
+
"Ġe",
|
| 116 |
+
"Ġi",
|
| 117 |
+
"Ġo",
|
| 118 |
+
"Ġu"
|
| 119 |
+
],
|
| 120 |
+
"token_count": 14,
|
| 121 |
+
"unique_tokens": 14
|
| 122 |
+
},
|
| 123 |
+
"special_chars": {
|
| 124 |
+
"tokens": [
|
| 125 |
+
"English",
|
| 126 |
+
"!",
|
| 127 |
+
"Ġ@",
|
| 128 |
+
"Ġ#",
|
| 129 |
+
"Ġ$",
|
| 130 |
+
"Ġ%",
|
| 131 |
+
"Ġ^",
|
| 132 |
+
"Ġ&",
|
| 133 |
+
"Ġ*",
|
| 134 |
+
"Ġ(",
|
| 135 |
+
"Ġ)",
|
| 136 |
+
"Ġ_",
|
| 137 |
+
"Ġ+",
|
| 138 |
+
"Ġ=",
|
| 139 |
+
"Ġ[",
|
| 140 |
+
"Ġ]",
|
| 141 |
+
"Ġ{",
|
| 142 |
+
"Ġ}"
|
| 143 |
+
],
|
| 144 |
+
"token_count": 18,
|
| 145 |
+
"unique_tokens": 18
|
| 146 |
+
}
|
| 147 |
+
}
|
| 148 |
+
},
|
| 149 |
+
"unicode_coverage": {
|
| 150 |
+
"hindi": {
|
| 151 |
+
"original_text": "हिन्दी १२३४५६७८९ vowels: अ आ इ ई उ ऊ",
|
| 152 |
+
"tokens": [
|
| 153 |
+
"हिनà¥įद",
|
| 154 |
+
"à¥Ģ",
|
| 155 |
+
"Ġ",
|
| 156 |
+
"१",
|
| 157 |
+
"२",
|
| 158 |
+
"३",
|
| 159 |
+
"४",
|
| 160 |
+
"५",
|
| 161 |
+
"६",
|
| 162 |
+
"à¥Ń",
|
| 163 |
+
"८",
|
| 164 |
+
"९",
|
| 165 |
+
"Ġvow",
|
| 166 |
+
"els",
|
| 167 |
+
":",
|
| 168 |
+
"Ġà¤ħ",
|
| 169 |
+
"Ġà¤Ĩ",
|
| 170 |
+
"Ġà¤ĩ",
|
| 171 |
+
"Ġà¤��",
|
| 172 |
+
"Ġà¤ī",
|
| 173 |
+
"Ġà¤Ĭ"
|
| 174 |
+
],
|
| 175 |
+
"token_count": 21,
|
| 176 |
+
"unique_tokens": 21,
|
| 177 |
+
"coverage_ratio": 1.0
|
| 178 |
+
},
|
| 179 |
+
"english": {
|
| 180 |
+
"original_text": "English 0123456789 vowels: a e i o u",
|
| 181 |
+
"tokens": [
|
| 182 |
+
"English",
|
| 183 |
+
"Ġ",
|
| 184 |
+
"012",
|
| 185 |
+
"345",
|
| 186 |
+
"678",
|
| 187 |
+
"9",
|
| 188 |
+
"Ġvow",
|
| 189 |
+
"els",
|
| 190 |
+
":",
|
| 191 |
+
"Ġa",
|
| 192 |
+
"Ġe",
|
| 193 |
+
"Ġi",
|
| 194 |
+
"Ġo",
|
| 195 |
+
"Ġu"
|
| 196 |
+
],
|
| 197 |
+
"token_count": 14,
|
| 198 |
+
"unique_tokens": 14,
|
| 199 |
+
"coverage_ratio": 1.0
|
| 200 |
+
}
|
| 201 |
+
},
|
| 202 |
+
"script_complexity": {
|
| 203 |
+
"hindi": {
|
| 204 |
+
"original_text_length": 49,
|
| 205 |
+
"tokens": [
|
| 206 |
+
"नम",
|
| 207 |
+
"सà¥įतà¥ĩ",
|
| 208 |
+
",",
|
| 209 |
+
"Ġमà¥Īà¤Ĥ",
|
| 210 |
+
"Ġà¤Ńारत",
|
| 211 |
+
"Ġसà¥ĩ",
|
| 212 |
+
"Ġहà¥Ĥà¤ģ",
|
| 213 |
+
"।",
|
| 214 |
+
"Ġदिलà¥įलà¥Ģ",
|
| 215 |
+
"Ġबहà¥ģत",
|
| 216 |
+
"Ġबड़ा",
|
| 217 |
+
"Ġशहर",
|
| 218 |
+
"Ġहà¥Ī",
|
| 219 |
+
"।"
|
| 220 |
+
],
|
| 221 |
+
"token_count": 14,
|
| 222 |
+
"avg_token_length": 9.071428571428571,
|
| 223 |
+
"token_diversity": 0.9285714285714286
|
| 224 |
+
},
|
| 225 |
+
"english": {
|
| 226 |
+
"original_text_length": 65,
|
| 227 |
+
"tokens": [
|
| 228 |
+
"Hello",
|
| 229 |
+
",",
|
| 230 |
+
"ĠI",
|
| 231 |
+
"Ġam",
|
| 232 |
+
"Ġfrom",
|
| 233 |
+
"Ġthe",
|
| 234 |
+
"ĠUnited",
|
| 235 |
+
"ĠStates",
|
| 236 |
+
".",
|
| 237 |
+
"ĠNew",
|
| 238 |
+
"ĠYork",
|
| 239 |
+
"Ġis",
|
| 240 |
+
"Ġa",
|
| 241 |
+
"Ġbeautiful",
|
| 242 |
+
"Ġcity",
|
| 243 |
+
"."
|
| 244 |
+
],
|
| 245 |
+
"token_count": 16,
|
| 246 |
+
"avg_token_length": 4.0625,
|
| 247 |
+
"token_diversity": 0.9375
|
| 248 |
+
}
|
| 249 |
+
}
|
| 250 |
+
}
|
test_fo/test2.txt
ADDED
|
The diff for this file is too large to render.
See raw diff
|
|
|