scylla 0.9.3 → 1.0.0

This diff represents the content of publicly available package versions that have been released to one of the supported registries. The information contained in this diff is provided for informational purposes only and reflects changes between package versions as they appear in their respective public registries.
Files changed (79) hide show
  1. data/lib/scylla/lms/arabic.lm +399 -399
  2. data/lib/scylla/lms/bulgarian.lm +400 -400
  3. data/lib/scylla/lms/catalan.lm +323 -323
  4. data/lib/scylla/lms/chinese.lm +389 -389
  5. data/lib/scylla/lms/czech.lm +377 -377
  6. data/lib/scylla/lms/danish.lm +383 -383
  7. data/lib/scylla/lms/dutch.lm +398 -398
  8. data/lib/scylla/lms/english.lm +355 -355
  9. data/lib/scylla/lms/finnish.lm +381 -381
  10. data/lib/scylla/lms/french.lm +379 -379
  11. data/lib/scylla/lms/german.lm +382 -382
  12. data/lib/scylla/lms/greek.lm +400 -400
  13. data/lib/scylla/lms/hebrew.lm +400 -400
  14. data/lib/scylla/lms/hindi.lm +400 -400
  15. data/lib/scylla/lms/icelandic.lm +219 -219
  16. data/lib/scylla/lms/indonesian.lm +364 -364
  17. data/lib/scylla/lms/italian.lm +381 -381
  18. data/lib/scylla/lms/japanese.lm +400 -400
  19. data/lib/scylla/lms/kannada.lm +392 -392
  20. data/lib/scylla/lms/korean.lm +389 -389
  21. data/lib/scylla/lms/marathi.lm +364 -364
  22. data/lib/scylla/lms/norwegian.lm +325 -325
  23. data/lib/scylla/lms/persian.lm +397 -397
  24. data/lib/scylla/lms/polish.lm +380 -380
  25. data/lib/scylla/lms/portuguese.lm +375 -375
  26. data/lib/scylla/lms/romanian.lm +318 -318
  27. data/lib/scylla/lms/russian.lm +398 -398
  28. data/lib/scylla/lms/slovak.lm +358 -358
  29. data/lib/scylla/lms/slovenian.lm +256 -256
  30. data/lib/scylla/lms/spanish.lm +353 -353
  31. data/lib/scylla/lms/swedish.lm +400 -400
  32. data/lib/scylla/lms/tagalog.lm +245 -245
  33. data/lib/scylla/lms/thai.lm +400 -400
  34. data/lib/scylla/lms/turkish.lm +379 -379
  35. data/lib/scylla/lms/vietnamese.lm +373 -373
  36. data/lib/scylla/lms/welsh.lm +293 -293
  37. data/test/classifier_test.rb +5 -3
  38. data/test/fixtures/lms/arabic.lm +400 -0
  39. data/test/fixtures/lms/bulgarian.lm +400 -0
  40. data/test/fixtures/lms/catalan.lm +400 -0
  41. data/test/fixtures/lms/chinese.lm +400 -0
  42. data/test/fixtures/lms/czech.lm +400 -0
  43. data/test/fixtures/lms/danish.lm +399 -399
  44. data/test/fixtures/lms/dutch.lm +400 -0
  45. data/test/fixtures/lms/english.lm +400 -400
  46. data/test/fixtures/lms/finnish.lm +400 -0
  47. data/test/fixtures/lms/french.lm +397 -397
  48. data/test/fixtures/lms/german.lm +400 -400
  49. data/test/fixtures/lms/greek.lm +400 -0
  50. data/test/fixtures/lms/hebrew.lm +400 -0
  51. data/test/fixtures/lms/hindi.lm +400 -400
  52. data/test/fixtures/lms/icelandic.lm +400 -0
  53. data/test/fixtures/lms/indonesian.lm +400 -0
  54. data/test/fixtures/lms/italian.lm +400 -400
  55. data/test/fixtures/lms/japanese.lm +400 -400
  56. data/test/fixtures/lms/kannada.lm +400 -0
  57. data/test/fixtures/lms/korean.lm +400 -0
  58. data/test/fixtures/lms/marathi.lm +400 -0
  59. data/test/fixtures/lms/norwegian.lm +399 -399
  60. data/test/fixtures/lms/persian.lm +400 -0
  61. data/test/fixtures/lms/polish.lm +400 -0
  62. data/test/fixtures/lms/portuguese.lm +400 -0
  63. data/test/fixtures/lms/romanian.lm +400 -0
  64. data/test/fixtures/lms/russian.lm +400 -0
  65. data/test/fixtures/lms/slovak.lm +400 -0
  66. data/test/fixtures/lms/slovenian.lm +400 -0
  67. data/test/fixtures/lms/spanish.lm +400 -400
  68. data/test/fixtures/lms/swedish.lm +400 -0
  69. data/test/fixtures/lms/tagalog.lm +400 -0
  70. data/test/fixtures/lms/thai.lm +400 -0
  71. data/test/fixtures/lms/turkish.lm +400 -0
  72. data/test/fixtures/lms/vietnamese.lm +400 -0
  73. data/test/fixtures/lms/welsh.lm +400 -0
  74. data/test/fixtures/test_languages/japanese +149 -67
  75. data/test/generator_test.rb +1 -43
  76. data/test/language_test.rb +5 -1
  77. data/test/loader_test.rb +1 -1
  78. data/test/scylla_test.rb +4 -4
  79. metadata +105 -63
@@ -0,0 +1,400 @@
1
+ _ 20180
2
+ a 5778
3
+ e 5540
4
+ o 5022
5
+ s 3817
6
+ i 3527
7
+ r 3350
8
+ d 2736
9
+ n 2416
10
+ t 2304
11
+ o_ 2303
12
+ m 2139
13
+ s_ 1812
14
+ a_ 1803
15
+ e_ 1737
16
+ c 1601
17
+ u 1599
18
+ l 1572
19
+ p 1504
20
+ _d 1370
21
+ _e 1177
22
+ de 1049
23
+ _a 1020
24
+ _p 982
25
+ ra 911
26
+ as 859
27
+ es 777
28
+ do 769
29
+ m_ 751
30
+ _de 745
31
+ de_ 706
32
+ b 674
33
+ os 661
34
+ _c 654
35
+ _o 644
36
+ en 586
37
+ v 583
38
+ g 581
39
+ _s 573
40
+ do_ 572
41
+ te 570
42
+ os_ 554
43
+ er 552
44
+ nt 551
45
+ co 546
46
+ or 540
47
+ as_ 517
48
+ da 510
49
+ re 488
50
+ em 474
51
+ ad 460
52
+ f 454
53
+ ri 450
54
+ _m 447
55
+ ta 434
56
+ _a_ 431
57
+ ma 422
58
+ l_ 421
59
+ ar 420
60
+ _e_ 407
61
+ an 400
62
+ _o_ 386
63
+ to 386
64
+ _n 386
65
+ _co 386
66
+ si 365
67
+ em_ 365
68
+ il 362
69
+ st 360
70
+ na 357
71
+ po 351
72
+ al 350
73
+ se 349
74
+ in 346
75
+ is 345
76
+ r_ 345
77
+ _b 344
78
+ es_ 342
79
+ ia 340
80
+ _t 338
81
+ ro 337
82
+ ã 336
83
+ ão 334
84
+ pa 334
85
+ ent 333
86
+ ão_ 332
87
+ om 327
88
+ ca 326
89
+ ti 323
90
+ io 321
91
+ no 318
92
+ me 317
93
+ on 314
94
+ br 314
95
+ nd 312
96
+ _do 306
97
+ ras 298
98
+ ic 290
99
+ h 290
100
+ _em 289
101
+ ç 285
102
+ da_ 284
103
+ ci 283
104
+ _f 273
105
+ tr 271
106
+ í 271
107
+ _r 267
108
+ bra 262
109
+ nte 260
110
+ _br 259
111
+ am 258
112
+ it 257
113
+ _pa 255
114
+ _i 253
115
+ qu 249
116
+ q 249
117
+ _po 245
118
+ com 245
119
+ é 243
120
+ sil 243
121
+ ei 241
122
+ asi 240
123
+ ra_ 234
124
+ pr 231
125
+ te_ 227
126
+ ir 224
127
+ ai 222
128
+ _se 220
129
+ _u 218
130
+ pe 216
131
+ le 216
132
+ ue 215
133
+ id 213
134
+ at 211
135
+ um 210
136
+ el 209
137
+ di 202
138
+ li 202
139
+ _re 199
140
+ ado 196
141
+ _da 192
142
+ to_ 192
143
+ mo 192
144
+ _ma 191
145
+ la 191
146
+ _q 188
147
+ _qu 188
148
+ _pr 183
149
+ ve 181
150
+ _no 181
151
+ ss 177
152
+ al_ 176
153
+ il_ 176
154
+ _um 175
155
+ no_ 169
156
+ im 168
157
+ or_ 166
158
+ çã 162
159
+ ção 162
160
+ ica 162
161
+ ia_ 161
162
+ rt 161
163
+ ce 160
164
+ eir 159
165
+ va 159
166
+ que 158
167
+ á 158
168
+ men 157
169
+ un 156
170
+ mi 150
171
+ is_ 150
172
+ _l 148
173
+ con 146
174
+ ua 146
175
+ ni 146
176
+ aç 145
177
+ _g 145
178
+ u_ 144
179
+ lo 143
180
+ res 143
181
+ tu 142
182
+ _es 141
183
+ ou 140
184
+ ec 140
185
+ fo 139
186
+ por 139
187
+ dos 139
188
+ z 138
189
+ ol 138
190
+ _in 138
191
+ _v 137
192
+ x 136
193
+ iv 135
194
+ ns 134
195
+ nc 134
196
+ ul 134
197
+ est 134
198
+ ada 134
199
+ ue_ 134
200
+ sa 133
201
+ su 132
202
+ _na 132
203
+ par 130
204
+ ma_ 128
205
+ ndo 127
206
+ ara 127
207
+ ed 127
208
+ ro_ 127
209
+ io_ 126
210
+ ais 126
211
+ _pe 125
212
+ vi 123
213
+ eg 123
214
+ mai 121
215
+ é_ 119
216
+ so 118
217
+ _fo 118
218
+ ca_ 117
219
+ ur 117
220
+ des 117
221
+ _te 115
222
+ sta 114
223
+ ter 114
224
+ ant 114
225
+ om_ 113
226
+ _  113
227
+ et 113
228
+   113
229
+ na_ 112
230
+ ria 110
231
+ ac 110
232
+ i_ 109
233
+ j 109
234
+ õe 108
235
+ õ 108
236
+ am_ 107
237
+ p_ 105
238
+ _ _ 105
239
+  _ 105
240
+ mp 105
241
+ gu 104
242
+ açã 104
243
+ ões 104
244
+ od 102
245
+ _en 102
246
+ uma 102
247
+ era 101
248
+ _os 101
249
+ _é 100
250
+ ut 100
251
+ _as 99
252
+ ui 99
253
+ lei 98
254
+ and 97
255
+ mo_ 97
256
+ ís 97
257
+ tra 96
258
+ das 96
259
+ ita 96
260
+ fi 95
261
+ nto 95
262
+ cia 95
263
+ aí 94
264
+ gi 94
265
+ _h 94
266
+ ida 94
267
+ rio 93
268
+ ne 93
269
+ _su 92
270
+ _é_ 92
271
+ ist 92
272
+ dad 91
273
+ se_ 90
274
+ ex 90
275
+ mu 89
276
+ aís 89
277
+ paí 89
278
+ sã 88
279
+ são 88
280
+ um_ 88
281
+ ess 88
282
+ gr 88
283
+ ort 88
284
+ ga 87
285
+ ó 87
286
+ _ca 87
287
+ ge 87
288
+ iro 86
289
+ rn 86
290
+ _ex 85
291
+ _di 84
292
+ nde 83
293
+ ou_ 83
294
+ tes 82
295
+ vo 81
296
+ ira 81
297
+ ar_ 81
298
+ ha 80
299
+ ade 80
300
+ ran 79
301
+ lh 79
302
+ pro 78
303
+ tad 77
304
+ omo 76
305
+ tiv 76
306
+ rr 75
307
+ op 75
308
+ ta_ 75
309
+ nci 75
310
+ ram 75
311
+ _j 74
312
+ ile 74
313
+ au 74
314
+ rc 74
315
+ der 73
316
+ _p_ 73
317
+ nta 72
318
+ for 72
319
+ ati 72
320
+ oi 72
321
+ ior 71
322
+ rm 71
323
+ ito 71
324
+ ame 70
325
+ ev 70
326
+ _mu 70
327
+ ís_ 70
328
+ mb 70
329
+ fe 69
330
+ cu 69
331
+ go 69
332
+ us 69
333
+ ov 69
334
+ er_ 69
335
+ pre 69
336
+ ntr 68
337
+ ial 68
338
+ ap 68
339
+ tem 67
340
+ tor 67
341
+ ime 67
342
+ ú 67
343
+ aio 66
344
+ und 66
345
+ iz 65
346
+ tic 65
347
+ _s_ 65
348
+ ver 65
349
+ ê 64
350
+ _sã 64
351
+ ab 64
352
+ _me 64
353
+ pri 64
354
+ end 63
355
+ lo_ 63
356
+ gra 63
357
+ ura 63
358
+ ind 63
359
+ _mi 63
360
+ _to 62
361
+ tro 62
362
+ ont 62
363
+ _at 61
364
+ tan 61
365
+ _tr 61
366
+ ona 61
367
+ lu 61
368
+ ros 60
369
+ pel 60
370
+ sp 60
371
+ ho 60
372
+ pos 59
373
+ ste 59
374
+ qua 59
375
+ ico 59
376
+ ion 58
377
+ fa 58
378
+ ár 58
379
+ cio 58
380
+ du 58
381
+ bi 58
382
+ ern 58
383
+ sc 57
384
+ nal 57
385
+ re_ 57
386
+ nh 57
387
+ ig 56
388
+ ela 56
389
+ rte 56
390
+ mun 56
391
+ ob 55
392
+ eu 55
393
+ sti 55
394
+ err 55
395
+ cr 55
396
+ egi 54
397
+ ons 54
398
+ ao 54
399
+ n_ 54
400
+ mas 53
@@ -0,0 +1,400 @@
1
+ _ 28742
2
+ e 8540
3
+ i 8396
4
+ a 8094
5
+ r 5707
6
+ t 5166
7
+ n 5138
8
+ u 3874
9
+ l 3870
10
+ o 3696
11
+ c 3575
12
+ e_ 3398
13
+ d 2898
14
+ s 2766
15
+ m 2507
16
+ a_ 2393
17
+ i_ 2249
18
+ _d 1971
19
+ p 1965
20
+ _a 1818
21
+ ă 1597
22
+ de 1377
23
+ re 1284
24
+ at 1273
25
+ _c 1193
26
+ _de 1168
27
+ ri 1147
28
+ n_ 1141
29
+ in 1130
30
+ ă_ 1034
31
+ _p 1003
32
+ t_ 1002
33
+ te 999
34
+ de_ 976
35
+ or 941
36
+ ar 935
37
+ st 897
38
+ ni 887
39
+ ș 881
40
+ _s 872
41
+ ț 857
42
+ _r 856
43
+ _l 830
44
+ î 819
45
+ l_ 813
46
+ _î 810
47
+ ul 807
48
+ f 789
49
+ în 769
50
+ _în 765
51
+ ce 761
52
+ ro 743
53
+ v 742
54
+ al 737
55
+ la 733
56
+ er 716
57
+ ta 712
58
+ nt 704
59
+ le 702
60
+ es 690
61
+ â 649
62
+ om 646
63
+ _m 641
64
+ g 634
65
+ și 616
66
+ ia 601
67
+ en 601
68
+ b 599
69
+ ti 599
70
+ ra 598
71
+ și_ 590
72
+ _ș 588
73
+ un 574
74
+ it 570
75
+ în_ 568
76
+ ea 568
77
+ di 567
78
+ ți 557
79
+ ân 556
80
+ _și 551
81
+ tr 544
82
+ an 538
83
+ _e 537
84
+ ma 534
85
+ ie 525
86
+ cu 521
87
+ te_ 515
88
+ ur 505
89
+ ic 496
90
+ _la 493
91
+ la_ 488
92
+ r_ 485
93
+ u_ 484
94
+ rom 481
95
+ _i 480
96
+ ul_ 478
97
+ le_ 478
98
+ _ro 473
99
+ pr 473
100
+ on 472
101
+ el 467
102
+ ac 467
103
+ mâ 463
104
+ mân 463
105
+ ii 460
106
+ z 459
107
+ tu 459
108
+ li 455
109
+ re_ 454
110
+ ne 453
111
+ at_ 449
112
+ _f 442
113
+ _a_ 421
114
+ omâ 412
115
+ to 406
116
+ pe 404
117
+ co 402
118
+ il 391
119
+ lo 389
120
+ ca 370
121
+ _t 364
122
+ _ac 363
123
+ are 363
124
+ _di 362
125
+ lu 359
126
+ da 358
127
+ ea_ 353
128
+ _pr 350
129
+ _u 350
130
+ me 349
131
+ ia_ 349
132
+ na 343
133
+ ec 340
134
+ sa 339
135
+ is 331
136
+ din 331
137
+ ii_ 322
138
+ in_ 315
139
+ ei 311
140
+ tă 310
141
+ _n 309
142
+ âni 308
143
+ im 306
144
+ ci 304
145
+ nd 298
146
+ _o 297
147
+ mi 293
148
+ ru 292
149
+ ei_ 292
150
+ _co 287
151
+ ces 285
152
+ se 285
153
+ ta_ 282
154
+ _da 282
155
+ ui 282
156
+ ori 282
157
+ _re 276
158
+ est 271
159
+ tor 271
160
+ dat 270
161
+ po 266
162
+ ate 264
163
+ _ma 258
164
+ or_ 251
165
+ cc 249
166
+ nu 244
167
+ as 244
168
+ că 243
169
+ cce 241
170
+ _al 240
171
+ ata 240
172
+ fo 240
173
+ pa 239
174
+ um 239
175
+ aț 238
176
+ sat 238
177
+ acc 237
178
+ _un 236
179
+ _cu 232
180
+ ent 232
181
+ ie_ 231
182
+ esa 231
183
+ al_ 229
184
+ rt 228
185
+ _ca 224
186
+ fi 222
187
+ _pe 222
188
+ tă_ 219
189
+ s_ 218
190
+ iu 217
191
+ sc 217
192
+ ați 216
193
+ ele 216
194
+ ist 215
195
+ ve 215
196
+ su 215
197
+ ri_ 212
198
+ lor 212
199
+ ntr 211
200
+ nia 210
201
+ iv 209
202
+ ste 207
203
+ con 206
204
+ ol 205
205
+ _ce 203
206
+ io 203
207
+ au 202
208
+ h 201
209
+ ale 199
210
+ ăr 199
211
+ ui_ 198
212
+ o_ 196
213
+ mu 196
214
+ ns 196
215
+ _v 196
216
+ _fo 195
217
+ em 195
218
+ pri 195
219
+ _in 193
220
+ int 192
221
+ ai 191
222
+ rea 191
223
+ tur 188
224
+ nc 188
225
+ d_ 187
226
+ ter 187
227
+ ră 186
228
+ că_ 185
229
+ oc 183
230
+ rm 183
231
+ lui 181
232
+ du 179
233
+ tat 177
234
+ ut 176
235
+ șt 174
236
+ _b 173
237
+ si 172
238
+ oa 172
239
+ _se 172
240
+ eri 170
241
+ _su 169
242
+ op 169
243
+ pu 167
244
+ lt 166
245
+ ne_ 163
246
+ os 162
247
+ no 157
248
+ iei 156
249
+ vi 155
250
+ pre 155
251
+ nț 155
252
+ tra 154
253
+ ct 153
254
+ cu_ 153
255
+ ulu 153
256
+ mp 151
257
+ ai_ 151
258
+ uri 149
259
+ sp 149
260
+ tre 148
261
+ ce_ 148
262
+ st_ 148
263
+ ge 147
264
+ nte 147
265
+ ani 146
266
+ x 146
267
+ _es 146
268
+ nt_ 144
269
+ c_ 143
270
+ eș 143
271
+ ed 142
272
+ _au 142
273
+ mai 140
274
+ _g 140
275
+ tul 140
276
+ et 140
277
+ uc 138
278
+ j 138
279
+ uni 138
280
+ ile 137
281
+ m_ 137
282
+ car 136
283
+ men 134
284
+ eg 134
285
+ se_ 133
286
+ do 132
287
+ str 131
288
+ va 130
289
+ au_ 129
290
+ _po 129
291
+ mo 128
292
+ sta 128
293
+ ita 127
294
+ ar_ 127
295
+ gi 127
296
+ ad 127
297
+ ep 126
298
+ _st 126
299
+ ona 126
300
+ _pa 125
301
+ nd_ 125
302
+ nă 124
303
+ ap 123
304
+ ilo 123
305
+ ni_ 123
306
+ am 122
307
+ nie 122
308
+ ez 122
309
+ rii 121
310
+ _tr 119
311
+ zi 119
312
+ ști 119
313
+ eșt 118
314
+ par 117
315
+ ot 117
316
+ pă 116
317
+ _ar 116
318
+ ție 115
319
+ ion 115
320
+ ră_ 115
321
+ up 111
322
+ _mi 111
323
+ era 111
324
+ rat 110
325
+ ra_ 110
326
+ tru 110
327
+ cl 110
328
+ _o_ 109
329
+ mat 109
330
+ nal 109
331
+ rin 108
332
+ pe_ 108
333
+ _nu 108
334
+ ost 107
335
+ ță 107
336
+ us 107
337
+ un_ 107
338
+ mb 105
339
+ ir 105
340
+ ere 104
341
+ cur 104
342
+ nă_ 104
343
+ tiv 104
344
+ ini 104
345
+ să 103
346
+ tic 103
347
+ iz 103
348
+ ări 103
349
+ _fi 103
350
+ bu 102
351
+ por 102
352
+ _mo 102
353
+ num 102
354
+ rma 102
355
+ cr 101
356
+ lă 100
357
+ ch 100
358
+ itu 100
359
+ ga 99
360
+ hi 99
361
+ mar 99
362
+ art 99
363
+ for 99
364
+ ene 99
365
+ za 99
366
+ rit 99
367
+ ică 99
368
+ ace 97
369
+ fe 97
370
+ bi 97
371
+ ice 97
372
+ pi 96
373
+ ici 96
374
+ pro 96
375
+ mul 95
376
+ ati 95
377
+ lit 94
378
+ ba 94
379
+ ort 94
380
+ ito 94
381
+ ud 94
382
+ ind 94
383
+ ine 94
384
+ rn 94
385
+ fos 93
386
+ ții 93
387
+ _an 92
388
+ nea 92
389
+ tar 92
390
+ reș 92
391
+ loc 92
392
+ mă 92
393
+ „ 91
394
+ ”_ 91
395
+ _„ 91
396
+ _lo 91
397
+ ” 91
398
+ sti 90
399
+ _li 90
400
+ ăt 89