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
+ _ 14836
2
+ e 4518
3
+ r 3830
4
+ a 3718
5
+ n 3511
6
+ t 3375
7
+ s 2753
8
+ i 2535
9
+ l 2157
10
+ d 1968
11
+ o 1722
12
+ g 1380
13
+ k 1247
14
+ m 1226
15
+ r_ 1189
16
+ v 1185
17
+ er 1068
18
+ _s 1017
19
+ t_ 990
20
+ en 984
21
+ n_ 975
22
+ de 967
23
+ a_ 772
24
+ f 769
25
+ ä 764
26
+ e_ 717
27
+ h 706
28
+ u 696
29
+ p 675
30
+ ar 657
31
+ en_ 634
32
+ an 628
33
+ st 581
34
+ c 562
35
+ å 556
36
+ nd 533
37
+ ö 533
38
+ et 530
39
+ in 528
40
+ _i 526
41
+ _a 499
42
+ ra 492
43
+ ri 489
44
+ _d 463
45
+ ti 455
46
+ er_ 452
47
+ _f 451
48
+ _o 442
49
+ ge 441
50
+ te 438
51
+ s_ 413
52
+ _e 409
53
+ ta 407
54
+ ig 407
55
+ b 403
56
+ oc 403
57
+ _m 401
58
+ ll 385
59
+ ve 367
60
+ _t 365
61
+ re 358
62
+ om 348
63
+ la 347
64
+ i_ 344
65
+ _de 339
66
+ at 335
67
+ na 333
68
+ _oc 318
69
+ et_ 316
70
+ ar_ 312
71
+ sv 311
72
+ al 308
73
+ sk 305
74
+ ch 303
75
+ h_ 300
76
+ ch_ 297
77
+ och 295
78
+ _i_ 293
79
+ de_ 292
80
+ ka 290
81
+ ns 288
82
+ d_ 286
83
+ _p 281
84
+ är 281
85
+ or 279
86
+ tt 279
87
+ _h 278
88
+ and 277
89
+ ng 275
90
+ _v 274
91
+ le 272
92
+ _sv 270
93
+ nde 268
94
+ me 268
95
+ sve 267
96
+ ör 266
97
+ m_ 260
98
+ ver 257
99
+ eri 257
100
+ el 255
101
+ v_ 252
102
+ _b 250
103
+ av 248
104
+ li 244
105
+ on 243
106
+ _k 235
107
+ _l 231
108
+ il 229
109
+ _av 229
110
+ _u 228
111
+ rig 225
112
+ ed 224
113
+ av_ 221
114
+ l_ 220
115
+ ige 219
116
+ y 218
117
+ fö 213
118
+ nt 213
119
+ es 213
120
+ g_ 207
121
+ _in 206
122
+ j 206
123
+ _r 206
124
+ om_ 205
125
+ _me 204
126
+ ad 202
127
+ va 201
128
+ da 198
129
+ _ä 197
130
+ is 193
131
+ för 193
132
+ ha 190
133
+ ga 190
134
+ ter 186
135
+ se 186
136
+ _st 185
137
+ un 180
138
+ _en 179
139
+ _n 177
140
+ ik 176
141
+ so 174
142
+ ing 172
143
+ _ha 171
144
+ ge_ 170
145
+ ne 170
146
+ är_ 169
147
+ den 169
148
+ _fö 166
149
+ der 165
150
+ å_ 164
151
+ _ti 161
152
+ rn 160
153
+ tt_ 160
154
+ sta 156
155
+ tr 155
156
+ ut 153
157
+ io 153
158
+ it 153
159
+ ni 152
160
+ ko 150
161
+ kt 148
162
+ ill 146
163
+ _är 145
164
+ rs 145
165
+ ade 145
166
+ ska 144
167
+ ol 144
168
+ an_ 143
169
+ ra_ 143
170
+ _so 142
171
+ sa 142
172
+ ion 141
173
+ än 140
174
+ ka_ 140
175
+ som 139
176
+ ma 138
177
+ ån 138
178
+ til 136
179
+ ro 136
180
+ det 136
181
+ med 135
182
+ _g 135
183
+ no 133
184
+ lan 132
185
+ ag 131
186
+ ts 131
187
+ ll_ 131
188
+ to 128
189
+ na_ 128
190
+ gen 127
191
+ k_ 127
192
+ era 126
193
+ vi 125
194
+ fr 125
195
+ re_ 125
196
+ be 125
197
+ am 124
198
+ rna 121
199
+ pr 120
200
+ as 119
201
+ har 119
202
+ es_ 118
203
+ ens 117
204
+ var 115
205
+ vä 115
206
+ tal 114
207
+ pe 113
208
+ und 111
209
+ _va 110
210
+ lt 109
211
+ dr 109
212
+ rt 108
213
+ ent 108
214
+ nn 106
215
+ _fr 106
216
+ tio 106
217
+ år 106
218
+ ng_ 105
219
+ att 103
220
+ gs 103
221
+ ke 103
222
+ ed_ 101
223
+ ck 101
224
+ gr 101
225
+ på 100
226
+ del 99
227
+ _på 99
228
+ mi 97
229
+ ell 96
230
+ ta_ 94
231
+ eg 94
232
+ på_ 94
233
+ id 93
234
+ _ut 91
235
+ _re 90
236
+ rå 90
237
+ ör_ 89
238
+ are 89
239
+ rä 89
240
+ ten 88
241
+ ern 88
242
+ lig 88
243
+ ale 88
244
+ nsk 88
245
+ _å 87
246
+ ss 87
247
+ lä 87
248
+ _un 87
249
+ ati 87
250
+ one 87
251
+ em 86
252
+ _an 85
253
+ rd 84
254
+ nin 84
255
+ ns_ 84
256
+ di 84
257
+ ks 83
258
+ _vi 83
259
+ ven 83
260
+ rk 83
261
+ let 82
262
+ år_ 82
263
+ _ta 82
264
+ nte 82
265
+ ru 81
266
+ dra 81
267
+ _be 79
268
+ _se 79
269
+ kr 79
270
+ ce 78
271
+ ett 78
272
+ si 77
273
+ fi 77
274
+ lla 76
275
+ rad 76
276
+ _pr 75
277
+ ld 75
278
+ ot 75
279
+ ur 74
280
+ _år 74
281
+ des 73
282
+ he 73
283
+ ga_ 72
284
+ rin 72
285
+ sam 71
286
+ tra 71
287
+ nd_ 70
288
+ _sa 70
289
+ ner 70
290
+ ler 70
291
+ iga 70
292
+ sto 69
293
+ ste 69
294
+ _ö 69
295
+ isk 69
296
+ po 69
297
+ pp 69
298
+ reg 68
299
+ st_ 68
300
+ tor 68
301
+ rik 67
302
+ _lä 67
303
+ ät 67
304
+ gar 67
305
+ pa 67
306
+ nor 67
307
+ _vä 66
308
+ gt 66
309
+ äl 66
310
+ all 66
311
+ lt_ 65
312
+ nt_ 65
313
+ fo 65
314
+ ndr 65
315
+ ft 65
316
+ ie 65
317
+ af 64
318
+ str 64
319
+ ls 64
320
+ cen 63
321
+ tu 63
322
+ örs 63
323
+ _la 63
324
+ ek 63
325
+ pro 62
326
+ _at 62
327
+ rl 62
328
+ te_ 62
329
+ _sk 62
330
+ _ko 61
331
+ gt_ 61
332
+ per 61
333
+ _om 61
334
+ do 60
335
+ ef 60
336
+ as_ 60
337
+ ger 60
338
+ ån_ 60
339
+ dan 60
340
+ _et 60
341
+ frå 60
342
+ rr 60
343
+ lle 60
344
+ sp 59
345
+ sl 59
346
+ up 59
347
+ fa 59
348
+ _j 59
349
+ rån 59
350
+ ans 58
351
+ nga 58
352
+ lk 58
353
+ x 58
354
+ län 58
355
+ _  58
356
+   58
357
+ _no 58
358
+ iv 57
359
+ nge 57
360
+ at_ 56
361
+ sen 56
362
+ ku 55
363
+ int 55
364
+ gi 55
365
+ tat 55
366
+ la_ 55
367
+ ist 55
368
+ nv 55
369
+ nat 55
370
+ nom 55
371
+ ete 55
372
+ mm 54
373
+ så 54
374
+ tan 54
375
+ upp 54
376
+ lag 53
377
+ mo 53
378
+ lit 53
379
+ änd 53
380
+ ds 53
381
+ nk 53
382
+ ran 52
383
+ iti 52
384
+ ms 52
385
+ äg 51
386
+ min 51
387
+ _ri 51
388
+ yg 50
389
+ ap 50
390
+ ock 50
391
+ het 50
392
+ _mi 50
393
+ jä 50
394
+ eda 50
395
+  _ 49
396
+ oli 49
397
+ fl 49
398
+ _ _ 49
399
+ ak 49
400
+ öv 49
@@ -0,0 +1,400 @@
1
+ _ 6230
2
+ a 3528
3
+ n 2171
4
+ g 1442
5
+ i 1290
6
+ ng 958
7
+ an 887
8
+ g_ 859
9
+ o 855
10
+ s 852
11
+ ng_ 819
12
+ t 782
13
+ a_ 757
14
+ l 734
15
+ p 688
16
+ m 592
17
+ u 521
18
+ _n 521
19
+ ang 509
20
+ k 474
21
+ _a 450
22
+ e 416
23
+ na 415
24
+ y 414
25
+ r 403
26
+ sa 369
27
+ _p 364
28
+ n_ 337
29
+ in 336
30
+ _m 331
31
+ _s 331
32
+ at 313
33
+ ka 295
34
+ la 295
35
+ b 294
36
+ ga 286
37
+ pa 283
38
+ o_ 273
39
+ h 267
40
+ d 264
41
+ al 253
42
+ sa_ 249
43
+ _ng 239
44
+ on 236
45
+ ma 231
46
+ _sa 229
47
+ _na 217
48
+ t_ 197
49
+ _an 197
50
+ pi 194
51
+ an_ 194
52
+ ta 194
53
+ _pa 194
54
+ ag 191
55
+ ay 189
56
+ _k 186
57
+ li 170
58
+ il 159
59
+ as 159
60
+ ga_ 158
61
+ _mg 151
62
+ mga 151
63
+ mg 151
64
+ y_ 148
65
+ _ka 143
66
+ at_ 142
67
+ ul 139
68
+ ti 131
69
+ na_ 130
70
+ ba 129
71
+ _i 129
72
+ ala 127
73
+ s_ 126
74
+ it 125
75
+ is 121
76
+ no 121
77
+ ay_ 121
78
+ _ma 121
79
+ ina 119
80
+ _at 118
81
+ ya 116
82
+ _b 115
83
+ ha 115
84
+ ra 114
85
+ _t 110
86
+ am 110
87
+ un 106
88
+ ar 106
89
+ pin 106
90
+ ong 104
91
+ ah 102
92
+ yo 102
93
+ w 101
94
+ si 100
95
+ ip 97
96
+ on_ 95
97
+ hi 93
98
+ ap 90
99
+ ak 90
100
+ ili 87
101
+ _pi 86
102
+ _d 86
103
+ lo 85
104
+ c 84
105
+ ni 82
106
+ ipi 81
107
+ i_ 80
108
+ ik 80
109
+ pan 80
110
+ lip 80
111
+ _ay 79
112
+ ata 77
113
+ to 76
114
+ st 76
115
+ yon 72
116
+ tu 72
117
+ ing 71
118
+ ama 70
119
+ _h 70
120
+ ula 70
121
+ mi 69
122
+ l_ 69
123
+ gan 68
124
+ re 67
125
+ ri 67
126
+ _ba 67
127
+ ab 67
128
+ as_ 67
129
+ pag 66
130
+ ns 64
131
+ lan 63
132
+ aha 62
133
+ er 62
134
+ ko 62
135
+ san 61
136
+ pu 61
137
+ iy 61
138
+ pil 61
139
+ _e 60
140
+ _r 60
141
+ e_ 59
142
+ di 59
143
+ da 58
144
+ _o 58
145
+ _l 57
146
+ ara 56
147
+ nas 56
148
+ en 56
149
+ no_ 55
150
+ mu 55
151
+ sy 55
152
+ aka 55
153
+ po 54
154
+ ban 54
155
+ d_ 54
156
+ es 53
157
+ la_ 53
158
+ ad 53
159
+ nga 52
160
+ _si 51
161
+ wa 51
162
+ or 50
163
+ ika 49
164
+ ila 49
165
+ aa 48
166
+ yan 48
167
+ aw 48
168
+ lu 48
169
+ ati 47
170
+ al_ 47
171
+ bu 47
172
+ um 46
173
+ ans 46
174
+ ig 45
175
+ te 45
176
+ nd 44
177
+ ro 44
178
+ nsa 44
179
+ op 44
180
+ asa 44
181
+ nt 44
182
+ _is 43
183
+ gk 42
184
+ oo 42
185
+ bi 42
186
+ pul 42
187
+ apa 42
188
+ nan 42
189
+ to_ 41
190
+ han 41
191
+ ino 41
192
+ tan 40
193
+ _re 40
194
+ _ta 40
195
+ kan 40
196
+ ana 40
197
+ kas 40
198
+ kal 39
199
+ ya_ 39
200
+ pam 39
201
+ ito 38
202
+ aga 37
203
+ _o_ 37
204
+ in_ 36
205
+ _g 36
206
+ nag 36
207
+ gu 36
208
+ kat 36
209
+ man 36
210
+ gi 35
211
+ su 35
212
+ ali 35
213
+ isa 34
214
+ _no 34
215
+ _ha 33
216
+ oon 33
217
+ ku 33
218
+ os 33
219
+ awa 33
220
+ aya 32
221
+ syo 32
222
+ _di 32
223
+ ran 32
224
+ aan 32
225
+ _c 32
226
+ f 32
227
+ do 32
228
+ p_ 31
229
+ hal 31
230
+ nak 31
231
+ ulo 31
232
+ gka 31
233
+ ub 31
234
+ _po 30
235
+ tin 30
236
+ wi 30
237
+ im 30
238
+ om 30
239
+ r_ 30
240
+ _u 30
241
+ ung 29
242
+ ol 29
243
+ aba 29
244
+ _w 29
245
+ mah 28
246
+ hiy 28
247
+ gg 28
248
+ ngg 28
249
+ mul 28
250
+ iyo 28
251
+ _mu 28
252
+ tag 28
253
+ ur 28
254
+ iya 28
255
+ _da 28
256
+ noo 27
257
+ it_ 27
258
+ eh 27
259
+ nu 27
260
+ ra_ 27
261
+ ne 27
262
+ ist 27
263
+ ehi 27
264
+ uk 27
265
+ mat 26
266
+ ahi 26
267
+ bo 26
268
+ sta 26
269
+ lo_ 26
270
+ _es 26
271
+ se 26
272
+ nat 26
273
+ mal 25
274
+ ta_ 25
275
+ reh 25
276
+ _it 25
277
+ may 25
278
+ ita 25
279
+ sti 25
280
+ ka_ 25
281
+ de 25
282
+ ny 24
283
+ ag_ 24
284
+ me 24
285
+ ye 24
286
+ so 24
287
+ gga 24
288
+ k_ 24
289
+ ib 23
290
+ ent 23
291
+ ani 23
292
+ hin 23
293
+ v 23
294
+ ki 23
295
+ _la 23
296
+ agk 23
297
+ uma 23
298
+ una 23
299
+ _bi 23
300
+ us 23
301
+ go 22
302
+ _ni 22
303
+ atu 22
304
+ lit 22
305
+ _tu 22
306
+ ut 22
307
+ nah 22
308
+ _su 21
309
+ est 21
310
+ ngu 21
311
+ ek 21
312
+ ca 21
313
+ os_ 21
314
+ _ti 21
315
+ he 21
316
+ tr 21
317
+ min 21
318
+ rin 20
319
+ ad_ 20
320
+ nap 20
321
+ gs 20
322
+ laa 20
323
+ asy 20
324
+ din 20
325
+ mb 20
326
+ lak 20
327
+ ia 19
328
+ yo_ 19
329
+ du 19
330
+ nit 19
331
+ gl 19
332
+ kap 19
333
+ ngk 19
334
+ omi 19
335
+ _mi 19
336
+ et 19
337
+ gd 19
338
+ kon 19
339
+ od 19
340
+ te_ 19
341
+ kar 19
342
+ pat 19
343
+ lat 19
344
+ kab 18
345
+ wan 18
346
+ sya 18
347
+ isy 18
348
+ lin 18
349
+ ry 18
350
+ pop 18
351
+ ao 18
352
+ bin 18
353
+ ir 18
354
+ _bu 18
355
+ ai 18
356
+ gp 18
357
+ em 18
358
+ mo 18
359
+ gr 18
360
+ gal 18
361
+ tul 18
362
+ opu 18
363
+ nom 18
364
+ ro_ 18
365
+ ii 18
366
+ sin 18
367
+ ok 17
368
+ tal 17
369
+ agi 17
370
+ ulu 17
371
+ lal 17
372
+ agp 17
373
+ lay 17
374
+ pe 17
375
+ ags 17
376
+ ob 17
377
+ any 17
378
+ _pu 17
379
+ _wi 17
380
+ lon 17
381
+ wik 17
382
+ ini 17
383
+ ari 17
384
+ ua 17
385
+ gin 16
386
+ buo 16
387
+ law 16
388
+ gay 16
389
+ ic 16
390
+ apu 16
391
+ ayo 16
392
+ le 16
393
+ _ko 16
394
+ alo 16
395
+ up 16
396
+ ind 16
397
+ uo 16
398
+ par 16
399
+ ura 16
400
+ ado 16