polystring 0.1.0__py3-none-any.whl

polystring/lexicons/italian.py

@@ -0,0 +1,113 @@
+ITALIAN: set[str] = {
+    # Pronouns — subject
+    "io", "lui", "lei", "noi", "voi", "loro",
+    # "tu" omitted: in CONFLICT_WORDS
+    # Pronouns — clitic / possessive
+    "mio", "mia", "miei", "mie",
+    "tuo", "tua", "tuoi", "tue",
+    "suo", "suoi",
+    # "sua" "suo" omitted from CONFLICT_WORDS — but "suo" kept as PT/IT conflict
+    # "mi" "la" "le" "lo" "li" "tu" "me" "te" omitted: in CONFLICT_WORDS
+    "nostro", "nostra", "nostri", "nostre",
+    "vostro", "vostra", "vostri", "vostre",
+    "gli",
+
+    # Articles — definite
+    "il", "dello", "della", "degli", "delle",
+    # Articles — indefinite
+    "uno", "una", "degli",
+    # Contracted
+    "del", "dei", "dal", "dai", "sul", "sui",
+    "nel", "nei", "col", "coi",
+    # "de" "la" "le" "un" "al" "con" omitted: in CONFLICT_WORDS
+
+    # Demonstratives
+    "questo", "questa", "questi", "queste",
+    "quello", "quella", "quelli", "quelle",
+
+    # Prepositions
+    "senza", "tra", "fra", "verso",
+    "durante", "secondo", "fino",
+    "dopo", "prima", "presso",
+    # "con" "da" omitted: in CONFLICT_WORDS
+
+    # Conjunctions
+    "però", "pero", "eppure", "anzi",
+    "perché", "perche", "poiché", "poiche",
+    "mentre", "sebbene", "benché",
+    "quando", "dove", "anche",
+    "oppure",
+    # "ma" "come" "si" omitted: in CONFLICT_WORDS
+
+    # Adverbs
+    "molto", "bene", "qui", "qua",
+    "adesso", "prima", "dopo",
+    "sempre", "mai", "spesso", "ancora",
+    "anche", "solo", "solamente",
+    "quasi", "forse", "così", "cosi",
+    "tanto", "poco", "abbastanza",
+    # "già" "gia" "so" "ora" "bene" "do" omitted: in CONFLICT_WORDS
+
+    # Interrogatives
+    "chi", "quale", "quali",
+    "quanto", "quanta", "quando", "dove",
+    # "che" "come" omitted: in CONFLICT_WORDS
+
+    # High-frequency verbs — essere / avere / stare / fare
+    "sono", "sei", "siamo", "siete",
+    "era", "erano",
+    "ho", "hai", "abbiamo", "avete", "hanno",
+    "aveva", "avevano", "avrei",
+    "sto", "stai", "stiamo", "state", "stanno",
+    "facendo", "faccio", "fai", "facciamo",
+    "fatto", "fece",
+    # andare / venire
+    "vado", "vai", "andiamo", "andate", "vanno",
+    "vengo", "vieni", "veniamo", "venite",
+    "andato", "andare",
+    # potere / volere / sapere / dovere
+    "posso", "puoi", "puo", "possiamo", "potete", "possono",
+    "voglio", "vuoi", "vuole", "vogliamo", "volete", "vogliono",
+    "sai", "sa", "sappiamo", "sapete", "sanno",
+    "devo", "devi", "deve", "dobbiamo", "dovete", "devono",
+    # dire / vedere / dare
+    "dico", "dici", "dice", "diciamo",
+    "disse", "dicevo",
+    "vedo", "vedi", "vede", "vediamo",
+    "diamo", "danno",
+    # other common
+    "credo", "credi", "crede",
+    "penso", "pensi", "pensa",
+    "capisco", "capisce",
+
+    # Nouns — high-frequency
+    "cosa", "cose", "giorno", "giorni", "volta", "volte",
+    "gente", "vita", "tempo", "ora", "ore",
+    "uomo", "donna", "bambino", "bambini",
+    "famiglia", "casa", "paese", "lavoro",
+    "problema", "anno", "anni",
+    "amico", "amici", "parte", "mondo",
+    "settimana", "mese",
+
+    # Adjectives
+    "grande", "grandi", "piccolo", "piccola",
+    "buono", "buona", "buoni", "buone",
+    "cattivo", "cattiva",
+    "nuovo", "nuova", "nuovi", "nuove",
+    "stesso", "stessa", "stessi", "stesse",
+    "altro", "altra", "altri", "altre",
+    "tutto", "tutta", "tutti", "tutte",
+    "bello", "bella", "belli", "belle",
+
+    # Greetings / social
+    "ciao", "arrivederci", "grazie", "prego",
+    "scusa", "scusi", "buongiorno", "buonasera",
+    "buonanotte", "salve",
+
+    # Discourse / fillers
+    "allora", "quindi", "comunque", "insomma",
+    "davvero", "ovviamente", "certo", "esatto",
+    "dai", "figurati",
+    "ecco", "appunto", "magari",
+    # "vabbè" "bene" "come" "ma" "da" "do" "so" "ora" "qui" omitted: in CONFLICT_WORDS
+}

polystring/lexicons/portuguese.py

@@ -0,0 +1,117 @@
+PORTUGUESE: set[str] = {
+    # Pronouns — subject
+    "eu", "voce", "ele", "ela", "eles", "elas",
+    # "nos" omitted: in CONFLICT_WORDS (FR/PT 2-lexicon overlap)
+    "vos",
+    # Pronouns — object / clitic
+    "lhe", "lhes",
+    "mim", "ti",
+    # "me" "te" "nos" omitted: in CONFLICT_WORDS (multi-language overlap)
+
+    # Articles — definite
+    "os", "as",
+    # "de" "do" "dos" "da" omitted: in CONFLICT_WORDS
+    "das", "ao", "aos", "pelo", "pela",
+    "pelos", "pelas", "num", "numa", "nuns", "numas",
+    "nele", "nela", "neles", "nelas", "nisto", "nisso",
+    # "un" "la" "le" "les" omitted: in CONFLICT_WORDS
+
+    # Demonstratives
+    # "este" "esta" omitted: in CONFLICT_WORDS
+    "estes", "estas",
+    "esse", "essa", "esses", "essas",
+    "aquele", "aquela", "aqueles", "aquelas",
+    "isto", "isso", "aquilo",
+
+    # Possessives
+    "meu", "minha", "meus", "minhas",
+    "teu", "tua", "teus", "tuas",
+    "seu", "seus",
+    # "sua" omitted: in CONFLICT_WORDS (IT overlap)
+    "nosso", "nossa", "nossos", "nossas",
+
+    # Prepositions
+    "com", "sem", "entre", "sob", "sobre", "desde",
+    "durante", "segundo", "ate", "apos",
+    "perante", "mediante",
+    # "por" "de" omitted: in CONFLICT_WORDS
+
+    # Conjunctions
+    "mas", "porem", "todavia", "contudo",
+    "porque", "pois", "quando",
+    "onde", "embora", "ainda",
+    # "como" "que" "si" "ma" omitted: in CONFLICT_WORDS
+
+    # Adverbs
+    "muito", "aqui", "ali",
+    "agora", "antes", "depois", "sempre", "nunca",
+    "tambem", "somente", "apenas",
+    "quase", "talvez", "assim",
+    "tao", "tanto", "quanto",
+    # "ja" "so" "mal" "bem" "ora" "es" omitted: in CONFLICT_WORDS
+
+    # Interrogatives
+    "quem", "qual", "quais",
+    "quanto", "quando", "onde",
+    # "que" "como" omitted: in CONFLICT_WORDS
+
+    # High-frequency verbs — ser / estar / ter / haver
+    "sou", "somos", "sao",
+    "estou", "estamos", "estao",
+    "tenho", "tens", "temos", "tem",
+    "tinha", "teve",
+    "havia", "houve",
+    # "ha" "es" omitted: in CONFLICT_WORDS
+    # ir / vir
+    "vou", "vai", "vamos", "vao",
+    "venho", "vens", "vem", "vimos",
+    "fui", "foi", "fomos", "foram",
+    # poder / querer / saber / fazer
+    "posso", "podes", "pode", "podemos", "podem",
+    "quero", "queres", "quer", "queremos", "querem",
+    "sei", "sabe", "sabemos", "sabem",
+    "faco", "faz", "fazemos", "fazem",
+    "fez", "fiz",
+    # dizer / ver / dar
+    "digo", "diz", "dizemos", "dizem",
+    "disse", "dizia",
+    "vejo", "vemos", "veem",
+    "dou", "damos", "dao",
+    # other common
+    "acho", "acha", "achamos",
+    "penso", "pensa", "pensamos",
+    "preciso", "precisa",
+    "gosto", "gosta",
+
+    # Nouns — high-frequency
+    "coisa", "coisas", "dia", "dias", "vez",
+    "gente", "vida", "tempo", "hora", "horas",
+    "homem", "mulher", "crianca", "criancas",
+    "familia", "casa", "pais", "trabalho",
+    "problema", "pergunta", "ano", "anos",
+    "amigo", "amigos", "parte", "mundo",
+    "semana", "mes",
+
+    # Adjectives
+    "grande", "grandes", "pequeno", "pequena",
+    "bom", "boa", "bons", "boas",
+    "mau", "maus",
+    "novo", "nova", "novos", "novas",
+    "mesmo", "mesma", "mesmos", "mesmas",
+    "outro", "outra", "outros", "outras",
+    "todo", "toda", "todos", "todas",
+    "muito", "muita", "muitos", "muitas",
+    "pouco", "pouca", "poucos", "poucas",
+    # "ma" omitted: in CONFLICT_WORDS
+
+    # Greetings / social
+    "ola", "obrigado", "obrigada",
+    "desculpe", "perdao", "favor",
+    "tchau", "boas", "boa", "oi",
+
+    # Discourse / fillers
+    "entao", "pois", "bom", "claro",
+    "verdade", "certo", "enfim",
+    "veja", "olha", "cara", "mano",
+    # "ora" "dos" "do" "da" "es" "ma" "si" "so" omitted: in CONFLICT_WORDS
+}

polystring/lexicons/roman_urdu.py

@@ -0,0 +1,130 @@
+ROMAN_URDU: set[str] = {
+    # Copulas & auxiliaries
+    "hai", "hain", "tha", "thi", "the", "hy",
+    "hona", "hoon", "hoga", "hogi", "honge",
+    # "ho" omitted: overlaps Tagalog lexicon
+    "hua", "hui", "hue",
+
+    # Negation
+    "nahi", "nhi", "nahin", "naheen", "nai", "mat",
+    # "na" omitted: in CONFLICT_WORDS
+
+    # Question words
+    "kya", "kia", "keeya", "kyun", "kyunke", "kyunki",
+    "kahan", "kab", "kaun", "kitna", "kitni", "kitne",
+    "kaisa", "kaisi", "kaise",
+
+    # Conjunctions
+    "aur", "aor", "lekin", "lkn", "magar", "phir", "phr",
+    "bhi", "bi", "toh", "tou", "ab", "abhi", "agar", "jab", "tab",
+    "jabke", "jaise", "taake", "warna", "balke", "halanke",
+
+    # Pronouns
+    "main", "mein", "mai", "hum", "ham", "tum", "ap", "aap",
+    "woh", "wo", "unn", "unka", "unki", "unke",
+    "mera", "meri", "mere", "tera", "teri", "tere",
+    "uska", "uski", "uske", "humara", "humari", "humare",
+    "tumhara", "tumhari", "tumhare", "apna", "apni", "apne",
+    "mujhe", "tujhe", "usse", "hume", "humko", "tumhe", "tumko",
+    "inhe", "unhe", "yeh", "inn", "unhone",
+    "humein", "mujhko",
+
+    # Demonstratives
+    "yahan", "vahan", "wahan", "idhar", "udhar",
+    "iss", "uss", "is", "us",
+    # "un" omitted: overlaps French lexicon
+    # "in" omitted: in CONFLICT_WORDS
+
+    # Common verbs (infinitive & conjugated forms)
+    "karo", "karna", "karta", "karti", "karte", "kiya", "kar",
+    # "ki" omitted: overlaps Turkish lexicon
+    "raha", "rahi", "rahe", "rehna", "rehta", "rehti", "rehte",
+    "aana", "aata", "aati", "aate", "aaya", "aayi", "aaye", "aa",
+    "jaana", "jaata", "jaati", "jaate", "gaya", "gayi", "gaye", "jao",
+    "lena", "leta", "leti", "lete", "liya", "liye",
+    # "le" omitted: overlaps French lexicon
+    "dena", "deta", "deti", "dete", "diya", "diye",
+    # "do" omitted: in CONFLICT_WORDS (EN + PT overlap)
+    # "de" omitted: in CONFLICT_WORDS (FR/ES/PT/IT preposition overlap)
+    "bolna", "bolta", "bolti", "bolte", "bola", "boli", "bolo",
+    "sunna", "sunta", "sunti", "sunte", "suna", "suni", "suno",
+    "dekhna", "dekhta", "dekhti", "dekhte", "dekha", "dekhi", "dekho",
+    "padhna", "padhta", "padhti", "padhte", "padha", "padhi", "padho",
+    "likhna", "likhta", "likhti", "likhte", "likha", "likhi",
+    "khana", "khaana", "khata", "khati", "khate", "khaya", "khayi",
+    "peena", "peeta", "peeti", "peete", "piya", "piyi",
+    "sona", "sota", "soti", "sote", "soya", "soyi",
+    "uthna", "uthta", "uthti", "uthte", "utha", "uthi", "utho",
+    "baithna", "baitha", "baithi", "baitho",
+    "chalna", "chalta", "chalti", "chalte", "chala", "chali", "chalo",
+    "daurna", "daurta", "daurti", "daurte",
+    "hasna", "hasta", "hasti", "haste", "hansa", "hansi",
+    "rona", "rota", "roti", "rote", "roya", "royi",
+    "samajh", "samjha", "samjhi", "samjho", "samajhna",
+    "poochna", "poocha", "poocho",
+    "batana", "batao", "bata", "bataya",
+    "milna", "milta", "milti", "milte", "mila", "mili",
+    "banana", "banata", "banati", "banate", "bana", "bani",
+    "todna", "toda", "todi",
+    "chhodna", "chhoda", "chhodi", "chhodo",
+    "pakadna", "pakda", "pakdo",
+    "chalana", "chalao",
+    "bhoolna", "bhoola", "bhooli",
+    "yaad", "yaadein",
+
+    # Nouns — people & relationships
+    "yaar", "yar", "bhai", "bhaiya", "behan", "amma", "ammi", "abba",
+    "abbu", "dost", "ladki", "ladka", "aurat", "mard", "bachcha",
+    "bacche", "bacchi", "beta", "beti", "baap", "maa", "dada", "dadi",
+    "nana", "nani", "chacha", "chachi", "mama", "mami", "phupho",
+    "insaan",
+    # "log" omitted: in CONFLICT_WORDS
+
+    # Nouns — time
+    "aaj", "aj", "kal", "parso", "raat", "subah", "subha", "dopahar",
+    "shaam", "waqt", "wakt", "hafte", "mahina", "saal",
+    "zamana", "daur", "abhi", "pehle", "baad",
+    # "din" omitted: in CONFLICT_WORDS
+
+    # Nouns — place & direction
+    "ghar", "daftar", "school", "jagah", "taraf", "darmiyan",
+    "upar", "neeche", "andar", "paas", "door", "seedha", "ulta",
+    "aage", "peeche", "daayen", "baayen",
+
+    # Nouns — everyday life
+    "kaam", "khatam", "cheez", "cheezon", "paise", "paisa", "khaana",
+    "pani", "paani", "mausam", "baarish", "dhoop", "roshni",
+    "awaaz", "baat", "baatein", "khabar", "khwaab", "sapna", "sapne",
+    "umeed", "dua", "rishta", "maafi", "shukr", "tauba",
+    "namaaz", "ibadat", "deen",
+
+    # Nouns — emotions & states
+    "dil", "pyaar", "mohabbat", "ishq", "nafrat", "khushi", "gham",
+    "dard", "takleef", "aaraam", "neend", "thakan", "zindagi",
+    "mushkil", "mushkilat", "mushkilein", "azaadi", "duniya",
+
+    # Adjectives
+    "acha", "accha", "thik", "theek", "bura", "sahi", "galat",
+    "naya", "purana", "bara", "bada", "chota", "tez", "dheere",
+    "garam", "thanda", "mehngi", "sasta", "mushkil", "aasaan",
+    "thaka", "thaki", "akela", "akeli", "khush", "udaas",
+    "majbooran", "zaroor", "zarur",
+
+    # Adverbs & particles
+    "bahut", "bohat", "bohot", "zyada", "ziada", "thoda", "thora",
+    "kuch", "sab", "bilkul", "matlab", "ekdum", "haan",
+    "han", "haa", "jaldi", "dheere", "phirse", "dobara",
+    "sirf", "bas", "hi", "bhi",
+
+    # Postpositions
+    "mein", "pe", "ke", "tak", "liye", "saath", "bina", "jaise", "jaisa",
+    # "ko" "ka" omitted: in CONFLICT_WORDS
+    # "ki" omitted: overlaps Turkish lexicon
+    # "par" "un" "le" omitted: overlap French lexicon
+
+    # Hinglish social / filler words
+    "arey", "arre", "oye", "arrey",
+    "wali", "wale",
+    # "wala" omitted: overlaps Tagalog lexicon
+    # "ho" omitted: overlaps Tagalog lexicon
+}

polystring/lexicons/spanish.py

@@ -0,0 +1,111 @@
+SPANISH: set[str] = {
+    # Pronouns — subject
+    "yo", "usted", "nosotros", "nosotras",
+    "vosotros", "vosotras", "ustedes", "ellos", "ellas",
+    # "tu" omitted: in CONFLICT_WORDS
+    # Pronouns — object / reflexive
+    # "me" "te" "se" "nos" omitted: in CONFLICT_WORDS
+    "lo", "los", "li",
+
+    # Articles
+    # "la" "le" "les" "un" "el" omitted: in CONFLICT_WORDS
+    "unas", "unos",
+
+    # Demonstratives
+    # "este" "esta" "ese" "esa" omitted: in CONFLICT_WORDS
+    "estos", "estas", "esos", "esas",
+    "aquel", "aquella", "aquellos", "aquellas",
+    "esto", "eso", "aquello",
+
+    # Possessives
+    # "mi" "su" "tu" omitted: in CONFLICT_WORDS
+    "mis", "tus", "sus",
+    "nuestro", "nuestra", "nuestros", "nuestras",
+    "vuestro", "vuestra", "vuestros", "vuestras",
+    "mio", "mia", "mios", "mias",
+    "tuyo", "tuya", "tuyos", "tuyas",
+
+    # Prepositions
+    # "con" "por" omitted: in CONFLICT_WORDS
+    "sin", "bajo", "entre", "hacia", "hasta",
+    "desde", "durante", "mediante", "segun",
+    "ante", "tras",
+    # "de" omitted: in CONFLICT_WORDS
+
+    # Conjunctions
+    "pero", "sino", "aunque", "mientras",
+    "porque", "pues", "cuando",
+    "donde", "ademas", "tampoco",
+    # "como" "que" omitted: in CONFLICT_WORDS
+
+    # Adverbs
+    "muy", "aqui", "ahi", "alla",
+    "ahora", "antes", "despues", "siempre", "nunca",
+    "todavia", "tambien",
+    "casi", "solo", "solamente", "quizas", "acaso",
+    "asi", "tan", "tanto", "cuanto",
+    # "ya" "bien" "mal" omitted: in CONFLICT_WORDS
+
+    # Interrogatives
+    "quien", "quienes", "cual", "cuales",
+    "cuanto", "cuanta", "donde", "cuando",
+    # "que" "como" "por" omitted: in CONFLICT_WORDS
+
+    # High-frequency verbs — ser / estar / haber / tener
+    "soy", "eres", "somos", "sois",
+    "estoy", "estamos", "estais", "estan",
+    "hay", "hubo", "habia",
+    "tengo", "tienes", "tenemos", "teneis", "tienen",
+    "tenia", "tuvo", "tuve",
+    # ir / venir
+    "voy", "vas", "vamos", "vais", "van",
+    "vengo", "vienes", "venimos", "vienen",
+    "fui", "fue", "fueron",
+    # poder / querer / saber / hacer
+    "puedo", "puedes", "puede", "podemos", "pueden",
+    "quiero", "quieres", "quiere", "queremos", "quieren",
+    "queria", "quiso",
+    "sabe", "sabemos", "saben",
+    "hago", "haces", "hace", "hacemos", "hacen",
+    "hizo", "hice",
+    # decir / ver / dar
+    "digo", "dices", "dice", "decimos", "dicen",
+    "dijo", "dije",
+    "veo", "ves", "vemos", "ven",
+    "doy", "das", "damos", "dan",
+    # other common
+    "creo", "crees", "cree", "creemos",
+    "pienso", "piensas", "piensa",
+    "necesito", "necesitas", "necesita",
+    "gustaria", "gusta", "gusto",
+
+    # Nouns — high-frequency
+    "cosa", "cosas", "dia", "dias", "vez", "veces",
+    "gente", "vida", "tiempo", "hora", "horas",
+    "hombre", "mujer", "nino", "ninos",
+    "familia", "casa", "pais", "trabajo",
+    "problema", "pregunta", "ano", "anos",
+    "amigo", "amigos", "parte", "mundo",
+    "semana", "mes",
+
+    # Adjectives — common
+    "grande", "grandes", "pequeno", "pequena",
+    "bueno", "buena", "buenos", "buenas",
+    "malo", "mala", "malos", "malas",
+    "nuevo", "nueva", "nuevos", "nuevas",
+    "mismo", "misma",
+    "otro", "otra", "otros", "otras",
+    "todo", "toda", "todos", "todas",
+    "mucho", "mucha", "muchos", "muchas",
+    "poco", "poca", "pocos", "pocas",
+
+    # Greetings / social
+    "hola", "adios", "gracias", "favor",
+    "perdon", "disculpe", "bienvenido",
+
+    # Discourse / fillers
+    "pues", "bueno", "claro", "entonces",
+    "verdad", "vale", "oye", "mira", "vaya",
+    "oiga", "venga",
+    # "bien" "mal" "no" "al" "es" "el" "la" omitted: in CONFLICT_WORDS
+}

polystring/lexicons/swahili.py

@@ -0,0 +1,89 @@
+SWAHILI: set[str] = {
+    # Core function words / agreement markers
+    "wa", "kwa", "za",
+    # "la" omitted: in CONFLICT_WORDS (FR/SW 2-lexicon overlap)
+    # "ya" omitted: in CONFLICT_WORDS (ES/UR/TR overlap)
+    # "na" omitted: in CONFLICT_WORDS (TL/UR/DE overlap)
+    # "ni" omitted: in CONFLICT_WORDS (IT/TL/Slavic overlap)
+    "katika", "kuwa",
+
+    # Demonstratives
+    "hii", "hizi", "hiyo", "hayo", "hao",
+    "ile", "zile", "lile", "yule", "wale",
+    "hapa", "huko", "hapo", "pale",
+
+    # Pronouns
+    "mimi", "wewe", "yeye", "sisi", "nyinyi", "wao",
+    "mimi", "mwenyewe", "wenyewe",
+    "yangu", "yako", "yake", "yetu", "yenu", "yao",
+    "wangu", "wako", "wake", "wetu", "wenu", "wao",
+
+    # Interrogatives
+    "nini", "wapi", "lini", "jinsi", "kwa", "vipi", "ngapi",
+
+    # Conjunctions
+    "kama", "lakini", "ingawa", "ijapokuwa", "au",
+    "pia", "ama", "bali", "wala",
+
+    # Prepositions / postpositions
+    "kabla", "baada", "juu", "chini", "mbele", "nyuma",
+    "ndani", "nje", "karibu", "mbali", "pamoja",
+
+    # Adverbs / time
+    "sasa", "leo", "kesho", "jana", "juzi", "kesho",
+    "bado", "tayari", "pia", "zaidi", "kidogo",
+    "sana", "haraka", "polepole", "mara", "kila",
+    "daima", "wakati",
+
+    # Affirmation / negation
+    "ndiyo", "ndio", "hapana", "sivyo",
+    # "la" omitted: in CONFLICT_WORDS (FR/SW 2-lexicon overlap)
+    "kweli", "kweli",
+
+    # Subject / object prefixes (appear as standalone tokens in informal text)
+    "ninataka", "unataka", "anataka", "tunataka", "mnataka", "wanataka",
+    "ninajua", "unajua", "anajua", "hatujui",
+    "ninaenda", "unaenda", "anaenda", "tunaenda",
+    "ninapenda", "unapenda", "anapenda",
+    "nilisema", "alisema", "walisema",
+    "ninafanya", "unafanya", "anafanya",
+    "nilikuwa", "ulikuwa", "alikuwa", "tulikuwa",
+    "nitakwenda", "utakwenda", "atakwenda",
+    "ninaweza", "unaweza", "anaweza",
+
+    # Common infinitives / verb stems
+    "kusema", "kwenda", "kuja", "kuona", "kusikia",
+    "kupenda", "kufanya", "kupata", "kutaka", "kujua",
+    "kusaidia", "kulala", "kula", "kunywa", "kucheza",
+    "kusoma", "kuandika", "kufungua", "kufunga",
+    "kuweza", "kulazimika",
+
+    # Nouns — people & social
+    "mtu", "watu", "mtoto", "watoto", "mwanaume", "mwanamke",
+    "familia", "ndugu", "kaka", "dada", "mama", "baba",
+    "mwalimu", "daktari", "askari", "dereva",
+    "marafiki", "adui",
+
+    # Nouns — time / abstract
+    "siku", "wiki", "mwezi", "mwaka", "usiku", "asubuhi",
+    "mchana", "jioni", "dakika", "saa",
+
+    # Nouns — everyday
+    "nyumba", "mji", "nchi", "barabara", "shule", "hospitali",
+    "chakula", "maji", "fedha", "pesa", "kazi", "biashara",
+    "habari", "jambo", "shida", "tatizo", "jibu",
+
+    # Adjectives
+    "nzuri", "mbaya", "kubwa", "ndogo", "mzuri",
+    "mpya", "wa", "mrefu", "mfupi", "mzee",
+
+    # Greetings / social
+    "asante", "habari", "jambo", "karibu", "rafiki",
+    "pamoja", "tafadhali", "samahani", "hongera",
+    "kwaheri", "hujambo", "sijambo", "mambo",
+    "salama", "poa", "safi",
+
+    # Discourse / fillers
+    "lakini", "basi", "sawa", "haya", "naam",
+    "yaani", "kwa", "hivyo", "hata",
+}