word_id int64 1 220k | pali_word stringlengths 1 53 |
|---|---|
1 | แ |
2 | แแ |
3 | แแแ
|
4 | แแแ
แแฑแฌแแญ |
5 | แแแ
แแแนแ |
6 | แแแ
แแแนแแแแญ |
7 | แแแ
แแแนแแแแนแแญ |
8 | แแแ
แแแนแแแแญแ |
9 | แแแ
แฐแแ |
10 | แแแ
แฐแแแแญแแญ |
11 | แแแ
แฐแแแแฏแแนแ |
12 | แแแ
แฐแแแฉแแซแ |
13 | แแแ
แฐแแแฌ |
14 | แแแ
แฐแแแฑแฌแแซแ |
15 | แแแ
แฑแฌ |
16 | แแแ
แฑแฌแแแนแแ |
17 | แแแ
แฑแฌแแแนแแ |
18 | แแแ
แฑแฌแแแฌ |
19 | แแแแนแ |
20 | แแแแนแแ |
21 | แแแแนแแแแฌแแ |
22 | แแแแนแแแแญแแญแแนแ |
23 | แแแแนแแแแแ |
24 | แแแแนแแแแฐแ |
25 | แแแแนแแแแแนแ |
26 | แแแแนแแแแฑแ |
27 | แแแแนแแแฑแฌ |
28 | แแแแญ |
29 | แแแ |
30 | แแแแแแฏแ |
31 | แแแฌแ |
32 | แแแฌแแแนแ |
33 | แแแฌแแฌแแ |
34 | แแแญ |
35 | แแแฏ |
36 | แแแฏแ |
37 | แแแฏแแแซแ |
38 | แแแฏแแฑแฌ |
39 | แแแฏแแแแนแ |
40 | แแแฏแแแแนแ |
41 | แแแฏแแนแแ |
42 | แแแฏแ |
43 | แแแฏแ |
44 | แแแฏแแแ |
45 | แแแฏแแแแแฏแแนแแฌ |
46 | แแแฏแแแแนแ |
47 | แแแฏแแแฏแแนแ |
48 | แแแฏแแแแนแ |
49 | แแแฏแแแฑแฌแแนแ |
50 | แแแฏแแฌ |
51 | แแแฏแแฑแฌ |
52 | แแแฏแ |
53 | แแแฏแแแนแ |
54 | แแแฏแแแนแแฑแฌ |
55 | แแแนแ |
56 | แแแนแแ |
57 | แแแนแแแ |
58 | แแแนแแแแแฌแแ |
59 | แแแนแแแแแ |
60 | แแแนแแแแแญแแนแ |
61 | แแแนแแแแแแนแ |
62 | แแแนแแแแแ |
63 | แแแนแแแแแแแซแ |
64 | แแแนแแแแแแแซแแแแญแแฌแ |
65 | แแแนแแแแแแแแนแ |
66 | แแแนแแแแแแแฑแฌแแ |
67 | แแแนแแแแแญแแนแแแแฐแ |
68 | แแแนแแแแฑแฌ |
69 | แแแนแแแแนแแญ |
70 | แแแนแแแ
แนแแญ |
71 | แแแนแแแแ |
72 | แแแนแแแฎ |
73 | แแแนแแแ |
74 | แแแนแแแแแนแ |
75 | แแแนแแแนแแฐ |
76 | แแแนแแแนแแฏ |
77 | แแแนแแแนแแฐ |
78 | แแแนแแ |
79 | แแแนแแแแฌ |
80 | แแแนแแแแแนแ |
81 | แแแนแแแญแ |
82 | แแแนแแแฎ |
83 | แแแนแแแฏ |
84 | แแแนแแแฑแแฏ |
85 | แแแนแแ |
86 | แแแนแแแแฑแฌแ |
87 | แแแนแแแฏแแนแแแนแ |
88 | แแแนแแแฑแฌ |
89 | แแแนแแ แญ |
90 | แแแนแแฌแแญแ |
91 | แแแนแแฌแแญแแฌ |
92 | แแแนแแฌแแฎ |
93 | แแแนแแฌแแฏ |
94 | แแแนแแฌแแฏแ |
95 | แแแนแแฌแแฏแแฌแ |
96 | แแแนแแฌแแฏแแฌแแ |
97 | แแแนแแฌแแฏแแฏแแนแ |
98 | แแแนแแฌแแฏแแฏแแนแแแฐแแ |
99 | แแแนแแฌแแฏแแฏแแนแแแฐแแแแนแแฑแ |
100 | แแแนแแฌแแฏแแฏแแนแแญแ |
End of preview. Expand in Data Studio
Pali Words in Myanmar Script (Master Index)
This dataset is a master index of 220,252 unique Pali words written in Myanmar (Burmese) Unicode script, intended for reuse across linguistic, religious, and computational workflows.
Data Fields
Each record contains:
word_id: A stable, sequential integer identifier.pali_word: A Pali lexical item rendered in Myanmar Unicode script.
Data Processing Methodology
The dataset was constructed using the following steps:
- Lexical Extraction: Isolating Pali headwords from raw dictionary HTML.
- Deduplication: Removing repeated headwords appearing across multiple dictionary volumes.
- Script Normalization: Fixing Myanmar-script artifacts, including erroneous leading tone marks (e.g., incorrect leading
แท). - Alphabetical Sorting: Ordering entries according to Myanmar/Pali lexicographic conventions.
- Index Stabilization: Assigning persistent identifiers (
word_id) to support future linked datasets.
Intended Use Cases
- Buddhist Digital Studies: Lexical indexing and vocabulary analysis of Tipitaka texts.
- Natural Language Processing: Tokenizer training, normalization, spell-checking, and lexicon-based language models.
- OCR Post-Processing: Dictionary-based correction, validation, and normalization of OCR outputs from scanned PaliโMyanmar texts.
- Digital Humanities: Construction of interoperable dictionaries and language tools.
License
This dataset is released under the CC0 1.0 Universal (Public Domain Dedication), permitting unrestricted use, modification, and redistribution.
- Downloads last month
- 29