Replies: 6 comments 10 replies
-
The words in the second list seem to be two concatenated words, missing the space in between: internacionalactualización --> "internacional actualización" (international update) Some are typos: internacionalzación --> "internacionalización" BTW I thought that maybe you could add the grave and circumflex accents to your list of characters: àèìòù ÀÈÌÒÙ âêîôû ÂÊÎÔÛ While they are not used in spanish, they could appear somewhere like for instance the literal name of a frech person's name, location or movie, like with english. |
Beta Was this translation helpful? Give feedback.
-
Can't think of an easy/fast way to figure out if it is a concatenated word. It is doable, but not fast. I will have to ignore them. Will make some program changes to try to find more plurals, and then see what is fixable and what must be ignored. My list of characters is going to be the "baseline" that any keyboard layout MUST provide if it claims to be "Spanish". On the flip side, all input texts may only contain those characters, so that texts and keyboards are in agreement. Other characters are optional. |
Beta Was this translation helpful? Give feedback.
-
Are these actual words? Here's the top 100 of the others... I'm guessing they are all okay. As you can see the counts are getting low. éste 52797 Thanks, Ian |
Beta Was this translation helpful? Give feedback.
-
As Arno say, we're getting to the point of diminishing returns. I'm down to the "7 counts" in the unknown words, and the Capitalised ones are starting to look a bit suspicious, so will stop with that process. If we can maybe do another 200 regular words, then I will drop the rest of the unknown (and probably rare) words and make final 'cleaner' corpus. Metrics: 100 unknown words: abstenciones 1451 Thanks, Ian |
Beta Was this translation helpful? Give feedback.
-
@iandoug & @Lobo-Feroz -- thank you so much for your persistence and diligence! |
Beta Was this translation helpful? Give feedback.
-
Last batch, thanks. I looked at the Gutenburg code, it pulls all books .. for English, I discarded any that had non-US-ANSI chars. That won't work here. Instead I got a book list which shows language, will parse that then use wget/curl to pull the Spanish ones. interactúan 980 |
Beta Was this translation helpful? Give feedback.
-
Declutter threads.
From "known words" list:
internacional 157568
internacionalice 14
internacionalicemos 4
internacionalicen 6
internacionalidad 107
internacionalismo 291
internacionalista 610
internacionaliza 26
internacionalizaba 2
internacionalización 1898
internacionalizado 63
internacionalizamos 1
internacionalizan 11
internacionalizando 22
internacionalizar 232
internacionalizara 1
internacionalizaran 1
internacionalizaremos 1
internacionalizaron 11
internacionalizará 2
internacionalizaría 1
internacionalizó 42
internacionalmente 3514
From "unknown words" list: Are these (generally) supposed to be one word? Am trying to differentiate between "normal usage" and badly collected/cleaned text.
internacionala 4
internacionalactualización 2
internacionalalex 1
internacionalallan 1
internacionalamente 1
internacionalamerica 1
internacionalamericanaaustraliana 1
internacionalamérica 1
internacionalanimadora 1
internacionalargentina 1
internacionalargentino 1
internacionalarévalo 1
internacionalasdi 2
internacionalasistencia 1
internacionalasí 1
internacionalatentados 1
internacionalatlético 1
internacionalaunque 2
internacionalavisos 1
internacionalavtocomplex 1
internacionalbajo 1
internacionalbarcelona 1
internacionalbueno 1
internacionalcampeonato 1
internacionalcapítulo 1
internacionalcbi 1
internacionalch 1
internacionalchile 2
internacionalchilenos 4
internacionalcolombia 1
internacionalcomo 1
internacionalcon 3
internacionalconsecuencias 1
internacionalconsultor 1
internacionalcontactos 1
internacionalcoritiba 1
internacionalcruz 1
internacionalcti 1
internacionalcuando 1
internacionalcumbre 2
internacionalcuál 1
internacionalcáffaro 1
internacionald 1
internacionaldaniele 1
internacionalde 6
internacionaldeberia 1
internacionaldebido 2
internacionaldeclaran 1
internacionaldefinen 1
internacionaldenunciará 1
internacionaldesde 1
internacionaldetalla 1
internacionaldiario 1
internacionaldivisión 1
internacionaldocentes 1
internacionaldt 1
internacionaldónde 1
internacionale 10
internacionaleden 1
internacionaleei 1
internacionalees 1
internacionalel 17
internacionaleliminatorias 5
internacionalels 1
internacionalemente 4
internacionalemilio 1
internacionalemnte 1
internacionalemtne 1
internacionalen 6
internacionalenfrentar 1
internacionalentrenador 1
internacionalequipo 1
internacionalerp 1
internacionales 57489
internacionalesa 1
internacionalesactualmente 1
internacionalesaguas 1
internacionalesapuntan 1
internacionalesarzobispo 1
internacionalesasi 1
internacionalesatentados 1
internacionalesbank 1
internacionalesbogotá 1
internacionalesbolivia 1
internacionalesbush 1
internacionalescanciller 1
internacionalescarlos 1
internacionalescarrá 1
internacionalescasi 1
internacionalescelebran 1
internacionaleschina 1
internacionaleschávez 1
internacionalesclasificados 1
internacionalescolombianos 1
internacionalescomienza 1
internacionalescondecora 1
internacionalesconfirman 1
internacionalesconflicto 1
internacionalescontinúa 1
internacionalescrucial 1
internacionalescue 1
internacionalesde 2
internacionalesdebates 1
internacionalesdiosdado 1
internacionalesdirección 1
internacionalesdos 1
internacionalesdía 1
internacionaleseconómicos 1
internacionalesecuador 1
internacionaleseditar 1
internacionalesedward 1
internacionaleseeuu 1
internacionalesejército 1
internacionalesel 5
internacionaleseligen 1
internacionalesemilio 1
internacionalesempresa 1
internacionalesen 1
internacionalesentre 1
internacionaleses 1
internacionalesexigirán 1
internacionalesfavor 1
internacionalesfidel 1
internacionalesfin 1
internacionalesforo 1
internacionalesfrancia 1
internacionalesfuerzas 1
internacionalesgobierno 1
internacionaleshija 1
internacionaleshomenajean 1
internacionaleshttpwww 1
internacionalesintensifican 1
internacionalesinter 1
internacionalesinternas 1
internacionalesintervención 1
internacionalesinvita 1
internacionalesjornada 1
internacionalesla 5
internacionaleslas 2
internacionalesldquopero 1
internacionaleslondres 1
internacionalesmaria 1
internacionalesmartes 2
internacionalesmerkel 1
internacionalesmoscu 1
internacionalesnadie 1
internacionalesnorcorea 1
internacionalesobama 1
internacionalesola 1
internacionalesonu 1
internacionalespanama 1
internacionalespara 1
internacionalesparlamento 1
internacionalespor 1
internacionalesportal 1
internacionalespresidente 3
internacionalespresionan 1
internacionalesprimer 2
internacionalesprocurando 1
internacionalesque 1
internacionalesquinta 1
internacionalesrealizan 1
internacionalesreanudaran 1
internacionalesreelección 1
internacionalesretiran 1
internacionalesrodriguezunju 1
internacionaless 1
internacionalessanto 3
internacionalessin 1
internacionalessolo 1
internacionalestambién 1
internacionalesteban 1
internacionalesto 1
internacionalestrella 1
internacionalestrump 1
internacionalestá 1
internacionalesuniversidad 1
internacionalesunsam 1
internacionalesvenezuela 1
internacionalesverifica 1
internacionalesvie 1
internacionalesy 1
internacionales¨ 1
internacionalexige 1
internacionalexigen 1
internacionalfigo 1
internacionalfmi 4
internacionalfue 1
internacionalfundación 1
internacionalgareca 1
internacionalgoles 1
internacionalgran 1
internacionalgremio 1
internacionalguardiola 2
internacionalha 1
internacionalhay 1
internacionalhelicobacter 1
internacionalheynckes 1
internacionalhrw 1
internacionalhttpst 1
internacionalhttpwww 1
internacionali 1
internacionaliación 1
internacionalicardi 1
internacionalidades 89
internacionalifi 1
internacionalimagen 1
internacionalindia 1
internacionalinflación 1
internacionalinicia 1
internacionalinstituto 1
internacionalinteligencia 1
internacionalinternacional 1
internacionalinterpol 1
internacionalinvitado 1
internacionalis 3
internacionalisaac 1
internacionalismohttpwww 1
internacionalistaantiglobalización 1
internacionalistala 1
internacionalistaliga 1
internacionalistasolidaridad 3
internacionalius 1
internacionalivan 2
internacionalizaci 15
internacionalizacin 19
internacionalizacioacuten 1
internacionalizacion 2
internacionalizaciones 1
internacionalizació 1
internacionalizacióncolocandose 1
internacionalizaciónlan 1
internacionalizada 28
internacionalizadas 38
internacionalizador 1
internacionalizadora 1
internacionalizarla 3
internacionalizarlas 1
internacionalizarlo 6
internacionalizarme 3
internacionalizarnos 3
internacionalizarse 64
internacionalizarsey 1
internacionalize 1
internacionalizándose 3
internacionaljefe 1
internacionalk 1
internacionalla 20
internacionallas 3
internacionalle 2
internacionalledecky 1
internacionallejos 1
internacionalleyenda 2
internacionalllegando 1
internacionallo 3
internacionallocal 1
internacionallorenzo 1
internacionallos 1
internacionalluego 1
internacionalmaradona 1
internacionalmarketing 1
internacionalmaría 1
internacionalmayores 1
internacionalmenteacoge 1
internacionalmentede 1
internacionalmentedesde 1
internacionalmenteen 1
internacionalmenteinditex 1
internacionalmenteno 1
internacionalmento 1
internacionalmete 1
internacionalmisión 1
internacionalmourinho 3
internacionalmujer 1
internacionalmundial 1
internacionalmuralista 1
internacionalnacional 1
internacionalneymar 1
internacionalno 1
internacionalnos 1
internacionalobstaculizar 1
internacionaloea 1
internacionalopositores 1
internacionalordóñez 1
internacionalpara 2
internacionalparaliza 1
internacionalpaula 1
internacionalpelé 1
internacionalpermanecidas 1
internacionalpero 1
internacionalpochettino 1
internacionalpopulismo 1
internacionalpor 1
internacionalpreguntas 38
internacionalproblema 1
internacionalpronóstico 1
internacionalpágina 1
internacionalque 4
internacionalqueda 1
internacionalqué 1
internacionalramón 1
internacionalreal 1
internacionalrecibiría 1
internacionalreforzarán 1
internacionalregión 1
internacionalren 1
internacionalreporteros 1
internacionalreunión 1
internacionalribéry 1
internacionalriverboca 1
internacionalrueda 1
internacionalrumbo 13
internacionalsan 1
internacionalsanta 6
internacionalsantiago 1
internacionalse 2
internacionalsean 1
internacionalsección 1
internacionalselecciones 4
internacionalselección 3
internacionalsevilla 1
internacionalsi 1
internacionalsimeone 1
internacionalsin 1
internacionalsinceridad 1
internacionalsino 1
internacionalsorprendido 1
internacionalsúper 1
internacionalteléfono 1
internacionaltoutain 1
internacionaltreinta 1
internacionaltu 1
internacionalun 3
internacionalusted 1
internacionalvarios 2
internacionalvehículos 1
internacionalvenezuela 2
internacionalvideochatinicio 219
internacionalviernes 1
internacionalvulneración 1
internacionalyo 1
internacionalzación 1
internacionalísimo 1
Thanks, Ian
Beta Was this translation helpful? Give feedback.
All reactions