Tigrinya (ti) subword embeddings

Vocab size vocab model 25 dim 50 dim 100 dim 200 dim 300 dim
1000 vocab model txt | bin
bokeh | umap | matrix 		txt | bin
bokeh | umap | matrix 		txt | bin
bokeh | umap | matrix 		txt | bin
bokeh | umap | matrix 		txt | bin
bokeh | umap | matrix
3000 vocab model txt | bin
bokeh | umap | matrix 		txt | bin
bokeh | umap | matrix 		txt | bin
bokeh | umap | matrix 		txt | bin
bokeh | umap | matrix 		txt | bin
bokeh | umap | matrix
5000 vocab model txt | bin
bokeh | umap | matrix 		txt | bin
bokeh | umap | matrix 		txt | bin
bokeh | umap | matrix 		txt | bin
bokeh | umap | matrix 		txt | bin
bokeh | umap | matrix

View Tigrinya subword embeddings in TensorFlow Projector

2-D UMAP plots

Embedding matrix plots

Training corpus sample, encoded with different BPE vocabulary sizes

Vocab sizetiwiki sample
original ኣብ ክልቲኣተን ንፍቀ-ክብታት ዘለዋ ሃገራት፣ ሳመረንን ዊንተረንን (summer - winter) ኣንጻር ምዃኑ ዚስሕቶ ኣሎ ኢለ ኣይኣምንን። እዚ ምስ ዑደት ምድሪ ኣብ ዙርያ ጸሓይን፡ ምስ ምቕናን ዘንጋን ዝተተሓሓዘ ምዃኑ'ውን ንምዝኽኻር ደ
*0. እቲ ዝዓበየ ጽልዋ ተውሒድ ወይ “ላ ኢላሃ ኢላ’ላህ” ግን ካልእ ኢዩ፣ ንሱ ድማ ተኣዛዝን ተምበርካኽን ሕጊ ኣላህ ከምትኸውን ይገብረካ፣ ሓደ ኣማኒ ተውሒድ፡ ንዑኡ ኣላህ ካብ ዝኾነ ካልእ እቲ ዝቐረበ ኢዩ፣ ጸልማት ጉልባብ ጌሩ ወይ
ረስኒ ዚካ፡ ብመንከስቲ ''ኤይደስ (aedes)'' ዝዓይነተን ጣንጡ ብቐንዱ ይመሓላለፍ። ብጾታዊ ርክብን ምስግጋር ደምን ንኺመሓላለፍ ተኽእሎ ክህልዎ ይኽእል እዩ። እዚ ሕማም፡ ኣብ ማህጸን ካብ ኣደ ናብ ቆልዓ ኪመሓላለፍን ንእሽቶ ዝርእሱ
1000 ▁ኣብ ▁ክል ቲ ኣ ተን ▁ን ፍ ቀ - ክብ ታት ▁ዘለ ዋ ▁ሃገራት ፣ ▁ሳ መ ረን ን ▁ ዊ ን ተ ረን ን ▁( s u mm er ▁- ▁ w in t er ) ▁ኣን ጻር ▁ምዃኑ ▁ዚ ስ ሕ ቶ ▁ኣሎ ▁ኢ ለ ▁ኣይ ኣምን ን። ▁እዚ ▁ምስ ▁ ዑ ደ ት ▁ም ድ ሪ ▁ኣብ ▁ ዙ ርያ ▁ጸ ሓ ይ ን፡ ▁ምስ ▁ም ቕ ናን ▁ዘ ን ጋ ን ▁ዝተ ተሓ ሓ ዘ ▁ምዃኑ ' ውን ▁ንም ዝ ኽ ኻ ር ▁ደ
▁*0. ▁እቲ ▁ዝዓ በ የ ▁ጽ ል ዋ ▁ተ ውሒድ ▁ወይ ▁“ ላ ▁ኢላ ሃ ▁ኢላ ’ ላህ ” ▁ግን ▁ካልእ ▁ኢዩ፣ ▁ን ሱ ▁ድማ ▁ተ ኣ ዛ ዝ ን ▁ተ ም በር ካ ኽ ን ▁ሕ ጊ ▁ኣላህ ▁ከም ት ኸውን ▁ይ ገብ ረ ካ ፣ ▁ሓደ ▁ኣማ ኒ ▁ተ ውሒድ ፡ ▁ን ዑ ኡ ▁ኣላህ ▁ካብ ▁ዝኾነ ▁ካልእ ▁እቲ ▁ዝ ቐ ረ በ ▁ኢዩ፣ ▁ጸ ል ማት ▁ጉ ል ባብ ▁ ጌ ሩ ▁ወይ
▁ረስኒ ▁ዚ ካ ፡ ▁ብመ ን ከ ስቲ ▁'' ኤ ይ ደ ስ ▁( a e d e s ) '' ▁ዝዓ ይ ነ ተን ▁ ጣን ጡ ▁ብቐ ን ዱ ▁ይ መሓላለፍ ። ▁ብ ጾ ታዊ ▁ር ክብ ን ▁ምስ ግ ጋ ር ▁ደ ምን ▁ን ኺ መሓላለፍ ▁ተ ኽእ ሎ ▁ክ ህል ዎ ▁ይኽእል ▁እዩ። ▁እዚ ▁ሕማም፡ ▁ኣብ ▁ማ ህ ጸን ▁ካብ ▁ኣደ ▁ናብ ▁ቆ ል ዓ ▁ኪ መሓላለፍ ን ▁ን እ ሽ ቶ ▁ዝ ርእ ሱ
3000 ▁ኣብ ▁ክል ቲ ኣተን ▁ንፍቀ - ክብ ታት ▁ዘለዋ ▁ሃገራት ፣ ▁ሳመ ረን ን ▁ ዊ ንተ ረን ን ▁( s u mm er ▁- ▁w in ter ) ▁ኣንጻር ▁ምዃኑ ▁ዚ ስ ሕ ቶ ▁ኣሎ ▁ኢ ለ ▁ኣይ ኣምን ን። ▁እዚ ▁ምስ ▁ዑ ደ ት ▁ምድሪ ▁ኣብ ▁ዙ ርያ ▁ጸሓይ ን፡ ▁ምስ ▁ምቕ ናን ▁ዘን ጋን ▁ዝተ ተሓ ሓ ዘ ▁ምዃኑ ' ውን ▁ንም ዝ ኽ ኻ ር ▁ደ
▁*0. ▁እቲ ▁ዝዓበየ ▁ጽልዋ ▁ተውሒድ ▁ወይ ▁“ ላ ▁ኢላሃ ▁ኢላ ’ ላህ ” ▁ግን ▁ካልእ ▁ኢዩ፣ ▁ንሱ ▁ድማ ▁ተኣ ዛ ዝ ን ▁ተ ምበር ካ ኽ ን ▁ሕጊ ▁ኣላህ ▁ከም ት ኸውን ▁ይ ገብረ ካ ፣ ▁ሓደ ▁ኣማኒ ▁ተውሒድ ፡ ▁ንዑኡ ▁ኣላህ ▁ካብ ▁ዝኾነ ▁ካልእ ▁እቲ ▁ዝቐ ረበ ▁ኢዩ፣ ▁ጸልማት ▁ጉ ል ባብ ▁ጌ ሩ ▁ወይ
▁ረስኒ ▁ዚካ ፡ ▁ብመንከስቲ ▁'' ኤ ይ ደስ ▁( a ed es )'' ▁ዝዓ ይ ነ ተን ▁ጣንጡ ▁ብቐንዱ ▁ይ መሓላለፍ። ▁ብ ጾ ታዊ ▁ርክብ ን ▁ምስግጋር ▁ደምን ▁ንኺ መሓላለፍ ▁ተኽእሎ ▁ክህልዎ ▁ይኽእል ▁እዩ። ▁እዚ ▁ሕማም፡ ▁ኣብ ▁ማ ህ ጸን ▁ካብ ▁ኣደ ▁ናብ ▁ቆል ዓ ▁ኪመሓላለፍ ን ▁ንእሽቶ ▁ዝ ርእ ሱ
5000 ▁ኣብ ▁ክል ቲኣተን ▁ንፍቀ - ክብ ታት ▁ዘለዋ ▁ሃገራት ፣ ▁ሳመ ረንን ▁ ዊ ንተ ረንን ▁( s u mm er ▁- ▁w in ter ) ▁ኣንጻር ▁ምዃኑ ▁ዚ ስ ሕ ቶ ▁ኣሎ ▁ኢ ለ ▁ኣይ ኣምን ን። ▁እዚ ▁ምስ ▁ዑደ ት ▁ምድሪ ▁ኣብ ▁ዙርያ ▁ጸሓይ ን፡ ▁ምስ ▁ምቕ ናን ▁ዘን ጋን ▁ዝተ ተሓ ሓዘ ▁ምዃኑ ' ውን ▁ንምዝኽኻር ▁ደ
▁*0. ▁እቲ ▁ዝዓበየ ▁ጽልዋ ▁ተውሒድ ▁ወይ ▁“ ላ ▁ኢላሃ ▁ኢላ ’ ላህ ” ▁ግን ▁ካልእ ▁ኢዩ፣ ▁ንሱ ▁ድማ ▁ተኣ ዛ ዝ ን ▁ተምበርካ ኽን ▁ሕጊ ▁ኣላህ ▁ከምት ኸውን ▁ይ ገብረ ካ ፣ ▁ሓደ ▁ኣማኒ ▁ተውሒድ ፡ ▁ንዑኡ ▁ኣላህ ▁ካብ ▁ዝኾነ ▁ካልእ ▁እቲ ▁ዝቐ ረበ ▁ኢዩ፣ ▁ጸልማት ▁ጉ ል ባብ ▁ጌ ሩ ▁ወይ
▁ረስኒ ▁ዚካ ፡ ▁ብመንከስቲ ▁'' ኤይደስ ▁( aedes )'' ▁ዝዓ ይነተን ▁ጣንጡ ▁ብቐንዱ ▁ይመሓላለፍ። ▁ብጾታዊ ▁ርክብ ን ▁ምስግጋር ▁ደምን ▁ንኺ መሓላለፍ ▁ተኽእሎ ▁ክህልዎ ▁ይኽእል ▁እዩ። ▁እዚ ▁ሕማም፡ ▁ኣብ ▁ማህጸን ▁ካብ ▁ኣደ ▁ናብ ▁ቆልዓ ▁ኪመሓላለፍ ን ▁ንእሽቶ ▁ዝ ርእ ሱ