Datasets:

freococo
/

pali-words-myanmar-script

word_id int64 1 220k	pali_word stringlengths 1 53
1	က
2	ကက
3	ကကစ
4	ကကစကောဋိ
5	ကကစဒန္တ
6	ကကစဒန္တဂတိ
7	ကကစဒန္တပန္တိ
8	ကကစဒန္တသဒိသ
9	ကကစူပမ
10	ကကစူပမဝိဓိ
11	ကကစူပမသုတ္တ
12	ကကစူပမဩဝါဒ
13	ကကစူပမာ
14	ကကစူပမောဝါဒ
15	ကကစော
16	ကကစောကန္တက
17	ကကစောကန္တန
18	ကကစောပမာ
19	ကကဏ္ဋ
20	ကကဏ္ဋက
21	ကကဏ္ဋကဇာကက
22	ကကဏ္ဋကနိမိတ္တ
23	ကကဏ္ဋကပဉဟ
24	ကကဏ္ဋကရူပ
25	ကကဏ္ဋကဝဂ္ဂ
26	ကကဏ္ဋကဝေသ
27	ကကဏ္ဋကော
28	ကကတိ
29	ကကရ
30	ကကလဗဟုလ
31	ကကာရ
32	ကကာရတ္တ
33	ကကာရာဂမ
34	ကကိ
35	ကကု
36	ကကုဋ
37	ကကုဋပါဒ
38	ကကုဋော
39	ကကုတဘဒ္ဒ
40	ကကုတဘဗ္ဒ
41	ကကုတ္ထက
42	ကကုဒ
43	ကကုဓ
44	ကကုဓဖလ
45	ကကုဓဖလမုတ္တာ
46	ကကုဓဘဏ္ဍ
47	ကကုဓရုက္ခ
48	ကကုဓဝဂ္ဂ
49	ကကုဓသောဗ္ဘ
50	ကကုဓာ
51	ကကုဓော
52	ကကုဘ
53	ကကုသန္ဓ
54	ကကုသန္ဓော
55	ကက္က
56	ကက္ကဋ
57	ကက္ကဋက
58	ကက္ကဋကဇာတက
59	ကက္ကဋကနဠ
60	ကက္ကဋကပိဋ္ဌ
61	ကက္ကဋကမဂ္ဂ
62	ကက္ကဋကရသ
63	ကက္ကဋကရသဒါန
64	ကက္ကဋကရသဒါယကဝိမာန
65	ကက္ကဋကရသဘတ္တ
66	ကက္ကဋကရသဘောဇန
67	ကက္ကဋကဝိဇ္ဈနသူလ
68	ကက္ကဋကော
69	ကက္ကဋက္ခိ
70	ကက္ကဋစ္ဆိ
71	ကက္ကဋရသ
72	ကက္ကဋီ
73	ကက္ကတက
74	ကက္ကတယန္တ
75	ကက္ကန္ဒူ
76	ကက္ကန္ဓု
77	ကက္ကန္ဓူ
78	ကက္ကရ
79	ကက္ကရတာ
80	ကက္ကရပတ္တ
81	ကက္ကရိယ
82	ကက္ကရီ
83	ကက္ကရု
84	ကက္ကရေဋု
85	ကက္ကသ
86	ကက္ကသလောမ
87	ကက္ကသုပ္ပန္န
88	ကက္ကသော
89	ကက္ကဠိ
90	ကက္ကာရိက
91	ကက္ကာရိကာ
92	ကက္ကာရီ
93	ကက္ကာရု
94	ကက္ကာရုက
95	ကက္ကာရုဇာတ
96	ကက္ကာရုဇာတက
97	ကက္ကာရုပုပ္ဖ
98	ကက္ကာရုပုပ္ဖပူဇက
99	ကက္ကာရုပုပ္ဖပူဇကတ္ထေရ
100	ကက္ကာရုပုပ္ဖိယ

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 ့).
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 Pali–Myanmar texts.
Digital Humanities: Construction of interoperable dictionaries and language tools.