Urdu (ur) subword embeddings
Training corpus sample, encoded with different BPE vocabulary sizes
| Vocab size | urwiki sample |
|---|---|
| original | محمد عادل شاہ کے بیٹے تھے۔ ان کی پرورش خدیجہ سلطان شہر بانو کی نگرانی میں ہوئی جو خود علم و ادب کی پرستار اور شعراءکی قدر دان تھی۔ ملک خوشنود اور رستم english title: ''the second wife''. about the dowry system in india (serialised in the magazine ''chand'' between november 0000 and november 0000, bef ویکیپیڈیا سے ملف:old port of montreal (french- vieux-port de montréal).jpg|thumbnail|right|مانٹریال, کیوبیک کی اکثریت فرانسیسی بولتی ہے لیکن انگریزی ب |
| 1000 | ▁محمد ▁ع اد ل ▁شاہ ▁کے ▁بی ٹ ے ▁تھے۔ ▁ان ▁کی ▁پر ور ش ▁خ دی جہ ▁سل طان ▁شہر ▁ب ان و ▁کی ▁ن گر انی ▁میں ▁ہوئی ▁جو ▁خ ود ▁علم ▁و ▁اد ب ▁کی ▁پر ست ار ▁اور ▁شع را ء کی ▁ق در ▁د ان ▁تھی۔ ▁ملک ▁خ و شن ود ▁اور ▁ر ست م ▁ en g l is h ▁t it le : ▁'' t he ▁s e c on d ▁w i f e '' . ▁a b o u t ▁the ▁d ow r y ▁s y s t e m ▁in ▁in d ia ▁( s er i al is ed ▁in ▁the ▁m ag a z in e ▁'' c h and '' ▁b et w e en ▁n o v e m b er ▁0000 ▁and ▁n o v e m b er ▁0000 , ▁b e f ▁و یک ی پ ی ڈ یا ▁سے ▁مل ف : ol d ▁p or t ▁of ▁m on t re al ▁( f r en c h - ▁v i e u x - p or t ▁d e ▁m on t r é al ) . jpg | th u m b n a il | r i g h t | م ان ٹر یا ل , ▁کی وب یک ▁کی ▁اک ث ری ت ▁فرانسیسی ▁ب ول تی ▁ہے ▁لیکن ▁انگریزی ▁ب |
| 3000 | ▁محمد ▁ع اد ل ▁شاہ ▁کے ▁بیٹے ▁تھے۔ ▁ان ▁کی ▁پر ور ش ▁خ دی جہ ▁سلطان ▁شہر ▁ب ان و ▁کی ▁نگر انی ▁میں ▁ہوئی ▁جو ▁خود ▁علم ▁و ▁ادب ▁کی ▁پر ست ار ▁اور ▁شعرا ء کی ▁قدر ▁دان ▁تھی۔ ▁ملک ▁خو شن ود ▁اور ▁ر ست م ▁en g l ish ▁t it le : ▁'' the ▁s ec on d ▁w if e '' . ▁a b o ut ▁the ▁d ow ry ▁s y st em ▁in ▁ind ia ▁( s er ial is ed ▁in ▁the ▁m ag az ine ▁'' ch and '' ▁b et w e en ▁n ov em ber ▁0000 ▁and ▁n ov em ber ▁0000 , ▁be f ▁و یکی پی ڈیا ▁سے ▁ملف : ol d ▁p ort ▁of ▁m ont re al ▁( f r en ch - ▁v ie u x - p ort ▁de ▁m ont r é al ). jpg | th umb n a il | r ight | مان ٹر یال , ▁کیوب یک ▁کی ▁اک ث ریت ▁فرانسیسی ▁بول تی ▁ہے ▁لیکن ▁انگریزی ▁ب |
| 5000 | ▁محمد ▁ع اد ل ▁شاہ ▁کے ▁بیٹے ▁تھے۔ ▁ان ▁کی ▁پر ور ش ▁خ دی جہ ▁سلطان ▁شہر ▁ب ان و ▁کی ▁نگر انی ▁میں ▁ہوئی ▁جو ▁خود ▁علم ▁و ▁ادب ▁کی ▁پرست ار ▁اور ▁شعراء کی ▁قدر ▁دان ▁تھی۔ ▁ملک ▁خو شن ود ▁اور ▁ر ست م ▁en gl ish ▁t it le : ▁'' the ▁s ec ond ▁w if e '' . ▁ab o ut ▁the ▁d ow ry ▁sy st em ▁in ▁india ▁( s er ial is ed ▁in ▁the ▁m ag az ine ▁'' ch and '' ▁b et we en ▁n ov em ber ▁0000 ▁and ▁n ov em ber ▁0000, ▁be f ▁ویکی پیڈیا ▁سے ▁ملف : old ▁p ort ▁of ▁mont re al ▁( f r en ch - ▁v ie u x - port ▁de ▁mont r é al ). jpg | thumb na il | r ight | مان ٹر یال , ▁کیوب یک ▁کی ▁اکثریت ▁فرانسیسی ▁بول تی ▁ہے ▁لیکن ▁انگریزی ▁ب |
| 10000 | ▁محمد ▁عادل ▁شاہ ▁کے ▁بیٹے ▁تھے۔ ▁ان ▁کی ▁پرورش ▁خدی جہ ▁سلطان ▁شہر ▁ب انو ▁کی ▁نگرانی ▁میں ▁ہوئی ▁جو ▁خود ▁علم ▁و ▁ادب ▁کی ▁پرست ار ▁اور ▁شعراء کی ▁قدر ▁دان ▁تھی۔ ▁ملک ▁خو شن ود ▁اور ▁ر ست م ▁english ▁t it le : ▁'' the ▁sec ond ▁w ife ''. ▁about ▁the ▁d ow ry ▁system ▁in ▁india ▁( s er ial is ed ▁in ▁the ▁mag az ine ▁'' ch and '' ▁between ▁nov ember ▁0000 ▁and ▁nov ember ▁0000, ▁be f ▁ویکیپیڈیا ▁سے ▁ملف : old ▁port ▁of ▁mont re al ▁( f ren ch - ▁v ie ux - port ▁de ▁mont ré al ). jpg | thumb na il | right | مان ٹر یال , ▁کیوبیک ▁کی ▁اکثریت ▁فرانسیسی ▁بول تی ▁ہے ▁لیکن ▁انگریزی ▁ب |
| 25000 | ▁محمد ▁عادل ▁شاہ ▁کے ▁بیٹے ▁تھے۔ ▁ان ▁کی ▁پرورش ▁خدیجہ ▁سلطان ▁شہر ▁بانو ▁کی ▁نگرانی ▁میں ▁ہوئی ▁جو ▁خود ▁علم ▁و ▁ادب ▁کی ▁پرست ار ▁اور ▁شعراء کی ▁قدر ▁دان ▁تھی۔ ▁ملک ▁خوشن ود ▁اور ▁رستم ▁english ▁tit le : ▁'' the ▁second ▁w ife ''. ▁about ▁the ▁dow ry ▁system ▁in ▁india ▁( ser ial ised ▁in ▁the ▁magazine ▁'' ch and '' ▁between ▁nov ember ▁0000 ▁and ▁nov ember ▁0000, ▁be f ▁ویکیپیڈیا ▁سے ▁ملف : old ▁port ▁of ▁mont real ▁( french - ▁v ieux - port ▁de ▁mont ré al ). jpg | thumbnail | right | مان ٹریال , ▁کیوبیک ▁کی ▁اکثریت ▁فرانسیسی ▁بولتی ▁ہے ▁لیکن ▁انگریزی ▁ب |
| 50000 | ▁محمد ▁عادل ▁شاہ ▁کے ▁بیٹے ▁تھے۔ ▁ان ▁کی ▁پرورش ▁خدیجہ ▁سلطان ▁شہر ▁بانو ▁کی ▁نگرانی ▁میں ▁ہوئی ▁جو ▁خود ▁علم ▁و ▁ادب ▁کی ▁پرستار ▁اور ▁شعراء کی ▁قدر ▁دان ▁تھی۔ ▁ملک ▁خوشن ود ▁اور ▁رستم ▁english ▁title : ▁'' the ▁second ▁wife ''. ▁about ▁the ▁dow ry ▁system ▁in ▁india ▁( ser ial ised ▁in ▁the ▁magazine ▁'' chand '' ▁between ▁november ▁0000 ▁and ▁november ▁0000, ▁be f ▁ویکیپیڈیا ▁سے ▁ملف : old ▁port ▁of ▁mont real ▁( french - ▁v ieux - port ▁de ▁mont ré al ). jpg | thumbnail | right | مان ٹریال , ▁کیوبیک ▁کی ▁اکثریت ▁فرانسیسی ▁بولتی ▁ہے ▁لیکن ▁انگریزی ▁ب |
| 100000 | ▁محمد ▁عادل ▁شاہ ▁کے ▁بیٹے ▁تھے۔ ▁ان ▁کی ▁پرورش ▁خدیجہ ▁سلطان ▁شہر ▁بانو ▁کی ▁نگرانی ▁میں ▁ہوئی ▁جو ▁خود ▁علم ▁و ▁ادب ▁کی ▁پرستار ▁اور ▁شعراءکی ▁قدر ▁دان ▁تھی۔ ▁ملک ▁خوشن ود ▁اور ▁رستم ▁english ▁title : ▁'' the ▁second ▁wife ''. ▁about ▁the ▁dow ry ▁system ▁in ▁india ▁( ser ial ised ▁in ▁the ▁magazine ▁'' chand '' ▁between ▁november ▁0000 ▁and ▁november ▁0000, ▁be f ▁ویکیپیڈیا ▁سے ▁ملف : old ▁port ▁of ▁montreal ▁( french - ▁v ieux - port ▁de ▁mont ré al ). jpg | thumbnail | right | مان ٹریال , ▁کیوبیک ▁کی ▁اکثریت ▁فرانسیسی ▁بولتی ▁ہے ▁لیکن ▁انگریزی ▁ب |