Today, I had a chance to go to the Apple store. Trying the Apple stylus is a great tool for graphic artist.
I think Apple has elevated engineering to a high water-mark. Wow. Engineers can make magic when we all work together driving other professional designers, artists, marketers, manufacturers to synthesize beautiful experience. Technology, is magic.
Some weeks ago I started playing with and made a bunch of alphabet nomogram style pictures with Easel JS. Its interesting to think of possibilities.
Canonical Tamil has 12 + 1 vowels [உயிர்], 18 consonants [மெய்] and 12×18 = 216 [உயிர்மெய்] conjugate letters. Together the can be arranged in a Table of named column [12 for vowels] and named rows [18 for consonants] and cells of row-column at the conjugate letters.
I posted several images on Twitter; first one based on 3 concentric circles arrangement of the letters.
Another image based on sunflower-spiral:
The other based on a logarithmic spiral:
Another image looks to illustrate vowels and consonants as an interactive widget where you select uyir and mei letters from the outer + inner circles to form the uyirmei conjugate letter in the center.
ஏற்கணவே பதிவு செய்த இடத்தில் இருந்து தொடருவோம்:
படம் 1: ஆமவடை
Corollary 2 of Theorem 3: ஒரே சொல்லில் எழுத்து இரடிக்கப்பட்டால் அந்த சொல் டோரசில் ஒரு சுழலுடன் [loop] கொண்டபடி அமையும்.
Lemma 2: படுக்கவசமாகவும், நிமிர்ந்துவசமாகவும் அமைகப்பட்ட சொர்கள் மொழியில் இல்லாதவை.
Corollary 3 or Theorem 3: டோரசில் படுக்கவசமாகவும், நிமிர்ந்துவசமாகவும் பாதைகள்/எழுத்துக்கள் இல்லாதவை.
Theorem 4: ஒரு அகராதியில் உள்ள சொர்கள் அனைத்தையும் டோரசில் பிரதிபலித்தால் அந்த குறுக்கிடும் இடங்களின் [intersecting points] ஒன்று அல்லது மெர்பட்ட சொற்களை] எண்ணிக்கை அளவை மிக குறைவாக்கும் வண்ணம் அமைக்க முடியாது. அதாவது ஒரு அகராதியின் சொற்கள் அனைத்து எவ்வித அமைப்பில் உள்ள டோரசானாலும் சரி அதன் குறுக்கிடும் இடங்களின் எண்ணிக்கை மாராது. இது ஒரு மாறிலி [invariant].
Corollary 1 of Theorem 4: மேர்கண்ட டோரசில் [அதன் ஒரு பிரதிபலிப்பில் – ‘அ,ஆ,இ,ஈ, … ,ஒ,ஓ,ஔ‘ என்றும் ‘கசடதபர – யரலவழள – ….’ என்றும் வரிசையிலோ, அல்லது வேறு பரிமாணங்களில் அடுக்கியிருந்தால்] ஒவ்வொரு அகராதிக்கும் ஒரு சிரப்பான குறுக்கிடும் இடங்களின் எண்ணிக்கை கிடைக்கும். இந்த எண் அகராதியின் கையொப்பம் [signature] என்றும் சொல்லாம்.
Theorem 5: டோரசில் உள்ள ஓவ்வொரு அகராதி சொல்லும் ஒரு பாதை என்று கொள்ளலாம். சொல்லின் தொடக்க எழுத்து பாதையின் தொடக்கத்தையும், சொல்லின் கடைசி எழுத்து பாதையின் முடிவையும் குறிக்கும்; பாதை திசைகொண்ட பாதையாக இருக்கும் – ஒரு அம்பு தொடக்கத்தில் இருந்து முடிவின் திசையில் வழி காட்டும். ஆகையால் அகராதியில் இல்லாத பாதைகள் பிழையாக எழுதப்பட்ட அகராதி சொற்களுக்கு சமம், அல்லது அகராதியில் இல்லாத புதிய சொற்களுக்கு சமம்.
வாதம் [ஆதாரத்தின் தொடக்கமாக கருத்ப்படலாம்]: டோரசில்ஒவ்வொரு சொல்லும் [அதன் பாதையும்] அகராதியில் உள்ள சொற்களாகவே இருக்கவேண்டும். Coding-theory / error correction codes theory படி இவ்வகை சரியான எழுத்துக்கள் உள்ள பாதைகள், சரியான சொற்களாகவும், தவான சொற்கள் [இல்லாத சொற்கள்] பிழையானவை என்வும் அமையும். இவ்வாரான சொற்கள் சரியானவையையின் சொற்பிழை எனவும் கருதப்பாடும்.
Corollary 1 of Theorem 5: மேர்கண்ட டோரசில் முழு அகராதி பிரதிபலிக்கப்பட்டதால், இதனைக்க்கொண்டு ஒரு சொற்பிழை திருத்தி செய்யலாம். பிழையான் சொல்லின் திருத்தம், அதன் நெருங்கிய தொலைவில் உள்ள சரியான் சொல் என்பதை நடைமுரைவிதியாகக்கொண்டு இதனை அமல்படுத்தலாம்.
Theorem 6: Tries எனப்படும் சொல்மரங்களைக்கொண்ட தரவமைப்பை டோரசில் குறியிட்டால், அது தொடர்பாதையாக ஒரே தொடக்கமும், பல பாதைமுடிவுகளையும் கொண்டதாக அமையும். இவற்றில் சில பாதைகள் சேரும் வகையில் முடிவுபெரும் வகையிலும் அமையலாம்.
படம் 2: Trie மரம் என்ற தரவமைப்பு. இதில் ‘to’, ‘tea’, ‘ted’, ‘ten’, ‘A’, ‘in’, மற்றும் ‘inn’ ஆகிய சொற்கள் இடம் பெற்றுள்ளன.
உதாரணத்திற்கு, படம் 2-இல் முடியும் நிலை நுனிகள் ‘n’ என்பவை டோரசில் வரும்பொழுது சேரும் வகையில் முடிவுபெரும் வகையில் அமையும்.
-முத்து.
பாலியல் தாக்குதல், வால்லுரவு, அத்துமீரல் பற்றி மார்சு 2018-இல் பாடகி சின்மயி வெளியிட்ட கானொளி. #MeTooIndia என்பாது பாரதி காண்ட பெண்ணியத்தை முதன்மையாக்குமோ ?
நானும் பாலியல் துன்புறுத்தலுக்கு ஆளானேன் பாடகி சின்மயி திடீர் என வெளியிட்ட வீடியோ! Chinmayi Sripada
Can we compose a Tamil Morse-code ? Yes, we can.
International Morse Code – Source: Wikipedia
Tamil Morse Code Table generated from Open-Tamil library. See here for full code and methodology. Full table follows.
Please note table was updated to show letters in most-frequent to least-frequent alphabets and their code-words used. Updated after publishing on Aug 16th, 2018.
Information theory provides us with tools to calculate the information content of symbols in a language, i.e. alphabets in our case. Average codeword length was 6.45652 bits, which is rounded to 7bits.
According to 230+ symbols of encoded in binary without attention to letter frequency we would be using ceil[ log2[230] ] ~ 8bits per symbol, so the usage of Morse code provides a related data compression of 12.5%!
Previously, I had written about Morse code for Tamil in this blog here, and relationship with Unigram, Bigram and Trigram models and word-structure in Tamil language.
Of course 15 of 247 letters are perhaps not received any codeword in this codebook. Further with inclusion of Grantha letters, 323 letters exist in Tamil some of which we don’t have code words.
Further, a large text corpus like Project Madurai’s [PM] unigram frequency distribution maybe useful to develop a widely representative Morse code table. Once you have this PM unigram data, you know how to get this Tamil Morse codebook regenerated!
முதல் முரை நான் செருமன் மொழி கற்கும் போது தமிழ் மொழியின் பெயர் Tamilisch என்று சொன்னாங்க. ஜெர்மென் கற்க வாய்ப்பை பயன்படுத்திக்கொள்ளமுடியவில்லை.
ஒரு தானியங்கி ஆட்டொமாடிக்கா பல மொழிகளில் தமிழ் மொழியின் பெயர் இதோ!
| Language | Word for ‘தமிழ்’ | Code |
| Afrikaans | tamil | af |
| Albanian | tamil | sq |
| Amharic | ታሚልኛ | am |
| Arabic | التاميل | ar |
| Armenian | թամիլերեն | hy |
| Azerbaijani | Tamil | az |
| Basque | tamil | eu |
| Belarusian | тамільская | be |
| Bengali | তামিল | bn |
| Bosnian | Tamil | bs |
| Bulgarian | тамилски | bg |
| Catalan | tamil | ca |
| cebCebuano | Tamil | nga |
| Chichewa | Tamil | ny |
| Chinese (Simplified) | 泰米尔人 | zh |
| Chinese (Traditional) | 泰米爾人 | zh-TW |
| Corsican | Tamil | co |
| Croatian | tamilski | hr |
| Czech | tamil | cs |
| Danish | Tamil | da |
| Dutch | Tamil | nl |
| English | Tamil | en |
| Esperanto | tamila | eo |
| Estonian | tamil | et |
| Filipino | Tamil | tl |
| Finnish | tamil | fi |
| French | tamoul | fr |
| Frisian | tamil | fy |
| Galician | tamil | gl |
| Georgian | Tamil | ka |
| German | Tamilisch | de |
| Greek | Ταμίλ | el |
| Gujarati | તમિલ | gu |
| Haitian Creole | Tamil | ht |
| Hausa | Tamil | ha |
| Hawaiian | Tamil | haw |
| Hebrew | טמילית | iw |
| Hindi | तामिल | hi |
| Hmong | Tamil | hmn |
| Hungarian | tamil | hu |
| Icelandic | tamil | is |
| Igbo | Tamil | ig |
| Indonesian | Tamil | id |
| Irish | tamil | ga |
| Italian | Tamil | it |
| Japanese | タミル語 | ja |
| Javanese | Tamil | jw |
| Kannada | ತಮಿಳು | kn |
| Kazakh | Тамил | kk |
| Khmer | ភាសាតាមីល | km |
| Korean | 타밀 | ko |
| Kurdish (Kurmanji) | Tamil | ku |
| Kyrgyz | Tamil | ky |
| Lao | ທະມິນ | lo |
| Latin | Tamil | la |
| Latvian | Tamilu | lv |
| Lithuanian | tamilų | lt |
| Luxembourgish | Tamil | lb |
| Macedonian | Тамилските | mk |
| Malagasy | Tamil | mg |
| Malay | Tamil | ms |
| Malayalam | തമിഴ് | ml |
| Maltese | tamil | mt |
| Maori | Tamil | mi |
| Marathi | तामिळ | mr |
| Mongolian | Тамил | mn |
| Myanmar (Burmese) | တမီး | my |
| Nepali | तामिल | ne |
| Norwegian | Tamil | no |
| Pashto | تامیل | ps |
| Persian | تامیل | fa |
| Polish | Tamil | pl |
| Portuguese | tâmil | pt |
| Punjabi | ਤਾਮਿਲ | pa |
| Romanian | tamilă | ro |
| Russian | тамильский | ru |
| Samoan | Tamil | sm |
| Scots Gaelic | Tamil | gd |
| Serbian | тамилски | sr |
| Sesotho | Tamil | st |
| Shona | Tamil | sn |
| Sindhi | تامل | sd |
| Sinhala | දෙමළ | si |
| Slovak | tamil | sk |
| Slovenian | tamil | sl |
| Somali | Tamil | so |
| Spanish | Tamil | es |
| Sundanese | Tamil | su |
| Swahili | Tamil | sw |
| Swedish | Tamil | sv |
| Tajik | тамилӣ | tg |
| Tamil | தமிழ் | ta |
| Telugu | తమిళ | te |
| Thai | มิลักขะ | th |
| Turkish | Tamilce | tr |
| Ukrainian | тамільська | uk |
| Urdu | تمل | ur |
| Uzbek | Tamil | uz |
| Vietnamese | Tamil | vi |
| Welsh | tamil | cy |
| Xhosa | Tamil | xh |
| Yiddish | טאַמיל | yi |
| Yoruba | Tamil | yo |
| Zulu | Tamil | zu |
இதன் நிரல் இங்க்கே:
How can you convert a text like “Me Amor!” to “என் உயிரே!” [from Spanish to தமிழ்] ? Lets assume we have Spanish to English and Tamil to English translators [bidirectional with English] then we can convert Spanish to English then to Tamil. Likewise one can translate between any two languages from a clique of languages [so far as the clique is defined such that each language can be translated to at least one other language in clique].
Language can exist as text (print/message/document) or speech (audio, conversations) etc. Ideas are represented in any language. Ideas originate from one language and move to another, or sometimes originate iñ many lañguages simultaneously. Ideas cañ cross from oñe language to añother via text or speech.
In mathematical terms if we write L as set of lañguages = { L1, L2, .. Ln} and then if we define each language as a tuple Li = (Ti,Si) then we may further define mathematical function operating on text and converting it to speech as :
TTSi : Ti -> Si
we may define a function speech recognition as,
ASRi : Si -> Ti
we may also define a translation function as,
TXij : Li -> Lj
Essentially what we can do is by representing the language as a node in a graph with two text and speech parts to it, we may connect these nodes to each other via the edges – functions – like ASR and TTS, and to nodes of other languages via translators function edge.
In a graph with only two languages [English, Tamil] with all edges representing functions like TTS, ASR within same language and functions like Translator between two languages (one for each direction) we see a graph like the following:
Fig. 1: Language transformation graph. Nodes represent languages and their components. Edges represent functions like TTS, ASR [for same language] and Translators [directional between languages]. Clearly we may see this is a directed graph with ability to go from a specific language to another language in text or speech or both forms, provided a path exists from source to target language. Using such a graph with no orphan nodes, we may have universal translation powers from language A to language B [so far as bidirectional connectivity is present with at least one neighbor].
So the curious reader now having a background of representing the translation problem as a graph problem of reaching node B from node A, can use rich set of path finding algorithms and shortest distance algorithms may attempt to answer some of these questions:
Answers will be posted soon! Feel free to leave your comments in section below.
-Muthu
