Punariyal_LLMipynb.ipynb

{
  "cells": [
    {
      "cell_type": "code",
      "execution_count": null,
      "metadata": {
        "colab": {
          "base_uri": "https://localhost:8080/"
        },
        "id": "P4mdSD_iiwqM",
        "outputId": "22981c69-507c-4903-db1e-9721d05c6985"
      },
      "outputs": [
        {
          "name": "stdout",
          "output_type": "stream",
          "text": [
            "Requirement already satisfied: pandas in /usr/local/lib/python3.10/dist-packages (2.2.2)\n",
            "Requirement already satisfied: nltk in /usr/local/lib/python3.10/dist-packages (3.9.1)\n",
            "Requirement already satisfied: matplotlib in /usr/local/lib/python3.10/dist-packages (3.8.0)\n",
            "Requirement already satisfied: numpy>=1.22.4 in /usr/local/lib/python3.10/dist-packages (from pandas) (1.26.4)\n",
            "Requirement already satisfied: python-dateutil>=2.8.2 in /usr/local/lib/python3.10/dist-packages (from pandas) (2.8.2)\n",
            "Requirement already satisfied: pytz>=2020.1 in /usr/local/lib/python3.10/dist-packages (from pandas) (2024.2)\n",
            "Requirement already satisfied: tzdata>=2022.7 in /usr/local/lib/python3.10/dist-packages (from pandas) (2024.2)\n",
            "Requirement already satisfied: click in /usr/local/lib/python3.10/dist-packages (from nltk) (8.1.7)\n",
            "Requirement already satisfied: joblib in /usr/local/lib/python3.10/dist-packages (from nltk) (1.4.2)\n",
            "Requirement already satisfied: regex>=2021.8.3 in /usr/local/lib/python3.10/dist-packages (from nltk) (2024.11.6)\n",
            "Requirement already satisfied: tqdm in /usr/local/lib/python3.10/dist-packages (from nltk) (4.67.1)\n",
            "Requirement already satisfied: contourpy>=1.0.1 in /usr/local/lib/python3.10/dist-packages (from matplotlib) (1.3.1)\n",
            "Requirement already satisfied: cycler>=0.10 in /usr/local/lib/python3.10/dist-packages (from matplotlib) (0.12.1)\n",
            "Requirement already satisfied: fonttools>=4.22.0 in /usr/local/lib/python3.10/dist-packages (from matplotlib) (4.55.3)\n",
            "Requirement already satisfied: kiwisolver>=1.0.1 in /usr/local/lib/python3.10/dist-packages (from matplotlib) (1.4.7)\n",
            "Requirement already satisfied: packaging>=20.0 in /usr/local/lib/python3.10/dist-packages (from matplotlib) (24.2)\n",
            "Requirement already satisfied: pillow>=6.2.0 in /usr/local/lib/python3.10/dist-packages (from matplotlib) (11.0.0)\n",
            "Requirement already satisfied: pyparsing>=2.3.1 in /usr/local/lib/python3.10/dist-packages (from matplotlib) (3.2.0)\n",
            "Requirement already satisfied: six>=1.5 in /usr/local/lib/python3.10/dist-packages (from python-dateutil>=2.8.2->pandas) (1.17.0)\n"
          ]
        }
      ],
      "source": [
        "pip install pandas nltk matplotlib"
      ]
    },
    {
      "cell_type": "code",
      "execution_count": 65,
      "metadata": {
        "colab": {
          "base_uri": "https://localhost:8080/"
        },
        "id": "dty29DJEiyJN",
        "outputId": "e34ab658-8133-46e1-fb4b-6521b3c12aac"
      },
      "outputs": [
        {
          "output_type": "stream",
          "name": "stdout",
          "text": [
            "Collecting Open-Tamil\n",
            "  Downloading Open-Tamil-1.1.tar.gz (2.6 MB)\n",
            "\u001b[2K     \u001b[90m━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━\u001b[0m \u001b[32m2.6/2.6 MB\u001b[0m \u001b[31m23.1 MB/s\u001b[0m eta \u001b[36m0:00:00\u001b[0m\n",
            "\u001b[?25h  Preparing metadata (setup.py) ... \u001b[?25l\u001b[?25hdone\n",
            "Building wheels for collected packages: Open-Tamil\n",
            "  Building wheel for Open-Tamil (setup.py) ... \u001b[?25l\u001b[?25hdone\n",
            "  Created wheel for Open-Tamil: filename=Open_Tamil-1.1-py3-none-any.whl size=2388368 sha256=a3b0d7f8ee58e1a08aeedc7b653a712266a8aae718d724b7755052268eef2717\n",
            "  Stored in directory: /root/.cache/pip/wheels/d3/48/47/d7829e657a9d52e32a566bc6d8a4be9235d0c52d2539f10ead\n",
            "Successfully built Open-Tamil\n",
            "Installing collected packages: Open-Tamil\n",
            "Successfully installed Open-Tamil-1.1\n"
          ]
        }
      ],
      "source": [
        "pip install Open-Tamil"
      ]
    },
    {
      "cell_type": "code",
      "execution_count": null,
      "metadata": {
        "id": "EMWRFqlGjXg8"
      },
      "outputs": [],
      "source": [
        "#-*- coding: utf-8 -*-\n",
        "import pandas as pd\n",
        "import nltk\n",
        "from nltk.tokenize import word_tokenize\n",
        "from nltk.corpus import stopwords\n",
        "import matplotlib.pyplot as plt\n",
        "\n",
        "# CSV கோப்பைப் படித்தல்\n",
        "data = pd.read_csv(\"Tolkappiyam_Punariyal.csv\")"
      ]
    },
    {
      "cell_type": "code",
      "execution_count": null,
      "metadata": {
        "colab": {
          "base_uri": "https://localhost:8080/"
        },
        "id": "VO_F8Fjpllhx",
        "outputId": "243107ed-1f70-43e0-aa59-dcde1da35562"
      },
      "outputs": [
        {
          "name": "stdout",
          "output_type": "stream",
          "text": [
            "                              Prompt  \\\n",
            "0  புணரியல் நூற்பா 1 எழுதித் தரவும்.   \n",
            "1  புணரியல் நூற்பா 2 எழுதித் தரவும்.   \n",
            "2  புணரியல் நூற்பா 3 எழுதித் தரவும்.   \n",
            "3  புணரியல் நூற்பா 4 எழுதித் தரவும்.   \n",
            "4  புணரியல் நூற்பா 5 எழுதித் தரவும்.   \n",
            "\n",
            "                                            Response  Label  \n",
            "0  மூன்று தலை இட்ட முப்பதிற்று எழுத்தின்\\nஇரண்டு ...    NaN  \n",
            "1  அவற்றுள்,\\nமெய் ஈறு எல்லாம் புள்ளியொடு-நிலையல். 2    NaN  \n",
            "2                  குற்றியலுகரமும் அற்று என மொழிப. 3    NaN  \n",
            "3              உயிர்மெய் ஈறும் உயிர் ஈற்று இயற்றே. 4    NaN  \n",
            "4  உயிர் இறு சொல் முன் உயிர் வரு வழியும்\\nஉயிர் இ...    NaN  \n"
          ]
        }
      ],
      "source": [
        "# தரவின் ஒரு பார்வை\n",
        "print(data.head())\n",
        "\n"
      ]
    },
    {
      "cell_type": "code",
      "execution_count": null,
      "metadata": {
        "colab": {
          "base_uri": "https://localhost:8080/"
        },
        "id": "HO0R_P6yORTC",
        "outputId": "9013f243-efae-410a-a9ff-5d4ed16a1027"
      },
      "outputs": [
        {
          "name": "stderr",
          "output_type": "stream",
          "text": [
            "[nltk_data] Downloading package punkt to /root/nltk_data...\n",
            "[nltk_data]   Package punkt is already up-to-date!\n",
            "[nltk_data] Downloading package stopwords to /root/nltk_data...\n",
            "[nltk_data]   Package stopwords is already up-to-date!\n"
          ]
        },
        {
          "data": {
            "text/plain": [
              "True"
            ]
          },
          "execution_count": 11,
          "metadata": {},
          "output_type": "execute_result"
        }
      ],
      "source": [
        "# prompt: மேலே உள்ள நிரலின் தொடர்ச்சியாக அமையவேண்டிய நிரலினை எழுதவும்\n",
        "\n",
        "import re\n",
        "\n",
        "# nltk இலிருந்து தேவையானவற்றை இறக்குமதி செய்தல்\n",
        "nltk.download('punkt')\n",
        "nltk.download('stopwords')"
      ]
    },
    {
      "cell_type": "code",
      "execution_count": null,
      "metadata": {
        "id": "Q9clfeATVikW"
      },
      "outputs": [],
      "source": [
        "# தமிழ் நிறுத்தற்குறிகளை அகற்றுவதற்கான செயல்பாடு\n",
        "def remove_tamil_punctuation(text):\n",
        "    tamil_punctuations = \".,;:!?\"\n",
        "    text = ''.join(ch for ch in text if ch not in tamil_punctuations)\n",
        "    return text"
      ]
    },
    {
      "cell_type": "code",
      "execution_count": null,
      "metadata": {
        "id": "cYCodOKdVqER"
      },
      "outputs": [],
      "source": [
        "# தமிழ் வார்த்தைகளின் பட்டியலை உருவாக்குவதற்கான செயல்பாடு\n",
        "def get_tamil_words(text):\n",
        "  # முதலில், தமிழ் எழுத்துக்களைக் கொண்ட சொற்களைத் தேர்ந்தெடுக்கவும்\n",
        "  tamil_words = re.findall(r'[a-zA-Z\\u0B80-\\u0BFF]+', text)\n",
        "\n",
        "  # பின்னர், ஒவ்வொரு வார்த்தையையும் தனித்தனியாகச் சேர்க்கவும்\n",
        "  return tamil_words"
      ]
    },
    {
      "cell_type": "code",
      "execution_count": null,
      "metadata": {
        "colab": {
          "base_uri": "https://localhost:8080/"
        },
        "id": "sK62GgYpVwQ7",
        "outputId": "877aed19-55e2-4536-f965-6872d6db0135"
      },
      "outputs": [
        {
          "name": "stdout",
          "output_type": "stream",
          "text": [
            "Index(['Prompt', 'Response', 'Label'], dtype='object')\n"
          ]
        }
      ],
      "source": [
        "print(data.columns)"
      ]
    },
    {
      "cell_type": "code",
      "execution_count": null,
      "metadata": {
        "id": "QOU0EfoaWU9g"
      },
      "outputs": [],
      "source": [
        "data = pd.read_csv(\"Tolkappiyam_Punariyal.csv\", encoding='utf-8')"
      ]
    },
    {
      "cell_type": "code",
      "execution_count": null,
      "metadata": {
        "colab": {
          "base_uri": "https://localhost:8080/",
          "height": 635
        },
        "id": "DHAqvVOqWzqA",
        "outputId": "38727a59-7a0c-4b56-dec2-27426fb62866"
      },
      "outputs": [
        {
          "name": "stdout",
          "output_type": "stream",
          "text": [
            "Index(['Prompt', 'Response', 'Label'], dtype='object')\n"
          ]
        },
        {
          "data": {
            "application/vnd.google.colaboratory.intrinsic+json": {
              "summary": "{\n  \"name\": \"data\",\n  \"rows\": 304,\n  \"fields\": [\n    {\n      \"column\": \"Prompt\",\n      \"properties\": {\n        \"dtype\": \"string\",\n        \"num_unique_values\": 300,\n        \"samples\": [\n          \"\\u0baa\\u0bc1\\u0ba3\\u0bb0\\u0bcd\\u0b9a\\u0bcd\\u0b9a\\u0bbf\\u0baf\\u0bbf\\u0bb2\\u0bcd \\u0ba4\\u0bcb\\u0ba9\\u0bcd\\u0bb1\\u0bc1\\u0bae\\u0bcd \\u0b9a\\u0bbe\\u0bb0\\u0bbf\\u0baf\\u0bc8\",\n          \"\\u0bb5\\u0bc7\\u0bb1\\u0bcd\\u0bb1\\u0bc1\\u0bae\\u0bc8 \\u0baf\\u0bc1\\u0bb0\\u0bc1\\u0baa\\u0bc1\\u0b95\\u0bb3\\u0bcd\",\n          \"\\u0ba4\\u0bca\\u0bb2\\u0bcd\\u0b95\\u0bbe\\u0baa\\u0bcd\\u0baa\\u0bbf\\u0baf \\u0b8e\\u0bb4\\u0bc1\\u0ba4\\u0bcd\\u0ba4\\u0ba4\\u0bbf\\u0b95\\u0bbe\\u0bb0\\u0baa\\u0bcd \\u0baa\\u0bc1\\u0ba3\\u0bb0\\u0bbf\\u0baf\\u0bb2\\u0bcd \\u0bae\\u0bc1\\u0baa\\u0bcd\\u0baa\\u0ba4\\u0bcd\\u0ba4\\u0bc1 \\u0bae\\u0bc2\\u0ba9\\u0bcd\\u0bb1\\u0bbe\\u0bae\\u0bcd \\u0ba8\\u0bc2\\u0bb1\\u0bcd\\u0baa\\u0bbe \\u0b8e\\u0bb4\\u0bc1\\u0ba4\\u0bbf\\u0ba4\\u0bcd \\u0ba4\\u0bb0\\u0bb5\\u0bc1\\u0bae\\u0bcd.\"\n        ],\n        \"semantic_type\": \"\",\n        \"description\": \"\"\n      }\n    },\n    {\n      \"column\": \"Response\",\n      \"properties\": {\n        \"dtype\": \"category\",\n        \"num_unique_values\": 119,\n        \"samples\": [\n          \"\\u0bae\\u0bc1\\u0ba4\\u0bb2\\u0bcd \\u0bb5\\u0bc7\\u0bb1\\u0bcd\\u0bb1\\u0bc1\\u0bae\\u0bc8\\u0b95\\u0bcd\\u0b95\\u0bc1\\u0bae\\u0bcd \\u0b8e\\u0b9f\\u0bcd\\u0b9f\\u0bbe\\u0bae\\u0bcd \\u0bb5\\u0bc7\\u0bb1\\u0bcd\\u0bb1\\u0bc1\\u0bae\\u0bc8\\u0b95\\u0bcd\\u0b95\\u0bc1\\u0bae\\u0bcd \\u0ba4\\u0ba9\\u0bbf\\u0baa\\u0bcd\\u0baa\\u0b9f\\u0bcd\\u0b9f \\u0b89\\u0bb0\\u0bc1\\u0baa\\u0bc1 \\u0b87\\u0bb2\\u0bcd\\u0bb2\\u0bc8.\\r\\n\\u0b8f\\u0ba9\\u0bc8\\u0baf 6 \\u0bb5\\u0bc7\\u0bb1\\u0bcd\\u0bb1\\u0bc1\\u0bae\\u0bc8\\u0b95\\u0bcd\\u0b95\\u0bc1\\u0bae\\u0bcd \\u0b89\\u0bb0\\u0bc1\\u0baa\\u0bc1 \\u0b89\\u0ba3\\u0bcd\\u0b9f\\u0bc1.\\r\\n\\u0b85\\u0bb5\\u0bc8\\r\\n\\r\\n\\u0b90 - \\u0b95\\u0ba3\\u0bcd\\u0ba3\\u0ba9\\u0bc8 \\u0b85\\u0bb4\\u0bc8\\r\\n\\u0b92\\u0b9f\\u0bc1 - \\u0b95\\u0ba3\\u0bcd\\u0ba3\\u0ba9\\u0bca\\u0b9f\\u0bc1 \\u0ba8\\u0baa\\u0bcd\\u0baa\\u0bbf\\u0ba9\\u0bcd\\u0ba9\\u0bc8 \\u0bb5\\u0ba8\\u0bcd\\u0ba4\\u0bbe\\u0bb3\\u0bcd\\r\\n\\u0b95\\u0bc1 - \\u0b95\\u0ba3\\u0bcd\\u0ba3\\u0ba9\\u0bc1\\u0b95\\u0bcd\\u0b95\\u0bc1\\u0b95\\u0bcd \\u0b95\\u0bca\\u0b9f\\u0bc1\\r\\n\\u0b87\\u0ba9\\u0bcd - \\u0b95\\u0ba3\\u0bcd\\u0ba3\\u0ba9\\u0bbf\\u0ba9\\u0bcd \\u0ba8\\u0bb2\\u0bcd\\u0bb2\\u0ba9\\u0bcd\\r\\n\\u0b85\\u0ba4\\u0bc1 - \\u0b95\\u0ba3\\u0bcd\\u0ba3\\u0ba9\\u0ba4\\u0bc1 \\u0baa\\u0bc6\\u0bb0\\u0bc1\\u0bae\\u0bc8\\r\\n\\u0b95\\u0ba3\\u0bcd - \\u0b95\\u0ba3\\u0bcd\\u0ba3\\u0ba9\\u0bcd\\u0b95\\u0ba3\\u0bcd \\u0b89\\u0bb3\\u0bcd\\u0bb3\\u0ba4\\u0bc1 \\u0b93\\u0bb0\\u0bb5\\u0b9e\\u0bcd\\u0b9a\\u0bae\\u0bcd\\r\\n\\r\\n\\u0ba8\\u0bc2\\u0bb1\\u0bcd\\u0baa\\u0bbe \\u0bae\\u0bc2\\u0bb2\\u0bae\\u0bcd\\r\\n\\r\\n\\u0b90 \\u0b92\\u0b9f\\u0bc1 \\u0b95\\u0bc1 \\u0b87\\u0ba9\\u0bcd \\u0b85\\u0ba4\\u0bc1 \\u0b95\\u0ba3\\u0bcd \\u0b8e\\u0ba9\\u0bcd\\u0ba9\\u0bc1\\u0bae\\u0bcd\\r\\n\\u0b85\\u0bb5\\u0bcd \\u0b86\\u0bb1\\u0bc1 \\u0b8e\\u0ba9\\u0bcd\\u0baa \\u0bb5\\u0bc7\\u0bb1\\u0bcd\\u0bb1\\u0bc1\\u0bae\\u0bc8 \\u0b89\\u0bb0\\u0bc1\\u0baa\\u0bc7. 11\",\n          \"\\u0b86\\u0bb1\\u0ba9\\u0bcd \\u0b89\\u0bb0\\u0bc1\\u0baa\\u0bbf\\u0ba9\\u0bcd \\u0b85\\u0b95\\u0bb0\\u0b95\\u0bcd \\u0b95\\u0bbf\\u0bb3\\u0bb5\\u0bbf\\n\\u0b88\\u0bb1\\u0bbe \\u0b95\\u0b95\\u0bb0\\u0bae\\u0bc1\\u0ba9\\u0bc8\\u0b95\\u0bcd \\u0b95\\u0bc6\\u0b9f\\u0bc1\\u0ba4\\u0bb2\\u0bcd \\u0bb5\\u0bc7\\u0ba3\\u0bcd\\u0b9f\\u0bc1\\u0bae\\u0bcd.\\n\\n\\u0b87\\u0b83\\u0ba4\\u0bc1, \\u0b86\\u0bb1\\u0bbe\\u0bb5\\u0ba4\\u0bb1\\u0bcd\\u0b95\\u0bc1\\u0ba4\\u0bcd \\u0ba4\\u0bca\\u0b95\\u0bc8\\u0bae\\u0bb0\\u0baa\\u0bbf\\u0ba9\\u0bc8 \\u0ba8\\u0bcb\\u0b95\\u0bcd\\u0b95\\u0bbf\\u0baf\\u0ba4\\u0bcb\\u0bb0\\u0bcd \\u0b95\\u0bb0\\u0bc1\\u0bb5\\u0bbf \\u0b95\\u0bc2\\u0bb1\\u0ba4\\u0bb2\\u0bcd \\u0ba8\\u0bc1\\u0ba4\\u0bb2\\u0bbf\\u0bb1\\u0bcd\\u0bb1\\u0bc1.\\n\\n\\u0b86\\u0bb1\\u0ba9\\u0bcd \\u0b89\\u0bb0\\u0bc1\\u0baa\\u0bbf\\u0ba9\\u0bcd \\u0b85\\u0b95\\u0bb0\\u0b95\\u0bcd\\u0b95\\u0bbf\\u0bb3\\u0bb5\\u0bbf- \\u0b86\\u0bb1\\u0bbe\\u0bae\\u0bcd \\u0bb5\\u0bc7\\u0bb1\\u0bcd\\u0bb1\\u0bc1\\u0bae\\u0bc8\\u0baf\\u0bbe\\u0b95\\u0bbf\\u0baf \\u0b85\\u0ba4\\u0bc1 \\u0b8e\\u0ba9\\u0bcd\\u0ba9\\u0bc1\\u0bae\\u0bcd \\u0b9a\\u0bca\\u0bb2\\u0bcd\\u0bb2\\u0bbf\\u0b9f\\u0ba4\\u0bcd\\u0ba4\\u0bc1 \\u0b85\\u0b95\\u0bb0\\u0bae\\u0bbe\\u0b95\\u0bbf\\u0baf \\u0b8e\\u0bb4\\u0bc1\\u0ba4\\u0bcd\\u0ba4\\u0bc1, \\u0b88\\u0bb1\\u0bc1 \\u0b86\\u0b95\\u0bc1 \\u0b85\\u0b95\\u0bb0\\u0bae\\u0bc1\\u0ba9\\u0bc8 \\u0b95\\u0bc6\\u0b9f\\u0bc1\\u0ba4\\u0bb2\\u0bcd \\u0bb5\\u0bc7\\u0ba3\\u0bcd\\u0b9f\\u0bc1\\u0bae\\u0bcd - [\\u0ba8\\u0bc6\\u0b9f\\u0bc1\\u0bae\\u0bc1\\u0ba4\\u0bb2\\u0bcd \\u0b95\\u0bc1\\u0bb1\\u0bc1\\u0b95\\u0bc1\\u0bae\\u0bcd] \\u0bae\\u0bca\\u0bb4\\u0bbf\\u0baf\\u0bc0\\u0bb1\\u0bcd\\u0bb1\\u0bc1 \\u0b89\\u0bb3\\u0ba4\\u0bbe\\u0b95\\u0bbf\\u0ba9\\u0bcd\\u0bb1 \\u0b85\\u0b95\\u0bb0\\u0ba4\\u0bcd\\u0ba4\\u0bbf\\u0ba9\\u0bcd \\u0bae\\u0bc1\\u0ba9\\u0bcd\\u0ba9\\u0bb0\\u0bcd\\u0ba4\\u0bcd \\u0ba4\\u0bbe\\u0ba9\\u0bcd \\u0b95\\u0bc6\\u0b9f\\u0bc1\\u0ba4\\u0bb2\\u0bcd \\u0bb5\\u0bc7\\u0ba3\\u0bcd\\u0b9f\\u0bc1\\u0bae\\u0bcd.\\n\\n\\u0b8e - \\u0b9f\\u0bc1:\\u00a0\\u0ba8\\u0bae\\u0ba4\\u0bc1, \\u0b8e\\u0bae\\u0ba4\\u0bc1, \\u0ba4\\u0ba9\\u0ba4\\u0bc1, \\u0b8e\\u0ba9\\u0ba4\\u0bc1, \\u0ba8\\u0bbf\\u0ba9\\u0ba4\\u0bc1 \\u0b8e\\u0ba9 \\u0bb5\\u0bb0\\u0bc1\\u0bae\\u0bcd.\\n\\n\\u0bae\\u0bc7\\u0bb2\\u0bcd \\u0b88\\u0bb1\\u0bbe\\u0b95\\u0bc1 \\u0b85\\u0b95\\u0bb0\\u0bae\\u0bcd \\u0b87\\u0ba4\\u0bb1\\u0bcd\\u0b95\\u0bc1\\u0ba4\\u0bcd \\u0ba4\\u0bbe\\u0bb0\\u0bbe\\u0ba4\\u0bc1, \\u0b87\\u0bb5\\u0bcd\\u0bb5\\u0bc1\\u0bb0\\u0bc1\\u0baa\\u0b95\\u0bb0\\u0bae\\u0bc7 \\u0b8f\\u0bb1\\u0bbf \\u0bae\\u0bc1\\u0b9f\\u0bbf\\u0baf \\u0b85\\u0bae\\u0bc8\\u0ba4\\u0bb2\\u0bbf\\u0ba9\\u0bcd, \\u0b85\\u0ba4\\u0bc1 \\u0b95\\u0bc7\\u0b9f\\u0bbe\\u0ba4\\u0bb2\\u0bcd \\u0bb5\\u0bc7\\u0ba3\\u0bcd\\u0b9f\\u0bbe \\u0b8e\\u0ba9\\u0bbf\\u0ba9\\u0bcd, \\u0ba8\\u0bc6\\u0b9f\\u0bc1\\u0bae\\u0bc1\\u0ba4\\u0bb2\\u0bcd \\u0b95\\u0bc1\\u0bb1\\u0bc1\\u0b95\\u0bbf \\u0bb5\\u0bbf\\u0b95\\u0bbe\\u0bb0\\u0baa\\u0bcd\\u0baa\\u0b9f\\u0bcd\\u0b9f\\u0bc1 \\u0ba8\\u0bbf\\u0ba9\\u0bcd\\u0bb1 \\u0bae\\u0bca\\u0bb4\\u0bbf\\u0baf\\u0bbe\\u0ba4\\u0bb2\\u0bbf\\u0ba9\\u0bcd \\u0b85\\u0ba4\\u0ba9\\u0bcd\\u0bae\\u0bc7\\u0bb2\\u0bcd \\u0b89\\u0bb0\\u0bc1\\u0baa\\u0b95\\u0bb0 \\u0bae\\u0bc7\\u0bb1\\u0bbf \\u0bae\\u0bc1\\u0b9f\\u0bbf\\u0baf\\u0bb2\\u0bcd \\u0bb5\\u0bc7\\u0ba3\\u0bcd\\u0b9f\\u0bbe \\u0bb0\\u0bbe\\u0baf\\u0bbf\\u0ba9\\u0bbe\\u0bb0\\u0bcd \\u0baa\\u0bcb\\u0bb2\\u0bc1\\u0bae\\u0bc6\\u0ba9\\u0bcd\\u0baa\\u0ba4\\u0bc1.1\\n\\n(13)\\n\\n1.\\u0b87\\u0ba4\\u0bc1 \\u0ba8\\u0bbf\\u0bb2\\u0bc8\\u0bae\\u0bca\\u0bb4\\u0bbf\\u0b95\\u0bcd\\u0b95\\u0bc1 \\u0b93\\u0bb0\\u0bcd \\u0b85\\u0b95\\u0bb0\\u0bae\\u0bcd \\u0baa\\u0bc6\\u0bb1\\u0bc1\\u0bae\\u0bc6\\u0ba9 \\u0bb5\\u0bbf\\u0ba4\\u0bbf\\u0baf\\u0bbe\\u0ba4\\u0bc1 \\u0b89\\u0bb0\\u0bc1\\u0baa\\u0bc1 \\u0b85\\u0b95\\u0bb0\\u0bae\\u0bcd \\u0b8f\\u0bb1\\u0bbf\\u0bae\\u0bc1\\u0b9f\\u0bbf\\u0baf\\u0bc1\\u0bae\\u0bc6\\u0ba9 \\u0bb5\\u0bbf\\u0ba4\\u0bbf\\u0ba4\\u0bcd\\u0ba4\\u0bbe\\u0bb2\\u0bcd \\u0bb5\\u0bb0\\u0bc1\\u0bae\\u0bcd \\u0b95\\u0bc1\\u0bb1\\u0bcd\\u0bb1\\u0bae\\u0bcd \\u0b89\\u0ba3\\u0bcd\\u0b9f\\u0bcb \\u0b8e\\u0ba9\\u0bbf\\u0ba9\\u0bcd ? `\\u0ba8\\u0bbf\\u0ba9\\u0bb5 \\u0b95\\u0bc2\\u0bb1\\u0bc1\\u0bb5 \\u0bb5\\u0bc6\\u0ba9\\u0bb5 \\u0b95\\u0bc7\\u0ba3\\u0bcd\\u0bae\\u0ba4\\u0bbf' (\\u0baa\\u0bc1\\u0bb1\\u0bae\\u0bcd 35) \\u0b8e\\u0ba9\\u0bcd\\u0bb1\\u0bbe\\u0bb1\\u0bcd \\u0baa\\u0bcb\\u0bb2 \\u0b86\\u0bb1\\u0bbe\\u0bb5\\u0ba4\\u0bb1\\u0bcd\\u0b95\\u0bc1\\u0bb0\\u0bbf\\u0baf \\u0b85\\u0b95\\u0bb0 \\u0b89\\u0bb0\\u0bc1\\u0baa\\u0bbf\\u0ba9\\u0bcd \\u0bae\\u0bc1\\u0ba9\\u0bcd\\u0ba9\\u0bb0\\u0bc1\\u0bae\\u0bcd \\u0b93\\u0bb0\\u0bcd \\u0b85\\u0b95\\u0bb0 \\u0b8e\\u0bb4\\u0bc1\\u0ba4\\u0bcd\\u0ba4\\u0bc1\\u0baa\\u0bcd\\u0baa\\u0bc7\\u0bb1\\u0bc1 \\u0ba8\\u0bbf\\u0bb2\\u0bc8\\u0bae\\u0bca\\u0bb4\\u0bbf\\u0b95\\u0bcd\\u0b95\\u0ba3\\u0bcd \\u0bb5\\u0bb0\\u0bc1\\u0ba4\\u0bb2\\u0bc1\\u0bb3\\u0ba4\\u0bbe\\u0b95\\u0b95\\u0bcd \\u0b95\\u0bb0\\u0bc1\\u0ba4\\u0bbf\\u0ba9\\u0bbe\\u0bb0\\u0bbe\\u0ba4\\u0bb2\\u0bbf\\u0ba9\\u0bcd, \\u0b86\\u0bb1\\u0ba9\\u0bc1\\u0bb0\\u0bc1\\u0baa\\u0bbf\\u0bb1\\u0bcd\\u0b95\\u0bc1\\u0bae\\u0bcd \\u0ba8\\u0bbe\\u0ba9\\u0bcd\\u0b95\\u0ba9\\u0bcd \\u0b89\\u0bb0\\u0bc1\\u0baa\\u0bbf\\u0bb1\\u0bcd\\u0b95\\u0bc1\\u0bae\\u0bcd \\u0baa\\u0bca\\u0ba4\\u0bc1\\u0bb5\\u0bbe\\u0b95 \\u0ba8\\u0bbf\\u0bb2\\u0bc8\\u0bae\\u0bca\\u0bb4\\u0bbf\\u0b95\\u0bcd\\u0b95\\u0ba3\\u0bcd \\u0b85\\u0b95\\u0bb0\\u0baa\\u0bcd\\u0baa\\u0bc7\\u0bb1\\u0bc1 \\u0bb5\\u0bbf\\u0ba4\\u0bbf\\u0ba4\\u0bcd\\u0ba4\\u0bc1 \\u0b85\\u0ba4\\u0bc1 \\u0bb5\\u0bc6\\u0ba9\\u0bcd\\u0ba9\\u0bc1\\u0bae\\u0bcd \\u0b92\\u0bb0\\u0bc1\\u0bae\\u0bc8\\u0baf\\u0bc1\\u0bb0\\u0bc1\\u0baa\\u0bc1 \\u0bb5\\u0ba8\\u0bcd\\u0ba4\\u0bbe\\u0bb2\\u0bcd \\u0b86\\u0ba3\\u0bcd\\u0b9f\\u0bc1\\u0baa\\u0bcd \\u0baa\\u0bc6\\u0bb1\\u0bcd\\u0bb1\\u0bc1 \\u0ba8\\u0bbf\\u0ba9\\u0bcd\\u0bb1 \\u0b85\\u0b95\\u0bb0\\u0ba4\\u0bcd\\u0ba4\\u0bbf\\u0ba9\\u0bcd \\u0bae\\u0bc1\\u0ba9\\u0bcd\\u0ba9\\u0bb0\\u0bcd \\u0b85\\u0ba4\\u0bc1 \\u0bb5\\u0bc6\\u0ba9\\u0bcd\\u0baa\\u0ba4\\u0ba9\\u0bcd\\u0b95\\u0ba3\\u0bcd \\u0b85\\u0b95\\u0bb0\\u0b99\\u0bcd\\u0b95\\u0bc6\\u0b9f\\u0bc1\\u0b95\\u0bb5\\u0bc6\\u0ba9\\u0bcd\\u0bb1\\u0bc1 \\u0b88\\u0ba3\\u0bcd\\u0b9f\\u0bc1\\u0b95\\u0bcd \\u0b95\\u0bc2\\u0bb1\\u0bbf\\u0ba9\\u0bbe\\u0bb0\\u0bbe\\u0ba4\\u0bb2\\u0bbf\\u0ba9\\u0bcd, \\u0b85\\u0ba4\\u0bb1\\u0bcd\\u0b95\\u0bc1\\u0bae\\u0bcd \\u0b95\\u0bc1\\u0bb1\\u0bcd\\u0bb1\\u0bae\\u0bcd \\u0b89\\u0ba3\\u0bcd\\u0b9f\\u0bc6\\u0ba9\\u0bcd\\u0bb1\\u0bc1 \\u0b89\\u0ba3\\u0bb0\\u0bcd\\u0b95. (\\u0ba8\\u0b9a\\u0bcd.)\\n\\n\",\n          \"\\u0b89\\u0baf\\u0bbf\\u0bb0\\u0bcd \\u0b87\\u0bb1\\u0bc1 \\u0b9a\\u0bca\\u0bb2\\u0bcd \\u0bae\\u0bc1\\u0ba9\\u0bcd \\u0b89\\u0baf\\u0bbf\\u0bb0\\u0bcd \\u0bb5\\u0bb0\\u0bc1 \\u0bb5\\u0bb4\\u0bbf\\u0baf\\u0bc1\\u0bae\\u0bcd\\n\\u0b89\\u0baf\\u0bbf\\u0bb0\\u0bcd \\u0b87\\u0bb1\\u0bc1 \\u0b9a\\u0bca\\u0bb2\\u0bcd \\u0bae\\u0bc1\\u0ba9\\u0bcd \\u0bae\\u0bc6\\u0baf\\u0bcd \\u0bb5\\u0bb0\\u0bc1 \\u0bb5\\u0bb4\\u0bbf\\u0baf\\u0bc1\\u0bae\\u0bcd\\n\\u0bae\\u0bc6\\u0baf\\u0bcd \\u0b87\\u0bb1\\u0bc1 \\u0b9a\\u0bca\\u0bb2\\u0bcd \\u0bae\\u0bc1\\u0ba9\\u0bcd \\u0b89\\u0baf\\u0bbf\\u0bb0\\u0bcd \\u0bb5\\u0bb0\\u0bc1 \\u0bb5\\u0bb4\\u0bbf\\u0baf\\u0bc1\\u0bae\\u0bcd\\n\\u0bae\\u0bc6\\u0baf\\u0bcd \\u0b87\\u0bb1\\u0bc1 \\u0b9a\\u0bca\\u0bb2\\u0bcd \\u0bae\\u0bc1\\u0ba9\\u0bcd \\u0bae\\u0bc6\\u0baf\\u0bcd \\u0bb5\\u0bb0\\u0bc1 \\u0bb5\\u0bb4\\u0bbf\\u0baf\\u0bc1\\u0bae\\u0bcd \\u0b8e\\u0ba9\\u0bcd\\u0bb1\\u0bc1\\n\\u0b87\\u0bb5\\u0bcd \\u0b8e\\u0ba9 \\u0b85\\u0bb1\\u0bbf\\u0baf\\u0b95\\u0bcd \\u0b95\\u0bbf\\u0bb3\\u0b95\\u0bcd\\u0b95\\u0bc1\\u0bae\\u0bcd \\u0b95\\u0bbe\\u0bb2\\u0bc8\\n\\u0ba8\\u0bbf\\u0bb1\\u0bc1\\u0ba4\\u0bcd\\u0ba4 \\u0b9a\\u0bca\\u0bb2\\u0bcd\\u0bb2\\u0bc7 \\u0b95\\u0bc1\\u0bb1\\u0bbf\\u0ba4\\u0bcd\\u0ba4\\u0bc1 \\u0bb5\\u0bb0\\u0bc1 \\u0b95\\u0bbf\\u0bb3\\u0bb5\\u0bbf \\u0b8e\\u0ba9\\u0bcd\\u0bb1\\u0bc1\\n\\u0b86\\u0baf\\u0bc0\\u0bb0\\u0bcd \\u0b87\\u0baf\\u0bb2 \\u0baa\\u0bc1\\u0ba3\\u0bb0\\u0bcd \\u0ba8\\u0bbf\\u0bb2\\u0bc8\\u0b9a\\u0bcd \\u0b9a\\u0bc1\\u0b9f\\u0bcd\\u0b9f\\u0bc7. 5\"\n        ],\n        \"semantic_type\": \"\",\n        \"description\": \"\"\n      }\n    },\n    {\n      \"column\": \"Label\",\n      \"properties\": {\n        \"dtype\": \"number\",\n        \"std\": null,\n        \"min\": null,\n        \"max\": null,\n        \"num_unique_values\": 0,\n        \"samples\": [],\n        \"semantic_type\": \"\",\n        \"description\": \"\"\n      }\n    }\n  ]\n}",
              "type": "dataframe",
              "variable_name": "data"
            },
            "text/html": [
              "\n",
              "  <div id=\"df-1f16d025-2e63-45ff-8a16-aed3f6076201\" class=\"colab-df-container\">\n",
              "    <div>\n",
              "<style scoped>\n",
              "    .dataframe tbody tr th:only-of-type {\n",
              "        vertical-align: middle;\n",
              "    }\n",
              "\n",
              "    .dataframe tbody tr th {\n",
              "        vertical-align: top;\n",
              "    }\n",
              "\n",
              "    .dataframe thead th {\n",
              "        text-align: right;\n",
              "    }\n",
              "</style>\n",
              "<table border=\"1\" class=\"dataframe\">\n",
              "  <thead>\n",
              "    <tr style=\"text-align: right;\">\n",
              "      <th></th>\n",
              "      <th>Prompt</th>\n",
              "      <th>Response</th>\n",
              "      <th>Label</th>\n",
              "    </tr>\n",
              "  </thead>\n",
              "  <tbody>\n",
              "    <tr>\n",
              "      <th>0</th>\n",
              "      <td>புணரியல் நூற்பா 1 எழுதித் தரவும்.</td>\n",
              "      <td>மூன்று தலை இட்ட முப்பதிற்று எழுத்தின்\\nஇரண்டு ...</td>\n",
              "      <td>NaN</td>\n",
              "    </tr>\n",
              "    <tr>\n",
              "      <th>1</th>\n",
              "      <td>புணரியல் நூற்பா 2 எழுதித் தரவும்.</td>\n",
              "      <td>அவற்றுள்,\\nமெய் ஈறு எல்லாம் புள்ளியொடு-நிலையல். 2</td>\n",
              "      <td>NaN</td>\n",
              "    </tr>\n",
              "    <tr>\n",
              "      <th>2</th>\n",
              "      <td>புணரியல் நூற்பா 3 எழுதித் தரவும்.</td>\n",
              "      <td>குற்றியலுகரமும் அற்று என மொழிப. 3</td>\n",
              "      <td>NaN</td>\n",
              "    </tr>\n",
              "    <tr>\n",
              "      <th>3</th>\n",
              "      <td>புணரியல் நூற்பா 4 எழுதித் தரவும்.</td>\n",
              "      <td>உயிர்மெய் ஈறும் உயிர் ஈற்று இயற்றே. 4</td>\n",
              "      <td>NaN</td>\n",
              "    </tr>\n",
              "    <tr>\n",
              "      <th>4</th>\n",
              "      <td>புணரியல் நூற்பா 5 எழுதித் தரவும்.</td>\n",
              "      <td>உயிர் இறு சொல் முன் உயிர் வரு வழியும்\\nஉயிர் இ...</td>\n",
              "      <td>NaN</td>\n",
              "    </tr>\n",
              "    <tr>\n",
              "      <th>...</th>\n",
              "      <td>...</td>\n",
              "      <td>...</td>\n",
              "      <td>...</td>\n",
              "    </tr>\n",
              "    <tr>\n",
              "      <th>299</th>\n",
              "      <td>புணரியல் என்பது யாது?</td>\n",
              "      <td>புணரியல் என்பது மொழியில் வழங்கும் ஒலியன்கள் (p...</td>\n",
              "      <td>NaN</td>\n",
              "    </tr>\n",
              "    <tr>\n",
              "      <th>300</th>\n",
              "      <td>தொல்காப்பியப்புணரியலும் நன்னூல் புணரியலும்</td>\n",
              "      <td>முகப்புஆராய்ச்சி கட்டுரைகள்தொல்காப்பியப்புணரிய...</td>\n",
              "      <td>NaN</td>\n",
              "    </tr>\n",
              "    <tr>\n",
              "      <th>301</th>\n",
              "      <td>உள்ளடக்கப் பகுப்பாய்வு - புணரியல்</td>\n",
              "      <td>முகப்புஆராய்ச்சி கட்டுரைகள்தொல்காப்பியப்புணரிய...</td>\n",
              "      <td>NaN</td>\n",
              "    </tr>\n",
              "    <tr>\n",
              "      <th>302</th>\n",
              "      <td>தொல்காப்பியம் சுட்டும் புணர் நிலைகள்</td>\n",
              "      <td>தமிழில் உள்ள உருபனியல், தொடரியல் கோட்பாடுகளில்...</td>\n",
              "      <td>NaN</td>\n",
              "    </tr>\n",
              "    <tr>\n",
              "      <th>303</th>\n",
              "      <td>தமிழிலக்கணங்களில் புணரியல்</td>\n",
              "      <td>தமிழில் உள்ள உருபனியல், தொடரியல் கோட்பாடுகளில்...</td>\n",
              "      <td>NaN</td>\n",
              "    </tr>\n",
              "  </tbody>\n",
              "</table>\n",
              "<p>304 rows × 3 columns</p>\n",
              "</div>\n",
              "    <div class=\"colab-df-buttons\">\n",
              "\n",
              "  <div class=\"colab-df-container\">\n",
              "    <button class=\"colab-df-convert\" onclick=\"convertToInteractive('df-1f16d025-2e63-45ff-8a16-aed3f6076201')\"\n",
              "            title=\"Convert this dataframe to an interactive table.\"\n",
              "            style=\"display:none;\">\n",
              "\n",
              "  <svg xmlns=\"http://www.w3.org/2000/svg\" height=\"24px\" viewBox=\"0 -960 960 960\">\n",
              "    <path d=\"M120-120v-720h720v720H120Zm60-500h600v-160H180v160Zm220 220h160v-160H400v160Zm0 220h160v-160H400v160ZM180-400h160v-160H180v160Zm440 0h160v-160H620v160ZM180-180h160v-160H180v160Zm440 0h160v-160H620v160Z\"/>\n",
              "  </svg>\n",
              "    </button>\n",
              "\n",
              "  <style>\n",
              "    .colab-df-container {\n",
              "      display:flex;\n",
              "      gap: 12px;\n",
              "    }\n",
              "\n",
              "    .colab-df-convert {\n",
              "      background-color: #E8F0FE;\n",
              "      border: none;\n",
              "      border-radius: 50%;\n",
              "      cursor: pointer;\n",
              "      display: none;\n",
              "      fill: #1967D2;\n",
              "      height: 32px;\n",
              "      padding: 0 0 0 0;\n",
              "      width: 32px;\n",
              "    }\n",
              "\n",
              "    .colab-df-convert:hover {\n",
              "      background-color: #E2EBFA;\n",
              "      box-shadow: 0px 1px 2px rgba(60, 64, 67, 0.3), 0px 1px 3px 1px rgba(60, 64, 67, 0.15);\n",
              "      fill: #174EA6;\n",
              "    }\n",
              "\n",
              "    .colab-df-buttons div {\n",
              "      margin-bottom: 4px;\n",
              "    }\n",
              "\n",
              "    [theme=dark] .colab-df-convert {\n",
              "      background-color: #3B4455;\n",
              "      fill: #D2E3FC;\n",
              "    }\n",
              "\n",
              "    [theme=dark] .colab-df-convert:hover {\n",
              "      background-color: #434B5C;\n",
              "      box-shadow: 0px 1px 3px 1px rgba(0, 0, 0, 0.15);\n",
              "      filter: drop-shadow(0px 1px 2px rgba(0, 0, 0, 0.3));\n",
              "      fill: #FFFFFF;\n",
              "    }\n",
              "  </style>\n",
              "\n",
              "    <script>\n",
              "      const buttonEl =\n",
              "        document.querySelector('#df-1f16d025-2e63-45ff-8a16-aed3f6076201 button.colab-df-convert');\n",
              "      buttonEl.style.display =\n",
              "        google.colab.kernel.accessAllowed ? 'block' : 'none';\n",
              "\n",
              "      async function convertToInteractive(key) {\n",
              "        const element = document.querySelector('#df-1f16d025-2e63-45ff-8a16-aed3f6076201');\n",
              "        const dataTable =\n",
              "          await google.colab.kernel.invokeFunction('convertToInteractive',\n",
              "                                                    [key], {});\n",
              "        if (!dataTable) return;\n",
              "\n",
              "        const docLinkHtml = 'Like what you see? Visit the ' +\n",
              "          '<a target=\"_blank\" href=https://colab.research.google.com/notebooks/data_table.ipynb>data table notebook</a>'\n",
              "          + ' to learn more about interactive tables.';\n",
              "        element.innerHTML = '';\n",
              "        dataTable['output_type'] = 'display_data';\n",
              "        await google.colab.output.renderOutput(dataTable, element);\n",
              "        const docLink = document.createElement('div');\n",
              "        docLink.innerHTML = docLinkHtml;\n",
              "        element.appendChild(docLink);\n",
              "      }\n",
              "    </script>\n",
              "  </div>\n",
              "\n",
              "\n",
              "<div id=\"df-a11a9073-a790-4f08-9f63-b83015f70dbb\">\n",
              "  <button class=\"colab-df-quickchart\" onclick=\"quickchart('df-a11a9073-a790-4f08-9f63-b83015f70dbb')\"\n",
              "            title=\"Suggest charts\"\n",
              "            style=\"display:none;\">\n",
              "\n",
              "<svg xmlns=\"http://www.w3.org/2000/svg\" height=\"24px\"viewBox=\"0 0 24 24\"\n",
              "     width=\"24px\">\n",
              "    <g>\n",
              "        <path d=\"M19 3H5c-1.1 0-2 .9-2 2v14c0 1.1.9 2 2 2h14c1.1 0 2-.9 2-2V5c0-1.1-.9-2-2-2zM9 17H7v-7h2v7zm4 0h-2V7h2v10zm4 0h-2v-4h2v4z\"/>\n",
              "    </g>\n",
              "</svg>\n",
              "  </button>\n",
              "\n",
              "<style>\n",
              "  .colab-df-quickchart {\n",
              "      --bg-color: #E8F0FE;\n",
              "      --fill-color: #1967D2;\n",
              "      --hover-bg-color: #E2EBFA;\n",
              "      --hover-fill-color: #174EA6;\n",
              "      --disabled-fill-color: #AAA;\n",
              "      --disabled-bg-color: #DDD;\n",
              "  }\n",
              "\n",
              "  [theme=dark] .colab-df-quickchart {\n",
              "      --bg-color: #3B4455;\n",
              "      --fill-color: #D2E3FC;\n",
              "      --hover-bg-color: #434B5C;\n",
              "      --hover-fill-color: #FFFFFF;\n",
              "      --disabled-bg-color: #3B4455;\n",
              "      --disabled-fill-color: #666;\n",
              "  }\n",
              "\n",
              "  .colab-df-quickchart {\n",
              "    background-color: var(--bg-color);\n",
              "    border: none;\n",
              "    border-radius: 50%;\n",
              "    cursor: pointer;\n",
              "    display: none;\n",
              "    fill: var(--fill-color);\n",
              "    height: 32px;\n",
              "    padding: 0;\n",
              "    width: 32px;\n",
              "  }\n",
              "\n",
              "  .colab-df-quickchart:hover {\n",
              "    background-color: var(--hover-bg-color);\n",
              "    box-shadow: 0 1px 2px rgba(60, 64, 67, 0.3), 0 1px 3px 1px rgba(60, 64, 67, 0.15);\n",
              "    fill: var(--button-hover-fill-color);\n",
              "  }\n",
              "\n",
              "  .colab-df-quickchart-complete:disabled,\n",
              "  .colab-df-quickchart-complete:disabled:hover {\n",
              "    background-color: var(--disabled-bg-color);\n",
              "    fill: var(--disabled-fill-color);\n",
              "    box-shadow: none;\n",
              "  }\n",
              "\n",
              "  .colab-df-spinner {\n",
              "    border: 2px solid var(--fill-color);\n",
              "    border-color: transparent;\n",
              "    border-bottom-color: var(--fill-color);\n",
              "    animation:\n",
              "      spin 1s steps(1) infinite;\n",
              "  }\n",
              "\n",
              "  @keyframes spin {\n",
              "    0% {\n",
              "      border-color: transparent;\n",
              "      border-bottom-color: var(--fill-color);\n",
              "      border-left-color: var(--fill-color);\n",
              "    }\n",
              "    20% {\n",
              "      border-color: transparent;\n",
              "      border-left-color: var(--fill-color);\n",
              "      border-top-color: var(--fill-color);\n",
              "    }\n",
              "    30% {\n",
              "      border-color: transparent;\n",
              "      border-left-color: var(--fill-color);\n",
              "      border-top-color: var(--fill-color);\n",
              "      border-right-color: var(--fill-color);\n",
              "    }\n",
              "    40% {\n",
              "      border-color: transparent;\n",
              "      border-right-color: var(--fill-color);\n",
              "      border-top-color: var(--fill-color);\n",
              "    }\n",
              "    60% {\n",
              "      border-color: transparent;\n",
              "      border-right-color: var(--fill-color);\n",
              "    }\n",
              "    80% {\n",
              "      border-color: transparent;\n",
              "      border-right-color: var(--fill-color);\n",
              "      border-bottom-color: var(--fill-color);\n",
              "    }\n",
              "    90% {\n",
              "      border-color: transparent;\n",
              "      border-bottom-color: var(--fill-color);\n",
              "    }\n",
              "  }\n",
              "</style>\n",
              "\n",
              "  <script>\n",
              "    async function quickchart(key) {\n",
              "      const quickchartButtonEl =\n",
              "        document.querySelector('#' + key + ' button');\n",
              "      quickchartButtonEl.disabled = true;  // To prevent multiple clicks.\n",
              "      quickchartButtonEl.classList.add('colab-df-spinner');\n",
              "      try {\n",
              "        const charts = await google.colab.kernel.invokeFunction(\n",
              "            'suggestCharts', [key], {});\n",
              "      } catch (error) {\n",
              "        console.error('Error during call to suggestCharts:', error);\n",
              "      }\n",
              "      quickchartButtonEl.classList.remove('colab-df-spinner');\n",
              "      quickchartButtonEl.classList.add('colab-df-quickchart-complete');\n",
              "    }\n",
              "    (() => {\n",
              "      let quickchartButtonEl =\n",
              "        document.querySelector('#df-a11a9073-a790-4f08-9f63-b83015f70dbb button');\n",
              "      quickchartButtonEl.style.display =\n",
              "        google.colab.kernel.accessAllowed ? 'block' : 'none';\n",
              "    })();\n",
              "  </script>\n",
              "</div>\n",
              "\n",
              "  <div id=\"id_fb4d624b-8744-4668-941d-0685268b9072\">\n",
              "    <style>\n",
              "      .colab-df-generate {\n",
              "        background-color: #E8F0FE;\n",
              "        border: none;\n",
              "        border-radius: 50%;\n",
              "        cursor: pointer;\n",
              "        display: none;\n",
              "        fill: #1967D2;\n",
              "        height: 32px;\n",
              "        padding: 0 0 0 0;\n",
              "        width: 32px;\n",
              "      }\n",
              "\n",
              "      .colab-df-generate:hover {\n",
              "        background-color: #E2EBFA;\n",
              "        box-shadow: 0px 1px 2px rgba(60, 64, 67, 0.3), 0px 1px 3px 1px rgba(60, 64, 67, 0.15);\n",
              "        fill: #174EA6;\n",
              "      }\n",
              "\n",
              "      [theme=dark] .colab-df-generate {\n",
              "        background-color: #3B4455;\n",
              "        fill: #D2E3FC;\n",
              "      }\n",
              "\n",
              "      [theme=dark] .colab-df-generate:hover {\n",
              "        background-color: #434B5C;\n",
              "        box-shadow: 0px 1px 3px 1px rgba(0, 0, 0, 0.15);\n",
              "        filter: drop-shadow(0px 1px 2px rgba(0, 0, 0, 0.3));\n",
              "        fill: #FFFFFF;\n",
              "      }\n",
              "    </style>\n",
              "    <button class=\"colab-df-generate\" onclick=\"generateWithVariable('data')\"\n",
              "            title=\"Generate code using this dataframe.\"\n",
              "            style=\"display:none;\">\n",
              "\n",
              "  <svg xmlns=\"http://www.w3.org/2000/svg\" height=\"24px\"viewBox=\"0 0 24 24\"\n",
              "       width=\"24px\">\n",
              "    <path d=\"M7,19H8.4L18.45,9,17,7.55,7,17.6ZM5,21V16.75L18.45,3.32a2,2,0,0,1,2.83,0l1.4,1.43a1.91,1.91,0,0,1,.58,1.4,1.91,1.91,0,0,1-.58,1.4L9.25,21ZM18.45,9,17,7.55Zm-12,3A5.31,5.31,0,0,0,4.9,8.1,5.31,5.31,0,0,0,1,6.5,5.31,5.31,0,0,0,4.9,4.9,5.31,5.31,0,0,0,6.5,1,5.31,5.31,0,0,0,8.1,4.9,5.31,5.31,0,0,0,12,6.5,5.46,5.46,0,0,0,6.5,12Z\"/>\n",
              "  </svg>\n",
              "    </button>\n",
              "    <script>\n",
              "      (() => {\n",
              "      const buttonEl =\n",
              "        document.querySelector('#id_fb4d624b-8744-4668-941d-0685268b9072 button.colab-df-generate');\n",
              "      buttonEl.style.display =\n",
              "        google.colab.kernel.accessAllowed ? 'block' : 'none';\n",
              "\n",
              "      buttonEl.onclick = () => {\n",
              "        google.colab.notebook.generateWithVariable('data');\n",
              "      }\n",
              "      })();\n",
              "    </script>\n",
              "  </div>\n",
              "\n",
              "    </div>\n",
              "  </div>\n"
            ],
            "text/plain": [
              "                                         Prompt  \\\n",
              "0             புணரியல் நூற்பா 1 எழுதித் தரவும்.   \n",
              "1             புணரியல் நூற்பா 2 எழுதித் தரவும்.   \n",
              "2             புணரியல் நூற்பா 3 எழுதித் தரவும்.   \n",
              "3             புணரியல் நூற்பா 4 எழுதித் தரவும்.   \n",
              "4             புணரியல் நூற்பா 5 எழுதித் தரவும்.   \n",
              "..                                          ...   \n",
              "299                       புணரியல் என்பது யாது?   \n",
              "300  தொல்காப்பியப்புணரியலும் நன்னூல் புணரியலும்   \n",
              "301           உள்ளடக்கப் பகுப்பாய்வு - புணரியல்   \n",
              "302        தொல்காப்பியம் சுட்டும் புணர் நிலைகள்   \n",
              "303                  தமிழிலக்கணங்களில் புணரியல்   \n",
              "\n",
              "                                              Response  Label  \n",
              "0    மூன்று தலை இட்ட முப்பதிற்று எழுத்தின்\\nஇரண்டு ...    NaN  \n",
              "1    அவற்றுள்,\\nமெய் ஈறு எல்லாம் புள்ளியொடு-நிலையல். 2    NaN  \n",
              "2                    குற்றியலுகரமும் அற்று என மொழிப. 3    NaN  \n",
              "3                உயிர்மெய் ஈறும் உயிர் ஈற்று இயற்றே. 4    NaN  \n",
              "4    உயிர் இறு சொல் முன் உயிர் வரு வழியும்\\nஉயிர் இ...    NaN  \n",
              "..                                                 ...    ...  \n",
              "299  புணரியல் என்பது மொழியில் வழங்கும் ஒலியன்கள் (p...    NaN  \n",
              "300  முகப்புஆராய்ச்சி கட்டுரைகள்தொல்காப்பியப்புணரிய...    NaN  \n",
              "301  முகப்புஆராய்ச்சி கட்டுரைகள்தொல்காப்பியப்புணரிய...    NaN  \n",
              "302  தமிழில் உள்ள உருபனியல், தொடரியல் கோட்பாடுகளில்...    NaN  \n",
              "303  தமிழில் உள்ள உருபனியல், தொடரியல் கோட்பாடுகளில்...    NaN  \n",
              "\n",
              "[304 rows x 3 columns]"
            ]
          },
          "metadata": {},
          "output_type": "display_data"
        }
      ],
      "source": [
        "data = pd.read_csv(\"Tolkappiyam_Punariyal.csv\", encoding='utf-8')\n",
        "print(data.columns) # print column names\n",
        "display(data) # display the entire DataFrame for detailed inspection"
      ]
    },
    {
      "cell_type": "code",
      "execution_count": 50,
      "metadata": {
        "id": "G2f-p4IBV0xo",
        "colab": {
          "base_uri": "https://localhost:8080/"
        },
        "outputId": "8f23d051-82e7-4fee-cfea-3f63226bd239"
      },
      "outputs": [
        {
          "output_type": "stream",
          "name": "stdout",
          "text": [
            "Cleaned Text: மூன்று தலை இட்ட முப்பதிற்று எழுத்தின்\n",
            "இரண்டு தலை இட்ட முதல் ஆகு இருபஃது\n",
            "அறு நான்கு ஈறொடு நெறி நின்று இயலும்\n",
            "எல்லா மொழிக்கும் இறுதியும் முதலும்\n",
            "மெய்யே உயிர் என்று ஆயீர் இயல 1\n",
            "Tamil Words: ['மூன்று', 'தலை', 'இட்ட', 'முப்பதிற்று', 'எழுத்தின்', 'இரண்டு', 'தலை', 'இட்ட', 'முதல்', 'ஆகு', 'இருபஃது', 'அறு', 'நான்கு', 'ஈறொடு', 'நெறி', 'நின்று', 'இயலும்', 'எல்லா', 'மொழிக்கும்', 'இறுதியும்', 'முதலும்', 'மெய்யே', 'உயிர்', 'என்று', 'ஆயீர்', 'இயல']\n"
          ]
        }
      ],
      "source": [
        "cleaned_tamil_text = remove_tamil_punctuation(tamil_text)\n",
        "print(\"Cleaned Text:\", cleaned_tamil_text)\n",
        "\n",
        "words = get_tamil_words(cleaned_tamil_text)\n",
        "print(\"Tamil Words:\", words)"
      ]
    },
    {
      "cell_type": "code",
      "source": [
        "# prompt: இதன் அடுத்தக்கட்ட நிரலினை எழுதவும்\n",
        "\n",
        "import pandas as pd\n",
        "import nltk\n",
        "from nltk.tokenize import word_tokenize\n",
        "from nltk.corpus import stopwords\n",
        "import matplotlib.pyplot as plt\n",
        "import re\n",
        "\n"
      ],
      "metadata": {
        "id": "I6jE4KyqdVea"
      },
      "execution_count": 51,
      "outputs": []
    },
    {
      "cell_type": "code",
      "source": [
        "# ... (previous code)\n",
        "\n",
        "# Assuming 'tamil_text' is defined somewhere in your previous code,\n",
        "#  or you'll need to replace it with the actual text you want to process.\n",
        "# Example:\n",
        "tamil_text = data['Response'].iloc[0]  # Get the text from the first row of the 'Text' column\n",
        "\n",
        "\n",
        "cleaned_tamil_text = remove_tamil_punctuation(tamil_text)\n",
        "print(\"Cleaned Text:\", cleaned_tamil_text)\n",
        "\n",
        "words = get_tamil_words(cleaned_tamil_text)\n",
        "print(\"Tamil Words:\", words)"
      ],
      "metadata": {
        "colab": {
          "base_uri": "https://localhost:8080/"
        },
        "id": "lcLdTZsFdqxx",
        "outputId": "487bb960-e220-4689-f5b9-4427dbdb3f35"
      },
      "execution_count": 53,
      "outputs": [
        {
          "output_type": "stream",
          "name": "stdout",
          "text": [
            "Cleaned Text: மூன்று தலை இட்ட முப்பதிற்று எழுத்தின்\n",
            "இரண்டு தலை இட்ட முதல் ஆகு இருபஃது\n",
            "அறு நான்கு ஈறொடு நெறி நின்று இயலும்\n",
            "எல்லா மொழிக்கும் இறுதியும் முதலும்\n",
            "மெய்யே உயிர் என்று ஆயீர் இயல 1\n",
            "Tamil Words: ['மூன்று', 'தலை', 'இட்ட', 'முப்பதிற்று', 'எழுத்தின்', 'இரண்டு', 'தலை', 'இட்ட', 'முதல்', 'ஆகு', 'இருபஃது', 'அறு', 'நான்கு', 'ஈறொடு', 'நெறி', 'நின்று', 'இயலும்', 'எல்லா', 'மொழிக்கும்', 'இறுதியும்', 'முதலும்', 'மெய்யே', 'உயிர்', 'என்று', 'ஆயீர்', 'இயல']\n"
          ]
        }
      ]
    },
    {
      "cell_type": "code",
      "source": [
        "# Word Frequency Analysis\n",
        "word_freq = nltk.FreqDist(words)\n"
      ],
      "metadata": {
        "id": "RD84UwHadz13"
      },
      "execution_count": 54,
      "outputs": []
    },
    {
      "cell_type": "code",
      "source": [
        "# Display the most common words\n",
        "print(\"Most Common Words:\")\n",
        "print(word_freq.most_common(10)) # Show top 10 most frequent words\n"
      ],
      "metadata": {
        "colab": {
          "base_uri": "https://localhost:8080/"
        },
        "id": "M_sDTyT4d6Ch",
        "outputId": "9f8eca8e-bc6b-40e1-8f6b-595c37069806"
      },
      "execution_count": 55,
      "outputs": [
        {
          "output_type": "stream",
          "name": "stdout",
          "text": [
            "Most Common Words:\n",
            "[('தலை', 2), ('இட்ட', 2), ('மூன்று', 1), ('முப்பதிற்று', 1), ('எழுத்தின்', 1), ('இரண்டு', 1), ('முதல்', 1), ('ஆகு', 1), ('இருபஃது', 1), ('அறு', 1)]\n"
          ]
        }
      ]
    },
    {
      "cell_type": "code",
      "source": [
        "import matplotlib.pyplot as plt\n",
        "import matplotlib.font_manager as fm\n",
        "import tamil\n",
        "\n"
      ],
      "metadata": {
        "id": "x-4BvhCjd8rI"
      },
      "execution_count": 66,
      "outputs": []
    },
    {
      "cell_type": "code",
      "source": [
        "# NotoSansTamil-Bold.ttf எழுத்துருவை ஏற்றுதல்\n",
        "font_path = '/content/TAU-Marutham.ttf'\n",
        "prop = fm.FontProperties(fname=font_path)\n"
      ],
      "metadata": {
        "id": "HlD0l7oBfpAZ"
      },
      "execution_count": 67,
      "outputs": []
    },
    {
      "cell_type": "code",
      "source": [
        "# வார்த்தை அதிர்வெண் வரைபடம்\n",
        "word_freq.plot(20, cumulative=False)\n",
        "# x-axis லேபிள்களுக்கு எழுத்துருவைப் பயன்படுத்துதல்\n",
        "plt.xticks(fontproperties=prop)\n",
        "\n",
        "plt.show()"
      ],
      "metadata": {
        "colab": {
          "base_uri": "https://localhost:8080/",
          "height": 511
        },
        "id": "Ow41xNpJfspu",
        "outputId": "b9f9d8bc-02bb-456e-c804-dd37c9cb365f"
      },
      "execution_count": 68,
      "outputs": [
        {
          "output_type": "display_data",
          "data": {
            "text/plain": [
              "<Figure size 640x480 with 1 Axes>"
            ],
            "image/png": "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\n"
          },
          "metadata": {}
        }
      ]
    },
    {
      "cell_type": "code",
      "source": [
        "plt.figure(figsize=(12, 6))\n",
        "word_freq.plot(20, cumulative=False)\n",
        "\n",
        "try:\n",
        "  prop = fm.FontProperties(fname=font_path)\n",
        "  plt.xticks(fontproperties=prop, rotation=45, ha='right')\n",
        "except Exception as e:\n",
        "  print(f\"Error setting font properties: {e}\")\n",
        "  plt.xticks(rotation=45, ha='right')\n",
        "\n",
        "  plt.title('Word Frequency Distribution', fontproperties=prop)\n",
        "  plt.xlabel('Words', fontproperties=prop)\n",
        "  plt.ylabel('Frequency', fontproperties=prop)\n",
        "  plt.tight_layout()\n",
        "  plt.show()"
      ],
      "metadata": {
        "colab": {
          "base_uri": "https://localhost:8080/",
          "height": 557
        },
        "id": "rbFdiV5qiJ2A",
        "outputId": "f3470766-f4fc-486d-a0ec-cf150e6e68aa"
      },
      "execution_count": 72,
      "outputs": [
        {
          "output_type": "display_data",
          "data": {
            "text/plain": [
              "<Figure size 1200x600 with 1 Axes>"
            ],
            "image/png": "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\n"
          },
          "metadata": {}
        }
      ]
    },
    {
      "cell_type": "code",
      "source": [
        "# prompt: மேலே உள்ள காட்சிப் படுத்தலில்  x-axis லேபிள்களுக்கு எழுத்துருவைப் பயன்படுத்துதல் இன்னும் தமிழ் எழுத்துரு சரியான அமைப்பில் தெரியவில்லை\n",
        "\n",
        "import pandas as pd\n",
        "import nltk\n",
        "from nltk.tokenize import word_tokenize\n",
        "from nltk.corpus import stopwords\n",
        "import matplotlib.pyplot as plt\n",
        "import re\n",
        "import matplotlib.font_manager as fm\n",
        "import tamil\n",
        "\n",
        "# Install necessary libraries if not already installed\n",
        "!pip install pandas nltk matplotlib Open-Tamil\n",
        "\n",
        "# Download required NLTK data\n",
        "nltk.download('punkt')\n",
        "nltk.download('stopwords')\n",
        "\n",
        "\n",
        "# Function to remove Tamil punctuation\n",
        "def remove_tamil_punctuation(text):\n",
        "    tamil_punctuations = \".,;:!?\"\n",
        "    text = ''.join(ch for ch in text if ch not in tamil_punctuations)\n",
        "    return text\n",
        "\n",
        "# Function to extract Tamil words\n",
        "def get_tamil_words(text):\n",
        "    # Use a more robust regex to capture Tamil words\n",
        "    tamil_words = re.findall(r'[\\u0B80-\\u0BFF]+', text)  # Matches one or more Tamil characters\n",
        "    return tamil_words\n",
        "\n",
        "# Load the CSV file (ensure correct encoding and path)\n",
        "try:\n",
        "    data = pd.read_csv(\"Tolkappiyam_Punariyal.csv\", encoding='utf-8')\n",
        "except FileNotFoundError:\n",
        "    print(\"Error: 'Tolkappiyam_Punariyal.csv' not found. Please upload the file or provide the correct path.\")\n",
        "    exit()  # Exit the script if the file is not found\n",
        "\n",
        "\n",
        "# Print column names and display the DataFrame for inspection\n",
        "print(data.columns)\n",
        "display(data)\n",
        "\n",
        "# Example usage (assuming 'Response' column exists)\n",
        "if 'Response' in data.columns:\n",
        "    tamil_text = data['Response'].iloc[0]  # Get the text from the first row of the 'Response' column\n",
        "    cleaned_tamil_text = remove_tamil_punctuation(tamil_text)\n",
        "    print(\"Cleaned Text:\", cleaned_tamil_text)\n",
        "    words = get_tamil_words(cleaned_tamil_text)\n",
        "    print(\"Tamil Words:\", words)\n",
        "\n",
        "    # Word Frequency Analysis\n",
        "    word_freq = nltk.FreqDist(words)\n",
        "    print(\"Most Common Words:\")\n",
        "    print(word_freq.most_common(10))\n",
        "\n",
        "    # Plot word frequency with Tamil font for x-axis labels\n",
        "    font_path = '/content/TAU-Marutham.ttf'  # Replace with the actual path if different\n",
        "    try:\n",
        "      prop = fm.FontProperties(fname=font_path)\n",
        "      word_freq.plot(20, cumulative=False)\n",
        "      plt.xticks(fontproperties=prop, rotation=45, ha=\"right\")  # Rotate labels for readability\n",
        "      plt.show()\n",
        "    except Exception as e:\n",
        "        print(f\"Error setting font properties or plotting: {e}\")\n",
        "        print(\"Please ensure the font file is correctly uploaded and the path is accurate.\")\n",
        "else:\n",
        "    print(\"Error: 'Response' column not found in the CSV file.\")\n"
      ],
      "metadata": {
        "colab": {
          "base_uri": "https://localhost:8080/",
          "height": 1000
        },
        "id": "BzQy17HEg823",
        "outputId": "ca50ee2b-1fc4-457e-b131-6424b384f6c5"
      },
      "execution_count": 73,
      "outputs": [
        {
          "output_type": "stream",
          "name": "stdout",
          "text": [
            "Requirement already satisfied: pandas in /usr/local/lib/python3.10/dist-packages (2.2.2)\n",
            "Requirement already satisfied: nltk in /usr/local/lib/python3.10/dist-packages (3.9.1)\n",
            "Requirement already satisfied: matplotlib in /usr/local/lib/python3.10/dist-packages (3.8.0)\n",
            "Requirement already satisfied: Open-Tamil in /usr/local/lib/python3.10/dist-packages (1.1)\n",
            "Requirement already satisfied: numpy>=1.22.4 in /usr/local/lib/python3.10/dist-packages (from pandas) (1.26.4)\n",
            "Requirement already satisfied: python-dateutil>=2.8.2 in /usr/local/lib/python3.10/dist-packages (from pandas) (2.8.2)\n",
            "Requirement already satisfied: pytz>=2020.1 in /usr/local/lib/python3.10/dist-packages (from pandas) (2024.2)\n",
            "Requirement already satisfied: tzdata>=2022.7 in /usr/local/lib/python3.10/dist-packages (from pandas) (2024.2)\n",
            "Requirement already satisfied: click in /usr/local/lib/python3.10/dist-packages (from nltk) (8.1.7)\n",
            "Requirement already satisfied: joblib in /usr/local/lib/python3.10/dist-packages (from nltk) (1.4.2)\n",
            "Requirement already satisfied: regex>=2021.8.3 in /usr/local/lib/python3.10/dist-packages (from nltk) (2024.11.6)\n",
            "Requirement already satisfied: tqdm in /usr/local/lib/python3.10/dist-packages (from nltk) (4.67.1)\n",
            "Requirement already satisfied: contourpy>=1.0.1 in /usr/local/lib/python3.10/dist-packages (from matplotlib) (1.3.1)\n",
            "Requirement already satisfied: cycler>=0.10 in /usr/local/lib/python3.10/dist-packages (from matplotlib) (0.12.1)\n",
            "Requirement already satisfied: fonttools>=4.22.0 in /usr/local/lib/python3.10/dist-packages (from matplotlib) (4.55.3)\n",
            "Requirement already satisfied: kiwisolver>=1.0.1 in /usr/local/lib/python3.10/dist-packages (from matplotlib) (1.4.7)\n",
            "Requirement already satisfied: packaging>=20.0 in /usr/local/lib/python3.10/dist-packages (from matplotlib) (24.2)\n",
            "Requirement already satisfied: pillow>=6.2.0 in /usr/local/lib/python3.10/dist-packages (from matplotlib) (11.0.0)\n",
            "Requirement already satisfied: pyparsing>=2.3.1 in /usr/local/lib/python3.10/dist-packages (from matplotlib) (3.2.0)\n",
            "Requirement already satisfied: six>=1.5 in /usr/local/lib/python3.10/dist-packages (from python-dateutil>=2.8.2->pandas) (1.17.0)\n",
            "Index(['Prompt', 'Response', 'Label'], dtype='object')\n"
          ]
        },
        {
          "output_type": "stream",
          "name": "stderr",
          "text": [
            "[nltk_data] Downloading package punkt to /root/nltk_data...\n",
            "[nltk_data]   Package punkt is already up-to-date!\n",
            "[nltk_data] Downloading package stopwords to /root/nltk_data...\n",
            "[nltk_data]   Package stopwords is already up-to-date!\n"
          ]
        },
        {
          "output_type": "display_data",
          "data": {
            "text/plain": [
              "                                         Prompt  \\\n",
              "0             புணரியல் நூற்பா 1 எழுதித் தரவும்.   \n",
              "1             புணரியல் நூற்பா 2 எழுதித் தரவும்.   \n",
              "2             புணரியல் நூற்பா 3 எழுதித் தரவும்.   \n",
              "3             புணரியல் நூற்பா 4 எழுதித் தரவும்.   \n",
              "4             புணரியல் நூற்பா 5 எழுதித் தரவும்.   \n",
              "..                                          ...   \n",
              "299                       புணரியல் என்பது யாது?   \n",
              "300  தொல்காப்பியப்புணரியலும் நன்னூல் புணரியலும்   \n",
              "301           உள்ளடக்கப் பகுப்பாய்வு - புணரியல்   \n",
              "302        தொல்காப்பியம் சுட்டும் புணர் நிலைகள்   \n",
              "303                  தமிழிலக்கணங்களில் புணரியல்   \n",
              "\n",
              "                                              Response  Label  \n",
              "0    மூன்று தலை இட்ட முப்பதிற்று எழுத்தின்\\nஇரண்டு ...    NaN  \n",
              "1    அவற்றுள்,\\nமெய் ஈறு எல்லாம் புள்ளியொடு-நிலையல். 2    NaN  \n",
              "2                    குற்றியலுகரமும் அற்று என மொழிப. 3    NaN  \n",
              "3                உயிர்மெய் ஈறும் உயிர் ஈற்று இயற்றே. 4    NaN  \n",
              "4    உயிர் இறு சொல் முன் உயிர் வரு வழியும்\\nஉயிர் இ...    NaN  \n",
              "..                                                 ...    ...  \n",
              "299  புணரியல் என்பது மொழியில் வழங்கும் ஒலியன்கள் (p...    NaN  \n",
              "300  முகப்புஆராய்ச்சி கட்டுரைகள்தொல்காப்பியப்புணரிய...    NaN  \n",
              "301  முகப்புஆராய்ச்சி கட்டுரைகள்தொல்காப்பியப்புணரிய...    NaN  \n",
              "302  தமிழில் உள்ள உருபனியல், தொடரியல் கோட்பாடுகளில்...    NaN  \n",
              "303  தமிழில் உள்ள உருபனியல், தொடரியல் கோட்பாடுகளில்...    NaN  \n",
              "\n",
              "[304 rows x 3 columns]"
            ],
            "text/html": [
              "\n",
              "  <div id=\"df-f84cd09f-c91c-438c-ba37-045efe39eebf\" class=\"colab-df-container\">\n",
              "    <div>\n",
              "<style scoped>\n",
              "    .dataframe tbody tr th:only-of-type {\n",
              "        vertical-align: middle;\n",
              "    }\n",
              "\n",
              "    .dataframe tbody tr th {\n",
              "        vertical-align: top;\n",
              "    }\n",
              "\n",
              "    .dataframe thead th {\n",
              "        text-align: right;\n",
              "    }\n",
              "</style>\n",
              "<table border=\"1\" class=\"dataframe\">\n",
              "  <thead>\n",
              "    <tr style=\"text-align: right;\">\n",
              "      <th></th>\n",
              "      <th>Prompt</th>\n",
              "      <th>Response</th>\n",
              "      <th>Label</th>\n",
              "    </tr>\n",
              "  </thead>\n",
              "  <tbody>\n",
              "    <tr>\n",
              "      <th>0</th>\n",
              "      <td>புணரியல் நூற்பா 1 எழுதித் தரவும்.</td>\n",
              "      <td>மூன்று தலை இட்ட முப்பதிற்று எழுத்தின்\\nஇரண்டு ...</td>\n",
              "      <td>NaN</td>\n",
              "    </tr>\n",
              "    <tr>\n",
              "      <th>1</th>\n",
              "      <td>புணரியல் நூற்பா 2 எழுதித் தரவும்.</td>\n",
              "      <td>அவற்றுள்,\\nமெய் ஈறு எல்லாம் புள்ளியொடு-நிலையல். 2</td>\n",
              "      <td>NaN</td>\n",
              "    </tr>\n",
              "    <tr>\n",
              "      <th>2</th>\n",
              "      <td>புணரியல் நூற்பா 3 எழுதித் தரவும்.</td>\n",
              "      <td>குற்றியலுகரமும் அற்று என மொழிப. 3</td>\n",
              "      <td>NaN</td>\n",
              "    </tr>\n",
              "    <tr>\n",
              "      <th>3</th>\n",
              "      <td>புணரியல் நூற்பா 4 எழுதித் தரவும்.</td>\n",
              "      <td>உயிர்மெய் ஈறும் உயிர் ஈற்று இயற்றே. 4</td>\n",
              "      <td>NaN</td>\n",
              "    </tr>\n",
              "    <tr>\n",
              "      <th>4</th>\n",
              "      <td>புணரியல் நூற்பா 5 எழுதித் தரவும்.</td>\n",
              "      <td>உயிர் இறு சொல் முன் உயிர் வரு வழியும்\\nஉயிர் இ...</td>\n",
              "      <td>NaN</td>\n",
              "    </tr>\n",
              "    <tr>\n",
              "      <th>...</th>\n",
              "      <td>...</td>\n",
              "      <td>...</td>\n",
              "      <td>...</td>\n",
              "    </tr>\n",
              "    <tr>\n",
              "      <th>299</th>\n",
              "      <td>புணரியல் என்பது யாது?</td>\n",
              "      <td>புணரியல் என்பது மொழியில் வழங்கும் ஒலியன்கள் (p...</td>\n",
              "      <td>NaN</td>\n",
              "    </tr>\n",
              "    <tr>\n",
              "      <th>300</th>\n",
              "      <td>தொல்காப்பியப்புணரியலும் நன்னூல் புணரியலும்</td>\n",
              "      <td>முகப்புஆராய்ச்சி கட்டுரைகள்தொல்காப்பியப்புணரிய...</td>\n",
              "      <td>NaN</td>\n",
              "    </tr>\n",
              "    <tr>\n",
              "      <th>301</th>\n",
              "      <td>உள்ளடக்கப் பகுப்பாய்வு - புணரியல்</td>\n",
              "      <td>முகப்புஆராய்ச்சி கட்டுரைகள்தொல்காப்பியப்புணரிய...</td>\n",
              "      <td>NaN</td>\n",
              "    </tr>\n",
              "    <tr>\n",
              "      <th>302</th>\n",
              "      <td>தொல்காப்பியம் சுட்டும் புணர் நிலைகள்</td>\n",
              "      <td>தமிழில் உள்ள உருபனியல், தொடரியல் கோட்பாடுகளில்...</td>\n",
              "      <td>NaN</td>\n",
              "    </tr>\n",
              "    <tr>\n",
              "      <th>303</th>\n",
              "      <td>தமிழிலக்கணங்களில் புணரியல்</td>\n",
              "      <td>தமிழில் உள்ள உருபனியல், தொடரியல் கோட்பாடுகளில்...</td>\n",
              "      <td>NaN</td>\n",
              "    </tr>\n",
              "  </tbody>\n",
              "</table>\n",
              "<p>304 rows × 3 columns</p>\n",
              "</div>\n",
              "    <div class=\"colab-df-buttons\">\n",
              "\n",
              "  <div class=\"colab-df-container\">\n",
              "    <button class=\"colab-df-convert\" onclick=\"convertToInteractive('df-f84cd09f-c91c-438c-ba37-045efe39eebf')\"\n",
              "            title=\"Convert this dataframe to an interactive table.\"\n",
              "            style=\"display:none;\">\n",
              "\n",
              "  <svg xmlns=\"http://www.w3.org/2000/svg\" height=\"24px\" viewBox=\"0 -960 960 960\">\n",
              "    <path d=\"M120-120v-720h720v720H120Zm60-500h600v-160H180v160Zm220 220h160v-160H400v160Zm0 220h160v-160H400v160ZM180-400h160v-160H180v160Zm440 0h160v-160H620v160ZM180-180h160v-160H180v160Zm440 0h160v-160H620v160Z\"/>\n",
              "  </svg>\n",
              "    </button>\n",
              "\n",
              "  <style>\n",
              "    .colab-df-container {\n",
              "      display:flex;\n",
              "      gap: 12px;\n",
              "    }\n",
              "\n",
              "    .colab-df-convert {\n",
              "      background-color: #E8F0FE;\n",
              "      border: none;\n",
              "      border-radius: 50%;\n",
              "      cursor: pointer;\n",
              "      display: none;\n",
              "      fill: #1967D2;\n",
              "      height: 32px;\n",
              "      padding: 0 0 0 0;\n",
              "      width: 32px;\n",
              "    }\n",
              "\n",
              "    .colab-df-convert:hover {\n",
              "      background-color: #E2EBFA;\n",
              "      box-shadow: 0px 1px 2px rgba(60, 64, 67, 0.3), 0px 1px 3px 1px rgba(60, 64, 67, 0.15);\n",
              "      fill: #174EA6;\n",
              "    }\n",
              "\n",
              "    .colab-df-buttons div {\n",
              "      margin-bottom: 4px;\n",
              "    }\n",
              "\n",
              "    [theme=dark] .colab-df-convert {\n",
              "      background-color: #3B4455;\n",
              "      fill: #D2E3FC;\n",
              "    }\n",
              "\n",
              "    [theme=dark] .colab-df-convert:hover {\n",
              "      background-color: #434B5C;\n",
              "      box-shadow: 0px 1px 3px 1px rgba(0, 0, 0, 0.15);\n",
              "      filter: drop-shadow(0px 1px 2px rgba(0, 0, 0, 0.3));\n",
              "      fill: #FFFFFF;\n",
              "    }\n",
              "  </style>\n",
              "\n",
              "    <script>\n",
              "      const buttonEl =\n",
              "        document.querySelector('#df-f84cd09f-c91c-438c-ba37-045efe39eebf button.colab-df-convert');\n",
              "      buttonEl.style.display =\n",
              "        google.colab.kernel.accessAllowed ? 'block' : 'none';\n",
              "\n",
              "      async function convertToInteractive(key) {\n",
              "        const element = document.querySelector('#df-f84cd09f-c91c-438c-ba37-045efe39eebf');\n",
              "        const dataTable =\n",
              "          await google.colab.kernel.invokeFunction('convertToInteractive',\n",
              "                                                    [key], {});\n",
              "        if (!dataTable) return;\n",
              "\n",
              "        const docLinkHtml = 'Like what you see? Visit the ' +\n",
              "          '<a target=\"_blank\" href=https://colab.research.google.com/notebooks/data_table.ipynb>data table notebook</a>'\n",
              "          + ' to learn more about interactive tables.';\n",
              "        element.innerHTML = '';\n",
              "        dataTable['output_type'] = 'display_data';\n",
              "        await google.colab.output.renderOutput(dataTable, element);\n",
              "        const docLink = document.createElement('div');\n",
              "        docLink.innerHTML = docLinkHtml;\n",
              "        element.appendChild(docLink);\n",
              "      }\n",
              "    </script>\n",
              "  </div>\n",
              "\n",
              "\n",
              "<div id=\"df-b3e84155-c789-49cc-8ad9-e1ad31c37ab5\">\n",
              "  <button class=\"colab-df-quickchart\" onclick=\"quickchart('df-b3e84155-c789-49cc-8ad9-e1ad31c37ab5')\"\n",
              "            title=\"Suggest charts\"\n",
              "            style=\"display:none;\">\n",
              "\n",
              "<svg xmlns=\"http://www.w3.org/2000/svg\" height=\"24px\"viewBox=\"0 0 24 24\"\n",
              "     width=\"24px\">\n",
              "    <g>\n",
              "        <path d=\"M19 3H5c-1.1 0-2 .9-2 2v14c0 1.1.9 2 2 2h14c1.1 0 2-.9 2-2V5c0-1.1-.9-2-2-2zM9 17H7v-7h2v7zm4 0h-2V7h2v10zm4 0h-2v-4h2v4z\"/>\n",
              "    </g>\n",
              "</svg>\n",
              "  </button>\n",
              "\n",
              "<style>\n",
              "  .colab-df-quickchart {\n",
              "      --bg-color: #E8F0FE;\n",
              "      --fill-color: #1967D2;\n",
              "      --hover-bg-color: #E2EBFA;\n",
              "      --hover-fill-color: #174EA6;\n",
              "      --disabled-fill-color: #AAA;\n",
              "      --disabled-bg-color: #DDD;\n",
              "  }\n",
              "\n",
              "  [theme=dark] .colab-df-quickchart {\n",
              "      --bg-color: #3B4455;\n",
              "      --fill-color: #D2E3FC;\n",
              "      --hover-bg-color: #434B5C;\n",
              "      --hover-fill-color: #FFFFFF;\n",
              "      --disabled-bg-color: #3B4455;\n",
              "      --disabled-fill-color: #666;\n",
              "  }\n",
              "\n",
              "  .colab-df-quickchart {\n",
              "    background-color: var(--bg-color);\n",
              "    border: none;\n",
              "    border-radius: 50%;\n",
              "    cursor: pointer;\n",
              "    display: none;\n",
              "    fill: var(--fill-color);\n",
              "    height: 32px;\n",
              "    padding: 0;\n",
              "    width: 32px;\n",
              "  }\n",
              "\n",
              "  .colab-df-quickchart:hover {\n",
              "    background-color: var(--hover-bg-color);\n",
              "    box-shadow: 0 1px 2px rgba(60, 64, 67, 0.3), 0 1px 3px 1px rgba(60, 64, 67, 0.15);\n",
              "    fill: var(--button-hover-fill-color);\n",
              "  }\n",
              "\n",
              "  .colab-df-quickchart-complete:disabled,\n",
              "  .colab-df-quickchart-complete:disabled:hover {\n",
              "    background-color: var(--disabled-bg-color);\n",
              "    fill: var(--disabled-fill-color);\n",
              "    box-shadow: none;\n",
              "  }\n",
              "\n",
              "  .colab-df-spinner {\n",
              "    border: 2px solid var(--fill-color);\n",
              "    border-color: transparent;\n",
              "    border-bottom-color: var(--fill-color);\n",
              "    animation:\n",
              "      spin 1s steps(1) infinite;\n",
              "  }\n",
              "\n",
              "  @keyframes spin {\n",
              "    0% {\n",
              "      border-color: transparent;\n",
              "      border-bottom-color: var(--fill-color);\n",
              "      border-left-color: var(--fill-color);\n",
              "    }\n",
              "    20% {\n",
              "      border-color: transparent;\n",
              "      border-left-color: var(--fill-color);\n",
              "      border-top-color: var(--fill-color);\n",
              "    }\n",
              "    30% {\n",
              "      border-color: transparent;\n",
              "      border-left-color: var(--fill-color);\n",
              "      border-top-color: var(--fill-color);\n",
              "      border-right-color: var(--fill-color);\n",
              "    }\n",
              "    40% {\n",
              "      border-color: transparent;\n",
              "      border-right-color: var(--fill-color);\n",
              "      border-top-color: var(--fill-color);\n",
              "    }\n",
              "    60% {\n",
              "      border-color: transparent;\n",
              "      border-right-color: var(--fill-color);\n",
              "    }\n",
              "    80% {\n",
              "      border-color: transparent;\n",
              "      border-right-color: var(--fill-color);\n",
              "      border-bottom-color: var(--fill-color);\n",
              "    }\n",
              "    90% {\n",
              "      border-color: transparent;\n",
              "      border-bottom-color: var(--fill-color);\n",
              "    }\n",
              "  }\n",
              "</style>\n",
              "\n",
              "  <script>\n",
              "    async function quickchart(key) {\n",
              "      const quickchartButtonEl =\n",
              "        document.querySelector('#' + key + ' button');\n",
              "      quickchartButtonEl.disabled = true;  // To prevent multiple clicks.\n",
              "      quickchartButtonEl.classList.add('colab-df-spinner');\n",
              "      try {\n",
              "        const charts = await google.colab.kernel.invokeFunction(\n",
              "            'suggestCharts', [key], {});\n",
              "      } catch (error) {\n",
              "        console.error('Error during call to suggestCharts:', error);\n",
              "      }\n",
              "      quickchartButtonEl.classList.remove('colab-df-spinner');\n",
              "      quickchartButtonEl.classList.add('colab-df-quickchart-complete');\n",
              "    }\n",
              "    (() => {\n",
              "      let quickchartButtonEl =\n",
              "        document.querySelector('#df-b3e84155-c789-49cc-8ad9-e1ad31c37ab5 button');\n",
              "      quickchartButtonEl.style.display =\n",
              "        google.colab.kernel.accessAllowed ? 'block' : 'none';\n",
              "    })();\n",
              "  </script>\n",
              "</div>\n",
              "\n",
              "  <div id=\"id_e7fbe8ba-90b6-4b9a-893b-52b49a5b6d53\">\n",
              "    <style>\n",
              "      .colab-df-generate {\n",
              "        background-color: #E8F0FE;\n",
              "        border: none;\n",
              "        border-radius: 50%;\n",
              "        cursor: pointer;\n",
              "        display: none;\n",
              "        fill: #1967D2;\n",
              "        height: 32px;\n",
              "        padding: 0 0 0 0;\n",
              "        width: 32px;\n",
              "      }\n",
              "\n",
              "      .colab-df-generate:hover {\n",
              "        background-color: #E2EBFA;\n",
              "        box-shadow: 0px 1px 2px rgba(60, 64, 67, 0.3), 0px 1px 3px 1px rgba(60, 64, 67, 0.15);\n",
              "        fill: #174EA6;\n",
              "      }\n",
              "\n",
              "      [theme=dark] .colab-df-generate {\n",
              "        background-color: #3B4455;\n",
              "        fill: #D2E3FC;\n",
              "      }\n",
              "\n",
              "      [theme=dark] .colab-df-generate:hover {\n",
              "        background-color: #434B5C;\n",
              "        box-shadow: 0px 1px 3px 1px rgba(0, 0, 0, 0.15);\n",
              "        filter: drop-shadow(0px 1px 2px rgba(0, 0, 0, 0.3));\n",
              "        fill: #FFFFFF;\n",
              "      }\n",
              "    </style>\n",
              "    <button class=\"colab-df-generate\" onclick=\"generateWithVariable('data')\"\n",
              "            title=\"Generate code using this dataframe.\"\n",
              "            style=\"display:none;\">\n",
              "\n",
              "  <svg xmlns=\"http://www.w3.org/2000/svg\" height=\"24px\"viewBox=\"0 0 24 24\"\n",
              "       width=\"24px\">\n",
              "    <path d=\"M7,19H8.4L18.45,9,17,7.55,7,17.6ZM5,21V16.75L18.45,3.32a2,2,0,0,1,2.83,0l1.4,1.43a1.91,1.91,0,0,1,.58,1.4,1.91,1.91,0,0,1-.58,1.4L9.25,21ZM18.45,9,17,7.55Zm-12,3A5.31,5.31,0,0,0,4.9,8.1,5.31,5.31,0,0,0,1,6.5,5.31,5.31,0,0,0,4.9,4.9,5.31,5.31,0,0,0,6.5,1,5.31,5.31,0,0,0,8.1,4.9,5.31,5.31,0,0,0,12,6.5,5.46,5.46,0,0,0,6.5,12Z\"/>\n",
              "  </svg>\n",
              "    </button>\n",
              "    <script>\n",
              "      (() => {\n",
              "      const buttonEl =\n",
              "        document.querySelector('#id_e7fbe8ba-90b6-4b9a-893b-52b49a5b6d53 button.colab-df-generate');\n",
              "      buttonEl.style.display =\n",
              "        google.colab.kernel.accessAllowed ? 'block' : 'none';\n",
              "\n",
              "      buttonEl.onclick = () => {\n",
              "        google.colab.notebook.generateWithVariable('data');\n",
              "      }\n",
              "      })();\n",
              "    </script>\n",
              "  </div>\n",
              "\n",
              "    </div>\n",
              "  </div>\n"
            ],
            "application/vnd.google.colaboratory.intrinsic+json": {
              "type": "dataframe",
              "variable_name": "data",
              "summary": "{\n  \"name\": \"data\",\n  \"rows\": 304,\n  \"fields\": [\n    {\n      \"column\": \"Prompt\",\n      \"properties\": {\n        \"dtype\": \"string\",\n        \"num_unique_values\": 300,\n        \"samples\": [\n          \"\\u0baa\\u0bc1\\u0ba3\\u0bb0\\u0bcd\\u0b9a\\u0bcd\\u0b9a\\u0bbf\\u0baf\\u0bbf\\u0bb2\\u0bcd \\u0ba4\\u0bcb\\u0ba9\\u0bcd\\u0bb1\\u0bc1\\u0bae\\u0bcd \\u0b9a\\u0bbe\\u0bb0\\u0bbf\\u0baf\\u0bc8\",\n          \"\\u0bb5\\u0bc7\\u0bb1\\u0bcd\\u0bb1\\u0bc1\\u0bae\\u0bc8 \\u0baf\\u0bc1\\u0bb0\\u0bc1\\u0baa\\u0bc1\\u0b95\\u0bb3\\u0bcd\",\n          \"\\u0ba4\\u0bca\\u0bb2\\u0bcd\\u0b95\\u0bbe\\u0baa\\u0bcd\\u0baa\\u0bbf\\u0baf \\u0b8e\\u0bb4\\u0bc1\\u0ba4\\u0bcd\\u0ba4\\u0ba4\\u0bbf\\u0b95\\u0bbe\\u0bb0\\u0baa\\u0bcd \\u0baa\\u0bc1\\u0ba3\\u0bb0\\u0bbf\\u0baf\\u0bb2\\u0bcd \\u0bae\\u0bc1\\u0baa\\u0bcd\\u0baa\\u0ba4\\u0bcd\\u0ba4\\u0bc1 \\u0bae\\u0bc2\\u0ba9\\u0bcd\\u0bb1\\u0bbe\\u0bae\\u0bcd \\u0ba8\\u0bc2\\u0bb1\\u0bcd\\u0baa\\u0bbe \\u0b8e\\u0bb4\\u0bc1\\u0ba4\\u0bbf\\u0ba4\\u0bcd \\u0ba4\\u0bb0\\u0bb5\\u0bc1\\u0bae\\u0bcd.\"\n        ],\n        \"semantic_type\": \"\",\n        \"description\": \"\"\n      }\n    },\n    {\n      \"column\": \"Response\",\n      \"properties\": {\n        \"dtype\": \"category\",\n        \"num_unique_values\": 119,\n        \"samples\": [\n          \"\\u0bae\\u0bc1\\u0ba4\\u0bb2\\u0bcd \\u0bb5\\u0bc7\\u0bb1\\u0bcd\\u0bb1\\u0bc1\\u0bae\\u0bc8\\u0b95\\u0bcd\\u0b95\\u0bc1\\u0bae\\u0bcd \\u0b8e\\u0b9f\\u0bcd\\u0b9f\\u0bbe\\u0bae\\u0bcd \\u0bb5\\u0bc7\\u0bb1\\u0bcd\\u0bb1\\u0bc1\\u0bae\\u0bc8\\u0b95\\u0bcd\\u0b95\\u0bc1\\u0bae\\u0bcd \\u0ba4\\u0ba9\\u0bbf\\u0baa\\u0bcd\\u0baa\\u0b9f\\u0bcd\\u0b9f \\u0b89\\u0bb0\\u0bc1\\u0baa\\u0bc1 \\u0b87\\u0bb2\\u0bcd\\u0bb2\\u0bc8.\\r\\n\\u0b8f\\u0ba9\\u0bc8\\u0baf 6 \\u0bb5\\u0bc7\\u0bb1\\u0bcd\\u0bb1\\u0bc1\\u0bae\\u0bc8\\u0b95\\u0bcd\\u0b95\\u0bc1\\u0bae\\u0bcd \\u0b89\\u0bb0\\u0bc1\\u0baa\\u0bc1 \\u0b89\\u0ba3\\u0bcd\\u0b9f\\u0bc1.\\r\\n\\u0b85\\u0bb5\\u0bc8\\r\\n\\r\\n\\u0b90 - \\u0b95\\u0ba3\\u0bcd\\u0ba3\\u0ba9\\u0bc8 \\u0b85\\u0bb4\\u0bc8\\r\\n\\u0b92\\u0b9f\\u0bc1 - \\u0b95\\u0ba3\\u0bcd\\u0ba3\\u0ba9\\u0bca\\u0b9f\\u0bc1 \\u0ba8\\u0baa\\u0bcd\\u0baa\\u0bbf\\u0ba9\\u0bcd\\u0ba9\\u0bc8 \\u0bb5\\u0ba8\\u0bcd\\u0ba4\\u0bbe\\u0bb3\\u0bcd\\r\\n\\u0b95\\u0bc1 - \\u0b95\\u0ba3\\u0bcd\\u0ba3\\u0ba9\\u0bc1\\u0b95\\u0bcd\\u0b95\\u0bc1\\u0b95\\u0bcd \\u0b95\\u0bca\\u0b9f\\u0bc1\\r\\n\\u0b87\\u0ba9\\u0bcd - \\u0b95\\u0ba3\\u0bcd\\u0ba3\\u0ba9\\u0bbf\\u0ba9\\u0bcd \\u0ba8\\u0bb2\\u0bcd\\u0bb2\\u0ba9\\u0bcd\\r\\n\\u0b85\\u0ba4\\u0bc1 - \\u0b95\\u0ba3\\u0bcd\\u0ba3\\u0ba9\\u0ba4\\u0bc1 \\u0baa\\u0bc6\\u0bb0\\u0bc1\\u0bae\\u0bc8\\r\\n\\u0b95\\u0ba3\\u0bcd - \\u0b95\\u0ba3\\u0bcd\\u0ba3\\u0ba9\\u0bcd\\u0b95\\u0ba3\\u0bcd \\u0b89\\u0bb3\\u0bcd\\u0bb3\\u0ba4\\u0bc1 \\u0b93\\u0bb0\\u0bb5\\u0b9e\\u0bcd\\u0b9a\\u0bae\\u0bcd\\r\\n\\r\\n\\u0ba8\\u0bc2\\u0bb1\\u0bcd\\u0baa\\u0bbe \\u0bae\\u0bc2\\u0bb2\\u0bae\\u0bcd\\r\\n\\r\\n\\u0b90 \\u0b92\\u0b9f\\u0bc1 \\u0b95\\u0bc1 \\u0b87\\u0ba9\\u0bcd \\u0b85\\u0ba4\\u0bc1 \\u0b95\\u0ba3\\u0bcd \\u0b8e\\u0ba9\\u0bcd\\u0ba9\\u0bc1\\u0bae\\u0bcd\\r\\n\\u0b85\\u0bb5\\u0bcd \\u0b86\\u0bb1\\u0bc1 \\u0b8e\\u0ba9\\u0bcd\\u0baa \\u0bb5\\u0bc7\\u0bb1\\u0bcd\\u0bb1\\u0bc1\\u0bae\\u0bc8 \\u0b89\\u0bb0\\u0bc1\\u0baa\\u0bc7. 11\",\n          \"\\u0b86\\u0bb1\\u0ba9\\u0bcd \\u0b89\\u0bb0\\u0bc1\\u0baa\\u0bbf\\u0ba9\\u0bcd \\u0b85\\u0b95\\u0bb0\\u0b95\\u0bcd \\u0b95\\u0bbf\\u0bb3\\u0bb5\\u0bbf\\n\\u0b88\\u0bb1\\u0bbe \\u0b95\\u0b95\\u0bb0\\u0bae\\u0bc1\\u0ba9\\u0bc8\\u0b95\\u0bcd \\u0b95\\u0bc6\\u0b9f\\u0bc1\\u0ba4\\u0bb2\\u0bcd \\u0bb5\\u0bc7\\u0ba3\\u0bcd\\u0b9f\\u0bc1\\u0bae\\u0bcd.\\n\\n\\u0b87\\u0b83\\u0ba4\\u0bc1, \\u0b86\\u0bb1\\u0bbe\\u0bb5\\u0ba4\\u0bb1\\u0bcd\\u0b95\\u0bc1\\u0ba4\\u0bcd \\u0ba4\\u0bca\\u0b95\\u0bc8\\u0bae\\u0bb0\\u0baa\\u0bbf\\u0ba9\\u0bc8 \\u0ba8\\u0bcb\\u0b95\\u0bcd\\u0b95\\u0bbf\\u0baf\\u0ba4\\u0bcb\\u0bb0\\u0bcd \\u0b95\\u0bb0\\u0bc1\\u0bb5\\u0bbf \\u0b95\\u0bc2\\u0bb1\\u0ba4\\u0bb2\\u0bcd \\u0ba8\\u0bc1\\u0ba4\\u0bb2\\u0bbf\\u0bb1\\u0bcd\\u0bb1\\u0bc1.\\n\\n\\u0b86\\u0bb1\\u0ba9\\u0bcd \\u0b89\\u0bb0\\u0bc1\\u0baa\\u0bbf\\u0ba9\\u0bcd \\u0b85\\u0b95\\u0bb0\\u0b95\\u0bcd\\u0b95\\u0bbf\\u0bb3\\u0bb5\\u0bbf- \\u0b86\\u0bb1\\u0bbe\\u0bae\\u0bcd \\u0bb5\\u0bc7\\u0bb1\\u0bcd\\u0bb1\\u0bc1\\u0bae\\u0bc8\\u0baf\\u0bbe\\u0b95\\u0bbf\\u0baf \\u0b85\\u0ba4\\u0bc1 \\u0b8e\\u0ba9\\u0bcd\\u0ba9\\u0bc1\\u0bae\\u0bcd \\u0b9a\\u0bca\\u0bb2\\u0bcd\\u0bb2\\u0bbf\\u0b9f\\u0ba4\\u0bcd\\u0ba4\\u0bc1 \\u0b85\\u0b95\\u0bb0\\u0bae\\u0bbe\\u0b95\\u0bbf\\u0baf \\u0b8e\\u0bb4\\u0bc1\\u0ba4\\u0bcd\\u0ba4\\u0bc1, \\u0b88\\u0bb1\\u0bc1 \\u0b86\\u0b95\\u0bc1 \\u0b85\\u0b95\\u0bb0\\u0bae\\u0bc1\\u0ba9\\u0bc8 \\u0b95\\u0bc6\\u0b9f\\u0bc1\\u0ba4\\u0bb2\\u0bcd \\u0bb5\\u0bc7\\u0ba3\\u0bcd\\u0b9f\\u0bc1\\u0bae\\u0bcd - [\\u0ba8\\u0bc6\\u0b9f\\u0bc1\\u0bae\\u0bc1\\u0ba4\\u0bb2\\u0bcd \\u0b95\\u0bc1\\u0bb1\\u0bc1\\u0b95\\u0bc1\\u0bae\\u0bcd] \\u0bae\\u0bca\\u0bb4\\u0bbf\\u0baf\\u0bc0\\u0bb1\\u0bcd\\u0bb1\\u0bc1 \\u0b89\\u0bb3\\u0ba4\\u0bbe\\u0b95\\u0bbf\\u0ba9\\u0bcd\\u0bb1 \\u0b85\\u0b95\\u0bb0\\u0ba4\\u0bcd\\u0ba4\\u0bbf\\u0ba9\\u0bcd \\u0bae\\u0bc1\\u0ba9\\u0bcd\\u0ba9\\u0bb0\\u0bcd\\u0ba4\\u0bcd \\u0ba4\\u0bbe\\u0ba9\\u0bcd \\u0b95\\u0bc6\\u0b9f\\u0bc1\\u0ba4\\u0bb2\\u0bcd \\u0bb5\\u0bc7\\u0ba3\\u0bcd\\u0b9f\\u0bc1\\u0bae\\u0bcd.\\n\\n\\u0b8e - \\u0b9f\\u0bc1:\\u00a0\\u0ba8\\u0bae\\u0ba4\\u0bc1, \\u0b8e\\u0bae\\u0ba4\\u0bc1, \\u0ba4\\u0ba9\\u0ba4\\u0bc1, \\u0b8e\\u0ba9\\u0ba4\\u0bc1, \\u0ba8\\u0bbf\\u0ba9\\u0ba4\\u0bc1 \\u0b8e\\u0ba9 \\u0bb5\\u0bb0\\u0bc1\\u0bae\\u0bcd.\\n\\n\\u0bae\\u0bc7\\u0bb2\\u0bcd \\u0b88\\u0bb1\\u0bbe\\u0b95\\u0bc1 \\u0b85\\u0b95\\u0bb0\\u0bae\\u0bcd \\u0b87\\u0ba4\\u0bb1\\u0bcd\\u0b95\\u0bc1\\u0ba4\\u0bcd \\u0ba4\\u0bbe\\u0bb0\\u0bbe\\u0ba4\\u0bc1, \\u0b87\\u0bb5\\u0bcd\\u0bb5\\u0bc1\\u0bb0\\u0bc1\\u0baa\\u0b95\\u0bb0\\u0bae\\u0bc7 \\u0b8f\\u0bb1\\u0bbf \\u0bae\\u0bc1\\u0b9f\\u0bbf\\u0baf \\u0b85\\u0bae\\u0bc8\\u0ba4\\u0bb2\\u0bbf\\u0ba9\\u0bcd, \\u0b85\\u0ba4\\u0bc1 \\u0b95\\u0bc7\\u0b9f\\u0bbe\\u0ba4\\u0bb2\\u0bcd \\u0bb5\\u0bc7\\u0ba3\\u0bcd\\u0b9f\\u0bbe \\u0b8e\\u0ba9\\u0bbf\\u0ba9\\u0bcd, \\u0ba8\\u0bc6\\u0b9f\\u0bc1\\u0bae\\u0bc1\\u0ba4\\u0bb2\\u0bcd \\u0b95\\u0bc1\\u0bb1\\u0bc1\\u0b95\\u0bbf \\u0bb5\\u0bbf\\u0b95\\u0bbe\\u0bb0\\u0baa\\u0bcd\\u0baa\\u0b9f\\u0bcd\\u0b9f\\u0bc1 \\u0ba8\\u0bbf\\u0ba9\\u0bcd\\u0bb1 \\u0bae\\u0bca\\u0bb4\\u0bbf\\u0baf\\u0bbe\\u0ba4\\u0bb2\\u0bbf\\u0ba9\\u0bcd \\u0b85\\u0ba4\\u0ba9\\u0bcd\\u0bae\\u0bc7\\u0bb2\\u0bcd \\u0b89\\u0bb0\\u0bc1\\u0baa\\u0b95\\u0bb0 \\u0bae\\u0bc7\\u0bb1\\u0bbf \\u0bae\\u0bc1\\u0b9f\\u0bbf\\u0baf\\u0bb2\\u0bcd \\u0bb5\\u0bc7\\u0ba3\\u0bcd\\u0b9f\\u0bbe \\u0bb0\\u0bbe\\u0baf\\u0bbf\\u0ba9\\u0bbe\\u0bb0\\u0bcd \\u0baa\\u0bcb\\u0bb2\\u0bc1\\u0bae\\u0bc6\\u0ba9\\u0bcd\\u0baa\\u0ba4\\u0bc1.1\\n\\n(13)\\n\\n1.\\u0b87\\u0ba4\\u0bc1 \\u0ba8\\u0bbf\\u0bb2\\u0bc8\\u0bae\\u0bca\\u0bb4\\u0bbf\\u0b95\\u0bcd\\u0b95\\u0bc1 \\u0b93\\u0bb0\\u0bcd \\u0b85\\u0b95\\u0bb0\\u0bae\\u0bcd \\u0baa\\u0bc6\\u0bb1\\u0bc1\\u0bae\\u0bc6\\u0ba9 \\u0bb5\\u0bbf\\u0ba4\\u0bbf\\u0baf\\u0bbe\\u0ba4\\u0bc1 \\u0b89\\u0bb0\\u0bc1\\u0baa\\u0bc1 \\u0b85\\u0b95\\u0bb0\\u0bae\\u0bcd \\u0b8f\\u0bb1\\u0bbf\\u0bae\\u0bc1\\u0b9f\\u0bbf\\u0baf\\u0bc1\\u0bae\\u0bc6\\u0ba9 \\u0bb5\\u0bbf\\u0ba4\\u0bbf\\u0ba4\\u0bcd\\u0ba4\\u0bbe\\u0bb2\\u0bcd \\u0bb5\\u0bb0\\u0bc1\\u0bae\\u0bcd \\u0b95\\u0bc1\\u0bb1\\u0bcd\\u0bb1\\u0bae\\u0bcd \\u0b89\\u0ba3\\u0bcd\\u0b9f\\u0bcb \\u0b8e\\u0ba9\\u0bbf\\u0ba9\\u0bcd ? `\\u0ba8\\u0bbf\\u0ba9\\u0bb5 \\u0b95\\u0bc2\\u0bb1\\u0bc1\\u0bb5 \\u0bb5\\u0bc6\\u0ba9\\u0bb5 \\u0b95\\u0bc7\\u0ba3\\u0bcd\\u0bae\\u0ba4\\u0bbf' (\\u0baa\\u0bc1\\u0bb1\\u0bae\\u0bcd 35) \\u0b8e\\u0ba9\\u0bcd\\u0bb1\\u0bbe\\u0bb1\\u0bcd \\u0baa\\u0bcb\\u0bb2 \\u0b86\\u0bb1\\u0bbe\\u0bb5\\u0ba4\\u0bb1\\u0bcd\\u0b95\\u0bc1\\u0bb0\\u0bbf\\u0baf \\u0b85\\u0b95\\u0bb0 \\u0b89\\u0bb0\\u0bc1\\u0baa\\u0bbf\\u0ba9\\u0bcd \\u0bae\\u0bc1\\u0ba9\\u0bcd\\u0ba9\\u0bb0\\u0bc1\\u0bae\\u0bcd \\u0b93\\u0bb0\\u0bcd \\u0b85\\u0b95\\u0bb0 \\u0b8e\\u0bb4\\u0bc1\\u0ba4\\u0bcd\\u0ba4\\u0bc1\\u0baa\\u0bcd\\u0baa\\u0bc7\\u0bb1\\u0bc1 \\u0ba8\\u0bbf\\u0bb2\\u0bc8\\u0bae\\u0bca\\u0bb4\\u0bbf\\u0b95\\u0bcd\\u0b95\\u0ba3\\u0bcd \\u0bb5\\u0bb0\\u0bc1\\u0ba4\\u0bb2\\u0bc1\\u0bb3\\u0ba4\\u0bbe\\u0b95\\u0b95\\u0bcd \\u0b95\\u0bb0\\u0bc1\\u0ba4\\u0bbf\\u0ba9\\u0bbe\\u0bb0\\u0bbe\\u0ba4\\u0bb2\\u0bbf\\u0ba9\\u0bcd, \\u0b86\\u0bb1\\u0ba9\\u0bc1\\u0bb0\\u0bc1\\u0baa\\u0bbf\\u0bb1\\u0bcd\\u0b95\\u0bc1\\u0bae\\u0bcd \\u0ba8\\u0bbe\\u0ba9\\u0bcd\\u0b95\\u0ba9\\u0bcd \\u0b89\\u0bb0\\u0bc1\\u0baa\\u0bbf\\u0bb1\\u0bcd\\u0b95\\u0bc1\\u0bae\\u0bcd \\u0baa\\u0bca\\u0ba4\\u0bc1\\u0bb5\\u0bbe\\u0b95 \\u0ba8\\u0bbf\\u0bb2\\u0bc8\\u0bae\\u0bca\\u0bb4\\u0bbf\\u0b95\\u0bcd\\u0b95\\u0ba3\\u0bcd \\u0b85\\u0b95\\u0bb0\\u0baa\\u0bcd\\u0baa\\u0bc7\\u0bb1\\u0bc1 \\u0bb5\\u0bbf\\u0ba4\\u0bbf\\u0ba4\\u0bcd\\u0ba4\\u0bc1 \\u0b85\\u0ba4\\u0bc1 \\u0bb5\\u0bc6\\u0ba9\\u0bcd\\u0ba9\\u0bc1\\u0bae\\u0bcd \\u0b92\\u0bb0\\u0bc1\\u0bae\\u0bc8\\u0baf\\u0bc1\\u0bb0\\u0bc1\\u0baa\\u0bc1 \\u0bb5\\u0ba8\\u0bcd\\u0ba4\\u0bbe\\u0bb2\\u0bcd \\u0b86\\u0ba3\\u0bcd\\u0b9f\\u0bc1\\u0baa\\u0bcd \\u0baa\\u0bc6\\u0bb1\\u0bcd\\u0bb1\\u0bc1 \\u0ba8\\u0bbf\\u0ba9\\u0bcd\\u0bb1 \\u0b85\\u0b95\\u0bb0\\u0ba4\\u0bcd\\u0ba4\\u0bbf\\u0ba9\\u0bcd \\u0bae\\u0bc1\\u0ba9\\u0bcd\\u0ba9\\u0bb0\\u0bcd \\u0b85\\u0ba4\\u0bc1 \\u0bb5\\u0bc6\\u0ba9\\u0bcd\\u0baa\\u0ba4\\u0ba9\\u0bcd\\u0b95\\u0ba3\\u0bcd \\u0b85\\u0b95\\u0bb0\\u0b99\\u0bcd\\u0b95\\u0bc6\\u0b9f\\u0bc1\\u0b95\\u0bb5\\u0bc6\\u0ba9\\u0bcd\\u0bb1\\u0bc1 \\u0b88\\u0ba3\\u0bcd\\u0b9f\\u0bc1\\u0b95\\u0bcd \\u0b95\\u0bc2\\u0bb1\\u0bbf\\u0ba9\\u0bbe\\u0bb0\\u0bbe\\u0ba4\\u0bb2\\u0bbf\\u0ba9\\u0bcd, \\u0b85\\u0ba4\\u0bb1\\u0bcd\\u0b95\\u0bc1\\u0bae\\u0bcd \\u0b95\\u0bc1\\u0bb1\\u0bcd\\u0bb1\\u0bae\\u0bcd \\u0b89\\u0ba3\\u0bcd\\u0b9f\\u0bc6\\u0ba9\\u0bcd\\u0bb1\\u0bc1 \\u0b89\\u0ba3\\u0bb0\\u0bcd\\u0b95. (\\u0ba8\\u0b9a\\u0bcd.)\\n\\n\",\n          \"\\u0b89\\u0baf\\u0bbf\\u0bb0\\u0bcd \\u0b87\\u0bb1\\u0bc1 \\u0b9a\\u0bca\\u0bb2\\u0bcd \\u0bae\\u0bc1\\u0ba9\\u0bcd \\u0b89\\u0baf\\u0bbf\\u0bb0\\u0bcd \\u0bb5\\u0bb0\\u0bc1 \\u0bb5\\u0bb4\\u0bbf\\u0baf\\u0bc1\\u0bae\\u0bcd\\n\\u0b89\\u0baf\\u0bbf\\u0bb0\\u0bcd \\u0b87\\u0bb1\\u0bc1 \\u0b9a\\u0bca\\u0bb2\\u0bcd \\u0bae\\u0bc1\\u0ba9\\u0bcd \\u0bae\\u0bc6\\u0baf\\u0bcd \\u0bb5\\u0bb0\\u0bc1 \\u0bb5\\u0bb4\\u0bbf\\u0baf\\u0bc1\\u0bae\\u0bcd\\n\\u0bae\\u0bc6\\u0baf\\u0bcd \\u0b87\\u0bb1\\u0bc1 \\u0b9a\\u0bca\\u0bb2\\u0bcd \\u0bae\\u0bc1\\u0ba9\\u0bcd \\u0b89\\u0baf\\u0bbf\\u0bb0\\u0bcd \\u0bb5\\u0bb0\\u0bc1 \\u0bb5\\u0bb4\\u0bbf\\u0baf\\u0bc1\\u0bae\\u0bcd\\n\\u0bae\\u0bc6\\u0baf\\u0bcd \\u0b87\\u0bb1\\u0bc1 \\u0b9a\\u0bca\\u0bb2\\u0bcd \\u0bae\\u0bc1\\u0ba9\\u0bcd \\u0bae\\u0bc6\\u0baf\\u0bcd \\u0bb5\\u0bb0\\u0bc1 \\u0bb5\\u0bb4\\u0bbf\\u0baf\\u0bc1\\u0bae\\u0bcd \\u0b8e\\u0ba9\\u0bcd\\u0bb1\\u0bc1\\n\\u0b87\\u0bb5\\u0bcd \\u0b8e\\u0ba9 \\u0b85\\u0bb1\\u0bbf\\u0baf\\u0b95\\u0bcd \\u0b95\\u0bbf\\u0bb3\\u0b95\\u0bcd\\u0b95\\u0bc1\\u0bae\\u0bcd \\u0b95\\u0bbe\\u0bb2\\u0bc8\\n\\u0ba8\\u0bbf\\u0bb1\\u0bc1\\u0ba4\\u0bcd\\u0ba4 \\u0b9a\\u0bca\\u0bb2\\u0bcd\\u0bb2\\u0bc7 \\u0b95\\u0bc1\\u0bb1\\u0bbf\\u0ba4\\u0bcd\\u0ba4\\u0bc1 \\u0bb5\\u0bb0\\u0bc1 \\u0b95\\u0bbf\\u0bb3\\u0bb5\\u0bbf \\u0b8e\\u0ba9\\u0bcd\\u0bb1\\u0bc1\\n\\u0b86\\u0baf\\u0bc0\\u0bb0\\u0bcd \\u0b87\\u0baf\\u0bb2 \\u0baa\\u0bc1\\u0ba3\\u0bb0\\u0bcd \\u0ba8\\u0bbf\\u0bb2\\u0bc8\\u0b9a\\u0bcd \\u0b9a\\u0bc1\\u0b9f\\u0bcd\\u0b9f\\u0bc7. 5\"\n        ],\n        \"semantic_type\": \"\",\n        \"description\": \"\"\n      }\n    },\n    {\n      \"column\": \"Label\",\n      \"properties\": {\n        \"dtype\": \"number\",\n        \"std\": null,\n        \"min\": null,\n        \"max\": null,\n        \"num_unique_values\": 0,\n        \"samples\": [],\n        \"semantic_type\": \"\",\n        \"description\": \"\"\n      }\n    }\n  ]\n}"
            }
          },
          "metadata": {}
        },
        {
          "output_type": "stream",
          "name": "stdout",
          "text": [
            "Cleaned Text: மூன்று தலை இட்ட முப்பதிற்று எழுத்தின்\n",
            "இரண்டு தலை இட்ட முதல் ஆகு இருபஃது\n",
            "அறு நான்கு ஈறொடு நெறி நின்று இயலும்\n",
            "எல்லா மொழிக்கும் இறுதியும் முதலும்\n",
            "மெய்யே உயிர் என்று ஆயீர் இயல 1\n",
            "Tamil Words: ['மூன்று', 'தலை', 'இட்ட', 'முப்பதிற்று', 'எழுத்தின்', 'இரண்டு', 'தலை', 'இட்ட', 'முதல்', 'ஆகு', 'இருபஃது', 'அறு', 'நான்கு', 'ஈறொடு', 'நெறி', 'நின்று', 'இயலும்', 'எல்லா', 'மொழிக்கும்', 'இறுதியும்', 'முதலும்', 'மெய்யே', 'உயிர்', 'என்று', 'ஆயீர்', 'இயல']\n",
            "Most Common Words:\n",
            "[('தலை', 2), ('இட்ட', 2), ('மூன்று', 1), ('முப்பதிற்று', 1), ('எழுத்தின்', 1), ('இரண்டு', 1), ('முதல்', 1), ('ஆகு', 1), ('இருபஃது', 1), ('அறு', 1)]\n"
          ]
        },
        {
          "output_type": "display_data",
          "data": {
            "text/plain": [
              "<Figure size 640x480 with 1 Axes>"
            ],
            "image/png": "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\n"
          },
          "metadata": {}
        }
      ]
    },
    {
      "cell_type": "code",
      "source": [
        "# x-axis லேபிள்களுக்கு எழுத்துருவைப் பயன்படுத்துதல்\n",
        "plt.xticks(fontproperties=prop)\n",
        "\n",
        "plt.show()"
      ],
      "metadata": {
        "colab": {
          "base_uri": "https://localhost:8080/",
          "height": 434
        },
        "id": "VbhxCPFVfxNa",
        "outputId": "f445a04d-e49d-40b5-af52-4cb0c88707e5"
      },
      "execution_count": 74,
      "outputs": [
        {
          "output_type": "display_data",
          "data": {
            "text/plain": [
              "<Figure size 640x480 with 1 Axes>"
            ],
            "image/png": "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\n"
          },
          "metadata": {}
        }
      ]
    },
    {
      "cell_type": "code",
      "source": [
        "# prompt: prompt, response - விளைவாக்க் காட்ட நிரல் தரவும்\n",
        "\n",
        "import pandas as pd\n",
        "import nltk\n",
        "from nltk.tokenize import word_tokenize\n",
        "from nltk.corpus import stopwords\n",
        "import matplotlib.pyplot as plt\n",
        "import re\n",
        "import matplotlib.font_manager as fm\n",
        "\n",
        "# ... (rest of your existing code)\n",
        "\n",
        "# Function to process text and display results\n",
        "def process_text_and_display(text):\n",
        "    cleaned_text = remove_tamil_punctuation(text)\n",
        "    print(\"Cleaned Text:\", cleaned_text)\n",
        "\n",
        "    words = get_tamil_words(cleaned_text)\n",
        "    print(\"Tamil Words:\", words)\n",
        "\n",
        "    # Word Frequency Analysis\n",
        "    word_freq = nltk.FreqDist(words)\n",
        "    print(\"Most Common Words:\")\n",
        "    print(word_freq.most_common(10))\n",
        "\n",
        "    # Plot the word frequency\n",
        "    try:\n",
        "        font_path = '/content/TAU-Marutham.ttf'\n",
        "        prop = fm.FontProperties(fname=font_path)\n",
        "        word_freq.plot(20, cumulative=False)\n",
        "        plt.xticks(fontproperties=prop, rotation=45, ha='right')\n",
        "        plt.show()\n",
        "\n",
        "    except Exception as e:\n",
        "        print(f\"Error displaying plot: {e}\")\n",
        "        word_freq.plot(20, cumulative=False)\n",
        "        plt.xticks(rotation=45, ha='right') # Default rotation if font fails\n",
        "        plt.show()\n",
        "\n",
        "# Get user input\n",
        "#user_prompt = input(\"Enter the Tamil text: \")\n",
        "\n",
        "# Process the user input and display the results\n",
        "process_text_and_display(user_prompt)"
      ],
      "metadata": {
        "colab": {
          "base_uri": "https://localhost:8080/",
          "height": 560
        },
        "id": "oh5yrCQai6RR",
        "outputId": "73adec7f-e760-4892-8679-3ae609841e2b"
      },
      "execution_count": 77,
      "outputs": [
        {
          "output_type": "stream",
          "name": "stdout",
          "text": [
            "Cleaned Text: புணரியல் நூற்பா 1 எழுதித் தரவும்\n",
            "Tamil Words: ['புணரியல்', 'நூற்பா', 'எழுதித்', 'தரவும்']\n",
            "Most Common Words:\n",
            "[('புணரியல்', 1), ('நூற்பா', 1), ('எழுதித்', 1), ('தரவும்', 1)]\n"
          ]
        },
        {
          "output_type": "display_data",
          "data": {
            "text/plain": [
              "<Figure size 640x480 with 1 Axes>"
            ],
            "image/png": "iVBORw0KGgoAAAANSUhEUgAAAkAAAAHaCAYAAADoj/aOAAAAOXRFWHRTb2Z0d2FyZQBNYXRwbG90bGliIHZlcnNpb24zLjguMCwgaHR0cHM6Ly9tYXRwbG90bGliLm9yZy81sbWrAAAACXBIWXMAAA9hAAAPYQGoP6dpAABA+UlEQVR4nO3dd1yVdf/H8fcBDATFnDgyxb134qjUHLhXw5FpmoPUTKlMco/ythI1tdDKkTbMLPdIMRQVF2plSphgbtyiqMjhXL8/ujm/mxwpneMBr9fz8fBR13V9r+/5XPj1Om+uaTEMwxAAAICJuLm6AAAAgAeNAAQAAEyHAAQAAEyHAAQAAEyHAAQAAEyHAAQAAEyHAAQAAEzHw9UFZEY2m00nT55Uzpw5ZbFYXF0OAAC4B4Zh6MqVKypcuLDc3O5+jIcAdBsnT55U0aJFXV0GAADIgGPHjumxxx67axsC0G3kzJlT0l8/QF9fX4f2bbVatX37dtWpU0ceHvz44RiMKzgD4wrO4qyxlZiYqKJFi9q/x++GEX0baae9fH19nRKAfHx85Ovryw4FDsO4gjMwruAszh5b93L5ChdBAwAA0yEAAQAA0yEAAQAA0yEAAQAA0yEAAQAA0yEAAQAA0yEAAQAA0yEAAQAA0yEAAQAA0yEAAQAA0yEAAQAA0yEAAQAA0yEAAQAA0yEAAQAA0yEAAQAA0yEAAQAA0yEAAQAA0yEAAQAA0yEAAQAA0yEAAQAA0yEAAQAA0yEAAQAA0yEAAQAA0yEAAQAA0yEAAQAA0yEAAQAA0yEAAQAA0yEAAQAA0yEAAQAA0yEAAQAA0yEAAQAA0yEAAQAA0yEAAQAA0yEAAQAA0yEAAQAA0yEAAQAA0yEAAQAA0yEAAQAA0yEAAQAA0yEAAQAA0yEAAQAA0yEAAQAA0yEAAQAA0yEAAQAA03FpANq8ebPatGmjwoULy2KxaOnSpf+4TkREhGrUqCFPT0+VKlVK8+bNu2Pb//znP7JYLBo8eLDDagYAAFmfSwNQUlKSqlatqpkzZ95T+/j4eLVq1UqNGjXSvn37NHjwYPXu3Vvr1q27pe2uXbs0a9YsValSxdFlAwCALM7DlR/eokULtWjR4p7bh4WFyd/fX5MnT5YklS9fXlu2bNGUKVMUGBhob3f16lW9+OKL+vTTTzVhwoR/7Dc5OVnJycn26cTEREmS1WqV1Wq95/ruRVp/ju4X5sa4gjMwruAszhpb99OfSwPQ/YqKilKTJk3SzQsMDLzlFNeAAQPUqlUrNWnS5J4C0MSJEzV27Nhb5m/fvl0+Pj7/quY72bFjh1P6hbkxruAMjCs4i6PHVlJS0j23zVIB6PTp0/Lz80s3z8/PT4mJibp+/bqyZ8+ub775Rnv27NGuXbvuud+QkBAFBwfbpxMTE1W0aFHVqVNHvr6+Dqtf+iud7tixQwEBAfLwyFI/fmRijCs4A+MKzuKssZV2BudePFQj+tixY3r99de1fv16eXl53fN6np6e8vT0vGW+h4eH0/7RO7NvmBfjCs7AuIKzOHps3U9fWWpEFyxYUAkJCenmJSQkyNfXV9mzZ1d0dLTOnDmjGjVq2JenpqZq8+bNmjFjhpKTk+Xu7v6gywYAAJlMlgpAdevW1erVq9PNW79+verWrStJaty4sX799dd0y3v27Kly5crp7bffJvwAAABJLg5AV69e1R9//GGfjo+P1759+5QnTx49/vjjCgkJ0YkTJ/TFF19IkoKCgjRjxgwNHTpUvXr10saNG/Xtt99q1apVkqScOXOqUqVK6T7Dx8dHefPmvWU+AAAwL5c+B2j37t2qXr26qlevLkkKDg5W9erVNWrUKEnSqVOndPToUXt7f39/rVq1SuvXr1fVqlU1efJkffbZZ+lugQcAAPgnLj0C1LBhQxmGccflt3vKc8OGDbV37957/oyIiIgMVAYAAB5mvAsMAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYjksD0ObNm9WmTRsVLlxYFotFS5cu/cd1IiIiVKNGDXl6eqpUqVKaN29euuUTJ07UE088oZw5c6pAgQJq3769fv/9d+dsAAAAyJJcGoCSkpJUtWpVzZw5857ax8fHq1WrVmrUqJH27dunwYMHq3fv3lq3bp29zaZNmzRgwABt375d69evV0pKipo1a6akpCRnbQYAAMhiPFz54S1atFCLFi3uuX1YWJj8/f01efJkSVL58uW1ZcsWTZkyRYGBgZKktWvXpltn3rx5KlCggKKjo/X00087rngAAJBluTQA3a+oqCg1adIk3bzAwEANHjz4jutcvnxZkpQnT547tklOTlZycrJ9OjExUZJktVpltVr/RcW3SuvP0f3C3BhXcAbGFZzFWWPrfvrLUgHo9OnT8vPzSzfPz89PiYmJun79urJnz55umc1m0+DBg1W/fn1VqlTpjv1OnDhRY8eOvWX+9u3b5ePj45ji/2bHjh1O6RfmxriCMzCu4CyOHlv3c7lLlgpA92vAgAHav3+/tmzZctd2ISEhCg4Otk8nJiaqaNGiqlOnjnx9fR1ak9Vq1Y4dOxQQECAPj4f6x48HiHEFZ2BcwVmcNbbSzuDciyw1ogsWLKiEhIR08xISEuTr63vL0Z+BAwdq5cqV2rx5sx577LG79uvp6SlPT89b5nt4eDjtH70z+4Z5Ma7gDIwrOIujx9b99JWlngNUt25dhYeHp5u3fv161a1b1z5tGIYGDhyoH374QRs3bpS/v/+DLhMAAGRyLg1AV69e1b59+7Rv3z5Jf93mvm/fPh09elTSX6emunfvbm8fFBSkuLg4DR06VDExMfr444/17bffasiQIfY2AwYM0MKFC/XVV18pZ86cOn36tE6fPq3r168/0G0DAACZl0sD0O7du1W9enVVr15dkhQcHKzq1atr1KhRkqRTp07Zw5Ak+fv7a9WqVVq/fr2qVq2qyZMn67PPPrPfAi9Jn3zyiS5fvqyGDRuqUKFC9j+LFi16sBsHAAAyLZee1G3YsKEMw7jj8r8/5Tltnb17995xnbv1BwAAIGWxa4AAAAAcgQAEAABMhwAEAABMhwAEAABMhwAEAABMhwAEAABMhwAEAABMhwAEAABMhwAEAABMhwAEAABMhwAEAABMhwAEAABMhwAEAABMhwAEAABMhwAEAABMhwAEAABMhwAEAABMhwAEAABMhwAEAABMhwAEAABMhwAEAABMhwAEAABMhwAEAABMhwAEAABMhwAEAABMhwAEAABMhwAEAABMhwAEAABMhwAEAABMhwAEAABMhwAEAABMhwAEAABMhwAEAABMhwAEAABMhwAEAABMhwAEAABMhwAEAABMhwAEAABMhwAEAABMJ0MBaM+ePfr111/t08uWLVP79u31zjvv6ObNmw4rDgAAwBkyFID69eun2NhYSVJcXJw6d+4sb29vLV68WEOHDnVogQAAAI6WoQAUGxuratWqSZIWL16sp59+Wl999ZXmzZunJUuWOLI+AAAAh8tQADIMQzabTZK0YcMGtWzZUpJUtGhRnTt3znHVAQAAOEGGAlCtWrU0YcIELViwQJs2bVKrVq0kSfHx8fLz83NogQAAAI6WoQA0ZcoU7dmzRwMHDtTw4cNVqlQpSdJ3332nevXqObRAAAAAR/PIyEpVq1ZNdxdYmg8++EAeHhnqEgAA4IHJ0BGgEiVK6Pz587fMv3HjhsqUKfOviwIAAHCmDAWgI0eOKDU19Zb5ycnJOn78+L8uCgAAwJnu63zV8uXL7f+/bt065cqVyz6dmpqq8PBw+fv7O646AAAAJ7ivANS+fXtJksViUY8ePdIty5Ytm4oXL67Jkyc7rDgAAABnuK8AlPbsH39/f+3atUv58uVzSlEAAADOlKFbtuLj4x1dBwAAwAOT4XvWw8PDFR4erjNnztiPDKWZM2fOvy4MAADAWTIUgMaOHatx48apVq1aKlSokCwWi6PrAgAAcJoMBaCwsDDNmzdPL730kqPrAQAAcLoMPQfo5s2bvPICAABkWRkKQL1799ZXX331rz988+bNatOmjQoXLiyLxaKlS5f+4zoRERGqUaOGPD09VapUKc2bN++WNjNnzlTx4sXl5eWlgIAA7dy581/XCgAAHh4ZOgV248YNzZ49Wxs2bFCVKlWULVu2dMtDQ0PvqZ+kpCRVrVpVvXr1UseOHf+xfXx8vFq1aqWgoCB9+eWXCg8PV+/evVWoUCEFBgZKkhYtWqTg4GCFhYUpICBAU6dOVWBgoH7//XcVKFDg/jcWAAA8dDIUgH755RdVq1ZNkrR///50y+7ngugWLVqoRYsW99w+LCxM/v7+9octli9fXlu2bNGUKVPsASg0NFR9+vRRz5497eusWrVKc+bM0bBhw+75swAAwMMrQwHop59+cnQd9yQqKkpNmjRJNy8wMFCDBw+W9Ne1SdHR0QoJCbEvd3NzU5MmTRQVFXXHfpOTk5WcnGyfTkxMlCRZrVZZrVYHboHUbuY2nbyQpEe2REjcPAdHMf4a/4wrOBTjCs7y37FVeN82LRvguGuK7+c7O8PPAXKF06dPy8/PL908Pz8/JSYm6vr167p48aJSU1Nv2yYmJuaO/U6cOFFjx469Zf727dvl4+PjmOL/6+SFJF1MNqT/CVyAwzCu4AyMKzjLhavaunWrw7pLSkq657YZCkCNGjW666mujRs3ZqRblwkJCVFwcLB9OjExUUWLFlWdOnXk6+vr0M8qvG+bdOGqHnnkEX6jguOk/abOuIIjMa7gLGlHgPLkUP36jjsClHYG515kKAClXf+TJiUlRfv27dP+/ftveUmqIxUsWFAJCQnp5iUkJMjX11fZs2eXu7u73N3db9umYMGCd+zX09NTnp6et8z38PCQh4djD5ItG1BPW7duVf369R3eN8zLarUyruBwjCs4y/+PrXoOHVv301eGPnXKlCm3nT9mzBhdvXo1I13ek7p162r16tXp5q1fv15169aVJD3yyCOqWbOmwsPD7W+ut9lsCg8P18CBA51WFwAAyFoy9BygO+nWrdt9vQfs6tWr2rdvn/bt2yfpr9vc9+3bp6NHj0r669RU9+7d7e2DgoIUFxenoUOHKiYmRh9//LG+/fZbDRkyxN4mODhYn376qebPn6+DBw/q1VdfVVJSkv2uMAAAAIce04yKipKXl9c9t9+9e7caNWpkn067DqdHjx6aN2+eTp06ZQ9DkuTv769Vq1ZpyJAhmjZtmh577DF99tln9lvgJalTp046e/asRo0apdOnT6tatWpau3btLRdGAwAA88pQAPr7QwsNw9CpU6e0e/dujRw58p77adiwoQzDuOPy2z3luWHDhtq7d+9d+x04cCCnvAAAwB1lKADlypUr3bSbm5vKli2rcePGqVmzZg4pDAAAwFkyFIDmzp3r6DoAAAAemH91DVB0dLQOHjwoSapYsaKqV6/ukKIAAACcKUMB6MyZM+rcubMiIiL06KOPSpIuXbqkRo0a6ZtvvlH+/PkdWSMAAIBDZeg2+Ndee01XrlzRb7/9pgsXLujChQvav3+/EhMTNWjQIEfXCAAA4FAZOgK0du1abdiwQeXLl7fPq1ChgmbOnMlF0AAAINPL0BEgm82mbNmy3TI/W7Zsstls/7ooAAAAZ8pQAHrmmWf0+uuv6+TJk/Z5J06c0JAhQ9S4cWOHFQcAAOAMGQpAM2bMUGJioooXL66SJUuqZMmS8vf3V2JioqZPn+7oGgEAABwqQ9cAFS1aVHv27NGGDRsUExMjSSpfvryaNGni0OIAAACc4b6OAG3cuFEVKlRQYmKiLBaLmjZtqtdee02vvfaannjiCVWsWFGRkZHOqhUAAMAh7isATZ06VX369JGvr+8ty3LlyqV+/fopNDTUYcUBAAA4w30FoJ9//lnNmze/4/JmzZopOjr6XxcFAADgTPcVgBISEm57+3saDw8PnT179l8XBQAA4Ez3FYCKFCmi/fv333H5L7/8okKFCv3rogAAAJzpvgJQy5YtNXLkSN24ceOWZdevX9fo0aPVunVrhxUHAADgDPd1G/yIESP0/fffq0yZMho4cKDKli0rSYqJidHMmTOVmpqq4cOHO6VQAAAAR7mvAOTn56dt27bp1VdfVUhIiAzDkCRZLBYFBgZq5syZ8vPzc0qhAAAAjnLfD0IsVqyYVq9erYsXL+qPP/6QYRgqXbq0cufO7Yz6AAAAHC5DT4KWpNy5c+uJJ55wZC0AAAAPRIbeBQYAAJCVEYAAAIDpEIAAAIDpEIAAAIDpEIAAAIDpEIAAAIDpEIAAAIDpEIAAAIDpEIAAAIDpEIAAAIDpEIAAAIDpEIAAAIDpEIAAAIDpEIAAAIDpEIAAAIDpEIAAAIDpEIAAAIDpEIAAAIDpEIAAAIDpEIAAAIDpEIAAAIDpEIAAAIDpEIAAAIDpEIAAAIDpEIAAAIDpEIAAAIDpEIAAAIDpEIAAAIDpEIAAAIDpEIAAAIDpEIAAAIDpEIAAAIDpEIAAAIDpEIAAAIDpEIAAAIDpEIAAAIDpuDwAzZw5U8WLF5eXl5cCAgK0c+fOO7ZNSUnRuHHjVLJkSXl5ealq1apau3ZtujapqakaOXKk/P39lT17dpUsWVLjx4+XYRjO3hQAAJBFuDQALVq0SMHBwRo9erT27NmjqlWrKjAwUGfOnLlt+xEjRmjWrFmaPn26Dhw4oKCgIHXo0EF79+61t5k0aZI++eQTzZgxQwcPHtSkSZP0/vvva/r06Q9qswAAQCbn0gAUGhqqPn36qGfPnqpQoYLCwsLk7e2tOXPm3Lb9ggUL9M4776hly5YqUaKEXn31VbVs2VKTJ0+2t9m2bZvatWunVq1aqXjx4nruuefUrFmzux5ZAgAA5uLhqg++efOmoqOjFRISYp/n5uamJk2aKCoq6rbrJCcny8vLK9287Nmza8uWLfbpevXqafbs2YqNjVWZMmX0888/a8uWLQoNDb1jLcnJyUpOTrZPJyYmSpKsVqusVmuGtu9O0vpzdL8wN8YVnIFxBWdx1ti6n/5cFoDOnTun1NRU+fn5pZvv5+enmJiY264TGBio0NBQPf300ypZsqTCw8P1/fffKzU11d5m2LBhSkxMVLly5eTu7q7U1FS9++67evHFF+9Yy8SJEzV27Nhb5m/fvl0+Pj4Z3MK727Fjh1P6hbkxruAMjCs4i6PHVlJS0j23dVkAyohp06apT58+KleunCwWi0qWLKmePXumO2X27bff6ssvv9RXX32lihUrat++fRo8eLAKFy6sHj163LbfkJAQBQcH26cTExNVtGhR1alTR76+vg7dBqvVqh07diggIEAeHlnqx49MjHEFZ2BcwVmcNbbSzuDcC5eN6Hz58snd3V0JCQnp5ickJKhgwYK3XSd//vxaunSpbty4ofPnz6tw4cIaNmyYSpQoYW/z1ltvadiwYercubMkqXLlyvrzzz81ceLEOwYgT09PeXp63jLfw8PDaf/ondk3zItxBWdgXMFZHD227qcvl10E/cgjj6hmzZoKDw+3z7PZbAoPD1fdunXvuq6Xl5eKFCkiq9WqJUuWqF27dvZl165dk5tb+s1yd3eXzWZz7AYAAIAsy6WRPjg4WD169FCtWrVUu3ZtTZ06VUlJSerZs6ckqXv37ipSpIgmTpwo6a9zhSdOnFC1atV04sQJjRkzRjabTUOHDrX32aZNG7377rt6/PHHVbFiRe3du1ehoaHq1auXS7YRAABkPi4NQJ06ddLZs2c1atQonT59WtWqVdPatWvtF0YfPXo03dGcGzduaMSIEYqLi1OOHDnUsmVLLViwQI8++qi9zfTp0zVy5Ej1799fZ86cUeHChdWvXz+NGjXqQW8eAADIpCwGj0i+RWJionLlyqXLly875SLorVu3qn79+pxTh8MwruAMjCs4i7PG1v18f7v8VRgAAAAPGgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYDgEIAACYjssD0MyZM1W8eHF5eXkpICBAO3fuvGPblJQUjRs3TiVLlpSXl5eqVq2qtWvX3tLuxIkT6tatm/Lmzavs2bOrcuXK2r17tzM3AwAAZCEuDUCLFi1ScHCwRo8erT179qhq1aoKDAzUmTNnbtt+xIgRmjVrlqZPn64DBw4oKChIHTp00N69e+1tLl68qPr16ytbtmxas2aNDhw4oMmTJyt37twParMAAEAm5+HKDw8NDVWfPn3Us2dPSVJYWJhWrVqlOXPmaNiwYbe0X7BggYYPH66WLVtKkl599VVt2LBBkydP1sKFCyVJkyZNUtGiRTV37lz7ev7+/netIzk5WcnJyfbpxMRESZLVapXVav13G/k3af05ul+YG+MKzsC4grM4a2zdT38uC0A3b95UdHS0QkJC7PPc3NzUpEkTRUVF3Xad5ORkeXl5pZuXPXt2bdmyxT69fPlyBQYG6vnnn9emTZtUpEgR9e/fX3369LljLRMnTtTYsWNvmb99+3b5+Pjc76bdkx07djilX5gb4wrOwLiCszh6bCUlJd1zW4thGIZDP/0enTx5UkWKFNG2bdtUt25d+/yhQ4dq06ZNt/2hdO3aVT///LOWLl2qkiVLKjw8XO3atVNqaqr9CE5aQAoODtbzzz+vXbt26fXXX1dYWJh69Ohx21pudwSoaNGiOn/+vHx9fR252bJardqxY4cCAgLk4eHSA3B4iDCu4AyMKziLs8ZWYmKi8ubNq8uXL//j93eWGtHTpk1Tnz59VK5cOVksFpUsWVI9e/bUnDlz7G1sNptq1aql9957T5JUvXp17d+//64ByNPTU56enrfM9/DwcNo/emf2DfNiXMEZGFdwFkePrfvpy2UXQefLl0/u7u5KSEhINz8hIUEFCxa87Tr58+fX0qVLlZSUpD///FMxMTHKkSOHSpQoYW9TqFAhVahQId165cuX19GjRx2/EQAAIEtyWQB65JFHVLNmTYWHh9vn2Ww2hYeHpzsldjteXl4qUqSIrFarlixZonbt2tmX1a9fX7///nu69rGxsSpWrJhjNwAAAGRZLj2mGRwcrB49eqhWrVqqXbu2pk6dqqSkJPtdYd27d1eRIkU0ceJESX9dLHXixAlVq1ZNJ06c0JgxY2Sz2TR06FB7n0OGDFG9evX03nvv6YUXXtDOnTs1e/ZszZ492yXbCAAAMh+XBqBOnTrp7NmzGjVqlE6fPq1q1app7dq18vPzkyQdPXpUbm7/f5Dqxo0bGjFihOLi4pQjRw61bNlSCxYs0KOPPmpv88QTT+iHH35QSEiIxo0bJ39/f02dOlUvvvjig948AACQSbn8qraBAwdq4MCBt10WERGRbrpBgwY6cODAP/bZunVrtW7d2hHlAQCAh5DLX4UBAADwoBGAAACA6RCAAACA6RCAAACA6RCAAACA6RCAAACA6RCAAACA6RCAAACA6RCAAACA6RCAAACA6RCAAACA6RCAAACA6RCAAACA6RCAAACA6RCAAACA6RCAAACA6RCAAACA6RCAAACA6RCAAACA6RCAAACA6RCAAACA6RCAAACA6RCAAACA6RCAAACA6RCAAACA6RCAAACA6RCAAACA6RCAAACA6RCAAACA6RCAAACA6RCAAACA6RCAAACA6RCAAACA6RCAAACA6RCAAACA6RCAAACA6RCAAACA6RCAAACA6RCAAACA6RCAAACA6RCAAACA6RCAAACA6Xi4uoDMyDAMSVJiYqLD+7ZarUpKSlJiYqI8PPjxwzEYV3AGxhWcxVljK+17O+17/G4Y0bdx5coVSVLRokVdXAkAALhfV65cUa5cue7axmLcS0wyGZvNppMnTypnzpyyWCwO7TsxMVFFixbVsWPH5Ovr69C+YV6MKzgD4wrO4qyxZRiGrly5osKFC8vN7e5X+XAE6Dbc3Nz02GOPOfUzfH192aHA4RhXcAbGFZzFGWPrn478pOEiaAAAYDoEIAAAYDoEoAfM09NTo0ePlqenp6tLwUOEcQVnYFzBWTLD2OIiaAAAYDocAQIAAKZDAAIAAKZDAAIAAKZDAAIAAA6X2S8xJgA5wO3+kjP7XzwASOyr4Hjr1q2TYRgOf5OCoxGAHCDtLzksLEwjR47MEn/xAMwrPDxcCxYskCT2VXCoH3/8US1atNBLL73k6lL+EbfBO0hiYqJq1KihCxcuaNu2bSpXrpyrSwKAW5w7d06VK1eW1WrVpk2bVKFCBVeXhIfI8ePHNXz4cLVr104dO3Z0dTl3RQByoMOHDys+Pl5NmjRxdSl4iKQdUTx06JBKly7t6nLwEFi9erXi4+M1YMAAV5eCh4jNZpObm5uSk5OzxMMzCUAOkpqaKnd3d/u01WqVhwfvmsW/kxZ+IiIi1K9fP+3evVve3t7pxhpwP/5+ij7tSwtwhL+Pr8x8SQij3kHc3d2VkpJin/bw8FBqaqoLK0JWl7bj2Lhxo/r16yer1SqLxSJ3d3fZbDZXl4csyGazyWKx2MePYRiEHzhE2rGUK1eu6OrVq7p27ZokpRtvmQ0j30HWrFmjZ599Vp06ddLo0aMliS8q/CsWi0UbNmzQO++8ozfffFMVK1ZUo0aNdOjQIbm5uRGwcV9SU1Pl5uamAwcOKCgoSMnJybf8pg5klMVi0apVq/Tyyy+rVq1a6tChgyZNmiRJcnNzy5TjiwD0L6WmpmrVqlX65JNP1LRpU3l5een9999Xz549JYnfrpBhly5d0vLlyxUfH68+ffpo+PDhyp07t3r06KFDhw5xGgz3zGazyd3dXYcPH1afPn3Uu3dvpaSk6NSpUzp69Kikv77AMuOXFLKGo0ePauTIkerdu7fef/99lSlTRiEhIfYDApnxNBjfzv/SmTNnVLBgQY0aNUqvvfaapk+frtDQUC1fvlzh4eGuLg9Z1N69e9WjRw+1b99eVapUUcWKFVWqVCm99957cnNzU6dOneyHmIE7SU1NtV/jc+jQIb3wwgs6efKk4uLi1LRpU9WpU0dt27bVokWLJGXOLylkDefPn9fly5fl4+Ojtm3bauzYserZs6fCw8OVnJzs6vJuiwCUQVarVcuXL1e9evU0aNAgtWjRQl9++aXc3NwUFBSk0qVL8xs6Miw+Pl5nzpzRBx98oOHDh6tIkSJ65plnVKJECYWGhmrGjBny9vZ2dZnIRG7cuKEvvvhCs2fP1sqVKyX9dRrezc1NR48eVefOnVWzZk1VrFhRvXv3Vv/+/bVkyRL5+fnp/fff15kzZ1y8BciKfvvtN0lS9erVVbFiRXXs2FFr1qxRnjx5VLVqVXl6embaS0EIQBm0a9curV27VmPGjFFQUJCeeOIJBQUF6Z133tHXX3+t69evy9fX19VlIpPbuXOnzp07d8v8Dh06aMiQIbpx44YmTpyod955R97e3qpfv75q1KihevXquaBaZFbXr19X8+bNdeLECUVERGjy5Mnq27evffnu3btls9l04cIFxcbGqkKFCgoLC1OxYsX0xhtvKDY2VlevXnXhFiArunTpkjp37qzAwEBJ0vLly/XMM8/o5Zdf1uTJkzV79mwNGTJE2bNnd3Gld2DgvlitViMpKclo1qyZUalSJeP11183LBaL0bVrV6N169ZGmzZtjIYNGxorV650danI5NauXWtYLBZj/PjxhmEYRnR0tHH58mX78tTUVOOrr74ymjRpYjz//PPG7t27jYiICFeVi0zKZrMZo0ePNmbOnGkYhmEkJiYamzZtMipXrmz06NHD3m7ChAlGjhw5jMjISCMuLs6oX7++8d133xmHDx82nnrqKePKlSsu2gJkJTabzTAMw/j111+NxYsXG+Hh4Ya/v7/Rtm1be5t69eoZbm5uxpo1a9Ktk9lwBOg+Wa1WeXt76/z586pSpYrGjRunhQsXavXq1WrXrp2WL1+uVatWqVWrVlxQiLsqXbq0XnzxRZUrV07Jycl666231KxZMyUmJkr66wL6Ll26qHr16oqLi9Njjz2mBg0auLhqZDYWi0UJCQk6fvy4rFarcubMqfr16+uTTz5RdHS0/ZUELVq0UO7cuZUjRw7lzJlTV69eVf78+XXs2DGVKlVKkjLtqQpkDsZ/H82xatUqdejQQWPGjNHixYs1e/Zsbdu2Td26ddP27dvl5uamlStXqnnz5jwH6GGxd+9edezYUefPn1e9evW0Zs0aJSUlqWvXrurRo4fi4+MlSV5eXpK4oBB3V6JECc2ePVvPPfecPDw8NGDAAHl4eKht27a6ePGiJCk6OlqRkZEaOXKk/Pz8XFwxMqvcuXMrOjpaERERslqtcnd3V7169RQWFqZ9+/apT58+qlSpkm7evKmOHTvqqaee0vDhw/XII49oxIgR6tatm3LkyMFdq7ijtCCzZcsWjRo1SpGRkerevbvy5Mmjhg0basGCBVqzZo3q1aunt99+Wy1atMj8BwFcevwpi1m2bJkREBBgNG3a1Pjyyy+NevXqGXny5DEmT55sFC9e3Ni0aZOrS0QWcbtDwlar1Vi2bJlRt25do1mzZsbatWuN+vXrG+vWrbvjOoBhGEZKSorRs2dPY+nSpenm22w2Y8uWLUb58uWNN99807hw4YIxdepUIzw83Ni2bZtRt25dY9WqVS6qGllF2r5n3bp1RpUqVYxatWoZISEhRs2aNY0jR47Y28XGxho7duxIt05mxqsw7sL4b+JNSUlRtmzZJEnff/+9Zs2apWvXrmnkyJHau3evbt68qTp16qhp06YurhhZQdq4unjxolJSUpQ9e3b76y2sVquWLVum0NBQRUdHa8mSJWrVqpWrS0YmlvYaHuMOpxpsNpuioqLUq1cvtWjRQlOnTtUff/yhJ598UkuWLFH9+vVdUDWyirRxtX37dr311lv64IMPlCdPHoWHh6t9+/YqVKjQLa+C+t/1MjNeVnUXFotFmzdv1u7du9W1a1cVLFhQHTt2lNVq1dy5czV79mwtXLjQfsoLuBcWi0U//vij3n//fZ0+fVonT55Uv3799PLLL6ts2bJq3769nnzySV26dElly5bNEjsSuE7a2Lh69apy5sx5y3I3NzfVrVtX8+bNU0JCgiTp7Nmzun79urJnz874wl1ZLBb98MMP6tGjh/Lnzy9vb2+VKVNGZcqUkfT/D9m83XqZnelP+CYkJOjTTz9VUFCQ9u/fr6SkJPsym82mw4cP66233tIXX3yh06dPS5JeeOEF1ahRQ7///rsuXbrkosqRVcXExGjcuHEaPny4vv76a7300kuaPXu2QkNDde7cObm7u8vPz09ly5Z1danI5NJebxETE6O3335bx44du227tBDUvn17SVK5cuW0ePFi1ahRI0t8UcG10n5ha9Cggbp166YNGzbYl2Xl68aybuUOcPLkSbVt21ZeXl66evWqXnzxRc2bN0+JiYk6ePCgXn31VXXu3FmffPKJxo8fr7lz50qSDhw4oJ9++kkTJkxQwYIFXbwVyMzSzjCn/XfHjh1asWKFHnnkEZUvX16VK1fWtGnTFBQUpE8//VSxsbHp2ktZ4zcpPHj/+3qLbt26qUOHDsqTJ4+2b9+uY8eO6ebNm3dcN3fu3GrWrJm9H+B2/vjjDx08eFC1a9dW9+7dFRQUpAoVKuj1119XZGSkq8v791xz6VHmMGjQIGP16tX26RkzZhj169c3pkyZYrz77rtGvXr1jB49ehjXrl0zZs2aZXh5eRkvv/yyUa5cOS5MxX379ddfjTJlyhifffaZ4ebmZvTq1cvYv3+/fXnFihWNwYMHu7BCZBWpqamGYRjG77//blSvXt0oUaKEMWXKFKN06dJG1apVDW9vb2Pq1KnGjRs3XFwpsqqIiAijQYMGRps2bYxChQoZnp6exnfffWecOnXKCAgIMHr37m1cv37d1WX+K6Y9AnTjxg1t3rxZcXFx9nkDBgxQ165dtWLFCuXKlUvNmjXTsWPH1LdvX73yyit69dVXFRcXp9DQUPtvT/x2jttZvHixQkND9cYbb+inn36S9NeYy5Mnj9q3b69t27ZpxYoVmjJliv1R8vnz51dKSoory0YW4ebmplOnTqlp06YKCgqSn5+fRo0apS5duigyMlIdOnTQ+PHj7Y9TAO7H/v37tXjxYs2cOVPLly/Xzz//rM6dO+ujjz5SbGysjh8/rueeey7LX/9q2gDk5eWlLl266OOPP0730tL+/furQ4cO+v7775UvXz49/fTTOnXqlBo1aqRffvlF06ZNyxrPN4DLjBkzRqNHj1ZsbKxOnTqlJk2aaMyYMTp58qQkqXfv3ipcuLBWrVqlL774Qu+9954kqXLlyqpRo4YkMb7wjzw8POTr66uwsDDduHFDpUqV0o8//qijR4/qs88+k4eHh3bu3OnqMpGFGIahixcvatSoUYqJidGsWbNUs2ZNbd++XcHBwTp27JjeeustzZ07V4GBgVl+P2XaACT9dTFzz5497efKU1NTJUkDBw5Uhw4d9MMPPyh//vxq0qSJypQpo+DgYFWrVk0SR35we5s2bVJERIQ2btyosLAwffXVV1q+fLm+/vprXbt2TR9++KHOnj2rwYMHK1++fIqMjNSbb76pNWvW6Oeff1bjxo0lMb5wq7Rrda5du6ZLly4pf/78mjt3ro4fP66wsDDt2bNHV65c0cKFC5WUlKSyZcuqcuXKLq4aWYnFYpG7u7uio6NVt25dNWjQQNmzZ9eAAQN05MgRHT9+XGPHjrU/8iWr76dMHYCKFy+uN998Uy1atJD015uT03YyaSHom2++Uf78+fXBBx+oZcuWWT7xwrkuXryomjVrqmDBglq/fr3+85//qFixYpo6dareeOMN1apVS8OGDVNcXJxee+01BQQEKD4+XhMmTNAnn3yiYsWKuXoTkAnZbDa5ubnpwIEDatOmjV555RVFRkYqX758stlsOnTokKS/Xq/y1FNP6dSpUypWrJh8fHxcXDkyu7TvtC1btmjRokW6ceOGzpw5o+TkZD377LP66aeflDdvXp06dUpr1661v97iYWDa5wCl7VDWrl2r2NhY9e3bV15eXnJzc7MvGzBggLy9vVW9enXlzp1bUtZPvHCuuLg4xcXFaeXKlRo8eLCeeOIJbd++XR9//LF9J9K6dWulpKSoUqVKWrFihT744APNmTNH5cuXd3X5yITS9keHDx/WK6+8ot69e2v9+vVKSEhQlSpV1LBhQ7300kuaMGGCBg8eLE9PT/Xr10+jR49WgQIFXF0+MjHjv8+A2rRpkwYPHqw5c+aoQIEC6tChg7777js99thjqlWrlhITE9WiRQs9/vjjri7ZsVx3/bXrpN25FRERYRQvXtxYsWKFYRj/f2fF3/8f+Cc2m82w2WxGTEyM0bhxY6NUqVLGrl27jNmzZxtdunQxTpw4YbRs2dI4fvy4fZ1Tp04ZuXLlMj7//HMXVo7MLG0/dOjQIaNOnTpGUFCQsWPHDqNSpUrGnj17DMMwjLi4OGPFihXGzp07jaioKKNBgwb2t3ADd5L2Pbh+/XqjZMmShqenpxEbG2sYhmFER0cbvXr1MkqVKmU8+eSTt7xi5WFhuiNAxn8T74YNGzRkyBB5eHhoy5Ytqlu3rvLmzWv/bSsrP9wJrmGxWHTs2DHFxcWpTJky+vLLL5WQkKD58+drxIgRcnNzU+HChe3tCxYsqKZNm9ovfAb+V9q+6Pfff1ffvn1VtmxZPfbYYxo5cqQ++eQTVa9eXZLk7+8vf39/nThxQgEBAQoJCVHz5s1dXD0yO4vFooiICAUHB2vmzJn6/vvvFRAQoJUrV6pevXqaNm2aDMPQlStXVLhw4YfyieGmC0AWi0X79+9X165dtWzZMh09elShoaG6cuWKJkyYoNy5c9t3PMC9SNsxrFmzRu+++64WLFigihUrKjY2VhcvXtTQoUMVGRmpqKgoWSyWdONr/vz58vb2dvEWILNJe7fSkSNH9PLLL2v06NH2UDNo0CDlzJnzli+k06dPq2DBgvZXFDyMX1j499LGxblz57Rw4UKdPXtW7u7u+s9//qOkpCS1bdtWK1asUN26dSXJ/nqVh3Esmepb/tKlS4qMjFRMTIx8fHw0d+5cderUST179tTu3bs1YsQIXbx4kfCDe5a2M1m3bp3GjRun+fPnKyAgQMnJySpatKg8PT0VHx+vbdu2KVu2bPZXF6Qh/ODv0p7wfODAAXXu3Fm//vqr9u7dq507dyo5OfmOX0g1a9bU1KlTH5o7dOB4afurFStW6J133tGUKVP01FNPKTg4WOvWrdO0adPUtm1btW7dWnv37nV1uU5nmm/6mzdvasmSJVq2bJmeeOIJhYaGasOGDeratav69eunAQMGKDo6WpMnT77rI+SBNGk7k/Xr1+u5555T7969FR0drXr16qlWrVrq3bu3vLy8tHTpUj3yyCO3fWMy8Hdubm46fvy4mjdvrvr16+vZZ5/VlClT9Pzzz+uXX3657Tppd68++eSTkniOFG5l/M8Fz6NGjdKQIUOUmJioHj16KD4+XmFhYdq0aZOmT58uDw8P7dq1y9UlO59rLj16sC5dumR8/vnnhsViMV555RXDMAzj5s2bxpIlS4ySJUsanTt3NgzDMKpXr25MnDjRlaUii9mwYYNRp04do0KFCkaJEiWMKlWqGL/99psxa9Yso0aNGsbzzz9vJCcnc1E97ktkZKTRuHFjIzEx0TAMwzhy5Ijh6elpjBw50sWVIStbu3atUaFCBcNisRjDhg0zihUrZjRv3tywWCyGxWIx6tSpY7z66qtGr169XF3qA/FQHwEy/vtb0K5du3TixAlNmTJF8+bN05gxY5ScnKy2bdvq3Xff1datW9W/f3/VqFFDw4YNS7cucCcxMTEaMGCAWrZsqd9++02VKlXSuXPndOnSJfXt21fdu3dXZGSkkpOTOa2Ke3LlyhXduHFDfn5+cnd31xtvvKHdu3erWLFi6t69u5566ildvXrV1WUiC4qNjVX37t01cuRIde/eXR9++KEmTJigb775RqGhofLw8NDzzz+vgIAA9enTR9LD/6Lch3qvnHa3V1BQkCIjI9WgQQMNGzZMEyZM0NSpU+0Petq6datat26tgIAASX/9pXP+HP8kV65cqlSpkjZs2KDFixfr+++/V9WqVdWlSxdt2rRJlSpVUrly5bjOB//o2rVr2rhxo5588knNnj1bpUuX1ltvvWW/i3Dnzp3y8fHR/Pnz9cMPP7i6XGRBhmGoefPm6t69u37//Xd17NhRr7zyiuLi4tShQwf5+fkpICBA+fPnV6lSpSTpof/F7aG9C+z48eOKjY3V4MGDZbValSdPHtWoUUO9evXSoEGDNGrUKF2/fl3jx4+3X6xap04dSQ//Xzoco1ChQgoNDdXbb7+t0NBQZcuWTcuWLVNgYKD8/PwUFRWl8uXL2+/6IlTjdmw2m9atW6etW7cqf/78CgsLk4eHh/r166dHH31UISEhev755+Xn56ecOXOqSpUq9vXYV+FelS1bVl27dlV4eLi+/PJLlShRQo0bN9Z3332nt956S9WqVVOFChXsD/01g4cuABn/vdBr9+7dunDhgp544gmVKVNGISEheu655/TCCy9o0aJFqlGjhnLnzm3fgfDEVGTE448/rkmTJumdd97RiBEjZLVatXHjRq1du1aff/655syZo2zZsrm6TGRS165d06ZNm/T666/Ly8tLsbGxevPNNzVt2jS5ubmpTZs2unnzpmrWrKlHH31UGzdutB9pJPzgfpUtW1YWi8V+B3RqaqpeeOEFRUZGKleuXKbbV1mMh/Bil7SHHHbp0kW///67Vq1apR07dqhkyZLq37+/ChQooDFjxkjiWRlwjCNHjuitt97SxIkTtW/fPn300UeaPXu2ypUr5+rSkEldu3ZNkZGRWrdunUqXLq2PPvpIBQoUUEREhAYNGqS1a9eqZMmS6tWrl1544QUlJSUpMDBQtWvXVmhoqKvLRxZ04cIF9enTRzt37pRhGPr888914cIFzZgxQ59//rnp9lcPVQA6d+6coqOjNWjQIJUpU0YHDx5UUlKSEhISlCdPHr355puaPn26vvzySzVs2NDV5eIhY7Va9euvv6px48ZatmyZnnrqKVeXhEwo7dTV7t27tXjxYj377LOqXbu2du7cqZ49e8rPz08bN27Unj17dPbsWQUGBiolJUXZsmXT0KFDVb16dXXp0oVf3pAh586d0+nTp5UvXz5FRUVp6tSp+uyzz1S6dGlXl/bAPTTHUC9fvqyoqCjt3LlTZ86cUceOHbVjxw716tVLOXPmVP78+XXs2DHNmzeP8AOn8PDwkM1mk6+vr/1pvMDfubm56fLly5owYYL279+vVatWqWPHjjpz5oxmzZqluLg4VahQQYULF9auXbtUpkwZPffcc/rwww91+PBhPf3005J40CEyJl++fKpUqZKOHz+uvn37asiQIaYMP9JDdA1QXFycDh48qJYtW+rUqVNatmyZmjZtqnfffVcbN25M9yh5wFlq1qypXbt2KX/+/K4uBZnY5cuX9fPPP6tZs2YqWbKkFi5cqNdee00bNmzQ119/rcOHD6tgwYLq1q2bYmJiZLFYlJKSosmTJ6tIkSKuLh8PgXz58ilv3rymfhfhQxGAEhISNG7cOF24cEH79u3TN998I19fX73xxhtq2rSpLly4oFy5crm6TJgE4Qf/xGq16s8//5Svr6+6d++ubt26qVixYjpy5IgaN25sfw9T8eLFtXDhQhdXi4dR8eLFtWvXLvurVczooTgFlpKSou3bt6t06dIKCgrSU089pcTERB09elQLFy7Uhx9+aN+hAICrFStWTJ06ddLcuXP19ddf68KFC8qRI4d8fHzStfvfSzQfoss1kUmYOfxIWfQIUNrFf2fPnpVhGMqRI4cuXrwob29vPf3009q0aZOqVq2q4cOHKzAwUNmyZeOCQQCZhru7uyZNmqQcOXJo0KBBqlatmnr06GF/Flma/91nsf8CHCvLBaC0ILNy5UqNHj1aefPm1ciRI9WnTx/NmDFDFSpUUKlSpXTz5k0VL17c/lwDdh4AMpPHH39cs2bN0vjx42W1WvXYY49J4gGHwIOSpQJQWviJiIjQ+PHjNWnSJH300UdKTU1VUFCQbDab3n33Xfn7++u9995TpUqVXF0yANyRm5ubChYsaJ82DIPwAzwgWeY5QGnhJzIyUn379lW7du1UrVo1ffjhh1q1apX8/PxkGIbOnz+v1NRU+zRHfgAAwN9liSNAaUFmzZo1evPNN1W5cmWVL19e33//vZYsWSI/Pz/7C0zz5ctnX4/wAwAAbidLBCCLxaJ169apf//+stlsKliwoGrXrq0ePXpI+uuWUg+PLLEpAAAgE8gSp8BOnTqldu3a6bPPPlNCQoKGDRumihUrasCAAQoICHB1eQAAIIvJ9IdNfvvtN127dk0RERHy9vaWJJ0/f17Tpk3T/PnzVaFCBdM/ywAAANyfTH27QVJSkt544w29++67iomJkfTXLaKdO3dWo0aNtHLlSt24ccPFVQIAgKwmUwcgHx8fffDBB7p06ZImTZqkXbt2yc3NTTt27NCWLVs0Y8YMXjsAAADuW5a4Bui3335T//795e/vrzp16mjRokUaNmyYAgMDudUdAADctywRgCTp119/1ZAhQ7Rnzx7Nnz9fbdq0cXVJAAAgi8oyAUiSLly4oEuXLqlEiRIc+QEAABmWpQIQAACAI2Tqi6ABAACcgQAEAABMhwAEAABMhwAEAABMhwAEAABMhwAEAABMhwAEAHdhsVi0dOlSV5cBwMEIQABc7uzZs3r11Vf1+OOPy9PTUwULFlRgYKC2bt3q6tIAPKQ8XF0AADz77LO6efOm5s+frxIlSighIUHh4eE6f/68q0sD8JDiCBAAl7p06ZIiIyM1adIkNWrUSMWKFVPt2rUVEhKitm3bSpJCQ0NVuXJl+fj4qGjRourfv7+uXr1q72PevHl69NFHtXLlSpUtW1be3t567rnndO3aNc2fP1/FixdX7ty5NWjQIKWmptrXK168uMaPH68uXbrIx8dHRYoU0cyZM+9a77Fjx/TCCy/o0UcfVZ48edSuXTsdOXLEvjwiIkK1a9eWj4+PHn30UdWvX19//vmnY39oAP41AhAAl8qRI4dy5MihpUuXKjk5+bZt3Nzc9NFHH+m3337T/PnztXHjRg0dOjRdm2vXrumjjz7SN998o7Vr1yoiIkIdOnTQ6tWrtXr1ai1YsECzZs3Sd999l269Dz74QFWrVtXevXs1bNgwvf7661q/fv1t60hJSVFgYKBy5sypyMhIbd26VTly5FDz5s118+ZNWa1WtW/fXg0aNNAvv/yiqKgo9e3bl/cWApmRAQAu9t133xm5c+c2vLy8jHr16hkhISHGzz//fMf2ixcvNvLmzWufnjt3riHJ+OOPP+zz+vXrZ3h7extXrlyxzwsMDDT69etnny5WrJjRvHnzdH136tTJaNGihX1akvHDDz8YhmEYCxYsMMqWLWvYbDb78uTkZCN79uzGunXrjPPnzxuSjIiIiPv/IQB4oDgCBMDlnn32WZ08eVLLly9X8+bNFRERoRo1amjevHmSpA0bNqhx48YqUqSIcubMqZdeeknnz5/XtWvX7H14e3urZMmS9mk/Pz8VL15cOXLkSDfvzJkz6T67bt26t0wfPHjwtnX+/PPP+uOPP5QzZ077kas8efLoxo0bOnz4sPLkyaOXX35ZgYGBatOmjaZNm6ZTp0792x8PACcgAAHIFLy8vNS0aVONHDlS27Zt08svv6zRo0fryJEjat26tapUqaIlS5YoOjrafp3OzZs37etny5YtXX8Wi+W282w2W4ZrvHr1qmrWrKl9+/al+xMbG6uuXbtKkubOnauoqCjVq1dPixYtUpkyZbR9+/YMfyYA5yAAAciUKlSooKSkJEVHR8tms2ny5MmqU6eOypQpo5MnTzrsc/4eTrZv367y5cvftm2NGjV06NAhFShQQKVKlUr3J1euXPZ21atXV0hIiLZt26ZKlSrpq6++cli9AByDAATApc6fP69nnnlGCxcu1C+//KL4+HgtXrxY77//vtq1a6dSpUopJSVF06dPV1xcnBYsWKCwsDCHff7WrVv1/vvvKzY2VjNnztTixYv1+uuv37btiy++qHz58qldu3aKjIxUfHy8IiIiNGjQIB0/flzx8fEKCQlRVFSU/vzzT/344486dOjQHQMVANfhOUAAXCpHjhwKCAjQlClTdPjwYaWkpKho0aLq06eP3nnnHWXPnl2hoaGaNGmSQkJC9PTTT2vixInq3r27Qz7/jTfe0O7duzV27Fj5+voqNDRUgYGBt23r7e2tzZs36+2331bHjh115coVFSlSRI0bN5avr6+uX7+umJgYzZ8/X+fPn1ehQoU0YMAA9evXzyG1AnAci2EYhquLAABXKF68uAYPHqzBgwe7uhQADxinwAAAgOkQgAAAgOlwCgwAAJgOR4AAAIDpEIAAAIDpEIAAAIDpEIAAAIDpEIAAAIDpEIAAAIDpEIAAAIDpEIAAAIDp/B+f62NO301qEwAAAABJRU5ErkJggg==\n"
          },
          "metadata": {}
        }
      ]
    },
    {
      "cell_type": "code",
      "source": [
        "# prompt: மேலே உள்ள நிரலில் Tolkappiyam_Punariyal.csv எனும் கோப்பில் உள்ள தரவினை வைத்து வினவல் -> பதில் தரும் நிரல் வேண்டும்.\n",
        "\n",
        "import pandas as pd\n",
        "import nltk\n",
        "from nltk.tokenize import word_tokenize\n",
        "from nltk.corpus import stopwords\n",
        "import matplotlib.pyplot as plt\n",
        "import re\n",
        "import matplotlib.font_manager as fm\n",
        "import tamil\n",
        "\n",
        "# ... (your existing code)\n",
        "\n",
        "def get_answer(question):\n",
        "    # 1. Preprocess the question (remove punctuation, etc.)\n",
        "    cleaned_question = remove_tamil_punctuation(question)\n",
        "    question_words = get_tamil_words(cleaned_question)\n",
        "\n",
        "    # 2. Find the most similar question in the CSV\n",
        "    best_match_index = -1\n",
        "    max_overlap = 0\n",
        "\n",
        "    for index, row in data.iterrows():\n",
        "      response = row['Response']\n",
        "      cleaned_response = remove_tamil_punctuation(response)\n",
        "      response_words = get_tamil_words(cleaned_response)\n",
        "\n",
        "      overlap = len(set(question_words) & set(response_words))\n",
        "      if overlap > max_overlap:\n",
        "          max_overlap = overlap\n",
        "          best_match_index = index\n",
        "\n",
        "    # 3. Return the answer if found, otherwise indicate not found\n",
        "    if best_match_index != -1:\n",
        "        return data['Response'].iloc[best_match_index]\n",
        "    else:\n",
        "        return \"மன்னிக்கவும், எனக்குத் தெரியவில்லை.\"\n",
        "\n",
        "# Example usage:\n",
        "user_question = input(\"வினா கேளுங்கள்: \")\n",
        "answer = get_answer(user_question)\n",
        "print(\"பதில்:\", answer)"
      ],
      "metadata": {
        "colab": {
          "base_uri": "https://localhost:8080/"
        },
        "id": "FXKTR04vm25E",
        "outputId": "977ed9b4-68a8-4e28-db23-9b707d6d165d"
      },
      "execution_count": 78,
      "outputs": [
        {
          "output_type": "stream",
          "name": "stdout",
          "text": [
            "வினா கேளுங்கள்: புணரியல் நூற்பா 1 எழுதித் தரவும்\n",
            "பதில்: தமிழில் உள்ள உருபனியல், தொடரியல் கோட்பாடுகளில்; ‘புணர்ச்சி’ பற்றிய கருத்தாக்கங்கள் இன்றியமையாதவையாகும். புணர்ச்சி நிலைகளினைத் தொல்காப்பியம்  அறிவியல் கலந்த மொழியியல் நுட்பத்துடன் விளக்கி நிற்கின்றது. தொல்காப்பியர் குறிப்பிடும் தமிழ்மொழியின் புணர்ச்சிக் கட்டமைப்பையும் அவற்றின் இயல்புகளையும் ஆராயும் களமாக இக்கட்டுரை அமையப்பெறுகின்றது.\n",
            " \n",
            "புணர்ச்சி :\n",
            "\n",
            "            எழுத்தோ சொல்லோ நிலைமொழி வருமொழி இடையீட்டில் ஒன்றோடொன்று இணைவதைப் புணர்ச்சி என்னும் கலைச்சொல்லால் குறிப்பிடுவர். “ஒரு வாக்கியத்தில் அல்லது வாக்கியங்களுக்கிடையே காணப்படும் தொடர்களும் சொற்களும் சொற்களில் காணப்படும் பல்வேறு உருபன்களும் தம்முள் தாம் சேரும்போதும் ஏற்படும் சேர்க்கை, மொழிப்புணர்ச்சி அல்லது புணர்ச்சி எனப்படும். இதனைச் சந்தி எனவும் அழைப்பர்” (அகத்தியலிங்கம், ச., தமிழ்மொழி அமைப்பியல், ப.326) என்று புணர்ச்சியைப் பற்றி ச.அகத்தியலிங்கம் குறிப்பிடுகின்றார். புணர்ச்சி இலக்கணம் பற்றித் தொல்காப்பியர் ‘புணரியல்’ என்ற இயலை எழுத்ததிகாரத்தின்கண் யாத்துள்ளார். இப்புணர்ச்சி இலக்கணத்தை மொழியியலாளர்கள் ‘உருபொலியனியல்’ ((Morphophonemics) என்று அழைப்பர். ‘சந்தி’ என்றும் ‘புணர்ச்சி’ என்றும் இது வழங்கலாகின்றது. “இலக்கண நூல்கள் சொற்களின் சேர்க்கையால் (புணர்ச்சி) மாற்றம் ஏற்படுகிறது என்று கொள்ள, மொழியியல் தனிச் சொல்லின்  எழுத்து மாற்றமே உருபொலியன் அல்லது சந்தி என்று கொள்கிறது” (சண்முகம், செ.வை., எழுத்திலக்கணக் கோட்பாடு, பக்.203-204) என செ.வை.சண்முகம் குறிப்பிடுகிறார். சொற்களின் தொடரமைவுக்கேற்ப மொழிகள் புணரும்போது எழுத்துக்களில் உண்டாகும் மாற்றம் புணர்ச்சி என்றும் ஒலிமாற்றத்தேவையின் அடிப்படையில் எழுத்துக்காக உண்டாகும் புணர்ச்சியினைச் சந்தி எனவும் கொள்ளலாம். எழுத்துக்களின் புணர்நிலையை அடிப்படையாகக் கொண்டு புணர்வது அகநிலைப்புணர்ச்சி (Internal Assimilation) ஆகும். அதாவது சொற்களுள்ளேயே புணர்தல் என்னும் கோட்பாடமைவது. அகநிலைப்புணர்ச்சி பற்றி இங்கு கூறுவதன் நோக்கம் வேற்றுமை, அல்வழி புணர்ச்சிகளின் விரிவான செய்திகள் சொல்லதிகாரத்தில் அமைந்தாலும், எழுத்துக்களின் புணர்ச்சிதான் உருபொலியனியல் கோட்பாட்டை நெறிப்படுத்துகின்றது என்பதற்காகவாம். எழுத்துக்களின் புணர்ச்சியின் அடுத்தநிலை உருபன்களின் புணர்ச்சி அதாவது மொழிப்புணர்ச்சி ஆகும். இதனைப் புறநிலைப் புணர்ச்சி (External Assimilation) என்பர். முதலீறு, ஈற்றுமுதல் எழுத்துக்களின் புணர்ச்சியைப் புணர்நிலைச் சுட்டு எனவும், பெயர், வினைச் சொற்களின் புணர்ச்சியை மொழிபுணர்இயல்பு எனவும் தொல்காப்பியர் பகுத்துள்ளார்.\n",
            "\n",
            "நிறுத்த சொல்லும் குறித்துவரு கிளவியும் :\n",
            "\n",
            "            நிறுத்த சொல், குறித்துவரு கிளவி ஆகிய இரண்டு கலைச்சொற்களைத் தொல்காப்பியர் புணர்ச்சியின்போது பயன்படுத்துகின்றார்.\n",
            "\n",
            "            “நிறுத்த சொல்லே குறித்துவரு கிளவிஎன்று\n",
            "\n",
            "            ஆயீர் இயல புணர்நிலைச் சுட்டே”  (தொல்காப்பியம், நூற்பா.107)\n",
            "\n",
            "என்று தொல்காப்பியர் இவற்றைக் குறிப்பிடுகிறார். புணர்வதற்கேற்ற இடைப்பகுதியாகிய சந்திக்கு முதலில் வருவது நிறுத்தசொல் ஆகும். சந்திக்கும் பின் வருவது குறித்துவருகிளவியாகும். வீரசோழியம் இவற்றை நின்றசொல், வருசொல் என்று குறிப்பிடுகின்றது. நிறுத்தசொல் என்பதை நிலைமொழி என்றும் குறித்துவருகிளவி என்பதை வருமொழி என்றும் நன்னூலார் குறிப்பிடுகின்றார்.\n",
            " \n",
            "புணர்நிலைச் சுட்டு :\n",
            "\n",
            "நிறுத்த சொல்லின் ஈற்றெழுத்தும் குறித்துவருகிளவியின் முதல் எழுத்தும் இணைவதைப்  ‘புணர;நிலைச்சுட்டு’ என்கின்றது தொல்காப்பியம். “சொல்லப்பட்ட ஒரு சொல்லோடு அடுத்த சொல் கூடும் நிலைமையாகிய கருத்து”(கோபாலையர், தி.வே., தமிழ் இலக்கணப் பேரகராதி, எழுத்து 2, ப.135) ஆகும். உயிர், மெய் எழுத்துக்கள் ஈற்றும் முதலுமாக இணைந்து நான்கு வகையில் புணர்நிலை அமையும் என்பதைத் தொல்காப்பியர்,\n",
            "\n",
            "            “உயிரிறு சொல்முன் உயிர்வரு வழியும்\n",
            "\n",
            "            உயிரிறு சொல்முன் மெய்வரு வழியும்\n",
            "\n",
            "            மெய்யிறு சொல்முன் உயிர்வரு வழியும்\n",
            "\n",
            "            மெய்யிறு சொல்முன் மெய்வரு வழியும் என்று” (தொல்காப்பியம், நூற்பா.107)\n",
            "\n",
            "என்று  விளக்குகிறார்.\n",
            "\n",
            "1.    நிறுத்தசொல்லின் ஈற்றுயிரும் குறித்துவருகிளவியின் முதல் உயிரும் புணர்தல் (மா+இலை=மாவிலை)\n",
            "\n",
            "2.    நிறுத்தசொல்லின் ஈற்றுயிரும் குறித்துவருகிளவியின் மெய் முதலும் புணர்தல் (மரம்+பலகை=மரப்பலகை)\n",
            "\n",
            "3.    நிறுத்தசொல்லின் ஈற்றுமெய்யும் குறித்துவருகிளவியின் முதல் உயிரும் புணர்தல் (நூல்+அகம்=நூலகம்)\n",
            "\n",
            "4.    நிறுத்தசொல்லின் ஈற்றுமெய்யும் குறித்துவருகிளவியின் முதல் மெய்யும் புணர்தல் (நூல்+முகம்=நூன்முகம்)\n",
            "\n",
            "என்னும் நான்கு மொழிப்புணர்ச்சிகளை விளக்குகிறார். பெயர், வினை என்று சொற்கள் இரு வகையாக இருப்பினும் இவையன்றி உருபனியல், தொடரியல் ஆகியவைகளை உள்ளடக்கிய பொதுவான புணர்ச்சிக் கட்டமைப்பை உருவாக்க ஒலிப்பு நிலையை அடிப்படையாகக் கொண்டு புணர்மொழிச் சுட்டை யாத்துள்ளார்.\n",
            "\n",
            "மொழிபுணர் இயல்புகள் :\n",
            "\n",
            "            புணர்மொழிகள் என்பதனை ‘மொழிபுணர் இயல்புகள்’ என்று தொல்காப்பியர் குறிப்பிடுகின்றார். மொழிபுணர் இயல்புகள் நான்கிலும் சந்தியின்கண் எவ்வித மாற்றமும் நேராமல் இயல்பாய்ப் புணரும். சொற்களின் புணர்ச்சியினைப்,\n",
            "\n",
            "1.    பெயரும் பெயரும் புணர்தல் (அவன் இராவணன்)\n",
            "\n",
            "2.    பெயரும் வினையும் புணர்தல் (இராவணன் வென்றான்)\n",
            "\n",
            "3.    வினையும் பெயரும் புணர்தல் (வென்றான் இராவணன்)\n",
            "\n",
            "4.    வினையும் வினையும் புணர்தல் (வந்தான் வென்றான்)\n",
            "\n",
            "என்று நான்குவகையான மொழிகளின் புணர்வினைக் குறிப்பிடுகின்றார்.\n",
            "\n",
            "            “நிறுத்த சொல்லின் ஈறாகு எழுத்தொடு\n",
            "\n",
            "            குறித்துவரு கிளவி முதலெழுத்து இயையப்\n",
            "\n",
            "            பெயரொடு பெயரைப் புணர்க்குங் காலும்\n",
            "\n",
            "            பெயரொடு தொழிலைப் புணர்க்குங் காலும்\n",
            "\n",
            "            தொழிலொடு பெயரைப் புணர்க்குங் காலும்\n",
            "\n",
            "            தொழிலொடு தொழிலைப் புணர்க்குங் காலும்\n",
            "\n",
            "            மூன்றே திரிபுஇடன் ஒன்றே இயல்புஎன\n",
            "\n",
            "            ஆங்குஅந் நான்கே மொழிபுணர் இயல்பே” (தொல்காப்பியம், நூற்பா.108)\n",
            "\n",
            "என்று மொழிபுணர் இயல்புகளைக் குறிப்பிடுகின்றார். வினைச்சொல்லைத் தொழிற்சொல் எனத் தொல்காப்பியர் இங்கு குறிப்பிடுவது நோக்கத்தக்கது.\n",
            "\n",
            "இயல்புப் புணர்ச்சி :\n",
            "\n",
            "            இயல்புப்புணர்ச்சி, விகாரப்புணர்ச்சி என்று இருவகையாகப் புணர்ச்சி அமையும். இயல்புப் புணர்ச்சியில் பெரிதும் மாற்றம் இருப்பதில்லை. இயற்கையாகவே மாறுபாடடையாத புணர்ச்சி ஒன்றே எனவும், அவ்வொன்றானது இயல்புப்புணர்ச்சியே என்றும் ‘ஒன்றே இயல்பென’ என்பதன் மூலம் தொல்காப்பியர் குறிப்பிடுகிறார். இலக்கண அறிஞர்களின் பார்வையில் கீழ்க்கண்டவாறு இயல்புப் புணர்ச்சிகள் அமைய்யப்பெறுகின்றன.\n",
            "\n",
            "1.    மாற்றம் இன்றிப் புணர்தல். (மண்+மணம்=மண்மணம்)\n",
            "\n",
            "2.    ‘புள்ளி ஈற்றுமுன் உயிர்தனித்தியலாது’ விதிப்படி மெய்யீறும் உயிர்முதலும் புணர்தல். (அவன்+அழகன்=அவனழகன்)\n",
            "\n",
            "3.    உடம்படுமெய் பெறுதல். (பூ+அரசன்=பூவரசன்)\n",
            "\n",
            "4.    குற்றியலுகரத்தின் முன் உயிர் புணர்தல். (வரகு+அரிசி=வரகரிசி)\n",
            "\n",
            "ஆகியவை இயல்புப் புணர்ச்சிகளின் வடிவங்களாகும்.\n",
            "\n",
            "விகாரப் புணர்ச்சி:\n",
            "\n",
            "தொல்காப்பியர் “மூன்றே திரிபு” எனக்கூறுவதன்மூலம் புணச்சியின் மாற்றங்கள் மூன்று என்பதனை அறியமுடிகிறது. இம்மூவகை மாற்றங்களைத்தான் பிற்கால இலக்கணிகள் விகாரப்புணர்ச்சி என்றனர். விகாரம் என்பதற்கு மாறுபாடு என்று பொருள். “விகாரப்புணர்ச்சி என்பது இரண்டு தொடர்களோ இரண்டு சொற்களோ இரண்டு உருபுகளோ இணையும் போது முன்னதிலோ அல்லது பின்னதிலோ அல்லது இரண்டிலுமோ ஏதாவது மாற்றம் ஏற்படின் அது விகாரப் புணர்ச்சி எனப்படும்.” அகத்தியலிங்கம், ச., தமிழ்மொழி அமைப்பியல், ப.330 விகாரப்புணர்ச்சியினைத் தொல்காப்பியர்,\n",
            "\n",
            "            “அவைதாம்\n",
            "\n",
            "            மெய்பிறந்து ஆதல் மிகுதல் குன்றல் என்று\n",
            "\n",
            "            இவ்வென மொழிப திரியும் ஆறே” (தொல்காப்பியம், நூற்பா.109)\n",
            "\n",
            "என்று குறிப்பிடுகின்றார். மெய்பிரிதாதல் என்பது திரிதல் விகாரமாகும். “மெய்பிறிதாதலை மொழியியலார் ஒலித்திரிபெனக் (Assimilation) கொள்வர்” (இன்னாசி, சூ., எழுத்தியல், ப.62)\n",
            "\n",
            "1.    மெய்யெழுத்துக்கள் மட்டுமே மெய்பிரிதாதலில் திரியும் (கல்+சிலை=கற்சிலை)\n",
            "\n",
            "2.    மிகுதல் (பூ+தோட்டம்=பூந்தோட்டம்),\n",
            "\n",
            "3.    குன்றல் (மரம்+வேர்=மரவேர்)\n",
            "\n",
            "இவை மூன்றும் விகாரங்கள் ஆகும். “விகாரம் எனினும், செயல் எனினும், செயற்கை எனினும், விதி எனினும் ஒக்கும்” (கோபாலையர், தி.வே., தமிழ் இலக்கணப் பேரகராதி,  எழுத்து 2, ப.247)\n",
            "\n",
            " என்று தி.வே.கோபலனார் குறிப்பிடுகிறார். இயல்புப் புணர்ச்சியை இயற்கைப்புணர்ச்சி என்றும், விகாரப்புணர்ச்சியைச் செயற்கைப்புணர்ச்சி என்றும் கூறிப்பிடலாம். உரையாசிரியர்கள் தோன்றல், திரிதல், கெடுதல், நீளல், நிலைமாறுதல் மருவிவழங்கல், ஒத்துநடத்தல் என்று எழுவகை விகாரங்களைக் குறிப்பிடுவர். (கோபாலையர், தி.வே., தமிழ் இலக்கணப் பேரகராதி, எழுத்து 2,  ப.133) நன்னூலார் செய்யுள் விகாரம் என்ற விகாரத்தை,\n",
            "\n",
            "            “வலித்தல் மெலித்தல் நீட்டல் குறுக்கல்\n",
            "\n",
            "            விரித்தல் தொகுத்தல் வருஞ்செய்யுள் வேண்டுழி” (நன்னூல், நூற்பா.155)\n",
            "\n",
            "என்றவாறு குறிப்பிடுகிறார். வலித்தல், மெலித்தல், நீட்டல், குறுக்கல், விரித்தல், தொகுத்தல், ஆகிய அறுவகை செய்யுள் விகாரங்களைக் குறிப்பிடுகின்றார். இருப்பினும் இதற்கு முந்தைய நூற்பாவில்,\n",
            "\n",
            "            “தோன்றல் திரிதல் கெடுதல் விகாரம்\n",
            "\n",
            "            மூன்றும் மொழி மூவிடத்தும் ஆகும்” (நன்னூல், நூற்பா. 154)\n",
            "\n",
            "தொல்காப்பியரின் மும்மாற்றக்கொள்கையை (மூன்று விகாரங்களை)  நன்னூலார் ஏற்கின்றார். பிற்றை நாட்களில் காலத்திற்கேற்ப செய்யுளில் ஏற்பட்ட அறுவகையான விகாரங்களைத்தான் முன்னர் கூறிய நூற்பாவில் நன்னூலார் இயம்புகிறார்.\n",
            "\n",
            "இருவகைப் புணர்ச்சிகள்\n",
            "\n",
            "            எழுத்துக்களின் அடிப்படையில் எழுத்துக்களின் புணர்ச்சி அமையும். பெயர், வினை அடிப்படையில் மொழிப்புணர்ச்சி அமையும். உருபுகள் இணைப்பின் அடிப்படையில் வேற்றுமை, அல்வழிப் புணர்ச்சிகள் அமையப்பெறும். தொல்காப்பியர் இவற்றை,\n",
            "\n",
            "            “வேற்றுமை குறித்த புணர்மொழி நிலையும்\n",
            "\n",
            "            வேற்றுமை அல்வழிப் புணர்மொழி நிலையும்\n",
            "\n",
            "            எழுத்தே சாரியை ஆயிரு பண்பின்\n",
            "\n",
            "            ஒழுக்கல் வலிய புணருங் காலை” (தொல்காப்பியம், நூற்பா.112)\n",
            "\n",
            "உருபுகள் ஏற்ற வேற்றுமைப் புணர்ச்சி, வேற்றுமை உருபு ஏலாத அல்வகைப் புணர்ச்சி என்று தொல்காப்பியர் இருவகைப்படுத்துகிறார். இவ்விரு புணர்ச்சிகளில் எழுத்து மிகுதலும், சாரியை மிகுதலும் உண்டு என்னும் குறிப்பினையும் தொல்காப்பியனார் இயம்புகிறார்.\n",
            "\n",
            "வேற்றுமைப் புணர்ச்சி\n",
            "\n",
            "            ஒன்றன் தொடரில் பெயருக்கும் வினைக்கும் உண்டான உறவுநிலையைக் குறிப்பிட்டு வேற்றுமை அமையும். வேற்றுமை உருபுகளை ஏற்று எழுகையில் தோன்றும் இருசொற்களின் இணைப்பு வேற்றுமைப் புணர்ச்சியாகும். புலப்படும் பெயர் பொருளை வேற்றுமைப்படுத்தும் புணர்ச்சியே வேற்றுமைப் புணர்ச்சி என்றும் வரையறுப்பர். எண்வகை வேற்றுமைகளில் எழுவாய், விளி நீங்கலாகிய,\n",
            "\n",
            "“ஐ ஒடு குஇன் அதுகண் என்னும்\n",
            "\n",
            "அவ்ஆறு என்ப வேற்றுமை உருபே” (தொல்காப்பியம், நூற்பா.113)\n",
            "\n",
            "என்று மேற்சுட்டப்பட்டுள்ளவற்றில்\n",
            "\n",
            "1.    ஐ (வாளைக் கொணர்)\n",
            "\n",
            "2.    ஒடு (ஊரோடு வாழ்)\n",
            "\n",
            "3.    கு (மறவர்க்குக் கொடு)\n",
            "\n",
            "4.    இன் (ஊரின் நீங்கு)\n",
            "\n",
            "5.    அது (கிளியினது கூண்டு)\n",
            "\n",
            "6.    கண் (மலையின்கண் கோயில்)\n",
            "\n",
            "ஆகிய ஆறு உருபுகள் மட்டுமே வேற்றுமைப் புணர்ச்சிக்கு உரியனவாகும். விரி (கிளியினது கூண்டு, தொகை (கிளிக்கூண்டு), உடன்தொக்கத்தொகை (கூண்டின்கண் உள்ள கிளி) என்னும் மூவகையில் வேற்றுமைத்தொடர் அமையும். வேற்றுமைத் தொடரில் பெயர்ச்சொல்லுக்குப் பின்புதான் வேற்றுமை உருபுகள் உண்டாகும். அதாவது பெயருக்கு ஈறாகும் தன்மை. இதனைத் தொல்காப்பியர்,\n",
            "\n",
            "“கூறிய முறையின் உருபுநிலை திரியாது\n",
            "\n",
            "ஈறு பெயர்க்கு ஆகும் இயற்கைய என்ப”  (தொல்காப்பியம், நூற்பா.553)\n",
            "\n",
            "என்று குறிப்பிட்டு, ஆறு வேற்றுமை உருபுகள் புணர்ச்சியின்போது பெயர்நிலைக்கிளவிக்கு முன் தன்னிலை திரியாமல் புணர்ந்து நிற்கும் என்கிறார்.\n",
            "\n",
            "அல்வழிப் புணர்ச்சி\n",
            "\n",
            "            வேற்றுமைப் புணர்ச்சி அல்லாத புணர்ச்சி அல்வழிப் புணர்ச்சி ஆகும். வேற்றுமை அல்லாத புணர்ச்சி இது என ‘வேற்றுமை அல்வழிப் புணர்மொழி” என்று தொல்காப்பியர் குறிப்பிடுகின்றார். “‘வேற்றுமை அல்வழி’ என்பதே அதன் முழுப்பெயர். சுருக்கம் கருதி இஃது ‘அல்வழி’ எனப்பட்டது” (கோபாலையர், தி.வே., தமிழ் இலக்கணப் பேரகராதி, எழுத்து 1, ப.36)\n",
            "\n",
            " என்று தொல்காப்பியர் கூற்றினை வழிமொழிவார் தி.வே.கோபலனார். அல்வழிப்புணர்ச்சியினை ‘தொகைப்புணர்ச்சி’ என்றும் அழைப்பர். “அல்வழிப் புணர்ச்சியைக் கூறி, வேற்றுமைப் புணர்ச்சியை விவரித்தல்” (சுயம்பு,பெ., இலக்கண நூற்களஞ்சியம், பக்.23) என்னும் நடையைத் தொல்காப்பியர் கையாண்டுள்ளார் என்பது அறிஞர் பெ.சுயம்பு அவர்களின் கூற்று. அல்வழிப்புணர்ச்சியின் உள்ளடக்கம் பதினான்கு ஆகும். அவையான, வினைத்தொகை (வளர்தமிழ்), பண்புத்தொகை (செந்தமிழ்), உவமைத்தொகை (முத்துப்பல்), உம்மைத்தொகை (கபிலபரணர்), இந்நான்கன் புறத்தும் பிறந்த அன்மொழித்தொகை (பொற்றொடி வந்தாள்), எழுவாய்த்தொடர் (சாத்தன் வந்தான்), விளித்தொடர் (சாத்தா வா!), குறிப்புவினைமுற்று (நல்;லன் சாத்தன்), தெரிநிலைவினைமுற்று (உழுதான் சாத்தன்), பெயரெச்சத்தொடர் (வந்த சாத்தன்), வினையெச்சத்தொடர் (வந்து போனான்), இடைச்சொற்றொடர் (மற்றொன்று), உரிச்சொற்றொடர் (தவப்பிஞ்சு), அடுக்குத்தொடர் (வாழி வாழி) ஆகியனவாம். இலக்கணிகள் அல்வழி பற்றிய பட்டியலை முழுமையாகத் தரவில்லை. முதன்முதலில் அல்வழிகளைப் பட்டியலிட்டவர் இளம்பூரணரே. அவரே தொல்காப்பிய உரையில் அல்வழி பன்னிரண்டு வகைகள் உள்ளன என்பதையும் காண்பிக்கிறார். இதனைக் கொண்டே நன்னூலார் அல்வழிப் புணர்ச்சி வகைகள் பதினான்கு என வகைப்படுத்துகிறார் என்பது மொழியியலாளர்தம் கருத்து.\n",
            " \n",
            "சாரியைப் புணர்ச்சி\n",
            "\n",
            "            இரு வேறு சொற்கள் இணையும்போது அவற்றைச் சார்ந்து நிற்கும் பொருளற்ற சொல்லே சாரியை எனப்படும். இது ஓர் இடைச்சொல். சார்ந்துவரலால் சாரியை என்றும் கூறுவர். “பதம் முன் விகுதியும் பதமும் உருபுமாகச் சார்ந்து கிடந்தவற்றை இயைக்க வரும் இடைச்சொல் சாரியையாம்” (கோபாலையர், தி.வே., தமிழ் இலக்கணப் பேரகராதி, எழுத்து 2, ப.1)\n",
            "\n",
            "  ஒரு சொல்லின் முன் ஒரு சொல்லோ, உருபோ, விகுதியோ வந்து புணரும்போது சாரியை தோன்றும் என்றெல்லாம் பலவாறாக சாரியை பற்றிய செய்திகள் காணக்கிடைக்கின்றன.\n",
            "\n",
            "            “இன்னே வற்றே அத்தே அம்மே\n",
            "\n",
            "            ஒன்னே ஆனே அக்கே இக்கே\n",
            "\n",
            "            அன் என் உளப்படப் பிறவும்\n",
            "\n",
            "            அன்ன என்ப சாரியை மொழிப” (தொல்காப்பியம், நூற்பா.119)\n",
            "\n",
            "இன் (ஆ+இன்+கோடு=ஆவின்கோடு), வற்று (அவை+வற்று+ஐ=அவையற்றை), அத்து (கலம்+அத்து+குறை=கலத்துக்குறை), அம் (புளி+அம்+காய்-புளியங்காய்), ஒன் (கோ+ஒன்+ஒடு=கோஒனொடு), ஆன் (பரணி+ஆன்+கொண்டான்=பரணியாற்கொண்டான்), அக்கு (குன்று+அக்கு+கூகை=குன்றக்கூகை), இக்கு (ஆடி+இக்கு+கொண்டார்=ஆடிக்கொண்டார்), அன் (ஒன்று+அன்+ஐ=ஒன்றனை) ஆகியவற்றைச் சாரியைகள் என்பார் தொகாப்பியர். கால ஓட்டத்தில் பல சாரியைகள் வழக்கமையலாம் என்று கருதிய தொல்காப்பியர், இவையன்றிப் பிற சாரியைகள் உள்ளன என்றும் குறிப்பிடுகின்றார். “இன் சாரியையினை முதலிலும், அன்சாரியையினை இறுதியிலும், பிற சாரியைகளை இடையிலும் அமைத்திருக்கின்ற முறைமைக்கு அவ்வவற்றின் சிறப்பே காரணமென இளம்பூரணரும், நச்சினார்க்கினியரும் விளக்குவர்” (இன்னாசி, சூ., எழுத்தியல், ப.114) முதலெழுத்துக்கள் முப்பதையும் கரம், காரம், ஃகான் ஆகிய சாரியைகளைச் சேர்த்து வழங்கும்படிக் குறிப்பிடுவார் தொல்காப்பியர். இம்மூன்றும் எழுத்துச்சாரியைகள் ஆகும். சாரியைப்புணர்ச்சி பற்றிய கோட்பாடு தொல்காப்பியர் வடிப்பதற்கு அடிப்படை, அவரது காலகட்டத்தில் மொழிநிலையைப் பிரதிபடுத்துதற்கேயாகும். வழக்கமைந்த சொற்களின் தொடரியல் கொள்கைகளை விளக்க அவர் சாரியைக் கோட்பாட்பாட்டைப் பயன்படுத்துகிறாரேயன்றி, மொழி ஆய்வு செய்யவேண்டும் என்பது அவரின் கருதுகோள் கிடையாது. சாரியைக்கோட்பாடு மட்டுமன்றி தொல்காப்பியம் முழுமையும் இந்த அடிப்படையில்தான் எழுதியுள்ளார்.\n",
            " \n",
            "தொகுப்புரை\n",
            "\n",
            "            மொழியியலார் வகுக்கும் உருபொலியனியல் கோட்பாட்டிற்குச் சான்றளிக்கும் வகையில் தொல்காப்பியரின் புணரிச்சிக் கோட்பாடு அமையப்பெற்றுள்ளது. மெய் உயிர் எழுத்துக்களின் புணர்ச்சி, பெயர் வினைகளின் புணர்ச்சி என்றும் சொற்கள் அடிப்படையிலும் பொருண்மை அடிப்படையிலும் ஏற்படும் புணர்ச்சிகளைக் குறிப்பிடுகின்றார். புணர்மொழிகள் சந்திக்கும் இடங்களில் நிறுத்தசொல், குறித்துவருகிளவி ஆகியனவாக புணரும் எழுத்துக்கள் இருவகையாக மாற்றம் பெறும் என்ற நுட்பத்தையும் குறிப்படுகின்றார்.  உருபுகளை மையமிட்டு  வேற்றுமைப் புணர்ச்சியினையும், தொகையை மையமிட்ட அல்வழிப்புணர்ச்சியினையும் எடுத்துக்காட்டியுள்ளார். சுருங்கக் கூறின் வேற்றுமைப் புணர்ச்சிகளைக் கூறி அவற்றிலிருந்து அல்வழிப்புணர்ச்சியை வெளிப்படுத்தும் உத்தியைத் தொல்காப்பியர் கையாண்டுள்ளார். மொழியியல் ஆய்வுக்குச் சாரியைகளை உட்படுத்தாமல் மக்கள் வழக்கின் அடிப்படையில் சாரியைகளை உட்படுத்துகிறார்.\n"
          ]
        }
      ]
    },
    {
      "cell_type": "code",
      "source": [
        "# prompt: அந்த நிரலில் மேலும் 2முறை வினவல் அமையுமாறு எழுதி, மூன்றாவது முறை முடிந்தது செயல்பாட்டை நிறுத்தவும்\n",
        "\n",
        "# ... (your existing code)\n",
        "\n",
        "def get_answer(question):\n",
        "    # 1. Preprocess the question (remove punctuation, etc.)\n",
        "    cleaned_question = remove_tamil_punctuation(question)\n",
        "    question_words = get_tamil_words(cleaned_question)\n",
        "\n",
        "    # 2. Find the most similar question in the CSV\n",
        "    best_match_index = -1\n",
        "    max_overlap = 0\n",
        "\n",
        "    for index, row in data.iterrows():\n",
        "      response = row['Response']\n",
        "      cleaned_response = remove_tamil_punctuation(response)\n",
        "      response_words = get_tamil_words(cleaned_response)\n",
        "\n",
        "      overlap = len(set(question_words) & set(response_words))\n",
        "      if overlap > max_overlap:\n",
        "          max_overlap = overlap\n",
        "          best_match_index = index\n",
        "\n",
        "    # 3. Return the answer if found, otherwise indicate not found\n",
        "    if best_match_index != -1:\n",
        "        return data['Response'].iloc[best_match_index]\n",
        "    else:\n",
        "        return \"மன்னிக்கவும், எனக்குத் தெரியவில்லை.\"\n",
        "\n",
        "for i in range(3):\n",
        "    user_question = input(\"வினா கேளுங்கள்: \")\n",
        "    answer = get_answer(user_question)\n",
        "    print(\"பதில்:\", answer)\n",
        "    if i == 2:\n",
        "      print(\"மூன்றாவது முறை முடிந்தது. செயல்பாடு நிறுத்தப்பட்டது.\")\n",
        "      break"
      ],
      "metadata": {
        "colab": {
          "base_uri": "https://localhost:8080/"
        },
        "id": "ivipifOxnqlY",
        "outputId": "efaf2921-7708-4217-d274-bc7a246a9021"
      },
      "execution_count": 79,
      "outputs": [
        {
          "output_type": "stream",
          "name": "stdout",
          "text": [
            "வினா கேளுங்கள்: புணரியல்\n",
            "பதில்: தொல்காப்பியம் எழுத்து, சொல், பொருள் என்ற மூன்று அதிகாரங்களாகப் பகுக்கப்பட்டுள்ளது. ஒவ்வோர் அதிகாரமும் 9 இயல்களாக உள்ளது. முதலாவது எழுத்ததிகாரத்தில் நான்காவது இயலாக அமைந்துள்ளது, புணரியல். இந்த இயலில் 40 நூற்பாக்கள் உள்ளன.\n",
            "\n",
            "எழுத்துகள் 33.\n",
            "அவற்றில் மொழியின் முதலெழுத்தாக நிற்கும் எழுத்துகள் 22.\n",
            "மொழியின் இறுதியில் நிற்கும் எழுத்துகள் 24.\n",
            "24 ஈற்றோடு 22 முதல் சேரும்போது என்ன ஆகும் என்பதைக் கூறுவது புணரியல்\n",
            "வினா கேளுங்கள்: தொல்காப்பிய எழுத்ததிகாரப் புணரியல் நூற்பா 6 எழுதித் தரவும்\n",
            "பதில்: தமிழில் உள்ள உருபனியல், தொடரியல் கோட்பாடுகளில்; ‘புணர்ச்சி’ பற்றிய கருத்தாக்கங்கள் இன்றியமையாதவையாகும். புணர்ச்சி நிலைகளினைத் தொல்காப்பியம்  அறிவியல் கலந்த மொழியியல் நுட்பத்துடன் விளக்கி நிற்கின்றது. தொல்காப்பியர் குறிப்பிடும் தமிழ்மொழியின் புணர்ச்சிக் கட்டமைப்பையும் அவற்றின் இயல்புகளையும் ஆராயும் களமாக இக்கட்டுரை அமையப்பெறுகின்றது.\n",
            " \n",
            "புணர்ச்சி :\n",
            "\n",
            "            எழுத்தோ சொல்லோ நிலைமொழி வருமொழி இடையீட்டில் ஒன்றோடொன்று இணைவதைப் புணர்ச்சி என்னும் கலைச்சொல்லால் குறிப்பிடுவர். “ஒரு வாக்கியத்தில் அல்லது வாக்கியங்களுக்கிடையே காணப்படும் தொடர்களும் சொற்களும் சொற்களில் காணப்படும் பல்வேறு உருபன்களும் தம்முள் தாம் சேரும்போதும் ஏற்படும் சேர்க்கை, மொழிப்புணர்ச்சி அல்லது புணர்ச்சி எனப்படும். இதனைச் சந்தி எனவும் அழைப்பர்” (அகத்தியலிங்கம், ச., தமிழ்மொழி அமைப்பியல், ப.326) என்று புணர்ச்சியைப் பற்றி ச.அகத்தியலிங்கம் குறிப்பிடுகின்றார். புணர்ச்சி இலக்கணம் பற்றித் தொல்காப்பியர் ‘புணரியல்’ என்ற இயலை எழுத்ததிகாரத்தின்கண் யாத்துள்ளார். இப்புணர்ச்சி இலக்கணத்தை மொழியியலாளர்கள் ‘உருபொலியனியல்’ ((Morphophonemics) என்று அழைப்பர். ‘சந்தி’ என்றும் ‘புணர்ச்சி’ என்றும் இது வழங்கலாகின்றது. “இலக்கண நூல்கள் சொற்களின் சேர்க்கையால் (புணர்ச்சி) மாற்றம் ஏற்படுகிறது என்று கொள்ள, மொழியியல் தனிச் சொல்லின்  எழுத்து மாற்றமே உருபொலியன் அல்லது சந்தி என்று கொள்கிறது” (சண்முகம், செ.வை., எழுத்திலக்கணக் கோட்பாடு, பக்.203-204) என செ.வை.சண்முகம் குறிப்பிடுகிறார். சொற்களின் தொடரமைவுக்கேற்ப மொழிகள் புணரும்போது எழுத்துக்களில் உண்டாகும் மாற்றம் புணர்ச்சி என்றும் ஒலிமாற்றத்தேவையின் அடிப்படையில் எழுத்துக்காக உண்டாகும் புணர்ச்சியினைச் சந்தி எனவும் கொள்ளலாம். எழுத்துக்களின் புணர்நிலையை அடிப்படையாகக் கொண்டு புணர்வது அகநிலைப்புணர்ச்சி (Internal Assimilation) ஆகும். அதாவது சொற்களுள்ளேயே புணர்தல் என்னும் கோட்பாடமைவது. அகநிலைப்புணர்ச்சி பற்றி இங்கு கூறுவதன் நோக்கம் வேற்றுமை, அல்வழி புணர்ச்சிகளின் விரிவான செய்திகள் சொல்லதிகாரத்தில் அமைந்தாலும், எழுத்துக்களின் புணர்ச்சிதான் உருபொலியனியல் கோட்பாட்டை நெறிப்படுத்துகின்றது என்பதற்காகவாம். எழுத்துக்களின் புணர்ச்சியின் அடுத்தநிலை உருபன்களின் புணர்ச்சி அதாவது மொழிப்புணர்ச்சி ஆகும். இதனைப் புறநிலைப் புணர்ச்சி (External Assimilation) என்பர். முதலீறு, ஈற்றுமுதல் எழுத்துக்களின் புணர்ச்சியைப் புணர்நிலைச் சுட்டு எனவும், பெயர், வினைச் சொற்களின் புணர்ச்சியை மொழிபுணர்இயல்பு எனவும் தொல்காப்பியர் பகுத்துள்ளார்.\n",
            "\n",
            "நிறுத்த சொல்லும் குறித்துவரு கிளவியும் :\n",
            "\n",
            "            நிறுத்த சொல், குறித்துவரு கிளவி ஆகிய இரண்டு கலைச்சொற்களைத் தொல்காப்பியர் புணர்ச்சியின்போது பயன்படுத்துகின்றார்.\n",
            "\n",
            "            “நிறுத்த சொல்லே குறித்துவரு கிளவிஎன்று\n",
            "\n",
            "            ஆயீர் இயல புணர்நிலைச் சுட்டே”  (தொல்காப்பியம், நூற்பா.107)\n",
            "\n",
            "என்று தொல்காப்பியர் இவற்றைக் குறிப்பிடுகிறார். புணர்வதற்கேற்ற இடைப்பகுதியாகிய சந்திக்கு முதலில் வருவது நிறுத்தசொல் ஆகும். சந்திக்கும் பின் வருவது குறித்துவருகிளவியாகும். வீரசோழியம் இவற்றை நின்றசொல், வருசொல் என்று குறிப்பிடுகின்றது. நிறுத்தசொல் என்பதை நிலைமொழி என்றும் குறித்துவருகிளவி என்பதை வருமொழி என்றும் நன்னூலார் குறிப்பிடுகின்றார்.\n",
            " \n",
            "புணர்நிலைச் சுட்டு :\n",
            "\n",
            "நிறுத்த சொல்லின் ஈற்றெழுத்தும் குறித்துவருகிளவியின் முதல் எழுத்தும் இணைவதைப்  ‘புணர;நிலைச்சுட்டு’ என்கின்றது தொல்காப்பியம். “சொல்லப்பட்ட ஒரு சொல்லோடு அடுத்த சொல் கூடும் நிலைமையாகிய கருத்து”(கோபாலையர், தி.வே., தமிழ் இலக்கணப் பேரகராதி, எழுத்து 2, ப.135) ஆகும். உயிர், மெய் எழுத்துக்கள் ஈற்றும் முதலுமாக இணைந்து நான்கு வகையில் புணர்நிலை அமையும் என்பதைத் தொல்காப்பியர்,\n",
            "\n",
            "            “உயிரிறு சொல்முன் உயிர்வரு வழியும்\n",
            "\n",
            "            உயிரிறு சொல்முன் மெய்வரு வழியும்\n",
            "\n",
            "            மெய்யிறு சொல்முன் உயிர்வரு வழியும்\n",
            "\n",
            "            மெய்யிறு சொல்முன் மெய்வரு வழியும் என்று” (தொல்காப்பியம், நூற்பா.107)\n",
            "\n",
            "என்று  விளக்குகிறார்.\n",
            "\n",
            "1.    நிறுத்தசொல்லின் ஈற்றுயிரும் குறித்துவருகிளவியின் முதல் உயிரும் புணர்தல் (மா+இலை=மாவிலை)\n",
            "\n",
            "2.    நிறுத்தசொல்லின் ஈற்றுயிரும் குறித்துவருகிளவியின் மெய் முதலும் புணர்தல் (மரம்+பலகை=மரப்பலகை)\n",
            "\n",
            "3.    நிறுத்தசொல்லின் ஈற்றுமெய்யும் குறித்துவருகிளவியின் முதல் உயிரும் புணர்தல் (நூல்+அகம்=நூலகம்)\n",
            "\n",
            "4.    நிறுத்தசொல்லின் ஈற்றுமெய்யும் குறித்துவருகிளவியின் முதல் மெய்யும் புணர்தல் (நூல்+முகம்=நூன்முகம்)\n",
            "\n",
            "என்னும் நான்கு மொழிப்புணர்ச்சிகளை விளக்குகிறார். பெயர், வினை என்று சொற்கள் இரு வகையாக இருப்பினும் இவையன்றி உருபனியல், தொடரியல் ஆகியவைகளை உள்ளடக்கிய பொதுவான புணர்ச்சிக் கட்டமைப்பை உருவாக்க ஒலிப்பு நிலையை அடிப்படையாகக் கொண்டு புணர்மொழிச் சுட்டை யாத்துள்ளார்.\n",
            "\n",
            "மொழிபுணர் இயல்புகள் :\n",
            "\n",
            "            புணர்மொழிகள் என்பதனை ‘மொழிபுணர் இயல்புகள்’ என்று தொல்காப்பியர் குறிப்பிடுகின்றார். மொழிபுணர் இயல்புகள் நான்கிலும் சந்தியின்கண் எவ்வித மாற்றமும் நேராமல் இயல்பாய்ப் புணரும். சொற்களின் புணர்ச்சியினைப்,\n",
            "\n",
            "1.    பெயரும் பெயரும் புணர்தல் (அவன் இராவணன்)\n",
            "\n",
            "2.    பெயரும் வினையும் புணர்தல் (இராவணன் வென்றான்)\n",
            "\n",
            "3.    வினையும் பெயரும் புணர்தல் (வென்றான் இராவணன்)\n",
            "\n",
            "4.    வினையும் வினையும் புணர்தல் (வந்தான் வென்றான்)\n",
            "\n",
            "என்று நான்குவகையான மொழிகளின் புணர்வினைக் குறிப்பிடுகின்றார்.\n",
            "\n",
            "            “நிறுத்த சொல்லின் ஈறாகு எழுத்தொடு\n",
            "\n",
            "            குறித்துவரு கிளவி முதலெழுத்து இயையப்\n",
            "\n",
            "            பெயரொடு பெயரைப் புணர்க்குங் காலும்\n",
            "\n",
            "            பெயரொடு தொழிலைப் புணர்க்குங் காலும்\n",
            "\n",
            "            தொழிலொடு பெயரைப் புணர்க்குங் காலும்\n",
            "\n",
            "            தொழிலொடு தொழிலைப் புணர்க்குங் காலும்\n",
            "\n",
            "            மூன்றே திரிபுஇடன் ஒன்றே இயல்புஎன\n",
            "\n",
            "            ஆங்குஅந் நான்கே மொழிபுணர் இயல்பே” (தொல்காப்பியம், நூற்பா.108)\n",
            "\n",
            "என்று மொழிபுணர் இயல்புகளைக் குறிப்பிடுகின்றார். வினைச்சொல்லைத் தொழிற்சொல் எனத் தொல்காப்பியர் இங்கு குறிப்பிடுவது நோக்கத்தக்கது.\n",
            "\n",
            "இயல்புப் புணர்ச்சி :\n",
            "\n",
            "            இயல்புப்புணர்ச்சி, விகாரப்புணர்ச்சி என்று இருவகையாகப் புணர்ச்சி அமையும். இயல்புப் புணர்ச்சியில் பெரிதும் மாற்றம் இருப்பதில்லை. இயற்கையாகவே மாறுபாடடையாத புணர்ச்சி ஒன்றே எனவும், அவ்வொன்றானது இயல்புப்புணர்ச்சியே என்றும் ‘ஒன்றே இயல்பென’ என்பதன் மூலம் தொல்காப்பியர் குறிப்பிடுகிறார். இலக்கண அறிஞர்களின் பார்வையில் கீழ்க்கண்டவாறு இயல்புப் புணர்ச்சிகள் அமைய்யப்பெறுகின்றன.\n",
            "\n",
            "1.    மாற்றம் இன்றிப் புணர்தல். (மண்+மணம்=மண்மணம்)\n",
            "\n",
            "2.    ‘புள்ளி ஈற்றுமுன் உயிர்தனித்தியலாது’ விதிப்படி மெய்யீறும் உயிர்முதலும் புணர்தல். (அவன்+அழகன்=அவனழகன்)\n",
            "\n",
            "3.    உடம்படுமெய் பெறுதல். (பூ+அரசன்=பூவரசன்)\n",
            "\n",
            "4.    குற்றியலுகரத்தின் முன் உயிர் புணர்தல். (வரகு+அரிசி=வரகரிசி)\n",
            "\n",
            "ஆகியவை இயல்புப் புணர்ச்சிகளின் வடிவங்களாகும்.\n",
            "\n",
            "விகாரப் புணர்ச்சி:\n",
            "\n",
            "தொல்காப்பியர் “மூன்றே திரிபு” எனக்கூறுவதன்மூலம் புணச்சியின் மாற்றங்கள் மூன்று என்பதனை அறியமுடிகிறது. இம்மூவகை மாற்றங்களைத்தான் பிற்கால இலக்கணிகள் விகாரப்புணர்ச்சி என்றனர். விகாரம் என்பதற்கு மாறுபாடு என்று பொருள். “விகாரப்புணர்ச்சி என்பது இரண்டு தொடர்களோ இரண்டு சொற்களோ இரண்டு உருபுகளோ இணையும் போது முன்னதிலோ அல்லது பின்னதிலோ அல்லது இரண்டிலுமோ ஏதாவது மாற்றம் ஏற்படின் அது விகாரப் புணர்ச்சி எனப்படும்.” அகத்தியலிங்கம், ச., தமிழ்மொழி அமைப்பியல், ப.330 விகாரப்புணர்ச்சியினைத் தொல்காப்பியர்,\n",
            "\n",
            "            “அவைதாம்\n",
            "\n",
            "            மெய்பிறந்து ஆதல் மிகுதல் குன்றல் என்று\n",
            "\n",
            "            இவ்வென மொழிப திரியும் ஆறே” (தொல்காப்பியம், நூற்பா.109)\n",
            "\n",
            "என்று குறிப்பிடுகின்றார். மெய்பிரிதாதல் என்பது திரிதல் விகாரமாகும். “மெய்பிறிதாதலை மொழியியலார் ஒலித்திரிபெனக் (Assimilation) கொள்வர்” (இன்னாசி, சூ., எழுத்தியல், ப.62)\n",
            "\n",
            "1.    மெய்யெழுத்துக்கள் மட்டுமே மெய்பிரிதாதலில் திரியும் (கல்+சிலை=கற்சிலை)\n",
            "\n",
            "2.    மிகுதல் (பூ+தோட்டம்=பூந்தோட்டம்),\n",
            "\n",
            "3.    குன்றல் (மரம்+வேர்=மரவேர்)\n",
            "\n",
            "இவை மூன்றும் விகாரங்கள் ஆகும். “விகாரம் எனினும், செயல் எனினும், செயற்கை எனினும், விதி எனினும் ஒக்கும்” (கோபாலையர், தி.வே., தமிழ் இலக்கணப் பேரகராதி,  எழுத்து 2, ப.247)\n",
            "\n",
            " என்று தி.வே.கோபலனார் குறிப்பிடுகிறார். இயல்புப் புணர்ச்சியை இயற்கைப்புணர்ச்சி என்றும், விகாரப்புணர்ச்சியைச் செயற்கைப்புணர்ச்சி என்றும் கூறிப்பிடலாம். உரையாசிரியர்கள் தோன்றல், திரிதல், கெடுதல், நீளல், நிலைமாறுதல் மருவிவழங்கல், ஒத்துநடத்தல் என்று எழுவகை விகாரங்களைக் குறிப்பிடுவர். (கோபாலையர், தி.வே., தமிழ் இலக்கணப் பேரகராதி, எழுத்து 2,  ப.133) நன்னூலார் செய்யுள் விகாரம் என்ற விகாரத்தை,\n",
            "\n",
            "            “வலித்தல் மெலித்தல் நீட்டல் குறுக்கல்\n",
            "\n",
            "            விரித்தல் தொகுத்தல் வருஞ்செய்யுள் வேண்டுழி” (நன்னூல், நூற்பா.155)\n",
            "\n",
            "என்றவாறு குறிப்பிடுகிறார். வலித்தல், மெலித்தல், நீட்டல், குறுக்கல், விரித்தல், தொகுத்தல், ஆகிய அறுவகை செய்யுள் விகாரங்களைக் குறிப்பிடுகின்றார். இருப்பினும் இதற்கு முந்தைய நூற்பாவில்,\n",
            "\n",
            "            “தோன்றல் திரிதல் கெடுதல் விகாரம்\n",
            "\n",
            "            மூன்றும் மொழி மூவிடத்தும் ஆகும்” (நன்னூல், நூற்பா. 154)\n",
            "\n",
            "தொல்காப்பியரின் மும்மாற்றக்கொள்கையை (மூன்று விகாரங்களை)  நன்னூலார் ஏற்கின்றார். பிற்றை நாட்களில் காலத்திற்கேற்ப செய்யுளில் ஏற்பட்ட அறுவகையான விகாரங்களைத்தான் முன்னர் கூறிய நூற்பாவில் நன்னூலார் இயம்புகிறார்.\n",
            "\n",
            "இருவகைப் புணர்ச்சிகள்\n",
            "\n",
            "            எழுத்துக்களின் அடிப்படையில் எழுத்துக்களின் புணர்ச்சி அமையும். பெயர், வினை அடிப்படையில் மொழிப்புணர்ச்சி அமையும். உருபுகள் இணைப்பின் அடிப்படையில் வேற்றுமை, அல்வழிப் புணர்ச்சிகள் அமையப்பெறும். தொல்காப்பியர் இவற்றை,\n",
            "\n",
            "            “வேற்றுமை குறித்த புணர்மொழி நிலையும்\n",
            "\n",
            "            வேற்றுமை அல்வழிப் புணர்மொழி நிலையும்\n",
            "\n",
            "            எழுத்தே சாரியை ஆயிரு பண்பின்\n",
            "\n",
            "            ஒழுக்கல் வலிய புணருங் காலை” (தொல்காப்பியம், நூற்பா.112)\n",
            "\n",
            "உருபுகள் ஏற்ற வேற்றுமைப் புணர்ச்சி, வேற்றுமை உருபு ஏலாத அல்வகைப் புணர்ச்சி என்று தொல்காப்பியர் இருவகைப்படுத்துகிறார். இவ்விரு புணர்ச்சிகளில் எழுத்து மிகுதலும், சாரியை மிகுதலும் உண்டு என்னும் குறிப்பினையும் தொல்காப்பியனார் இயம்புகிறார்.\n",
            "\n",
            "வேற்றுமைப் புணர்ச்சி\n",
            "\n",
            "            ஒன்றன் தொடரில் பெயருக்கும் வினைக்கும் உண்டான உறவுநிலையைக் குறிப்பிட்டு வேற்றுமை அமையும். வேற்றுமை உருபுகளை ஏற்று எழுகையில் தோன்றும் இருசொற்களின் இணைப்பு வேற்றுமைப் புணர்ச்சியாகும். புலப்படும் பெயர் பொருளை வேற்றுமைப்படுத்தும் புணர்ச்சியே வேற்றுமைப் புணர்ச்சி என்றும் வரையறுப்பர். எண்வகை வேற்றுமைகளில் எழுவாய், விளி நீங்கலாகிய,\n",
            "\n",
            "“ஐ ஒடு குஇன் அதுகண் என்னும்\n",
            "\n",
            "அவ்ஆறு என்ப வேற்றுமை உருபே” (தொல்காப்பியம், நூற்பா.113)\n",
            "\n",
            "என்று மேற்சுட்டப்பட்டுள்ளவற்றில்\n",
            "\n",
            "1.    ஐ (வாளைக் கொணர்)\n",
            "\n",
            "2.    ஒடு (ஊரோடு வாழ்)\n",
            "\n",
            "3.    கு (மறவர்க்குக் கொடு)\n",
            "\n",
            "4.    இன் (ஊரின் நீங்கு)\n",
            "\n",
            "5.    அது (கிளியினது கூண்டு)\n",
            "\n",
            "6.    கண் (மலையின்கண் கோயில்)\n",
            "\n",
            "ஆகிய ஆறு உருபுகள் மட்டுமே வேற்றுமைப் புணர்ச்சிக்கு உரியனவாகும். விரி (கிளியினது கூண்டு, தொகை (கிளிக்கூண்டு), உடன்தொக்கத்தொகை (கூண்டின்கண் உள்ள கிளி) என்னும் மூவகையில் வேற்றுமைத்தொடர் அமையும். வேற்றுமைத் தொடரில் பெயர்ச்சொல்லுக்குப் பின்புதான் வேற்றுமை உருபுகள் உண்டாகும். அதாவது பெயருக்கு ஈறாகும் தன்மை. இதனைத் தொல்காப்பியர்,\n",
            "\n",
            "“கூறிய முறையின் உருபுநிலை திரியாது\n",
            "\n",
            "ஈறு பெயர்க்கு ஆகும் இயற்கைய என்ப”  (தொல்காப்பியம், நூற்பா.553)\n",
            "\n",
            "என்று குறிப்பிட்டு, ஆறு வேற்றுமை உருபுகள் புணர்ச்சியின்போது பெயர்நிலைக்கிளவிக்கு முன் தன்னிலை திரியாமல் புணர்ந்து நிற்கும் என்கிறார்.\n",
            "\n",
            "அல்வழிப் புணர்ச்சி\n",
            "\n",
            "            வேற்றுமைப் புணர்ச்சி அல்லாத புணர்ச்சி அல்வழிப் புணர்ச்சி ஆகும். வேற்றுமை அல்லாத புணர்ச்சி இது என ‘வேற்றுமை அல்வழிப் புணர்மொழி” என்று தொல்காப்பியர் குறிப்பிடுகின்றார். “‘வேற்றுமை அல்வழி’ என்பதே அதன் முழுப்பெயர். சுருக்கம் கருதி இஃது ‘அல்வழி’ எனப்பட்டது” (கோபாலையர், தி.வே., தமிழ் இலக்கணப் பேரகராதி, எழுத்து 1, ப.36)\n",
            "\n",
            " என்று தொல்காப்பியர் கூற்றினை வழிமொழிவார் தி.வே.கோபலனார். அல்வழிப்புணர்ச்சியினை ‘தொகைப்புணர்ச்சி’ என்றும் அழைப்பர். “அல்வழிப் புணர்ச்சியைக் கூறி, வேற்றுமைப் புணர்ச்சியை விவரித்தல்” (சுயம்பு,பெ., இலக்கண நூற்களஞ்சியம், பக்.23) என்னும் நடையைத் தொல்காப்பியர் கையாண்டுள்ளார் என்பது அறிஞர் பெ.சுயம்பு அவர்களின் கூற்று. அல்வழிப்புணர்ச்சியின் உள்ளடக்கம் பதினான்கு ஆகும். அவையான, வினைத்தொகை (வளர்தமிழ்), பண்புத்தொகை (செந்தமிழ்), உவமைத்தொகை (முத்துப்பல்), உம்மைத்தொகை (கபிலபரணர்), இந்நான்கன் புறத்தும் பிறந்த அன்மொழித்தொகை (பொற்றொடி வந்தாள்), எழுவாய்த்தொடர் (சாத்தன் வந்தான்), விளித்தொடர் (சாத்தா வா!), குறிப்புவினைமுற்று (நல்;லன் சாத்தன்), தெரிநிலைவினைமுற்று (உழுதான் சாத்தன்), பெயரெச்சத்தொடர் (வந்த சாத்தன்), வினையெச்சத்தொடர் (வந்து போனான்), இடைச்சொற்றொடர் (மற்றொன்று), உரிச்சொற்றொடர் (தவப்பிஞ்சு), அடுக்குத்தொடர் (வாழி வாழி) ஆகியனவாம். இலக்கணிகள் அல்வழி பற்றிய பட்டியலை முழுமையாகத் தரவில்லை. முதன்முதலில் அல்வழிகளைப் பட்டியலிட்டவர் இளம்பூரணரே. அவரே தொல்காப்பிய உரையில் அல்வழி பன்னிரண்டு வகைகள் உள்ளன என்பதையும் காண்பிக்கிறார். இதனைக் கொண்டே நன்னூலார் அல்வழிப் புணர்ச்சி வகைகள் பதினான்கு என வகைப்படுத்துகிறார் என்பது மொழியியலாளர்தம் கருத்து.\n",
            " \n",
            "சாரியைப் புணர்ச்சி\n",
            "\n",
            "            இரு வேறு சொற்கள் இணையும்போது அவற்றைச் சார்ந்து நிற்கும் பொருளற்ற சொல்லே சாரியை எனப்படும். இது ஓர் இடைச்சொல். சார்ந்துவரலால் சாரியை என்றும் கூறுவர். “பதம் முன் விகுதியும் பதமும் உருபுமாகச் சார்ந்து கிடந்தவற்றை இயைக்க வரும் இடைச்சொல் சாரியையாம்” (கோபாலையர், தி.வே., தமிழ் இலக்கணப் பேரகராதி, எழுத்து 2, ப.1)\n",
            "\n",
            "  ஒரு சொல்லின் முன் ஒரு சொல்லோ, உருபோ, விகுதியோ வந்து புணரும்போது சாரியை தோன்றும் என்றெல்லாம் பலவாறாக சாரியை பற்றிய செய்திகள் காணக்கிடைக்கின்றன.\n",
            "\n",
            "            “இன்னே வற்றே அத்தே அம்மே\n",
            "\n",
            "            ஒன்னே ஆனே அக்கே இக்கே\n",
            "\n",
            "            அன் என் உளப்படப் பிறவும்\n",
            "\n",
            "            அன்ன என்ப சாரியை மொழிப” (தொல்காப்பியம், நூற்பா.119)\n",
            "\n",
            "இன் (ஆ+இன்+கோடு=ஆவின்கோடு), வற்று (அவை+வற்று+ஐ=அவையற்றை), அத்து (கலம்+அத்து+குறை=கலத்துக்குறை), அம் (புளி+அம்+காய்-புளியங்காய்), ஒன் (கோ+ஒன்+ஒடு=கோஒனொடு), ஆன் (பரணி+ஆன்+கொண்டான்=பரணியாற்கொண்டான்), அக்கு (குன்று+அக்கு+கூகை=குன்றக்கூகை), இக்கு (ஆடி+இக்கு+கொண்டார்=ஆடிக்கொண்டார்), அன் (ஒன்று+அன்+ஐ=ஒன்றனை) ஆகியவற்றைச் சாரியைகள் என்பார் தொகாப்பியர். கால ஓட்டத்தில் பல சாரியைகள் வழக்கமையலாம் என்று கருதிய தொல்காப்பியர், இவையன்றிப் பிற சாரியைகள் உள்ளன என்றும் குறிப்பிடுகின்றார். “இன் சாரியையினை முதலிலும், அன்சாரியையினை இறுதியிலும், பிற சாரியைகளை இடையிலும் அமைத்திருக்கின்ற முறைமைக்கு அவ்வவற்றின் சிறப்பே காரணமென இளம்பூரணரும், நச்சினார்க்கினியரும் விளக்குவர்” (இன்னாசி, சூ., எழுத்தியல், ப.114) முதலெழுத்துக்கள் முப்பதையும் கரம், காரம், ஃகான் ஆகிய சாரியைகளைச் சேர்த்து வழங்கும்படிக் குறிப்பிடுவார் தொல்காப்பியர். இம்மூன்றும் எழுத்துச்சாரியைகள் ஆகும். சாரியைப்புணர்ச்சி பற்றிய கோட்பாடு தொல்காப்பியர் வடிப்பதற்கு அடிப்படை, அவரது காலகட்டத்தில் மொழிநிலையைப் பிரதிபடுத்துதற்கேயாகும். வழக்கமைந்த சொற்களின் தொடரியல் கொள்கைகளை விளக்க அவர் சாரியைக் கோட்பாட்பாட்டைப் பயன்படுத்துகிறாரேயன்றி, மொழி ஆய்வு செய்யவேண்டும் என்பது அவரின் கருதுகோள் கிடையாது. சாரியைக்கோட்பாடு மட்டுமன்றி தொல்காப்பியம் முழுமையும் இந்த அடிப்படையில்தான் எழுதியுள்ளார்.\n",
            " \n",
            "தொகுப்புரை\n",
            "\n",
            "            மொழியியலார் வகுக்கும் உருபொலியனியல் கோட்பாட்டிற்குச் சான்றளிக்கும் வகையில் தொல்காப்பியரின் புணரிச்சிக் கோட்பாடு அமையப்பெற்றுள்ளது. மெய் உயிர் எழுத்துக்களின் புணர்ச்சி, பெயர் வினைகளின் புணர்ச்சி என்றும் சொற்கள் அடிப்படையிலும் பொருண்மை அடிப்படையிலும் ஏற்படும் புணர்ச்சிகளைக் குறிப்பிடுகின்றார். புணர்மொழிகள் சந்திக்கும் இடங்களில் நிறுத்தசொல், குறித்துவருகிளவி ஆகியனவாக புணரும் எழுத்துக்கள் இருவகையாக மாற்றம் பெறும் என்ற நுட்பத்தையும் குறிப்படுகின்றார்.  உருபுகளை மையமிட்டு  வேற்றுமைப் புணர்ச்சியினையும், தொகையை மையமிட்ட அல்வழிப்புணர்ச்சியினையும் எடுத்துக்காட்டியுள்ளார். சுருங்கக் கூறின் வேற்றுமைப் புணர்ச்சிகளைக் கூறி அவற்றிலிருந்து அல்வழிப்புணர்ச்சியை வெளிப்படுத்தும் உத்தியைத் தொல்காப்பியர் கையாண்டுள்ளார். மொழியியல் ஆய்வுக்குச் சாரியைகளை உட்படுத்தாமல் மக்கள் வழக்கின் அடிப்படையில் சாரியைகளை உட்படுத்துகிறார்.\n",
            "வினா கேளுங்கள்: சொல்லதிகாரம்\n",
            "பதில்: மன்னிக்கவும், எனக்குத் தெரியவில்லை.\n",
            "மூன்றாவது முறை முடிந்தது. செயல்பாடு நிறுத்தப்பட்டது.\n"
          ]
        }
      ]
    },
    {
      "cell_type": "code",
      "source": [
        "# prompt: இந்த நிரலில் பயனர் கேட்கும் கேள்விக்குப் புரிந்துகொண்டு எழுதும் நிரல் தரவும்\n",
        "\n",
        "# ... (your existing code)\n",
        "\n",
        "def get_answer(question):\n",
        "    # 1. Preprocess the question (remove punctuation, etc.)\n",
        "    cleaned_question = remove_tamil_punctuation(question)\n",
        "    question_words = get_tamil_words(cleaned_question)\n",
        "\n",
        "    # 2. Find the most similar question in the CSV\n",
        "    best_match_index = -1\n",
        "    max_overlap = 0\n",
        "\n",
        "    for index, row in data.iterrows():\n",
        "      try:\n",
        "          response = row['Response']\n",
        "          cleaned_response = remove_tamil_punctuation(response)\n",
        "          response_words = get_tamil_words(cleaned_response)\n",
        "\n",
        "          overlap = len(set(question_words) & set(response_words))\n",
        "          if overlap > max_overlap:\n",
        "              max_overlap = overlap\n",
        "              best_match_index = index\n",
        "      except KeyError:\n",
        "          print(\"Warning: 'Response' column not found in a row. Skipping this row.\")\n",
        "          continue  # Skip to the next iteration if the 'Response' column is missing\n",
        "\n",
        "    # 3. Return the answer if found, otherwise indicate not found\n",
        "    if best_match_index != -1:\n",
        "        return data['Response'].iloc[best_match_index]\n",
        "    else:\n",
        "        return \"மன்னிக்கவும், எனக்குத் தெரியவில்லை.\"\n",
        "\n",
        "# Example usage (loop for multiple questions)\n",
        "while True:\n",
        "    user_question = input(\"வினா கேளுங்கள் (அல்லது 'நிறுத்து' என தட்டச்சு செய்து நிறுத்துங்கள்): \")\n",
        "    if user_question.lower() == \"நிறுத்து\":\n",
        "        break\n",
        "    answer = get_answer(user_question)\n",
        "    print(\"பதில்:\", answer)"
      ],
      "metadata": {
        "colab": {
          "base_uri": "https://localhost:8080/"
        },
        "id": "OJ4JpyLAoezE",
        "outputId": "1d9fecf5-12c1-4889-e544-5e224ec736b6"
      },
      "execution_count": 80,
      "outputs": [
        {
          "name": "stdout",
          "output_type": "stream",
          "text": [
            "வினா கேளுங்கள் (அல்லது 'நிறுத்து' என தட்டச்சு செய்து நிறுத்துங்கள்): பொருளதிகாரம்\n",
            "பதில்: மன்னிக்கவும், எனக்குத் தெரியவில்லை.\n",
            "வினா கேளுங்கள் (அல்லது 'நிறுத்து' என தட்டச்சு செய்து நிறுத்துங்கள்): சொல்லதிகாரம்\n",
            "பதில்: மன்னிக்கவும், எனக்குத் தெரியவில்லை.\n",
            "வினா கேளுங்கள் (அல்லது 'நிறுத்து' என தட்டச்சு செய்து நிறுத்துங்கள்): எழுத்ததிகாரம்\n",
            "பதில்: மன்னிக்கவும், எனக்குத் தெரியவில்லை.\n",
            "வினா கேளுங்கள் (அல்லது 'நிறுத்து' என தட்டச்சு செய்து நிறுத்துங்கள்): புணரியல் விளக்கம் தருக\n",
            "பதில்: தொல்காப்பியர் உடம்படுமெய் ஒலிகள் குறித்துப் புணரியலில் சுருக்கமாகப் பேசியிருக்கிறார்.\n",
            "\n",
            "   “எல்லா மொழிக்கும் உயிர்வரு வழியே\n",
            "\n",
            "   உடம்படு மெய்யின் உருவுகொளல் வரையார்” (புணரியல், நூ. 38)\n",
            "\n",
            "(மொழி - சொல்; உருவு - வடிவு; கொளல் - சேர்த்துக் கொள்ளுதல்; வரையார் - நீக்கார்.) ‘எல்லா உயிர் ஈற்றுச் சொற்களுக்கும் முன்னர், உயிரை முதலாகக் கொண்ட சொற்கள் வரும்பொழுது, அவ்விரு சொற்களுக்கும் இடையே உடம்படுமெய்யினது வடிவைச் சேர்த்துக் கொள்ளுதலை நீக்கார்’ என்பது இந்நூற்பாவின் பொருளாகும். இந்நூற்பாவில் தொல்காப்பியர், நிலைமொழியின் இறுதி உயிர்க்கும் வருமொழியின் முதல் உயிர்க்கும் இடையே உடம்படுமெய் வரும் என்று பொதுப்படக் கூறியுள்ளாரே தவிர, எந்தெந்த மெய்கள் உடம்படுமெய்யாக வரும் என்று கூறவில்லை. இருப்பினும் இந்நூற்பாவிற்கு உரை வரைந்த இளம்பூரணரும், நச்சினார்க்கினியரும் தொல்காப்பியர் உடம்படுமெய் என்று குறிப்பிடுவது யகரமும், வகரமும் ஆகும் எனக் கொள்கின்றனர்.\n",
            "\n",
            "அவ்வுரையாசிரியர்கள் இருவரும், இந்நூற்பாவில் தொல்காப்பியர் வரையார் (நீக்கார்) என்று கூறியிருப்பது கொண்டு, உடம்படுமெய் இரண்டு உயிர்களுக்கு இடையே கட்டாயம் வந்தே ஆக வேண்டும் என்பதில்லை எனவும், கிளி அரிது, மூங்கா இல்லை (மூங்கா- கீரி) என்றாற் போல அமைந்து வரும் சொற்றொடர்களில் இரண்டு உயிர்களுக்கு இடையில் உடம்படுமெய் இல்லாமலும் வரலாம் எனவும் கருத்துத் தெரிவிக்கின்றனர். உரையாசிரியர்களின் இக்கருத்தை இக்கால மொழியியலாரும் உடன்படுகின்றனர். இவ்வாறு தொல்காப்பியரது நூற்பாவிற்கு விளக்கம் காண வாய்ப்பிருந்தாலும் கூட, ஒருமொழிச் சந்தியில் உடம்படுமெய் இல்லாமல் சொற்கள் வருவது தமிழ்மொழியில் இல்லை.\n",
            "\n",
            "சான்று: கிளி + ஆ = கிளியா. \n",
            "\n",
            "கிளி, ஆ என்னும் இருசொற்கள் கிளியா என ஒரு சொல்லாகப் புணர்ச்சியில் இணைந்து விடுவதால் இதனை ஒருமொழிச் சந்தி என்பர். (மொழி - சொல்; சந்தி - புணர்ச்சி). ஒருமொழிச் சந்தியில் இவ்வாறு உடம்படுமெய்யுடன் வருவதே நல்ல மொழிநடையாகக் கருதப்படுகிறது. இதை விடுத்து, கிளி + ஆ = கிளிஆ என்று உடம்படுமெய் இல்லாமல் சொல் அமைவது வழக்கல்ல. அதே நேரம் கிளி + அன்று என்பது, கிளியன்று என உடம்படுமெய் பெற்றோ, கிளிஅன்று என உடம்படுமெய் பெறாமலோ அமையலாம். கிளி + அன்று = கிளியன்று எனவும், கிளி அன்று எனவும் இருசொல்லாகவே இணைந்து வருவதால் இவை இரண்டும் இருமொழிச் சந்தி எனப்படும். இவ்வாறு கட்டாயம் வரவேண்டிய இடத்தில் உடம்படுமெய் பெற்றும், கட்டாயம் இல்லாத இடத்தில் உடம்படுமெய் பெற்றும் பெறாமலும் வரலாம் என்ற விளக்கத்தைக் கூறுவதற்கு ஏற்ற வகையில் தொல்காப்பியரின் இந்நூற்பா இடம் தருகிறது.\n",
            "\n",
            "தொல்காப்பியர் காலத்தில் இரண்டு உயிர்கள் ஒன்று சேர்ந்து, உடம்படுமெய் எதுவும் பெறாமல் வழங்கியதற்கு அவரது நூலிலேயே சில சான்றுகள் காணப்படுகின்றன. தற்காலத்தில் நாய் என்று நாம் குறிப்பிடும் சொல், தொல்காப்பியர் காலத்தில் நாய் எனவும், நாஇ எனவும் இருவேறு வடிவில் வழங்கியது. இதனை,\n",
            "\n",
            "“இகர யகரம் இறுதி விரவும்” (மொழிமரபு, நூ.25)\n",
            "\n",
            "என்ற தொல்காப்பிய எழுத்ததிகார நூற்பாவால் அறியலாம். ‘நாஇ’ என்ற சொல் உடம்படுமெய் பெற்ற வருவதாக இருந்தால், நாயி (நா+ய்+இ) என யகர உடம்படுமெய் பெற்றே வரவேண்டும். ஆனால், உடம்படுமெய் பெறாமல் ‘நாஇ’ என்று வழங்கியுள்ளது. ‘நாஇ’ என்ற சொல்லில் உடம்படுமெய் இல்லாமலேயே ஆ, இ என்னும் இரண்டு உயிர்கள் இணைந்து நிற்பதைக் காணலாம்.\n",
            "\n",
            "அதுபோலத் தொல்காப்பியர் காலத்தில் ‘தேஎம்’ என்ற சொல்லிலும், ‘கோஒன்’ என்ற சொல்லிலும் உடம்படுமெய் இல்லாமலேயே இரண்டு உயிர்கள் சேர்ந்து வருவதைக் காண்கிறோம். (தேஎம்- தேயம், நாடு, இடம்; கோஒன் - அரசன் அல்லது தலைவன்). இவ்விரு சொற்களையும் சிலர் அளபெடைச் சொற்கள் என்று கூறுவர். அது பொருந்தாது. ஏனெனில் இவ்விரு சொற்களில், ‘கோஒன்’ என்ற சொல்லில் உள்ள ‘ஒன்’ என்பதைச் சாரியை என்று தொல்காப்பியர் குறிப்பிடுகிறார்.\n",
            "\n",
            "சான்று: கோ + கை = கோஒன்கை (அரசனது கை)\n",
            "\n",
            "மேலே கூறியவற்றால் தொல்காப்பியம் தோன்றிய காலத்தில் உடம்படுமெய் ஒலிகளின் வருகை என்பது விருப்பநிலையிலே இருந்தது எனலாம்\n",
            "வினா கேளுங்கள் (அல்லது 'நிறுத்து' என தட்டச்சு செய்து நிறுத்துங்கள்): உடம்படுமெய் விளக்கம் தருக\n",
            "பதில்: தொல்காப்பியர் உடம்படுமெய் ஒலிகள் குறித்துப் புணரியலில் சுருக்கமாகப் பேசியிருக்கிறார்.\n",
            "\n",
            "   “எல்லா மொழிக்கும் உயிர்வரு வழியே\n",
            "\n",
            "   உடம்படு மெய்யின் உருவுகொளல் வரையார்” (புணரியல், நூ. 38)\n",
            "\n",
            "(மொழி - சொல்; உருவு - வடிவு; கொளல் - சேர்த்துக் கொள்ளுதல்; வரையார் - நீக்கார்.) ‘எல்லா உயிர் ஈற்றுச் சொற்களுக்கும் முன்னர், உயிரை முதலாகக் கொண்ட சொற்கள் வரும்பொழுது, அவ்விரு சொற்களுக்கும் இடையே உடம்படுமெய்யினது வடிவைச் சேர்த்துக் கொள்ளுதலை நீக்கார்’ என்பது இந்நூற்பாவின் பொருளாகும். இந்நூற்பாவில் தொல்காப்பியர், நிலைமொழியின் இறுதி உயிர்க்கும் வருமொழியின் முதல் உயிர்க்கும் இடையே உடம்படுமெய் வரும் என்று பொதுப்படக் கூறியுள்ளாரே தவிர, எந்தெந்த மெய்கள் உடம்படுமெய்யாக வரும் என்று கூறவில்லை. இருப்பினும் இந்நூற்பாவிற்கு உரை வரைந்த இளம்பூரணரும், நச்சினார்க்கினியரும் தொல்காப்பியர் உடம்படுமெய் என்று குறிப்பிடுவது யகரமும், வகரமும் ஆகும் எனக் கொள்கின்றனர்.\n",
            "\n",
            "அவ்வுரையாசிரியர்கள் இருவரும், இந்நூற்பாவில் தொல்காப்பியர் வரையார் (நீக்கார்) என்று கூறியிருப்பது கொண்டு, உடம்படுமெய் இரண்டு உயிர்களுக்கு இடையே கட்டாயம் வந்தே ஆக வேண்டும் என்பதில்லை எனவும், கிளி அரிது, மூங்கா இல்லை (மூங்கா- கீரி) என்றாற் போல அமைந்து வரும் சொற்றொடர்களில் இரண்டு உயிர்களுக்கு இடையில் உடம்படுமெய் இல்லாமலும் வரலாம் எனவும் கருத்துத் தெரிவிக்கின்றனர். உரையாசிரியர்களின் இக்கருத்தை இக்கால மொழியியலாரும் உடன்படுகின்றனர். இவ்வாறு தொல்காப்பியரது நூற்பாவிற்கு விளக்கம் காண வாய்ப்பிருந்தாலும் கூட, ஒருமொழிச் சந்தியில் உடம்படுமெய் இல்லாமல் சொற்கள் வருவது தமிழ்மொழியில் இல்லை.\n",
            "\n",
            "சான்று: கிளி + ஆ = கிளியா. \n",
            "\n",
            "கிளி, ஆ என்னும் இருசொற்கள் கிளியா என ஒரு சொல்லாகப் புணர்ச்சியில் இணைந்து விடுவதால் இதனை ஒருமொழிச் சந்தி என்பர். (மொழி - சொல்; சந்தி - புணர்ச்சி). ஒருமொழிச் சந்தியில் இவ்வாறு உடம்படுமெய்யுடன் வருவதே நல்ல மொழிநடையாகக் கருதப்படுகிறது. இதை விடுத்து, கிளி + ஆ = கிளிஆ என்று உடம்படுமெய் இல்லாமல் சொல் அமைவது வழக்கல்ல. அதே நேரம் கிளி + அன்று என்பது, கிளியன்று என உடம்படுமெய் பெற்றோ, கிளிஅன்று என உடம்படுமெய் பெறாமலோ அமையலாம். கிளி + அன்று = கிளியன்று எனவும், கிளி அன்று எனவும் இருசொல்லாகவே இணைந்து வருவதால் இவை இரண்டும் இருமொழிச் சந்தி எனப்படும். இவ்வாறு கட்டாயம் வரவேண்டிய இடத்தில் உடம்படுமெய் பெற்றும், கட்டாயம் இல்லாத இடத்தில் உடம்படுமெய் பெற்றும் பெறாமலும் வரலாம் என்ற விளக்கத்தைக் கூறுவதற்கு ஏற்ற வகையில் தொல்காப்பியரின் இந்நூற்பா இடம் தருகிறது.\n",
            "\n",
            "தொல்காப்பியர் காலத்தில் இரண்டு உயிர்கள் ஒன்று சேர்ந்து, உடம்படுமெய் எதுவும் பெறாமல் வழங்கியதற்கு அவரது நூலிலேயே சில சான்றுகள் காணப்படுகின்றன. தற்காலத்தில் நாய் என்று நாம் குறிப்பிடும் சொல், தொல்காப்பியர் காலத்தில் நாய் எனவும், நாஇ எனவும் இருவேறு வடிவில் வழங்கியது. இதனை,\n",
            "\n",
            "“இகர யகரம் இறுதி விரவும்” (மொழிமரபு, நூ.25)\n",
            "\n",
            "என்ற தொல்காப்பிய எழுத்ததிகார நூற்பாவால் அறியலாம். ‘நாஇ’ என்ற சொல் உடம்படுமெய் பெற்ற வருவதாக இருந்தால், நாயி (நா+ய்+இ) என யகர உடம்படுமெய் பெற்றே வரவேண்டும். ஆனால், உடம்படுமெய் பெறாமல் ‘நாஇ’ என்று வழங்கியுள்ளது. ‘நாஇ’ என்ற சொல்லில் உடம்படுமெய் இல்லாமலேயே ஆ, இ என்னும் இரண்டு உயிர்கள் இணைந்து நிற்பதைக் காணலாம்.\n",
            "\n",
            "அதுபோலத் தொல்காப்பியர் காலத்தில் ‘தேஎம்’ என்ற சொல்லிலும், ‘கோஒன்’ என்ற சொல்லிலும் உடம்படுமெய் இல்லாமலேயே இரண்டு உயிர்கள் சேர்ந்து வருவதைக் காண்கிறோம். (தேஎம்- தேயம், நாடு, இடம்; கோஒன் - அரசன் அல்லது தலைவன்). இவ்விரு சொற்களையும் சிலர் அளபெடைச் சொற்கள் என்று கூறுவர். அது பொருந்தாது. ஏனெனில் இவ்விரு சொற்களில், ‘கோஒன்’ என்ற சொல்லில் உள்ள ‘ஒன்’ என்பதைச் சாரியை என்று தொல்காப்பியர் குறிப்பிடுகிறார்.\n",
            "\n",
            "சான்று: கோ + கை = கோஒன்கை (அரசனது கை)\n",
            "\n",
            "மேலே கூறியவற்றால் தொல்காப்பியம் தோன்றிய காலத்தில் உடம்படுமெய் ஒலிகளின் வருகை என்பது விருப்பநிலையிலே இருந்தது எனலாம்\n",
            "வினா கேளுங்கள் (அல்லது 'நிறுத்து' என தட்டச்சு செய்து நிறுத்துங்கள்): நிறுத்து\n"
          ]
        }
      ]
    }
  ],
  "metadata": {
    "colab": {
      "provenance": []
    },
    "kernelspec": {
      "display_name": "Python 3",
      "name": "python3"
    },
    "language_info": {
      "name": "python"
    }
  },
  "nbformat": 4,
  "nbformat_minor": 0
}