নৈঃশব্দ

এইযে আপুনি শোধে, ভালনে আপোনাৰ? তড়িৎ-গতিৰে আপোনাৰ পৰা আপোনাক পৰ কৰি আপোন কৰো আপোনাক। আপোনাৰ পৰা মোক, মোৰ পৰা আপোনজনক .... এইদৰেই বৈ থাকে জীৱনৰ নৈ। নিজানত কিৰিলিয়াই, আপোনাক বোকোচাত লৈ। তাৰিখঃ ২৫-০২-২০২৩ স্থানঃ ইম্ফল

Loanwords are words adopted by the speakers of one language ( target language ) from a different language (the source language ). A loanword can also be called a borrowing words . It is a consequence of sociocultural contact between two language communities. Borrowing of words can go in both directions between the two languages in contact, but often there is an asymmetry, such that more words go from one side to the other. In this case the source language community has some advantage of power, prestige and/or wealth that makes the objects and ideas it brings desirable and useful to the borrowing language community. The following are some example of Assamese loan words and source language. TRANSLATED LOAN WORD বাতৰি কাকত bat ɔri kakɔt (news paper) স্বৰ্ণ যুগ sɔbərnɔ zug (golden era) ৰূপালী জয়ন্তী rupali zɔjənti (silver jubilee) কন্দুৱা গেছ kɔndua ges (tear gas) দূৰদৰ্শন durdɔrχɔn (television) MARATHI WORDS তাঙৰণ taŋɔrɔn (edition) বৰঙণি bɔr

Word formation is the process of creating new words. In other words the ways in which new words are made on the basis of other words or morphemes. Most English vocabulary arises by making new lexemes out of old ones--either by adding an affix to previously existing forms, altering their word class, or combining them to produce compounds. These processes of construction are of interest to grammarians [1]. In this report I will try to write something on “Word formation of Assamese (Asomiya)”. The word Assamese is an English one, built on the same principle like Japanese, Chinese etc. The history and philology of the Assamese language was scientifically studied and presented for the first time by Dr. Banikanta Kakati[2]. The first Assamese grammar, “A Grammar of the Assamese Language” by William Robinson was published in 1839. In 1848, Nathan Brown published an Assamese Grammar, and in 1894, Prof. Nicholl published his “Sketch of Assamese Grammar”. After the work of Dr. Banikant Kakati, a

তালিকাভুক্ত গৱেষণা পত্ৰকেইখন হ'ল যোৱা দশকটোত (২০০২-২০১২) বিভিন্ন আলোচনাচক্ৰ, কৰ্মশালা, সন্মিলন , তথা আলোচনীত পঠিত বা প্ৰকাশিত লিখনি, যি ৰাজ্যিক, ৰাষ্ট্ৰীয় তথা আন্তৰাষ্ট্ৰীয় পৰ্যায়ত অসমীয়া ভাষাক প্ৰতিনিধিত্ব কৰিছে আৰু গাণনিক ভাষাবিজ্ঞানৰ মেপত অসমীয়া ভাষক প্ৰতিষ্ঠা কৰিছে। দেখা যায় যে এই গোটেই কামখিনি মাত্ৰ তিনিটা পৰীক্ষাগাৰৰ পৰাহে হৈছে, তেজপুৰ বিশ্ববিদ্যালয় ভাষা সংসাধন কেন্দ্ৰ,  RCILTS-আই. আই. টি. গুৱাহাটী আৰু কম্পিউটাৰ বিজ্ঞান বিভাগ গুৱাহাটী বিশ্ববিদ্যালয়। ইয়াৰ উপৰিও CDAC, CIIL, LDC-IL আদি কেন্দ্ৰীয় চৰকাৰৰ ভাষা সংসাধন লেব সমূহটো অসমীয়া ভাষা বিভিন্ন ধৰণৰ কাম হৈছে যদিও তাৰ বেছিভাগ কামেই সদৰি কৰা নহয়, যাৰ ফলত সদৰি কৰা কামৰ সংখ্যা যঠেষ্ঠ কম। Analysis and evaluation of stemming algorithms: a case study with Assamese ; N. Saharia, U. Sharma and J.K. Kalita; in Proceedings of the International Conference on Advances in Computing, Communications and Informatics (ICACCI), Chennai, 2012. Dynamic segmentation of vocal extract for Assamese Speech to Text Conversion using RNN ; K.

Part of Speech (POS) tagging is the process of marking up words and punctuation characters in a text with appropriate POS labels. The problems faced in POS tagging are many. Many words that occur in natural language texts are not listed in any catalog or lexicon. A large percentage of words also show ambiguity regarding lexical category.  The challenges of our work on POS tagging for Assamese, an Indo-European language, are compounded by the fact that very little prior computational linguistic exists for the language, though it is a national language of India and spoken by over 30 million people. Assamese is a morphologically rich, free word order, inflectional language. Although POS tagged annotated corpus for some of the Indian languages such as Hindi, Bengali, and Telegu have become available lately, a POS tagged corpus for Assamese  was unavailable till we started creating one for the work presented here. Another problem was that a clearly defined POS tagset for Assamese was un

অসমীয়া-ইংৰাজী দ্বিভাষিক বিছিন্নতাঁৰ শব্দ অভিধান "শব্দ" (www.xobdo.org) উত্তৰ-পূৱ ভাৰতৰ ভাষাসমূহৰ একমাত্ৰ সতাঁৰ অভিধান। "শব্দ"ৰ পৰা তথ্য লৈ এই "অসমীয়া-ইংৰাজী দ্বিভাষিক বিছিন্নতাঁৰ শব্দ অভিধান" খন সজোৱা হৈছে। "ৰাইজ" এই অভিধানখনৰ মূল চালিকাশক্তি। আজিৰ তাৰিখলৈ (৫-চেপ্তেম্বৰ-২০১২) এইখনেই একমাত্ৰ নিঃশুল্ক অসমীয়া-ইংৰাজী দ্বিভাষিক অভিধান।  ডাউনলোড (Download) বিছিন্নতাঁৰ শব্দ অভিধান কেনেকৈ সংস্থাপন কৰিব আপোনাৰ কম্পিউটাৰত- ১. প্ৰথমতে "Lohit Assamese" নামৰ ফন্টটো আপোনাৰ কম্পিউটাৰত সংস্থাপন কৰক। [ ডাউনলোড "Lohit Assamese" ফন্ট ] ২. এই লিংকত থকা ফাইলটো ডাউনলোড কৰক আৰু আপোনাৰ কম্পিউটাৰত সংস্থাপন কৰক। [ ডাউনলোড ] ৩. এতিয়া এই ফাইলটোত একেৰাহে দুবাৰ ক্লিক কৰক আৰু পৰ্দাত অহা বিধানবোৰ অনুসৰণ কৰক। বিছিন্নতাঁৰ শব্দ অভিধানৰ সুবিধাসমূহ ১. ইংৰাজী বা অসমীয়া দুয়োটা ভাষাতেই শব্দৰ অৰ্থ বিচাৰিব পৰা ব্যৱস্থা। ২. আগৰ বা পিছৰ শব্দটো পুনৰ চাব পৰা ব্যৱস্থা। ৩. সমাৰ্থক শব্দত (Synonym) ক্লিক কৰি অৰ্থ বিচাৰিব পৰা ব্যৱস্থা।

TeX হৈছে টাইপছেটিং ছফ্টৱেৰ। ডোনাল্ড নুথে কম্পিউটাৰ বিজ্ঞানৰ চাৰিখন কালজয়ী কিতাপ(দ্যা আৰ্ট অৱ কম্পিউটাৰ প্ৰগ্ৰেমিং, খণ্ড ১,২,৩,৪) লিখিবৰ বাবে এই কম্পিউটাৰ টাইপছেটিং ছফ্টৱেৰটো সাজি উলিয়াইছিল ১৯৭৮চনত। TeX শব্দটো তেওঁলোকে উচ্ছাৰণ কৰে 'টেক' হিচাবে (Techical শব্দটো উচ্ছাৰণ কৰা ধৰণে)। Metafont আৰু Typefaceৰ সহায় লৈ তৈয়াৰ কৰা এই ছফ্টৱেৰটোৰ প্ৰধান উদ্দেশ্য আছিল কম কষ্টত ধুনীয়া কিতাপ লিখা। TeXৰ উত্তৰসূৰী হিচাবে LaTeX, XeTeX, TeTeX, LuaTex ইত্যাদি বহুতো ছফ্টৱেৰ তৈয়াৰ হয়। এই আটাইবোৰ TeXৰ উত্তৰসূৰী বা TeX কৰমুক্ত ছফ্টৱেৰ। এই প্ৰৱন্ধটোত Xetex ব্যৱহাৰ কৰি কেনেকৈ লিখিব পাৰি, তাৰ উদাহৰণ দিয়া হব। (আপুনি Latex ব্যৱহাৰকাৰী বুলি ধৰি লোৱা হব ) XeTeX ব্যৱহাৰ কৰিবৰ বাবে কি কি Package লাগিব?   (Linux ব্যৱহাৰকাৰীৰ বাবে) TeX সম্পাদনা কৰিব পৰা সজুলি, যেনে - LyX  (ঐচ্ছিক)। একো ন'হলে আপুনি vim বা আন Text Editor  যেনে - gEdit, kWrite আদিও ব্যৱহাৰ কৰিব পাৰে।  PDF, dvi আদি  ফাইল চাব পৰা সঁজুলি, যেনে - evince, xPDF ইত্যাদি। tex ফাইলটোত কি কি নতুন অংশ যোগ কৰিব? \usepackage{fontspec} \font\as=&q

Stemming is the process of automatically extracting the base form of a given word of a language. Assamese is a morphologically rich, relatively free word order, Indo-Aryan language spoken in North-Eastern part of India that uses Assamese-Bengali script for writing. As it is among the less computationally studied languages, our aim is to extract stem from a given word. We adopt the suffix stripping approach along with a rule engine that generates all the possible suffix sequences. Algorithm-I Read a line from the corpus file.  Extract words (from this point we called it as token ) from the line, clean the token, that is remove punctuation marker attached with token if there is one. Look up suffix-list generated manually from the end of the token. If matched with the suffix-list extract and exit.  Go to step 1 until the end of the corpus. Algorithm-II Read a  line from the corpus file. Extract words (from this point we called it as token from the line, cl

অনলাইন অসমীয়া ছাবিফলি (খণ্ড - ১) আপোনাৰ নিজৰ জলস্থানৰ (ছাইটৰ) বাবে অসমীয়া লিখিব পৰা অনলাইন সঁজুলি সাজিব বিচাৰিছে নেকি? আপুনি আপোনাৰ নামত এখন অনলাইন অসমীয়া ছাবিফলি তৈয়াৰ কৰিব পাৰে, তাৰবাবে আপোনাক লাগিব HTML নামৰ কম্পিউটাৰ ভাষাবিধৰ প্ৰাথমিক জ্ঞান।  আপুনি তলৰ HTML ভাষাত লিখা ক'ডখিনি যিকোনো এটা Text সম্পাদনা কৰিব পৰা সজুলিত (যেনে- notepad, notepad++ , wordpad, gedit , kedit .. ইত্যাদি) প্ৰতিলিপি কৰি লওঁক। এতিয়া নথিখন () আপোনাৰ নামত সাঁচক। নথিখন সাঁচোতে নথিখনৰ extension যাতে .htm বা .html হে হয় সেইটো মন কৰিব, নহলে অকনমান পয়মাল হ`ব। যদি আপোনাৰ নাম 'ৰাম', তেতিয়া নথিখনৰ সম্পূৰ্ণ নামটো হ`ব  'ৰাম.html' বা 'ৰাম.htm'। এতিয়া আপুনি নথিখনত একেৰাহে দুবাৰ টিপি (যাক আমি ইংৰাজীত ডবোল ক্লিক বুলি কওঁ) দিয়ক । আপোনাৰ সাধাৰনতে ব্যৱহৃত ব্ৰাউজাত (যেনে-অ`পেৰা, মঝিলা ফায়াৰফক্স) নথিখন খোল খাব, HTML ক'ডখিনিয়ে সজোঁৱা একেবাৰে প্ৰাথমিক পৰ্যায়ৰ এখন অসমীয়া ছাবিফলি। এতিয়া আপোনাৰ HTMLৰ জ্ঞান ব্যৱহাৰ কৰি এখন সন্দুৰ অসমীয়া লিখিব পৰা ছাবিফলি সঁজাই পেলাওঁক আৰু ছাবিফলি