Hugging Face's logo

Datasets:
undertheseanlp
/
UDD-1

Tasks:
Token Classification
Modalities:
Document
Text
Formats:
parquet
Sub-tasks:
parsing
part-of-speech
lemmatization
Languages:
Vietnamese
Size:
10K - 100K
Tags:
universal-dependencies
vietnamese
nlp
dependency-parsing
pos-tagging
Libraries:
Datasets
pandas
Polars
License:
Dataset card Data Studio Files
xet
 Community
1
UDD-1 / WS_FIX_REPORT.md
rain1024's picture
rain1024
Restructure technical report to ACL format, add Phase 0 gold eval methodology
bbc68b5
preview code
|
Raw
History Blame Contribute Delete
20.3 kB

WS Fix Report

Fixes applied by src/fix_ws_errors.py to UDD-1.1 word segmentation BIO files.

Summary

File Cross-boundary Long token Compound merges Foreign splits Name boundary Validation errors
udd-ws-v1.1-train.txt 207 0 409 4,287 668 0
udd-ws-v1.1-dev.txt 26 0 61 561 68 0
udd-ws-v1.1-test.txt 25 0 71 527 80 0
TOTAL 258 0 541 5,375 816 0

Merge Frequency by Term

Term Count
ủy ban 371
mái nhà 41
làm chủ 27
lượng tử 24
tại ngũ 16
người thương 16
xua tay 9
nghiến răng 7
như điên 7
tích lũy 5
trêu ghẹo 2
chăn lợn 2
khay trà 2
sương mai 2
đồng tự 2
đường thẳng 2
mu rùa 1
nói gở 1
lính thú 1
đầm đuôi cá 1
hành chánh 1
bơi chó 1

Cross-Boundary Split Examples

udd-ws-v1.1-train.txt

  • [uvn-4610] split "làm Chủ tịch" → 'làm' + 'Chủ tịch'
  • [vlc-9598] split "Mặt trận Tổ quốc" → 'Mặt trận' + 'Tổ quốc'
  • [uvn-14855] split "Mặt trận Tổ quốc" → 'Mặt trận' + 'Tổ quốc'
  • [vlc-15939] split "Mặt trận Tổ quốc" → 'Mặt trận' + 'Tổ quốc'
  • [vlc-4115] split "Mặt trận Tổ quốc" → 'Mặt trận' + 'Tổ quốc'
  • [vlc-16369] split "Mặt trận Tổ quốc" → 'Mặt trận' + 'Tổ quốc'
  • [vlc-16369] split "Mặt trận Tổ quốc" → 'Mặt trận' + 'Tổ quốc'
  • [vlc-17534] split "Mặt trận Tổ quốc" → 'Mặt trận' + 'Tổ quốc'
  • [vlc-4739] split "Mặt trận Tổ quốc" → 'Mặt trận' + 'Tổ quốc'
  • [vlc-896] split "Mặt trận Tổ quốc" → 'Mặt trận' + 'Tổ quốc'
  • [uvw-8925] split "Xã hội Chủ nghĩa" → 'Xã hội' + 'Chủ nghĩa'
  • [vlc-15109] split "Mặt trận Tổ quốc" → 'Mặt trận' + 'Tổ quốc'
  • [vlc-3849] split "Mặt trận Tổ quốc" → 'Mặt trận' + 'Tổ quốc'
  • [vlc-999] split "Mặt trận Tổ quốc" → 'Mặt trận' + 'Tổ quốc'
  • [vlc-16713] split "Mặt trận Tổ quốc" → 'Mặt trận' + 'Tổ quốc'
  • [vlc-10256] split "Mặt trận Tổ quốc" → 'Mặt trận' + 'Tổ quốc'
  • [vlc-15677] split "Mặt trận Tổ quốc" → 'Mặt trận' + 'Tổ quốc'
  • [vlc-4321] split "Mặt trận Tổ quốc" → 'Mặt trận' + 'Tổ quốc'
  • [vlc-8038] split "Mặt trận Tổ quốc" → 'Mặt trận' + 'Tổ quốc'
  • [vlc-2887] split "Mặt trận Tổ quốc" → 'Mặt trận' + 'Tổ quốc'
  • ... and 187 more

udd-ws-v1.1-dev.txt

  • [uvw-18563] split "làm Chủ tịch" → 'làm' + 'Chủ tịch'
  • [vlc-3635] split "Mặt trận Tổ quốc" → 'Mặt trận' + 'Tổ quốc'
  • [vlc-10450] split "Mặt trận Tổ quốc" → 'Mặt trận' + 'Tổ quốc'
  • [vlc-11201] split "Mặt trận Tổ quốc" → 'Mặt trận' + 'Tổ quốc'
  • [vlc-310] split "Mặt trận Tổ quốc" → 'Mặt trận' + 'Tổ quốc'
  • [vlc-12944] split "Mặt trận Tổ quốc" → 'Mặt trận' + 'Tổ quốc'
  • [vlc-6630] split "Mặt trận Tổ quốc" → 'Mặt trận' + 'Tổ quốc'
  • [vlc-6630] split "Mặt trận Tổ quốc" → 'Mặt trận' + 'Tổ quốc'
  • [uvw-7217] split "làm Chủ tịch" → 'làm' + 'Chủ tịch'
  • [vlc-7765] split "Mặt trận Tổ quốc" → 'Mặt trận' + 'Tổ quốc'
  • [vlc-17628] split "Mặt trận Tổ quốc" → 'Mặt trận' + 'Tổ quốc'
  • [vlc-15712] split "Mặt trận Tổ quốc" → 'Mặt trận' + 'Tổ quốc'
  • [uvw-7424] split "làm Chủ tịch" → 'làm' + 'Chủ tịch'
  • [vlc-6567] split "Mặt trận Tổ quốc" → 'Mặt trận' + 'Tổ quốc'
  • [vlc-17311] split "Mặt trận Tổ quốc" → 'Mặt trận' + 'Tổ quốc'
  • [vlc-17818] split "Mặt trận Tổ quốc" → 'Mặt trận' + 'Tổ quốc'
  • [uvw-15253] split "làm Chủ tịch" → 'làm' + 'Chủ tịch'
  • [vlc-4949] split "Mặt trận Tổ quốc" → 'Mặt trận' + 'Tổ quốc'
  • [uvn-1143] split "làm Chủ tịch" → 'làm' + 'Chủ tịch'
  • [vlc-8360] split "Mặt trận Tổ quốc" → 'Mặt trận' + 'Tổ quốc'
  • ... and 6 more

udd-ws-v1.1-test.txt

  • [vlc-17267] split "Mặt trận Tổ quốc" → 'Mặt trận' + 'Tổ quốc'
  • [vlc-6223] split "Mặt trận Tổ quốc" → 'Mặt trận' + 'Tổ quốc'
  • [uvn-10658] split "Mặt trận Tổ quốc" → 'Mặt trận' + 'Tổ quốc'
  • [vlc-1254] split "Mặt trận Tổ quốc" → 'Mặt trận' + 'Tổ quốc'
  • [vlc-3581] split "Mặt trận Tổ quốc" → 'Mặt trận' + 'Tổ quốc'
  • [vlc-1319] split "Mặt trận Tổ quốc" → 'Mặt trận' + 'Tổ quốc'
  • [vlc-2238] split "Mặt trận Tổ quốc" → 'Mặt trận' + 'Tổ quốc'
  • [vlc-14701] split "Mặt trận Tổ quốc" → 'Mặt trận' + 'Tổ quốc'
  • [vlc-14701] split "Mặt trận Tổ quốc" → 'Mặt trận' + 'Tổ quốc'
  • [vlc-16929] split "Mặt trận Tổ quốc" → 'Mặt trận' + 'Tổ quốc'
  • [vlc-10389] split "Mặt trận Tổ quốc" → 'Mặt trận' + 'Tổ quốc'
  • [vlc-16627] split "Mặt trận Tổ quốc" → 'Mặt trận' + 'Tổ quốc'
  • [vlc-6090] split "Mặt trận Tổ quốc" → 'Mặt trận' + 'Tổ quốc'
  • [vlc-7684] split "Mặt trận Tổ quốc" → 'Mặt trận' + 'Tổ quốc'
  • [vlc-1544] split "Mặt trận Tổ quốc" → 'Mặt trận' + 'Tổ quốc'
  • [uvn-16619] split "Mặt trận Tổ quốc" → 'Mặt trận' + 'Tổ quốc'
  • [vlc-18829] split "Mặt trận Tổ quốc" → 'Mặt trận' + 'Tổ quốc'
  • [vlc-15826] split "Mặt trận Tổ quốc" → 'Mặt trận' + 'Tổ quốc'
  • [vlc-9744] split "Mặt trận Tổ quốc" → 'Mặt trận' + 'Tổ quốc'
  • [vlc-19549] split "Mặt trận Tổ quốc" → 'Mặt trận' + 'Tổ quốc'
  • ... and 5 more

Long Token Split Examples

Foreign Word Split Examples

udd-ws-v1.1-train.txt

  • [uvw-7593] split-foreign "Max Planck" → 'Max' + 'Planck'
  • [uvw-7593] split-foreign "Werner Heisenberg" → 'Werner' + 'Heisenberg'
  • [uvw-7593] split-foreign "Erwin Schrödinger" → 'Erwin' + 'Schrödinger'
  • [uvw-7593] split-foreign "Paul Dirac" → 'Paul' + 'Dirac'
  • [uvn-19074] split-foreign "Gazprom Neft" → 'Gazprom' + 'Neft'
  • [uvn-1654] split-foreign "Elon Musk" → 'Elon' + 'Musk'
  • [uvb-n-12310] split-foreign "lon ton" → 'lon' + 'ton'
  • [uvb-n-1071] split-foreign "Gallimard Jeunesse" → 'Gallimard' + 'Jeunesse'
  • [uvb-n-1071] split-foreign "Revault d’Allones" → 'Revault' + 'd’Allones'
  • [uvb-n-1071] split-foreign "Revault d’Allones" → 'Revault' + 'd’Allones'
  • [uvn-588] split-foreign "Sony Music" → 'Sony' + 'Music'
  • [uvn-7078] split-foreign "Platinum Victory" → 'Platinum' + 'Victory'
  • [uvn-7078] split-foreign "Jardine Cycle" → 'Jardine' + 'Cycle'
  • [uvn-7078] split-foreign "Jardine Matheson" → 'Jardine' + 'Matheson'
  • [uvw-7071] split-foreign "Bartholomen Velho" → 'Bartholomen' + 'Velho'
  • [uvw-7071] split-foreign "Vaz Dourado" → 'Vaz' + 'Dourado'
  • [uvw-7071] split-foreign "Van Langren" → 'Van' + 'Langren'
  • [uvw-13401] split-foreign "Ishpatina Ridge" → 'Ishpatina' + 'Ridge'
  • [uvn-18582] split-foreign "Rhincodon typus" → 'Rhincodon' + 'typus'
  • [uvn-18582] split-foreign "Chiloscyllium plagiosum" → 'Chiloscyllium' + 'plagiosum'
  • [uvn-11577] split-foreign "Vahid Kardhani" → 'Vahid' + 'Kardhani'
  • [uvb-n-1000] split-foreign "Samaneri Sudhamma" → 'Samaneri' + 'Sudhamma'
  • [uvn-5523] split-foreign "phanh phui" → 'phanh' + 'phui'
  • [uvn-5523] split-foreign "HACKER NEWS" → 'HACKER' + 'NEWS'
  • [uvn-9592] split-foreign "Smart Workstation" → 'Smart' + 'Workstation'
  • [uvn-12958] split-foreign "Research with" → 'Research' + 'with'
  • [uvw-251] split-foreign "Philosophiæ Naturalis" → 'Philosophiæ' + 'Naturalis'
  • [uvw-251] split-foreign "Principia Mathematica" → 'Principia' + 'Mathematica'
  • [uvn-179] split-foreign "Jung Geun-sik" → 'Jung' + 'Geun-sik'
  • [uvn-15685] split-foreign "Brian Yuliarto" → 'Brian' + 'Yuliarto'
  • ... and 4257 more

udd-ws-v1.1-dev.txt

  • [uvw-16942] split-foreign "Fyodorovich Romanov" → 'Fyodorovich' + 'Romanov'
  • [uvn-6675] split-foreign "Notre Dame" → 'Notre' + 'Dame'
  • [uvn-6675] split-foreign "Pathfinding Robotic" → 'Pathfinding' + 'Robotic'
  • [uvn-6675] split-foreign "Observation Unit" → 'Observation' + 'Unit'
  • [uvn-16075] split-foreign "Guo Yungao" → 'Guo' + 'Yungao'
  • [uvw-11029] split-foreign "Robert Recorde" → 'Robert' + 'Recorde'
  • [uvw-4504] split-foreign "Kremser S33" → 'Kremser' + 'S33'
  • [uvw-4504] split-foreign "Vienna B1" → 'Vienna' + 'B1'
  • [uvw-12819] split-foreign "Francis Asbury" → 'Francis' + 'Asbury'
  • [uvn-16644] split-foreign "Jerome Powell" → 'Jerome' + 'Powell'
  • [uvw-710] split-foreign "endoplasmic reticulum" → 'endoplasmic' + 'reticulum'
  • [uvn-1745] split-foreign "Scotsman All-Carbon" → 'Scotsman' + 'All-Carbon'
  • [uvn-1745] split-foreign "Fiber Scooter" → 'Fiber' + 'Scooter'
  • [uvn-1745] split-foreign "Superstrata Bike" → 'Superstrata' + 'Bike'
  • [uvb-n-515] split-foreign "Anthony Weston" → 'Anthony' + 'Weston'
  • [uvb-n-515] split-foreign "Adam Smith" → 'Adam' + 'Smith'
  • [uvb-n-515] split-foreign "Madsen Pirie" → 'Madsen' + 'Pirie'
  • [uvn-4460] split-foreign "Patek Philippe" → 'Patek' + 'Philippe'
  • [uvw-19975] split-foreign "tetrachloride titan" → 'tetrachloride' + 'titan'
  • [uvw-4144] split-foreign "Unicode Consortium" → 'Unicode' + 'Consortium'
  • [uvw-16494] split-foreign "Rey Juan" → 'Rey' + 'Juan'
  • [uvb-f-3265] split-foreign "Sam Roffe" → 'Sam' + 'Roffe'
  • [uvn-2757] split-foreign "Jens-Frederik Nielsen" → 'Jens-Frederik' + 'Nielsen'
  • [uvn-2757] split-foreign "Mette Frederiksen" → 'Mette' + 'Frederiksen'
  • [uvn-2757] split-foreign "Emmanuel Macron" → 'Emmanuel' + 'Macron'
  • [uvb-n-16036] split-foreign "Klemens von" → 'Klemens' + 'von'
  • [uvw-9683] split-foreign "Ibn al-Haytham" → 'Ibn' + 'al-Haytham'
  • [uvw-9683] split-foreign "Kitab al-manazir" → 'Kitab' + 'al-manazir'
  • [uvn-12996] split-foreign "V-Business Pro" → 'V-Business' + 'Pro'
  • [uvn-12996] split-foreign "V-Business Advance" → 'V-Business' + 'Advance'
  • ... and 531 more

udd-ws-v1.1-test.txt

  • [uvb-n-19086] split-foreign "Ailic Mayenkh" → 'Ailic' + 'Mayenkh'
  • [uvn-4221] split-foreign "Rice Platform" → 'Rice' + 'Platform'
  • [uvn-2798] split-foreign "HR Asia" → 'HR' + 'Asia'
  • [uvw-1174] split-foreign "Cthulhu Macula" → 'Cthulhu' + 'Macula'
  • [uvb-n-3361] split-foreign "Groce Malo" → 'Groce' + 'Malo'
  • [uvn-6814] split-foreign "Peng Zhihui" → 'Peng' + 'Zhihui'
  • [uvn-812] split-foreign "Engineered Arts" → 'Engineered' + 'Arts'
  • [uvw-17796] split-foreign "Swords Society" → 'Swords' + 'Society'
  • [uvw-11767] split-foreign "Lech Kaczyński" → 'Lech' + 'Kaczyński'
  • [uvn-10632] split-foreign "FTSE Russell" → 'FTSE' + 'Russell'
  • [uvw-14690] split-foreign "Christian Friedrich" → 'Christian' + 'Friedrich'
  • [uvw-6352] split-foreign "Mein Kampf" → 'Mein' + 'Kampf'
  • [uvw-4709] split-foreign "Los Angeles" → 'Los' + 'Angeles'
  • [uvw-4709] split-foreign "Los Angeles" → 'Los' + 'Angeles'
  • [uvn-15627] split-foreign "Nick Hague" → 'Nick' + 'Hague'
  • [uvn-15627] split-foreign "Aleksandr Gorbunov" → 'Aleksandr' + 'Gorbunov'
  • [uvb-n-2364] split-foreign "Abdul Razak" → 'Abdul' + 'Razak'
  • [uvw-8985] split-foreign "MediaWiki wiki" → 'MediaWiki' + 'wiki'
  • [uvw-8985] split-foreign "WebPlatform Docs" → 'WebPlatform' + 'Docs'
  • [uvn-13054] split-foreign "Shark Tank" → 'Shark' + 'Tank'
  • [uvn-6301] split-foreign "Carina Hong" → 'Carina' + 'Hong'
  • [uvw-10066] split-foreign "Nicolaus Copernicus" → 'Nicolaus' + 'Copernicus'
  • [uvw-15154] split-foreign "Khong Chiam" → 'Khong' + 'Chiam'
  • [uvw-15154] split-foreign "Ubon Ratchathani" → 'Ubon' + 'Ratchathani'
  • [uvn-17184] split-foreign "Marie van" → 'Marie' + 'van'
  • [uvw-14969] split-foreign "Beniamino Gigli" → 'Beniamino' + 'Gigli'
  • [uvw-11704] split-foreign "Black Swamp" → 'Black' + 'Swamp'
  • [uvw-4837] split-foreign "Coffee Tea" → 'Coffee' + 'Tea'
  • [uvw-4837] split-foreign "Black tea" → 'Black' + 'tea'
  • [uvw-4837] split-foreign "Green tea" → 'Green' + 'tea'
  • ... and 497 more

Name Boundary Split Examples

udd-ws-v1.1-train.txt

  • [uvw-6789] split-name-boundary "A0 biểu thị" → 'A0' + 'biểu thị'
  • [uvw-6789] split-name-boundary "A9 biểu thị" → 'A9' + 'biểu thị'
  • [uvn-6189] split-name-boundary "Tân tiến sĩ" → 'Tân' + 'tiến sĩ'
  • [uvw-10682] split-name-boundary "Âu châu lục địa" → 'Âu' + 'châu lục địa'
  • [uvn-13266] split-name-boundary "EVNSPC nhiệm kỳ" → 'EVNSPC' + 'nhiệm kỳ'
  • [uvw-4500] split-name-boundary "Thánh đại công" → 'Thánh' + 'đại công'
  • [uvw-16965] split-name-boundary "Đức thống nhất" → 'Đức' + 'thống nhất'
  • [uvb-n-818] split-name-boundary "Trần khởi nghiệp" → 'Trần' + 'khởi nghiệp'
  • [uvb-n-15660] split-name-boundary "Chiến Quốc dân chúng" → 'Chiến Quốc' + 'dân chúng'
  • [uvb-f-15644] split-name-boundary "Quỳnh cảm thấy" → 'Quỳnh' + 'cảm thấy'
  • [uvb-n-12580] split-name-boundary "Văn chậm rãi" → 'Văn' + 'chậm rãi'
  • [uvb-f-8769] split-name-boundary "Trần thản nhiên" → 'Trần' + 'thản nhiên'
  • [uvb-n-9642] split-name-boundary "Chị em gái" → 'Chị' + 'em gái'
  • [uvb-f-16955] split-name-boundary "Bầu không khí" → 'Bầu' + 'không khí'
  • [uvb-n-8707] split-name-boundary "Syrie đối xử" → 'Syrie' + 'đối xử'
  • [uvn-521] split-name-boundary "Trịnh Hà thừa hưởng" → 'Trịnh Hà' + 'thừa hưởng'
  • [uvw-19476] split-name-boundary "Cơ sinh học" → 'Cơ' + 'sinh học'
  • [uvw-16946] split-name-boundary "Einstein chứng minh" → 'Einstein' + 'chứng minh'
  • [uvn-8273] split-name-boundary "PVF-CANDvới lợi thế" → 'PVF-CANDvới' + 'lợi thế'
  • [uvn-4990] split-name-boundary "Cựu chiến binh" → 'Cựu' + 'chiến binh'
  • [uvn-12163] split-name-boundary "Khoa học tập" → 'Khoa' + 'học tập'
  • [uvb-f-2975] split-name-boundary "Thế nghĩa là" → 'Thế' + 'nghĩa là'
  • [uvw-11278] split-name-boundary "GDP danh nghĩa" → 'GDP' + 'danh nghĩa'
  • [uvn-2671] split-name-boundary "Tập thể dục" → 'Tập' + 'thể dục'
  • [uvb-n-10229] split-name-boundary "Ăn chênh lệch" → 'Ăn' + 'chênh lệch'
  • [vlc-19523] split-name-boundary "Chủ sở hữu quyền" → 'Chủ' + 'sở hữu quyền'
  • [uvb-n-7589] split-name-boundary "Để ý nghĩa" → 'Để' + 'ý nghĩa'
  • [uvn-8775] split-name-boundary "Mỹ cáo buộc" → 'Mỹ' + 'cáo buộc'
  • [uvb-n-17047] split-name-boundary "Valentinianl bất tài" → 'Valentinianl' + 'bất tài'
  • [uvw-3030] split-name-boundary "Thái học sinh" → 'Thái' + 'học sinh'
  • ... and 638 more

udd-ws-v1.1-dev.txt

  • [uvn-15053] split-name-boundary "Lâm chủ động" → 'Lâm' + 'chủ động'
  • [uvn-18170] split-name-boundary "T&T thúc đẩy" → 'T&T' + 'thúc đẩy'
  • [uvb-f-12120] split-name-boundary "Lê cau mày" → 'Lê' + 'cau mày'
  • [uvw-1745] split-name-boundary "Newton thiết lập" → 'Newton' + 'thiết lập'
  • [uvb-n-3769] split-name-boundary "Chu Du tính tình" → 'Chu Du' + 'tính tình'
  • [uvw-14536] split-name-boundary "Lương khởi nghĩa" → 'Lương' + 'khởi nghĩa'
  • [uvw-754] split-name-boundary "Nguyễn bắt đầu" → 'Nguyễn' + 'bắt đầu'
  • [uvb-n-18390] split-name-boundary "Văn sửng sốt" → 'Văn' + 'sửng sốt'
  • [uvb-f-6739] split-name-boundary "Ngẫm nghĩ lại" → 'Ngẫm' + 'nghĩ lại'
  • [uvn-16785] split-name-boundary "Biên bản ghi nhớ" → 'Biên' + 'bản ghi nhớ'
  • [uvb-f-16752] split-name-boundary "Nữ minh tinh" → 'Nữ' + 'minh tinh'
  • [uvw-5598] split-name-boundary "Texas biến đổi" → 'Texas' + 'biến đổi'
  • [uvn-2059] split-name-boundary "Hạ nghị sĩ" → 'Hạ' + 'nghị sĩ'
  • [uvn-5151] split-name-boundary "Masanđạt doanh thu" → 'Masanđạt' + 'doanh thu'
  • [uvw-19553] split-name-boundary "Khu tự trị" → 'Khu' + 'tự trị'
  • [uvb-n-5806] split-name-boundary "Đáng lẽ ra" → 'Đáng' + 'lẽ ra'
  • [uvb-n-1302] split-name-boundary "Huyền tương đối" → 'Huyền' + 'tương đối'
  • [uvw-16476] split-name-boundary "Mạng khoa học" → 'Mạng' + 'khoa học'
  • [uvw-2471] split-name-boundary "Lê biên soạn" → 'Lê' + 'biên soạn'
  • [uvb-n-3787] split-name-boundary "Đài phát thanh" → 'Đài' + 'phát thanh'
  • [uvb-n-15532] split-name-boundary "La Mã thần thánh" → 'La Mã' + 'thần thánh'
  • [uvn-47] split-name-boundary "Xét chứng chỉ" → 'Xét' + 'chứng chỉ'
  • [uvw-16315] split-name-boundary "Mendeleev chỉnh lý" → 'Mendeleev' + 'chỉnh lý'
  • [uvn-12038] split-name-boundary "Cơ quan chức năng" → 'Cơ' + 'quan chức năng'
  • [uvw-3820] split-name-boundary "Âm tức là" → 'Âm' + 'tức là'
  • [uvn-9015] split-name-boundary "Cơ quan chức năng" → 'Cơ' + 'quan chức năng'
  • [uvb-n-14607] split-name-boundary "Kỵ ghi nhớ" → 'Kỵ' + 'ghi nhớ'
  • [uvb-f-3703] split-name-boundary "Duy cố tình" → 'Duy' + 'cố tình'
  • [vlc-19841] split-name-boundary "Chủ sở hữu quyền" → 'Chủ' + 'sở hữu quyền'
  • [uvb-n-1525] split-name-boundary "Cao Lãnh hưởng ứng" → 'Cao Lãnh' + 'hưởng ứng'
  • ... and 38 more

udd-ws-v1.1-test.txt

  • [uvw-12971] split-name-boundary "California nhân danh" → 'California' + 'nhân danh'
  • [uvn-6100] split-name-boundary "Hoàng đầu thú" → 'Hoàng' + 'đầu thú'
  • [uvw-16039] split-name-boundary "Thông hoảng hốt" → 'Thông' + 'hoảng hốt'
  • [uvw-9799] split-name-boundary "Môn-Khmer nguyên thủy" → 'Môn-Khmer' + 'nguyên thủy'
  • [uvw-8566] split-name-boundary "Hoàng thái tử" → 'Hoàng' + 'thái tử'
  • [uvb-n-17470] split-name-boundary "Văn mệt mỏi" → 'Văn' + 'mệt mỏi'
  • [uvw-8360] split-name-boundary "A di chuyển" → 'A' + 'di chuyển'
  • [uvn-350] split-name-boundary "Ba Đình đối đầu" → 'Ba Đình' + 'đối đầu'
  • [uvw-6709] split-name-boundary "Hàm tán xạ" → 'Hàm' + 'tán xạ'
  • [uvw-13962] split-name-boundary "Đông Âu vệ tinh" → 'Đông Âu' + 'vệ tinh'
  • [uvn-9573] split-name-boundary "Mangilal sở hữu" → 'Mangilal' + 'sở hữu'
  • [uvb-f-14820] split-name-boundary "Arya lặng lẽ" → 'Arya' + 'lặng lẽ'
  • [uvw-8943] split-name-boundary "Mỹ hứng chịu" → 'Mỹ' + 'hứng chịu'
  • [uvw-8943] split-name-boundary "Tennessee hứng chịu" → 'Tennessee' + 'hứng chịu'
  • [uvn-17072] split-name-boundary "Kim tiết lộ" → 'Kim' + 'tiết lộ'
  • [vlc-2624] split-name-boundary "Mạch tích hợp" → 'Mạch' + 'tích hợp'
  • [uvw-1478] split-name-boundary "Phản vật chất" → 'Phản' + 'vật chất'
  • [vlc-9115] split-name-boundary "Chủ sở hữu" → 'Chủ' + 'sở hữu'
  • [uvw-4004] split-name-boundary "Chu kỳ tính" → 'Chu' + 'kỳ tính'
  • [vlc-842] split-name-boundary "Hạ sĩ quan" → 'Hạ' + 'sĩ quan'
  • [uvb-f-15773] split-name-boundary "Wamba cố tình" → 'Wamba' + 'cố tình'
  • [uvn-12071] split-name-boundary "Kinh doanh số" → 'Kinh' + 'doanh số'
  • [uvw-14537] split-name-boundary "Đỗ Nguyễn trông nom" → 'Đỗ Nguyễn' + 'trông nom'
  • [vlc-12093] split-name-boundary "Chủ sở hữu quyền" → 'Chủ' + 'sở hữu quyền'
  • [uvn-2062] split-name-boundary "Ukraine nhượng bộ" → 'Ukraine' + 'nhượng bộ'
  • [uvb-f-2026] split-name-boundary "Lữ hoan hỉ" → 'Lữ' + 'hoan hỉ'
  • [uvn-19730] split-name-boundary "Jeong-hee cáo buộc" → 'Jeong-hee' + 'cáo buộc'
  • [uvb-f-12536] split-name-boundary "Lê chua chát" → 'Lê' + 'chua chát'
  • [uvb-n-6581] split-name-boundary "Tuy âm dương" → 'Tuy' + 'âm dương'
  • [uvb-f-10929] split-name-boundary "Vĩ cảm nhận" → 'Vĩ' + 'cảm nhận'
  • ... and 50 more