features.txt

# Two regex fields separated by a tab.
# First field is the feature F, and the second is the "universe" G
# of n-grams from which its conditional probability P(F|G) is estimated
#
# In the comments below, read "=>" as "is a strong signal that the
# text should be labeled...", *not* as "implies..."
#
# Eclipsis of b,c,f,g,m,p after simple prep + singular article => M or C
(a[grs]|ins|leis|roimh|thar|[ft]h?ríd|um) an (gc|bhf|ng|m[^h]|bp)	(a[grs]|ins|leis|roimh|thar|[ft]h?ríd|um) an ([bcfgmp]|ng)
# same as above, with fused preposition/article => M or C
(faoin|fén|ón|(in)?san?) (gc|bhf|ng|m[^h]|bp)	(faoin|fén|ón|(in)?san?) ([bcfgmp]|ng)
# Eclipsis of b,c,f,g,m,p after "chuig an" => C
chuig an (gc|bhf|ng|m[^h]|bp)	chuig an ([bcfgmp]|ng)
# Eclipsis of b,c,f,g,m,p after "den" or "don" => M
d[eo]n (gc|bhf|ng|m[^h]|bp)	d[eo]n ([bcfgmp]|ng)
# Eclipsis of d or t in just about all dative situations => M
# includes "um an dtaca sin"
(a[grs]|ins|leis|roimh|thar|[ft]h?ríd|um) an (dt|nd)	(a[grs]|ins|leis|roimh|thar|[ft]h?ríd|um) an (n?d|t[^s])
(faoin|fén|ón|(in)?san?) (dt|nd)	(faoin|fén|ón|(in)?san?) (n?d|t[^s])
d[eo]n (dt|nd)	d[eo]n (n?d|t[^s])
# Lenition in dative with most prepositions => U
(a[grs]|chuig|ins|leis|roimh|thar|[ft]h?ríd|um) an [bcfgmp]h[^f]	(a[grs]|chuig|leis|roimh|thar|[ft]h?ríd|um) an ([bcfgmp]|ng)
# Lenition possible after some preposition in Munster too (=> M or U)
# note than "san + [bcgmp]h[^f]" occurs in all three dialects, so not here
# same for den/don
(faoin|fén|ón|sa|(in)?san) [bcgmp]h[^f]	(faoin|fén|ón|sa|(in)?san) (bh[^f]|b[^h]|[cgmp]|ng)
# => M
insa [bcgmp]h[^f]	insa (bh[^f]|b[^h]|[cgmp]|ng)
# mostly Connacht words...
acab
achair
achar
aimhreas
aireachtáil
anachain
andiú
aonraic
arae
araile
bhfalach
bhfataí
bhfoisgeacht
bhfoigseacht
bhíonns
brochán
caiptín
cantal
cantalach
casaoid
casaoideach
céard
céibh
cén chaoi
cé'n chaoi
'chaon
chaon
chasaoid
chasaoideach
chloisteáil
chloisteál
chonnairc
'chuile
'ch uile
chuile
chuireanns
cloisteáil
cloisteál
compóirt
compóirteach
d'fheiceadh
d'fheicfeá
d'fheicfeadh
d'fheil
eicín
eicínt
éindí
faitcheas
faitchios
faitchíos
faitchis
faithchios
faitíos
falach
falamh
faoi réir
fata
fataí
feamainn
feamainne
fearacht
feicthear
feileamhnach
feiliúnach
feilm
feilméar
feilméara
feilméaracht
fhaitcheas
fhaitchios
fhaitchíos
fhaitchis
fhaithchios
fhaitíos
fhata
fhataí
fhearacht
fheicfeas
fheileamhnach
fheileann
fheileas
fheiliúnach
fhoscailt
fhosgailt
foscailt
fosgailt
fré
freisin
gallaoireach
ghníonn
goir
innseacht
inseacht
iomarcaidh
iomarcuidh
ionnós
láí
láighe
lánchinnte
leanacht
le haghaidh
leob
leób
mada
maiseadh
malrach
marach
meanga
meangadh
mhada
móiméad
móiméid
móimid
moite
n-aimhreas
nóiméad
noiméad
paráiste
phighin
pighin
plód
póilíos
ríméad
ríméadach
ronnach
sách
seafóid
síleachtáil
sinneán
sionnach
sionnaigh
slíocadh
smugairle
sólásach
spéacláirí
spreacadh
srannadh
srannfartach
srannfartaigh
stróiceadh
t-achar
tada
tadaidh
taoille
teara
thar éis
théidheanns
thidheacht
thigeanns
timpist
timpiste
toisiú
tonntracha
tórainn
'tuige
# mostly Munster words...
ab ea
áfach
aireachtaint
ambaiste
ambasa
amhastrach
annsain
annsan
ansa
ansan
anso
ansúd
aoinne
aoinní
aonní
as san
ataoi
bhfalla
breoidhte
breoite
cabhraigh
cabhraithe
cabhrú
cabhruigh
cabhruighthe
cathain
chabhraithe
chabhrú
chífá
chífad
chífadh
chífar
chífeá
chífead
chífí
chífid
chífidh
chífidís
chífimíd
chífinn
chífir
choinnibh
chromán
chuas
conas
conus
cromán
cuaird
cuirfad
dailtín
d'aoinne
dein
deineadh
deineann
deinidh
deintear
deintí
des na
dhailtín
dhein
dheineadar
dheineadh
dheinean
dheineann
dheineas
dheinis
díobháil
díobhála
do bhíos
do bhuaileas
do chonaic
do chuireas
do ghaibh
do labhair
do luigh
do phreab
do rugadh
dos na
do stad
do theip
do thuig
do tugadh
éinní
fágáilt
fágaint
falla
fallaí
fallaíbh
fanmhaint
fé
féinig
feiscint
feisgint
fé'n
fén
fhágáilt
fhágaint
fhalla
fhallaí
fhallaíbh
fheadar
fheiscint
fheisgint
fhiachaint
foláir
fuithin
gabháilt
gallúnach
Gaolainn
Gaolainne
Gaoluinn
Gaoluinne
garsún
gcoinnibh
gcuma san
gearáin
gearán
gearánach
gearánta
Ghaelainn
Ghaeluinn
Ghaolainn
Ghaoluinn
gharsún
gheibhean
gheibheann
gheibhtear
h-aoinne
haoinne
is ea
iseadh
istig
lagú
laistiar
laistigh
lámhach
lámhaigh
lasmuich
lasmuigh
lastiar
lastoir
lastuaidh
lastuas
leanfad
leogaint
madra
madraí
mhadra
mhadraí
ná beadh
ná béadh
ná fuil
naomhóg
naomhóga
naomhóig
naomhóige
ndeineadh
ndeinidh
ndeintear
neómat
neómataí
oireamhnach
oirean
oireann
oiriúnach
phraisigh
phráta
phrátaí
práta
prátaí
puinn
puínn
rámhan
roimis
saghas
san a
san ach
san agus
san amach
san féin
san go
san gur
san i
sar
sara
sarar
sceamhghail
sceamhghal
sceamhaíl
sceitimíní
shaghas
sranntarnach
sranntarnaigh
stracaire
tabharfad
taibhreamh
#taoi; "Fear Taoi" in Ulster training set :/
taoide
tarna
tarrac
teiche
thaoide
tharrac
thógaint
thuilleamh
tiocfad
tógaint
toisc
tsaghas
t-ubh
# mostly Ulster words...
a inse
achan
ag inse
áirneáil
áirneál
amharcaidh
amharcann
amharcas
an dóigh
aon dóigh
ar dóigh
ar ndóighe
ar scor
ar sgor
astar
astoigh
barraidheacht
barraíocht
bhocsa
bhomaite
bocsa
bomaite
brachán
brionglóideach
cabhsa
caidé
cál
callán
cha
chan
chluinstin
cholmáin
cholmán
chuartú
chuideadh
chuidighthe
chuidithe
chuidiú
chuntais
chunntais
chunntas
cionn is
cionn's
cluinstin
colmáin
colmán
costarnocht
contráilte
cuartú
cuideadh
cuidighthe
cuidithe
cuidiú
daobhtha
daofa
dealgáin
dealgán
dhruidte
domh
druidte
dtoigh
dtólamh
eighinteacht
éighinteacht
eiteog
eiteoga
eiteogaí
eiteoig
fá chionn
fá choinne
fá dear
fá dtaobh
féacháil
fhóireann
fhóireas
fhoscailte
fhoscladh
fhosgaidh
fhosgailte
fhosgladh
fóirsteanach
fóirstin
fóirstineach
foscaidh
foscladh
fosgaidh
fosgladh
fosta
Gaedhilic
Gaeilic
gasraí
geafta
Ghaedhilic
Ghaeilic
gheafta
gheibh
ghirseach
ghirseachaí
ghnoithe
girseach
girseachaí
gnoithe
gnoitheach
gnoithí
goidé
heiteogaí
h-eiteogaí
innse
inteacht
ínteacht
istoigh
laftán
leabharthaí
leanstan
leoga
leóga
mallaibh
mbomaite
mhillteanach
millteanach
ngnoithe
péas
phill
philleadh
philleamar
philleas
phillfeadh
phillfeas
phillfidh
phillfinn
pilleadh
pillfidh
pór
préata
preáta
préataí
preátaí
# "rabh" is a strong U signal but common enough in
# certain C texts that it causes problems in those cases
# rabh
sa dóigh
s'againn
s'againne
scaifte
scairt
scairteach
scairteadh
scairtigh
sceadamáin
sceadamán
scéaltaí
scíste
seisrighe
seort
seórt
sgaifte
sgéaltaí
sgíste
sílstin
smaointeadh
smaointigh
smaointiú
smaoitigh
smaoitiú
smuaintigh
sópa
spádaí
spáide
spéarthaí
spléachadh
srannfach
srannfaigh
tachrán
taisme
tchí
tchídh
tchídheadh
tchídhim
tchífeá
tchífeadh
tchífear
tchífeas
tchífidh
tchífimíd
tchífimid
tchífinn
tchím
tchímid
tchímíd
tchínn
tchíodh
tchíthear
teach an phobail
thoit
thoite
toit
toite
tseort
tseórt
thuigbheáil
toigh
toighe
toiseacht
tuigbheáil
# non-Connacht words
# non-Munster words
aithghiorra
ariamh
damhsa
dochar
foighid
fóill
madadh
tinn
# non-Ulster words
bioráin
biorán
chongnamh
chúnamh
congnamh
cúnamh
deatach
deataigh
dhom
dteannta
fós
glaodhach
lao
laogh
nua
nuadh
treasna