Assignment 1

[Code]

The Corpus :

The corpus consists of Sanskrit hymns from the Rig Veda. It contains Book 1 and Books 7-10. The text file if available [here]. It is 1.8MB in size.

The Plot :


Most frequent syllables:

त 10056	व 9730	म 9561	य 9457	र 8976	न 7458	स 6178	प 5536	वा 5278	द 4591
या 3833	मा 3571	रा 3435	अ 3104	वि 3048	ना 3015	ति 2893	ते 2833	ता 2823	ष 2453

Complete list [here]

Most frequent bigrams:

पर 1648	तम 648	परि 595	तवा 584	देवा 553	यत 552	यम 513	सोम 475	वान 422	यद 421
तव 407	नम 404	सव 392	विश्वा 392	इन्द्र 391	नाम 390	तये 389	देव 383	तस 381	तस्य 373

Complete list [here]

Results on Second Language (hindi)(hwiki.txt) :



Most frequent syllables:

र 2209	न 1199	क 1107	त 1078	य 935	ल 843	के 802	स 748	का 701	ग 657
में 610	है 571	प 550	की 534	म 534	व 501	या 491	ज 432	ह 412	से 384

Complete list [here]

Most frequent bigrams:

और 343	कर 262	तर 178	देश 167	हिन्दी 148	इस 146	उत्त 142	रेल 132	ताहै 129	प्रदे 128
भार 123	रप्र 118	पर 118	पुर 112	रण 111	रत 111	भाषा 95	केलि 91	यह 91	धिक 88

Complete list [here]