-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy pathenglish-tokenizer-vocab.txt
44588 lines (44588 loc) · 350 KB
/
english-tokenizer-vocab.txt
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
830
831
832
833
834
835
836
837
838
839
840
841
842
843
844
845
846
847
848
849
850
851
852
853
854
855
856
857
858
859
860
861
862
863
864
865
866
867
868
869
870
871
872
873
874
875
876
877
878
879
880
881
882
883
884
885
886
887
888
889
890
891
892
893
894
895
896
897
898
899
900
901
902
903
904
905
906
907
908
909
910
911
912
913
914
915
916
917
918
919
920
921
922
923
924
925
926
927
928
929
930
931
932
933
934
935
936
937
938
939
940
941
942
943
944
945
946
947
948
949
950
951
952
953
954
955
956
957
958
959
960
961
962
963
964
965
966
967
968
969
970
971
972
973
974
975
976
977
978
979
980
981
982
983
984
985
986
987
988
989
990
991
992
993
994
995
996
997
998
999
1000
[PAD]
[UNK]
[CLS]
[SEP]
[MASK]
!
#
$
%
&
'
(
)
*
+
,
-
.
/
0
1
2
3
4
5
6
7
8
9
:
;
=
?
@
[
\
]
^
_
`
a
b
c
d
e
f
g
h
i
j
k
l
m
n
o
p
q
r
s
t
u
v
w
x
y
z
¢
£
²
¿
à
á
â
ã
ä
æ
ç
è
é
ê
ë
ì
í
ï
ñ
ó
ô
ö
ø
ú
û
ü
ā
ă
ć
č
ē
ō
ť
˚
τ
ย
ร
อ
่
–
—
’
”
∇
♪
♫
##c
##o
##m
##p
##l
##i
##s
##h
##a
##b
##e
##r
##n
##g
##d
##t
##y
##u
##f
##3
##2
##w
##v
##1
##k
##x
##z
##♫
##q
##0
##7
##6
##8
##j
##9
##5
##ç
##ï
##4
##ó
##ö
##ō
##á
##í
##é
##˚
##ä
##ñ
##è
##ë
##ü
##τ
##â
##ā
##ã
##ú
##à
##ă
##ť
##²
##ì
##ć
##ร
##่
##อ
##ย
##ê
##û
##ø
##ē
##æ
##¢
##ô
th
the
##er
##in
##at
##nd
##ou
##re
##ing
and
to
##en
##es
##on
##an
of
in
##or
##al
##ed
##is
##it
##ar
that
##om
we
##as
you
it
wh
##ic
##le
##ll
be
is
##ow
##ly
##se
##ut
##ve
##ion
re
##ot
##st
##et
##ent
on
ha
##ct
this
##ld
so
##ay
##gh
st
##ur
##id
do
##ch
##ver
for
##ce
li
##ke
was
##op
they
##ter
an
##ir
##ere
##im
are
##am
##ith
##au
##ro
go
##ally
have
se
with
##th
ab
but
what
mo
he
as
##ol
##ad
##ation
can
##out
ne
sh
com
wor
##ght
at
##ra
not
me
ch
##ould
there
about
##ill
all
fr
##pp
##ant
##ge
##il
ex
##ust
##ers
my
##est
##ul
##oo
de
som
or
##ear
pro
##ause
pe
one
con
##ig
##um
##art
like
##ck
ma
peop
people
##ure
bec
##ight
##ate
##ies
##ity
our
if
from
al
##ess
##ive
##ist
##if
us
kn
##ble
now
tr
te
just
these
##ect
##ind
##all
out
##ink
sp
##ery
##un
##rou
know
when
##ook
see
##od
thing
##us
en
them
##os
because
##ie
up
very
##and
pl
think
##her
who
by
##ort
how
get
##ain
act
some
ever
##ci
year
im
more
going
##iv
##og
int
##ich
tim
had
##one
##el
your
were
would
##em
##ap
look
##ine
su
comp
sa
their
ve
##ame
here
##ment
un
##our
which
than
##ually
##ast
ta
really
le
work
##ous
##iz
##act
want
every
world
##are
##ack
then
##ard
##ose
##reat
way
time
man
##ence
##hing
has
per
ev
exp
##ans
no
qu
pr
##ab
##ore
##ther
##ag
##ide
lau
actually
will
##ace
fe
could
##ions
ag
##ghter
app
##nt
into
##fer
where
pre
##ong
co
did
##ild
am
##itt
things
years
af
other
laughter
##nder
somet
##age
tw
cl
say
##00
new
inter
right
##king
well
##ud
ar
any
##ach
##ss
been
##ical
make
she
need
dif
happ
fir
res
mu
##fe
over
po
##ip
start
##so
part
dis
first
##ia
##ree
bu
two
imp
those
##qu
something
##ice
##ry
##own
lo
##olog
##ory
much
back
call
##round
chan
##orm
##pt
##ite
##ire
##ount
##ign
##ac
also
differ
##ens
##ber
ph
##ound
ro
most
kind
said
spe
got
##ittle
little
##sel
##ass
lot
##ater
ac
even
cont
ad
tal
id
bl
des
##cent
life
##ue
##way
##ple
##ib
##ome
under
##ves
##ult
hum
##ving
bet
day
only
his
sy
take
##ff
##ated
appl
##ru
##ations
##vel
her
many
ind
let
##able
##ep
##du
sc
##ody
br
comm
##ial
different
##co
##other
real
good
does
gr
##ade
##ict
##rough
around
##ell
##ood
##rain
##ick
applause
##ase
down
through
ide
##int
may
why
##cess
##ish
put
##ms
##ph
em
##day
being
##pl
show
##form
##ents
tell
gen
inc
tech
##ars
fl
sm
##ning
##ible
use
same
too
##ject
##ether
##ors
happen
come
##ary
ll
techn
##igh
##ob
##lect
thou
great
##ark
##wn
three
##iver
##ance
count
fact
big
proble
try
thank
human
##ting
##ual
##stem
dr
##ric
##ower
##ak
off
##xt
ca
##ful
##ved
sur
pers
##urn
doing
##ces
talk
##ile
again
##ath
col
##ys
child
after
today
percent
find
dec
##ology
##ord
sim
called
##illion
system
##ied
rem
wr
##ren
inst
##red
##nds
##ang
##fore
ear
wom
##ically
made
exper
inv
build
quest
gu
##ons
car
##thing
##self
fo
##cial
lear
bel
##ities
ob
own
long
##ition
bas
##ress
##te
##ious
stud
op
##ize
##ating
gl
underst
import
##ub
design
##body
##oss
##ics
should
##ty
rel
change
hel
sch
high
##ft
##we
its
end
last
##ian
creat
ins
bo
ask
another
feel
brain
old
##av
##gan
##les
##ates
idea
cour
trans
imag
cr
important
person
##ope
sci
started
##con
exam
fu
interest
##ution
thought
##als
cons
before
understand
mon
ke
mean
##ail
him
turn
plan
##atter
power
bit
play
##ert
never
##ough
help
might
##ise
pol
produ
000
ter
##ily
tog
better
together
story
art
went
able
##ility
##ool
sol
fam
##ists
give
point
##be
still
problem
commun
few
belie
##pe
##ction
found
sl
course
##ular
each
mus
next
##kes
num
mod
cent
school
##erg
##mo
came
ago
str
##ix
##ather
tra
##oth
technology
med
kid
cell
20
eng
hu
learn
sort
fin
ext
rec
19
dat
used
place
comple
##ited
water
##iss
ser
##velop
##ense
met
##atch
##alth
nat
question
min
develop
##lic
##read
four
##ward
seco
small
##ness
##az
##ween
grow
##ork
comput
ok
##ience
cre
women
##ures
##ized
between
10
##ways
far
##eric
mom
data
example
##ines
att
wo
##ific
expl
love
inform
eff
gra
bi
looking
##ave
maybe
americ
move
##ced
rep
chang
lar
##cy
read
children
el
cap
##cept
done
##ets
##ute
wanted
##ale
##conom
##gr
partic
care
live
gener
econom
beh
##ings
afric
sk
light
always
away
organ
project
hard
##ism
whole
##ably
##ds
less
##ands
stu
##aw
ho
war
##ational
poss
second
million
prot
##iness
##selves
##ative
##ross
bus
cor
health
information
space
everything
vis
trying
working
giv
using
believe
reas
##ments
hand