With my last post I had shared the text of COVID-19 surveillance reports for Myanmar for the month of April, 2020. It was, however incomplete as I couldn’t find the way to read-in some of the reports from the MOHS website. In the meantime, I’d manually accessed the missing webpages, copy and paste their text to some text files and read-in their contents into R, and created the file of complete reports. This file is shared here.
For the purpose of this post, I’d used the quanteda R-package to, (i) Create a corpus of the complete set of surveillance reports for the month of April, 2020, (ii) Start exploring this corpus, particularly with kwic() function to extract information on the laboratory confirmed cases for COVID-19 infection.
Corpus creation
Prior to the present exercise, I’d created the text of the surveillance reports in the xM_aprAll dataframe.
library(quanteda)
xMc_apr <- xM_aprAll[, 1:2] %>%
corpus(.,docid_field = "X1", text_field = "X2")
xMc_apr$heading <- xM_aprAll$X1 Shortening some texts for use as identifiers
In processing the reports and for the purpose of extracting information, the report headings would be too and I would therefore be replacing them with their date and time. Also, I am shortening some long names with only the English acronyms.
ap <- "COVID-19 ရောဂါစောင့်ကြပ်ကြည့်ရှုမှုနှင့်ပတ်သက်၍ သတင်းထုတ်ပြန်ခြင်း\\s"
bp <- "COVID-19 ရောဂါ စောင့်ကြပ်ကြည့်ရှုမှုနှင့်ပတ်သက်၍ သတင်းထုတ်ပြန်ခြင်း\\s"
cp <- "COVID-19 ရောဂါစောင့်ကြပ်ကြည့်ရှုမှုနှင့်ပတ်သက်၍ သတင်းထုတ်ပြန်ခြင်း\\s"
patt <- paste(c(ap,bp,cp), collapse = "|")
xMc.v <- texts(xMc_apr) %>%
gsub("ဓာတ်ခွဲအတည်ပြု လူနာဟောင်း (old confirmed case) များ၏ ဓာတ်ခွဲနမူနာများ၌", "old confirmed case", ., fixed = TRUE) %>%
gsub("ဆေးသုတေသနဦးစီးဌာန (DMR)", "DMR", ., fixed = TRUE ) %>%
gsub("အမျိုးသားကျန်းမာရေးဓာတ်ခွဲမှုဆိုင်ရာဌာန (ရန်ကုန်) (NHL)", "NHL", ., fixed = TRUE)
names(xMc.v) <- gsub(patt, "", names(xMc.v))Tokenizing the report texts
I am using the spacing of the text in the original report for tokenization. This would segment the reports into pieces of text that are more like phrases than words in English language. For that, we use the tokens() function with the option, what = fastestword". This would split text on the space character, using stringi::stri_split_fixed(x, " ").
ctoks <- tokens(xMc.v, "fastestword")Finding the search pattern for laboratory confirmed patients
Inspection of the reports shows three different ways of writing the same item:
ဓာတ်ခွဲ အတည်ပြုလူနာ (၁၅၀) ဦး
ဓာတ်ခွဲအတည်ပြုလူနာ (၁၄၉)ဦး
ဓာတ်ခွဲအတည်ပြု လူနာ (၁၂၇)ဦး
ဓာတ်ခွဲ အတည်ပြုလူနာ (၁၅၀) ဦး
ဓာတ်ခွဲအတည်ပြုလူနာ (၁၄၉)ဦး
ဓာတ်ခွဲအတည်ပြု လူနာ (၁၂၇)ဦး
They could, however, be reduced into a single regex pattern: “လူနာ ([၀-၉]+)”
The search results using the kwic() function. “The kwic function (keywords-in-context) performs a search for a word and allows us to view the contexts in which it occurs.” Since Myanmar language doesn’t have words as such, we used the groups of text (groups of syllables) or phrases delimited by space as it is found in the original text for tokenization. From the kwic() function, we asked for three phrases preceding (pre) and (post) in addition to the keyword in the output.
The search results using the kwic() function. “The kwic function (keywords-in-context) performs a search for a word and allows us to view the contexts in which it occurs.” Since Myanmar language doesn’t have words as such, we used the groups of text (groups of syllables) or phrases delimited by space as it is found in the original text for tokenization. From the kwic() function, we asked for three phrases preceding (pre) and (post) in addition to the keyword in the output.
Finding information relating to confirmed cases
cPatients <- data.frame(kwic(ctoks, phrase("လူနာ ([၀-၉]+)"), window = 3, "regex"))
nrow(cPatients)[1] 228
You can see the first 10 and last 10 outputs from a total of 228.
utf8::utf8_print(sapply(cPatients[c(1:10,219:228),], paste)) docname from to pre
[1,] "(30-4-2020, 8:00 PM)" "8" "9" "DMR မှ စစ်ဆေးပြီးစီးခဲ့သော"
[2,] "(30-4-2020, 8:00 PM)" "16" "17" "COVID-19 ရောဂါ ဓာတ်ခွဲအတည်ပြု"
[3,] "(30-4-2020, 8:00 PM)" "27" "28" "COVID-19 ရောဂါ ဓာတ်ခွဲ"
[4,] "(30-4-2020, 8:00 PM)" "79" "80" "ဦး ရှိပါသည်။၆။ ယနေ့အထိ"
[5,] "(30-4-2020, 8:00 PM)" "100" "101" "(၁၂:၀၀) နာရီအတွင်း တွေ့ရှိရသော"
[6,] "(30-4-2020, 7:00 AM)" "15" "16" "-• COVID-19 ရောဂါဓာတ်ခွဲအတည်ပြု"
[7,] "(30-4-2020, 7:00 AM)" "25" "26" "COVID-19 ရောဂါ ဓာတ်ခွဲအတည်ပြု"
[8,] "(29-4-2020, 8:00PM)" "11" "12" "အဖြစ် စစ်ဆေးပြီးစီးခဲ့သော အသွားအလာကန့်သတ်ခံရသူနှင့်"
[9,] "(29-4-2020, 8:00PM)" "17" "18" "ဓာတ်ခွဲနမူနာများနှင့် DMRမှ စစ်ဆေးပြီးစီးခဲ့သော"
[10,] "(29-4-2020, 8:00PM)" "27" "28" "COVID-19 ရောဂါပိုး မတွေ့ရှိပါ။(ဓာတ်ခွဲအတည်ပြု"
[11,] "(1-4-2020, 8:00PM)" "37" "38" "ညနေ (၆) နာရီအထိ"
[12,] "(1-4-2020, 8:00PM)" "62" "63" "ခဲ့ရာ (ဇယား-၁) တွင်ဖော်ပြထားရှိသော"
[13,] "(1-4-2020, 8:00PM)" "72" "73" "တွေ့ရှိ (တွေ့ရှိ) ရပြီး"
[14,] "(1-4-2020, 8:00PM)" "136" "137" "ပေးလျက်ရှိပါသည်။၅။ COVID-19 ရောဂါ"
[15,] "(1-4-2020, 8:00PM)" "142" "143" "ချင်းပြည်နယ်၊ တီးတိန် ပြည်သူ့ဆေးရုံတွင်"
[16,] "(1-4-2020, 8:00PM)" "147" "148" "ဦး၊ ရန်ကုန်မြို့၊ ဝေဘာဂီအထူးကုဆေးရုံကြီးတွင်"
[17,] "(1-4-2020, 8:00PM)" "153" "154" "နှင့် မန္တလေးမြို့၊ ကန်တော်နဒီဆေးရုံတွင်"
[18,] "(1-4-2020, 8:00PM)" "157" "158" "(၁) ဦး၊ နေပြည်တော်ပြည်သူ့ဆေးရုံကြီးတွင်"
[19,] "(1-4-2020, 8:00PM)" "166" "167" "လားရှိုးမြို့တွင် ကျောက်မဲမြို့ ပြည်သူ့ဆေးရုံမှ"
[20,] "(1-4-2020, 8:00PM)" "176" "177" "ကျန်းမာရေးအခြေအနေမှာ တည်ငြိမ်လျက်ရှိပါသည်။ ဝေဘာဂီအထူးကုဆေးရုံကြီးရှိ"
keyword post pattern
[1,] "စောင့်ကြည့်လူနာ (၂၉)" "ဦး၏ ဓာတ်ခွဲနမူနာများတွင် -•" "လူနာ ([၀-၉]+)"
[2,] "လူနာသစ် မတွေ့ရှိပါ။၂။" "သို့ဖြစ်ပါ၍ (၃၀-၄-၂၀၂၀) ရက်နေ့၊" "လူနာ ([၀-၉]+)"
[3,] "အတည်ပြုလူနာ (၁၅၀)" "ဦးရှိပြီဖြစ်ပါသည်။၃။ (၃၀-၄-၂၀၂၀) ရက်နေ့တွင်" "လူနာ ([၀-၉]+)"
[4,] "ဓာတ်ခွဲအတည်ပြုလူနာ (၁၂၇)" "ဦးအား သက်ဆိုင်ရာဆေးရုံများတွင် ဆေးကုသမှု" "လူနာ ([၀-၉]+)"
[5,] "စောင့်ကြည့်လူနာအသစ် (၆၀)ဦး" "ရှိပါသည်။" "လူနာ ([၀-၉]+)"
[6,] "လူနာသစ် မတွေ့ရှိပါ။၂။" "သို့ဖြစ်ပါ၍ (၃၀-၄-၂၀၂၀)ရက်နေ့၊ နံနက်" "လူနာ ([၀-၉]+)"
[7,] "လူနာ (၁၅၀)" "ဦးရှိပြီဖြစ်ပါသည်။၃။ (၂၉-၄-၂၀၂၀) ရက်နေ့အတွက်" "လူနာ ([၀-၉]+)"
[8,] "စောင့်ကြည့်လူနာ (၈၉)" "ဦး၏ ဓာတ်ခွဲနမူနာများနှင့် DMRမှ" "လူနာ ([၀-၉]+)"
[9,] "စောင့်ကြည့်လူနာ (၂၁)" "ဦး၏ ဓာတ်ခွဲနမူနာများ၊ စုစုပေါင်း" "လူနာ ([၀-၉]+)"
[10,] "လူနာသစ် မရှိပါ။)၂။" "သို့ဖြစ်ပါ၍ (၂၉-၄-၂၀၂၀)ရက်နေ့၊ ည" "လူနာ ([၀-၉]+)"
[11,] "စောင့်ကြည့်လူနာအသစ် (၃၆)" "ဦး ရှိပါသည်။၃။ အမျိုးသားကျန်းမာရေးဓာတ်ခွဲမှုဆိုင်ရာဌာန" "လူနာ ([၀-၉]+)"
[12,] "လူနာ (၁)" "ဦး၏ ဓာတ်ခွဲအဖြေတွင် COVID-19" "လူနာ ([၀-၉]+)"
[13,] "ကျန်လူနာ (၅၅)" "ဦး၏ ဓာတ်ခွဲအဖြေများတွင် COVID-19" "လူနာ ([၀-၉]+)"
[14,] "ဓာတ်ခွဲအတည်ပြုလူနာ (၁၅)" "ဦးအနက် ချင်းပြည်နယ်၊ တီးတိန်" "လူနာ ([၀-၉]+)"
[15,] "လူနာ (၁)" "ဦး၊ ရန်ကုန်မြို့၊ ဝေဘာဂီအထူးကုဆေးရုံကြီးတွင်" "လူနာ ([၀-၉]+)"
[16,] "လူနာ (၁၀)" "ဦး နှင့် မန္တလေးမြို့၊" "လူနာ ([၀-၉]+)"
[17,] "လူနာ (၁)" "ဦး၊ နေပြည်တော်ပြည်သူ့ဆေးရုံကြီးတွင် လူနာ" "လူနာ ([၀-၉]+)"
[18,] "လူနာ (၁)" "ဦး၊ ရှမ်းပြည်နယ် (မြောက်ပိုင်း)၊" "လူနာ ([၀-၉]+)"
[19,] "ပြောင်းရွှေ့လူနာ (၁)" "ဦး၊ စုစုပေါင်း (၁၄)" "လူနာ ([၀-၉]+)"
[20,] "လူနာ (၁)" "ဦးအား အထူးကြပ်မတ် ခန်း၌" "လူနာ ([၀-၉]+)"Filtering the confirmed cases
We filter the output in order to get only the results that contain the term for laboratory confirmed infections. We identified three different group of wordings for the same term which are combined into a single regex pattern (q123).
q1 <- "ဓာတ်ခွဲ အတည်ပြုလူနာ \\([၀-၉]+\\)"
q2 <- "ဓာတ်ခွဲအတည်ပြုလူနာ \\([၀-၉]+\\)"
q3 <- "ဓာတ်ခွဲအတည်ပြု လူနာ \\([၀-၉]+\\)"
q123 <- paste0(c(q1,q2,q3), collapse = "|")
Filtering for the desired results, we obtain 53 lines of output, that are quite easy to understand.
tsel <- paste(cPatients$pre,cPatients$keyword) %>%
grepl(q123, .) # %>% cPatients[.,]
utf8::utf8_print(sapply(cPatients[tsel,], paste))docname from to pre [1,] "(30-4-2020, 8:00 PM)" "27" "28" "COVID-19 ရောဂါ ဓာတ်ခွဲ" [2,] "(30-4-2020, 8:00 PM)" "79" "80" "ဦး ရှိပါသည်။၆။ ယနေ့အထိ" [3,] "(30-4-2020, 7:00 AM)" "25" "26" "COVID-19 ရောဂါ ဓာတ်ခွဲအတည်ပြု" [4,] "(29-4-2020, 8:00PM)" "37" "38" "COVID-19 ရောဂါ ဓာတ်ခွဲအတည်ပြု" [5,] "(28-4-2020, 8:00 PM)" "32" "33" "နာရီ အထိ မြန်မာနိုင်ငံတွင်" [6,] "(27-4-2020, 8:00 PM)" "21" "22" "ည (၈:၀၀)နာရီအထိ မြန်မာနိုင်ငံတွင်" [7,] "(26-4-2020, 8:00 pm)" "31" "32" "ည (၈:၀၀)နာရီအထိ မြန်မာနိုင်ငံတွင်" [8,] "(25-4-2020, 8:00 pm)" "32" "33" "ည (၈:၀၀)နာရီအထိ မြန်မာနိုင်ငံတွင်" [9,] "(25-4-2020, 10:00 am)" "10" "11" "နာရီအချိန်အထိ မြန်မာနိုင်ငံတွင် COVID-19" [10,] "(24-4-2020, 9:00 am)" "35" "36" "အချိန်အထိ COVID-19 ရောဂါ" [11,] "(24-4-2020, 00:30 am)" "23" "24" "နံနက် (၀၀:၃၀)နာရီအထိ မြန်မာနိုင်ငံတွင်" [12,] "(23-4-2020, 8:00 pm)" "34" "35" "ည (၈:၀၀)နာရီအထိ မြန်မာနိုင်ငံတွင်" [13,] "(23-4-2020, 10:00 am)" "8" "9" "(၁၀:၀၀)နာရီအချိန်ထိ မြန်မာနိုင်ငံတွင် COVID-19" [14,] "(23-4-2020, 10:00 am)" "11" "12" "ရောဂါဓာတ်ခွဲအတည်ပြုလူနာ (၁၂၇)ဦး တွေ့ရှိခဲ့ပြီး" [15,] "(23-4-2020, 7:00 AM)" "35" "36" "နာရီအချိန်အထိ မြန်မာနိုင်ငံတွင် ဓာတ်ခွဲအတည်ပြု" [16,] "(22-4-2020, 8:00 PM)" "35" "36" "နာရီအချိန်အထိ မြန်မာနိုင်ငံတွင် ဓာတ်ခွဲအတည်ပြု" [17,] "(22-4-2020, 10:00 AM)" "9" "10" "နာရီအချိန်အထိ မြန်မာနိုင်ငံတွင် COVID-19" [18,] "(21-4-2020, 10:00PM)" "22" "23" "နာရီအချိန်အထိ မြန်မာနိုင်ငံတွင် ဓာတ်ခွဲအတည်ပြု" [19,] "(21-4-2020, 8:00PM)" "42" "43" "နာရီအချိန်အထိ မြန်မာနိုင်ငံတွင် ဓာတ်ခွဲအတည်ပြု" [20,] "(20-4-2020, 10:00 AM)" "39" "40" "နာရီအချိန်အထိ မြန်မာနိုင်ငံတွင် COVID-19" [21,] "(18-4-2020, 8:00 pm)" "26" "27" "ရောဂါပိုးမတွေ့ရှိ (မတွေ့ရှိ)ပါ။၂။ ယခုအထိ" [22,] "(18-4-2020, 8:00 pm)" "37" "38" "ဆင်းခွင့်ရရှိခဲ့ပြီးဖြစ်ပါသည်။၃။ COVID-19 ရောဂါ" [23,] "(18-4-2020, 10:00 am)" "89" "90" "နာရီအချိန်အထိ မြန်မာနိုင်ငံတွင် COVID-19" [24,] "(18-4-2020, 8:00 am)" "69" "70" "ယခုအချိန်အထိ COVID-19 ရောဂါ" [25,] "(17-4-2020, 8:00 pm)" "29" "30" "တွေ့ရှိခဲ့ရပါသည်။၂။ COVID-19 ရောဂါ" [26,] "(17-4-2020, 10:00 am)" "55" "56" "တွေ့ရှိခဲ့ရပါသည်။၃။ COVID-19 ရောဂါ" [27,] "(16-4-2020, 8:00 pm)" "28" "29" "တွေ့ရှိခဲ့ရပါသည်။၂။ COVID-19 ရောဂါ" [28,] "(16-4-2020, 10:00 AM)" "74" "75" "ယခုအချိန်အထိ COVID-19 ရောဂါ" [29,] "(15-4-2020, 8:00 pm)" "27" "28" "တွေ့ရှိခဲ့ရပါသည်။၂။ COVID-19 ရောဂါ" [30,] "(15-4-2020, 10:30 AM)" "49" "50" "နာရီအချိန်အထိ မြန်မာနိုင်ငံတွင် COVID-19" [31,] "(14-4-2020, 8:00 pm)" "64" "65" "ယခုအချိန်အထိ COVID-19 ရောဂါ" [32,] "(14-4-2020, 4:00 pm)" "31" "32" "ဖော်ပြခဲ့ပြီး ဖြစ်ပါသည်။၂။ အဆိုပါ" [33,] "(13-4-2020, 00:30 am)" "173" "174" "မြန်မာနိုင်ငံတွင် COVID-19 ရောဂါ" [34,] "(12-4-2020, 8:00 pm)" "124" "125" "မြန်မာနိုင်ငံတွင် COVID-19 ရောဂါ" [35,] "(12-4-2020, 2:00 AM)" "281" "282" "ရာဇဝင်ရှိကြောင်း သိရှိရပါသည်။ ထပ်မံတွေ့ရှိရသော" [36,] "(12-4-2020, 2:00 AM)" "299" "300" "မြန်မာနိုင်ငံတွင် COVID-19 ရောဂါ" [37,] "(11-4-2020, 8:00PM)" "153" "154" "မြန်မာနိုင်ငံတွင် COVID-19 ရောဂါ" [38,] "(10-4-2020, 10:15PM)" "94" "95" "တွင် COVID-19 ရောဂါ" [39,] "(10-4-2020, 8:00PM)" "116" "117" "မြန်မာနိုင်ငံတွင် COVID-19 ရောဂါ" [40,] "(10-4-2020, 3:00AM)" "227" "228" "မြန်မာနိုင်ငံတွင် COVID-19 ရောဂါ" [41,] "(9-4-2020, 8:00 PM)" "51" "52" "မတွေ့ရှိရဘဲ COVID-19 ရောဂါ" [42,] "(9-4-2020, 8:00 PM)" "304" "305" "မြန်မာနိုင်ငံတွင် COVID-19 ရောဂါ" [43,] "(8-4-2020, 8:00 PM)" "197" "198" "မြန်မာနိုင်ငံတွင် COVID-19 ရောဂါ" [44,] "(6-4-2020, 8:00PM)" "126" "127" "ကောင်းမွန်လျက်ရှိပါသည်။၅။ COVID-19 ရောဂါ" [45,] "(6-4-2020, 8:00PM)" "175" "176" "မြန်မာနိုင်ငံတွင် COVID-19 ရောဂါ" [46,] "(5-4-2020, 8:00 PM)" "79" "80" "တွေ့ရှိရပါသည်။၄။ COVID-19 ရောဂါ" [47,] "(5-4-2020, 8:00 PM)" "139" "140" "မြန်မာနိုင်ငံတွင် COVID-19 ရောဂါ" [48,] "(4-4-2020, 8:00 PM)" "153" "154" "ကျန်းမာရေးအခြေအနေမှာ ကောင်းမွန်လျက်ရှိပါသည်။၅။ COVID-19" [49,] "(4-4-2020, 8:00 PM)" "214" "215" "ရက်နေ့အထိ မြန်မာနိုင်ငံတွင် COVID-19" [50,] "(3-4-2020, 8:00 PM)" "82" "83" "၄။ COVID-19 ရောဂါ" [51,] "(3-4-2020, 8:00 PM)" "145" "146" "မြန်မာနိုင်ငံတွင် COVID-19 ရောဂါ" [52,] "(2-4-2020, 8:00PM)" "117" "118" "ဖြစ်ပါသည်။၅။ COVID-19 ရောဂါ" [53,] "(1-4-2020, 8:00PM)" "136" "137" "ပေးလျက်ရှိပါသည်။၅။ COVID-19 ရောဂါ" keyword post pattern [1,] "အတည်ပြုလူနာ (၁၅၀)" "ဦးရှိပြီဖြစ်ပါသည်။၃။ (၃၀-၄-၂၀၂၀) ရက်နေ့တွင်" "လူနာ ([၀-၉]+)" [2,] "ဓာတ်ခွဲအတည်ပြုလူနာ (၁၂၇)" "ဦးအား သက်ဆိုင်ရာဆေးရုံများတွင် ဆေးကုသမှု" "လူနာ ([၀-၉]+)" [3,] "လူနာ (၁၅၀)" "ဦးရှိပြီဖြစ်ပါသည်။၃။ (၂၉-၄-၂၀၂၀) ရက်နေ့အတွက်" "လူနာ ([၀-၉]+)" [4,] "လူနာ (၁၅၀)" "ဦးရှိပြီဖြစ်ပါသည်။၃။ NHL အနေဖြင့်" "လူနာ ([၀-၉]+)" [5,] "ဓာတ်ခွဲအတည်ပြုလူနာ (၁၄၉)ဦး" "ရှိပြီဖြစ်ပါသည်။၃။ ဓာတ်ခွဲနမူနာများတွင် (၂)" "လူနာ ([၀-၉]+)" [6,] "ဓာတ်ခွဲအတည်ပြုလူနာ (၁၄၆)" "ဦး ရှိပြီဖြစ်ပါသည်။၃။ ယခုအခါ" "လူနာ ([၀-၉]+)" [7,] "ဓာတ်ခွဲအတည်ပြုလူနာ (၁၄၆)" "ဦးရှိပြီဖြစ်ပါသည်။၃။ ယနေ့အထိ ဓာတ်ခွဲအတည်ပြုလူနာ" "လူနာ ([၀-၉]+)" [8,] "ဓာတ်ခွဲအတည်ပြုလူနာ (၁၄၄)" "ဦး ရှိပြီဖြစ်ပါသည်။၃။ ပြည်သူ့ဆေးရုံကြီး၊" "လူနာ ([၀-၉]+)" [9,] "ရောဂါဓာတ်ခွဲအတည်ပြုလူနာ (၁၄၄)" "ဦး တွေ့ရှိခဲ့ပြီး သေဆုံးလူနာ" "လူနာ ([၀-၉]+)" [10,] "ဓာတ်ခွဲအတည်ပြုလူနာ (၁၃၉)" "ဦးရှိပြီဖြစ်ပါသည်။၃။ အဆိုပါလူနာသစ်များအား သက်ဆိုင်ရာဆေးရုံများသို့" "လူနာ ([၀-၉]+)" [11,] "ဓာတ်ခွဲအတည်ပြုလူနာ (၁၃၂)" "ဦး ရှိပြီဖြစ်ပါသည်။" "လူနာ ([၀-၉]+)" [12,] "ဓာတ်ခွဲအတည်ပြုလူနာ (၁၃၂)" "ဦး ရှိပြီဖြစ်ပါသည်။၃။ ယခုအခါ" "လူနာ ([၀-၉]+)" [13,] "ရောဂါဓာတ်ခွဲအတည်ပြုလူနာ (၁၂၇)ဦး" "တွေ့ရှိခဲ့ပြီး သေဆုံးလူနာ (၅)" "လူနာ ([၀-၉]+)" [14,] "သေဆုံးလူနာ (၅)" "ဦးနှင့် ရောဂါသက်သာ၍ ဆေးရုံမှ" "လူနာ ([၀-၉]+)" [15,] "လူနာ (၁၂၇)ဦး" "ရှိပြီ ဖြစ်ပါသည်။၃။ (၂၂-၄-၂၀၂၀)" "လူနာ ([၀-၉]+)" [16,] "လူနာ (၁၂၃)ဦးရှိပြီ" "ဖြစ်ပါသည်။၃။ ယခုအခါ မြန်မာနိုင်ငံရှိ" "လူနာ ([၀-၉]+)" [17,] "ရောဂါဓာတ်ခွဲအတည်ပြုလူနာ (၁၂၁)" "ဦး တွေ့ရှိခဲ့ပြီး သေဆုံးလူနာ" "လူနာ ([၀-၉]+)" [18,] "လူနာ (၁၂၁)ဦး" "တွေ့ရှိခဲ့ပြီ ဖြစ်ပါသည်။၃။ ယနေ့ည" "လူနာ ([၀-၉]+)" [19,] "လူနာ (၁၂၁)ဦးရှိပြီ" "ဖြစ်ပါသည်။၄။ ယခုအခါ မြန်မာနိုင်ငံရှိ" "လူနာ ([၀-၉]+)" [20,] "ရောဂါဓာတ်ခွဲအတည်ပြုလူနာ (၁၁၁)" "ဦး တွေ့ရှိခဲ့ပြီး သေဆုံးလူနာ" "လူနာ ([၀-၉]+)" [21,] "ဓာတ်ခွဲအတည်ပြုလူနာ (၉၆)" "ဦးအနက် (၅) ဦးမှာသေဆုံးခဲ့ပြီး၊" "လူနာ ([၀-၉]+)" [22,] "ဓာတ်ခွဲအတည်ပြုလူနာ (၈၄)ဦးအား" "အောက်ပါဇယားအတိုင်း သက်ဆိုင်ရာ ဆေးရုံများတွင်" "လူနာ ([၀-၉]+)" [23,] "ရောဂါဓာတ်ခွဲအတည်ပြုလူနာ (၉၄)" "ဦး တွေ့ရှိခဲ့ပြီးဖြစ်ပါသည်။၅။ (၁၇-၄-၂၀၂၀)ရက်နေ့တွင်" "လူနာ ([၀-၉]+)" [24,] "ဓာတ်ခွဲအတည်ပြုလူနာ (၉၄)" "ဦးရှိပြီဖြစ်ပါသည်။၅။ (၁၇-၄-၂၀၂၀)ရက်နေ့တွင် ဓာတ်ခွဲအတည်ပြုခဲ့သည့်" "လူနာ ([၀-၉]+)" [25,] "ဓာတ်ခွဲအတည်ပြုလူနာ (၇၉)ဦးအား" "အောက်ပါဇယားအတိုင်း သက်ဆိုင်ရာ ဆေးရုံများတွင်" "လူနာ ([၀-၉]+)" [26,] "ဓာတ်ခွဲအတည်ပြုလူနာ (၈၅)ဦး" "တွေ့ရှိခဲ့သည့်အနက် (၇၉)ဦးအား အောက်ပါ" "လူနာ ([၀-၉]+)" [27,] "ဓာတ်ခွဲအတည်ပြုလူနာ (၇၉)ဦးအား" "အောက်ပါဇယားအတိုင်း သက်ဆိုင်ရာ ဆေးရုံများတွင်" "လူနာ ([၀-၉]+)" [28,] "ဓာတ်ခွဲအတည်ပြုလူနာ (၈၅)" "ဦးရှိပြီ ဖြစ်ပြီး ဓာတ်ခွဲအတည်ပြုလူနာသစ်" "လူနာ ([၀-၉]+)" [29,] "ဓာတ်ခွဲအတည်ပြုလူနာ (၆၈)ဦးအား" "အောက်ပါဇယားအတိုင်း သက်ဆိုင်ရာဆေးရုံများတွင် လိုအပ်သလို" "လူနာ ([၀-၉]+)" [30,] "ရောဂါဓာတ်ခွဲအတည်ပြုလူနာ (၇၄)" "ဦး တွေ့ရှိခဲ့ပြီးဖြစ်ပါသည်။၄။ အဆိုပါ" "လူနာ ([၀-၉]+)" [31,] "ဓာတ်ခွဲအတည်ပြုလူနာ (၆၃)ဦး" "တွေ့ရှိပြီးဖြစ်ကာ ၎င်းတို့အနက် -•" "လူနာ ([၀-၉]+)" [32,] "ဓာတ်ခွဲအတည်ပြုလူနာ (၂၁)" "ဦးနှင့် ပတ်သက်သည့် သတင်းအချက်အလက်များကို" "လူနာ ([၀-၉]+)" [33,] "ဓာတ်ခွဲအတည်ပြုလူနာ (၄၁)" "ဦး တွေ့ရှိခဲ့ပြီး ဖြစ်ပါသည်။၅။" "လူနာ ([၀-၉]+)" [34,] "ဓာတ်ခွဲအတည်ပြုလူနာ (၃၉)ဦး" "တွေ့ရှိခဲ့ပြီး ဖြစ်ပါသည်။၄။ သို့ဖြစ်ရာ" "လူနာ ([၀-၉]+)" [35,] "ဓာတ်ခွဲအတည်ပြုလူနာ (၇)ဦး၏" "ကျန်းမာရေး အခြေအနေမှာ ကောင်းမွန်လျက်ရှိပြီး" "လူနာ ([၀-၉]+)" [36,] "ဓာတ်ခွဲအတည်ပြုလူနာ (၃၈)" "ဦး တွေ့ရှိခဲ့ပြီး ဖြစ်ပါသည်။၁၁။" "လူနာ ([၀-၉]+)" [37,] "ဓာတ်ခွဲအတည်ပြုလူနာ (၃၁)" "ဦး တွေ့ရှိခဲ့ပြီး ဖြစ်ပါသည်။၆။" "လူနာ ([၀-၉]+)" [38,] "ဓာတ်ခွဲအတည်ပြုလူနာ (၂၈)" "ဦး တွေ့ရှိခဲ့ပြီး ဖြစ်ပါသည်။၄။" "လူနာ ([၀-၉]+)" [39,] "ဓာတ်ခွဲအတည်ပြုလူနာ (၂၇)ဦး" "တွေ့ရှိလာရပြီဖြစ်ပါသည်။ သို့ဖြစ်ပါ၍ ပြည်သူများ" "လူနာ ([၀-၉]+)" [40,] "ဓာတ်ခွဲအတည်ပြုလူနာ (၂၇)ဦး" "တွေ့ရှိခဲ့ပြီး ဖြစ်ပါသည်။၇။ သို့ဖြစ်ပါ၍" "လူနာ ([၀-၉]+)" [41,] "ဓာတ်ခွဲအတည်ပြုလူနာ (၂၂)ဦး" "တွေ့ရှိခဲ့ပါသည်။၃။ (၈-၄-၂၀၂၀)ရက်နေ့၊ ညနေ(၆)နာရီမှ" "လူနာ ([၀-၉]+)" [42,] "ဓာတ်ခွဲအတည်ပြုလူနာ (၂၃)" "ဦး တွေ့ရှိလာခဲ့ရပြီဖြစ်ပြီး ၎င်းလူနာများအနက်" "လူနာ ([၀-၉]+)" [43,] "ဓာတ်ခွဲအတည်ပြုလူနာ (၂၂)ဦး" "တွေ့ရှိလာရပြီဖြစ်ပါသည်။ သို့ဖြစ်ပါ၍ ပြည်သူများအနေဖြင့်" "လူနာ ([၀-၉]+)" [44,] "ဓာတ်ခွဲအတည်ပြုလူနာ (၂၁)ဦးအနက်" "ချင်းပြည်နယ်၊ တီးတိန် ပြည်သူ့" "လူနာ ([၀-၉]+)" [45,] "ဓာတ်ခွဲအတည်ပြုလူနာ (၂၂)ဦး" "တွေ့ရှိလာရပြီဖြစ်ပါသည်။ သို့ဖြစ်ပါ၍ ပြည်သူများအနေဖြင့်" "လူနာ ([၀-၉]+)" [46,] "ဓာတ်ခွဲအတည်ပြုလူနာ (၂၀)" "ဦးအနက် ချင်းပြည်နယ်၊ တီးတိန်" "လူနာ ([၀-၉]+)" [47,] "ဓာတ်ခွဲအတည်ပြုလူနာ (၂၁)" "ဦး တွေ့ရှိလာရပြီဖြစ်ပါသည်။ သို့ဖြစ်ပါ၍" "လူနာ ([၀-၉]+)" [48,] "ဓာတ်ခွဲအတည်ပြုလူနာ (၂၀)" "ဦးအနက် ချင်းပြည်နယ်၊ တီးတိန်" "လူနာ ([၀-၉]+)" [49,] "ဓာတ်ခွဲအတည်ပြုလူနာ (၂၁)" "ဦး တွေ့ရှိလာရပြီဖြစ်ပါသည်။ သို့ဖြစ်ပါ၍" "လူနာ ([၀-၉]+)" [50,] "ဓာတ်ခွဲအတည်ပြုလူနာ (၁၉)" "ဦးအနက် ချင်းပြည်နယ်၊ တီးတိန်ပြည်သူ့" "လူနာ ([၀-၉]+)" [51,] "ဓာတ်ခွဲအတည်ပြုလူနာ (၂၀)" "ဦး တွေ့ရှိလာရပြီဖြစ်ပါသည်။ သို့ဖြစ်ပါ၍" "လူနာ ([၀-၉]+)" [52,] "ဓာတ်ခွဲအတည်ပြုလူနာ (၁၉)" "ဦးအနက် ချင်းပြည်နယ်၊ တီးတိန်ပြည်သူ့" "လူနာ ([၀-၉]+)" [53,] "ဓာတ်ခွဲအတည်ပြုလူနာ (၁၅)" "ဦးအနက် ချင်းပြည်နယ်၊ တီးတိန်" "လူနာ ([၀-၉]+)"
Friendly nudge
Now I can see that the kwic() function would be quite handy for exploring other useful information out of the COVID-19 surveillance reports. Here, in my own small way, I’m happy to learn that existing NLP tools could be applied in the context of the Myanmar language. And kudos my fellow dummies for lying low at home in this social distancing period! I would be happier indeed to see you go much, much, further!
No comments:
Post a Comment