update norm_exceptions (#3627)

* test sPacy commit to git fri 04052019 10:54

* change Data format from my format to master format

* ทัทั้งนี้ ---> ทั้งนี้

* delete stop_word translate from Eng

* Adjust formatting and readability

* add Thai norm_exception

* Add Dobita21 SCA

* editรึ : หรือ,

* Update Dobita21.md

* Auto-format

* Integrate norms into language defaults

* add acronym and some norm exception words

spacy/lang/th/norm_exceptions.py

@@ -37,6 +37,14 @@ _exc = {
     "บ่องตง": "บอกตรงๆ",
     "ถ่ามตง": "ถามตรงๆ",
     "ต่อมตง": "ตอบตรงๆ",
+    "เพิ่ล": "เพื่อน",
+    "จอบอ": "จอบอ",
+    "ดั้ย": "ได้",
+    "ขอบคุง": "ขอบคุณ",
+    "ยังงัย": "ยังไง",
+    "Inw": "เทพ",
+    "uou": "นอน",
+    "Lกรีeu": "เกรียน",
     # Misspelled to express emotions (คำที่สะกดผิดเพื่อแสดงอารมณ์)
     "เปงราย": "เป็นอะไร",
     "เปนรัย": "เป็นอะไร",
@@ -50,9 +58,17 @@ _exc = {
     "ไม่รู้": "มะรุ",
     "เฮ่ย": "เฮ้ย",
     "เห้ย": "เฮ้ย",
-    "น่าร็อคอ่ะ": "น่ารักอ่ะ",
-    "น่าร๊ากอ้ะ": "น่ารักอ่ะ",
-    "ตั้ลล๊ากอ่ะ": "น่ารักอ่ะ",
+    "น่าร็อค": "น่ารัก",
+    "น่าร๊าก": "น่ารัก",
+    "ตั้ลล๊าก": "น่ารัก",
+    "คือร๊ะ": "คืออะไร",
+    "โอป่ะ": "โอเคหรือเปล่า",
+    "น่ามคาน": "น่ารำคาญ",
+    "น่ามสาร": "น่าสงสาร",
+    "วงวาร": "สงสาร",
+    "บับว่า": "แบบว่า",
+    "อัลไล": "อะไร",
+    "อิจ": "อิจฉา",
     # Reduce rough words or Avoid to software filter (คำที่สะกดผิดเพื่อลดความหยาบของคำ หรืออาจใช้หลีกเลี่ยงการกรองคำหยาบของซอฟต์แวร์)
     "กรู": "กู",
     "กุ": "กู",
@@ -71,11 +87,22 @@ _exc = {
     "โคด": "โคตร",
     "โครต": "โคตร",
     "โคตะระ": "โคตร",
+    "พ่อง": "พ่อมึง",
+    "แม่เมิง": "แม่มึง",
+    "เชี่ย": "เหี้ย",
     # Imitate words (คำเลียนเสียง โดยส่วนใหญ่จะเพิ่มทัณฑฆาต หรือซ้ำตัวอักษร)
     "แอร๊ยย": "อ๊าย",
     "อร๊ายยย": "อ๊าย",
     "มันส์": "มัน",
     "วู๊วววววววว์": "วู้",
+    # Acronym (แบบคำย่อ)
+    "หมาลัย": "มหาวิทยาลัย",
+    "วิดวะ": "วิศวะ",
+    "สินสาด ": "ศิลปศาสตร์",
+    "สินกำ ": "ศิลปกรรมศาสตร์",
+    "เสารีย์ ": "อนุเสาวรีย์ชัยสมรภูมิ",
+    "เมกา ": "อเมริกา",
+    "มอไซค์ ": "มอเตอร์ไซค์",
 }
 
 
@@ -84,3 +111,4 @@ NORM_EXCEPTIONS = {}
 for string, norm in _exc.items():
     NORM_EXCEPTIONS[string] = norm
     NORM_EXCEPTIONS[string.title()] = norm
+