ဘာသာရေးမှတ်စု

ရှေ့ပိုင်းနိကာယလေးခုထဲက မူရင်းပါဠိတော် ဝါကျတွေ ဆွဲထုတ်ထားတာလေး ရလာပါပြီ။ Roman Pali, မြန်မာပါဠိ၊ English translation သုံးမျိုးပါတဲ့ မူရင်းပါဠိတော် အသုံးအနှုန်းတွေ ရလာအောင် လုပ်ထားပါတယ်။ ကိုယ့်မှာလုပ်ထားတဲ့ machine readable dataset လေးထဲကနေ စကားလုံးနှစ်လုံးပဲပါတဲ့ ပါဠိဝါကျတွေဆွဲထုတ်ပြီး တွေ့ရှိမှုအကြိမ်ပေါင်း ၇ ကြီမ်အထက်ရှိတာတွေကိုပဲ ဆွဲထုတ်လိုက်တဲ့အခါမှာ ဝါကျပေါင်း ၁၆၉ ကြောင်း ရလာပါတယ်။

ရှာရတာလွယ်အောင်လို့ table of contents ကို ပါဠိစကားလုံးရေနဲ့ပဲ ထုတ်လိုက်ပါတယ်။ Word Count :: 2 (169) ဆိုရင် စကားလုံးနှစ်လုံးပဲပါတဲ့ ပါဠိဝါကျပေါင်း ၁၆၉ ကြောင်းကို ရည်ညွှန်းတာပါ။

Word Count :: 2 (169)
Word Count :: 3 (152)
Word Count :: 4 (144)
Word Count :: 5 (139)
Word Count :: 6 (140)
Word Count :: 7 (113)
Word Count :: 8 (79)
Word Count :: 9 (52)
Word Count :: 10 (44)

လိုချင်တဲ့ ဓမ္မမိတ်တွေများ CB မှာ လာယူလို့ရပါပြီ။ PDF ထုတ်ပြီးသား အသင့်ပေးပါ့မယ်။ text processing ဆက်လုပ်ချင်သူတွေအတွက် excel နဲ့ ပေးပါ့မယ်။

ရှေ့ပိုင်းနိကာယ လေးခုမှာ ဘယ်နိကာယကို အရင်လေ့လာရင်ကောင်းမလဲလို့ နည်းပညာပိုင်းအရ cosine similarity (https://en.wikipedia.org/wiki/Cosine_similarity) သုံးပြီးလေ့လာကြည့်တဲ့အခါမှာ Majjhima nikāya (MN) လို့ အဖြေထွက်ပါတယ်။ ကိုယ်တွေအဓိကထား လေ့လာခဲ့တာက Dīgha nikāya (DN) ဆိုပေမယ့် နိကာယတခုကို လေ့လာဖူးသွားရင် နောက်တခုကို လေ့လာရတာ လွယ်သွားပါသတဲ့။

Machine Learning နည်းပညာတွေမှာ texts data တွေဆိုရင် cosine similarity ကိုအသုံးချကြတာများလို့ နိကာယတွေကို ဒီနည်းပညာနဲ့ ချဥ်းကပ်ကြည့်ရင် ဘယ်လိုနေမလဲသိချင်လို့ စမ်းဖြစ်ခဲ့တယ်။ နိကာယတွေကို Machine Readable Dataset လေးလည်းလုပ်ထားပြီးပြီဆိုတော့ စိတ်ကူးပေါ်လာရင် ကီးဘုတ်ပေါ် လက်ရောက်သွားတယ်။ Dīgha nikāya (DN) , Majjhima nikāya (MN), Saṃyutta nikāya (SN), Aṅguttara nikāya (AN) လို့ အတိုကောက်မှတ်သားထားတဲ့ နိကာယ်လေးရပ်မှာ ရှိသမျှ Pali words တွေကိုဆွဲထုတ်ပြီး cosine similarity matrix ဆောက်ကြည့်လိုက်တဲ့အခါမှ MN က representative အဖြစ်ဆုံးဖြစ်နေတာကို တွေ့ရပါတယ်။

ဒါဖြင့်ရင် Majjhima nikāya (MN) ထဲမှာရော ဘယ်သုတ္တံက cosine similarity အမြင့်ဆုံးလည်းလို့ ရှာကြည့်ခဲ့ပါတယ်။ သုတ္တံပေါင်း 152 သုတ်ရှိတဲ့အထဲမယ် cūḷahatthipadopamasuttaṃ (MN 27) က highest average cosine similarity of approximately 0.197 နဲ့ ဗိုလ်စွဲသွားပါတယ်။ ဆိုလိုတာက MN 27 ဟာ Majjhima nikāya ထဲက သုတ္တံပေါင်း 152 သုတ်အထဲမှာ Pali words တွေအရ the best representative ပါလို့ ပြောနေတာပါ။

ဘာသာရေးနဲ့ ပက်သက်လို့ coding မရေးပဲ မနေနိုင်လို့ ရေးမိပြန်ပြီ။ နိုင်ငံတကာမှာ ပညာသင်ကြားနေကြတဲ့ ဘုန်းဘုန်းတွေ၊ သီလရှင်တွေထဲက တယောက်ယောက် ကိုယ်လုပ်ထားတဲ့ project တွေကို ဆက်ပြီး carry on လုပ်သွားနိုင်ရင် သိပ်ကောင်းမှာပဲ။ ကိုယ်သင်ပေးနေတဲ့ နိုင်ငံတကာက PhD ကျောင်းသားတယောက် ဒီနေ့ပဲ သူ့ project ကို supervisor က လက်ခံလိုက်လို့ paper တင်လိုက်ပါပြီတဲ့။ PhD ရတော့မယ်ပေါ့လေ၊ ဝမ်းသာရပါတယ်။

ကိုယ်သင်ပေးနေတဲ့ နိုင်ငံတကာက AI Master တယောက်အတွက် probability တွေ လိုက်လုပ်နေရင်းနဲ့ permutations and combinations တွေ ပါလာပြန်တော့ ကိုယ်လုပ်ခဲ့တဲ့ ပဋ္ဌာန်း pattern ကို သတိရလာပြန်တယ်။ ပဋ္ဌာန်းတရားတော်ကြီးမှာ စက်လှည့်ထားတဲ့ ပုံစံက တမျိုးလေးပါ။ အခုတော့ python coding လေးပါ အလွမ်းပြေစမ်းကြည့်နေတာ။

1 ကို ဟေတု၊ 2 ကို အာရမ္မဏ လို့မှတ်၊ မူလ မူလီကို တောင်းလေးနှစ်တောင်းလို့ စိတ်ထဲမှာမှတ်။ ဘောလုံးလေး ၂၄ လုံးကို မူလတောင်းထဲကနေ မူလီတောင်းထဲပြောင်းထည့်နေတယ်လို့ စဥ်းစားလိုက်ရင် ပဋ္ဌာန်းတရားတော်ကြီးမှာ စက်လှည့်ထားတဲ့ ပုံစံကိုနားလည်ပြီ။

ရှေ့ပိုင်းနိကာယလေးခုထဲမှာ မြတ်စွာဘုရား တန်ခိုးတော်နဲ့ ကြွတဲ့အကြောင်း ဘယ်နှစ်ကြိမ် မှတ်တမ်းတင်ထားသလဲလို့ သိချင်တော့ 'seyyathāpi nāma balavā puriso samiñjitaṃ vā bāhaṃ pasāreyya pasāritaṃ vā bāhaṃ samiñjeyya' ဆိုတဲ့ စာသားလေးကို ဘယ်သုတ္တံတွေမှာများ ပါနေသလဲလို့ string search လုပ်ကြည့်ဖြစ်တယ်။

ထုံးစံအတိုင်း SQL query ရေးရတော့ like %word% ကိုပဲ အားကိုးပြီးရှာရတယ်။ SQL query မှာတော့ samiñjitaṃ တလုံးထဲကိုပဲ ရှာထုတ်လိုက်တော့ 68 records ထွက်လာတယ်။ အဲ့ဒီ 68 records ကိုမှ python ရဲ့ string search နဲ့ full text စစ်ထုတ်လိုက်တော့ 51 records ပဲ ကျန်တော့တယ်။ အဲ့ဒီ 51 records ကိုတော့ လူကိုယ်တိုင်ပဲ မျက်စိနှစ်လုံးအားကိုးပြီး လိုက်ဖတ်ကြည့်ရတော့မယ်။

ဒီစာသားလေးက တချို့နေရာတွေမှာ သံဃာတော်တွေ၊ ဗြဟ္မာတွေ၊ နတ်တွေ ကြွတဲ့နေရာမှာလည်း သုံးနေတော့ မြတ်စွာဘုရားကိုယ်တော်တိုင်ကို သိချင်ရင် ဒီ 51 records မှာပါတဲ့ index တွေအတိုင်း မူရင်းပါဠိတော်တွေထဲမှာ ဝင်ဖတ်ကြည့်မှပဲ ရနိုင်တော့မယ်။

ရှေ့ပိုင်း နိကာယလေးခုနဲ့ အဘိဓမ္မာဝိဘင်းကျမ်းကို database ထဲထည့်လိုက်ပြီးသွားပြီဆိုတော့ word frequency analysis တွေလုပ်လို့ရလာပြီ။ nltk library မှာပါတဲ့ FreqDist ကို သုံးရင် count ကိုပဲရမှာဆိုတော့ ကိုယ်တွေလိုချင်တာက စကားလုံးတလုံးရလာပြီဆိုရင် ပါဠိတော်ထဲက ဘယ်နေမှာပါနေတာပါဆိုတဲ့ index ကိုပါ လိုချင်တာမို့လို့ ကိုယ့်ဘာသာကိုယ်ပဲ coding ရေးရတယ်။

ရလာတာလေးတွေကတော့ စိတ်ဝင်စားစရာပါ။ ရှေ့ပိုင်း နိကာယလေးခုကို database ထဲထည့်လိုက်တော့ records ပေါင်း 123,919 ရလာပါတယ်။ အဲ့ဒီ 123,919 records တွေထဲမှာမှ unique words တွေကို ဆွဲထုတ်လိုက်တော့ စကားလုံးပေါင်း 55,679 ရလာပါတယ်။ ဝိဘင်းကျမ်းကို database ထဲ ထည့်လိုက်တော့ records ပေါင်း 13,571 ရလာပါတယ်။ အဲ့ဒီ 13,571 records တွေထဲမှာမှ unique words တွေကို ဆွဲထုတ်လိုက်တော့ စကားလုံးပေါင်း 5,850 ရလာပါတယ်။

ရှေ့ပိုင်း နိကာယလေးခုရဲ့ unique words 55,679 နဲ့ ဝိဘင်းကျမ်းရဲ့ unique words 5,850 ကို intersection လုပ်လိုက်တော့ စကားလုံးပေါင်း 3,357 ရလာတယ်။ ဆိုတာတာက ဒီစကားလုံး 3,357 ဟာ ရှေ့ပိုင်းနိကာယလေးခုမှာလည်းပါနေသလို ဝိဘင်းကျမ်းမှာလည်း ပါနေပါတယ်ပေါ့။ ကိုယ်တွေက တခုခုကို analysis လုပ်ရတာ ဝါသနာပါနေတော့ အဲ့ဒီစကားလုံး 3,357 မှာမှ သုတ္တံတွေထဲမှာ အများဆုံးတွေ့ရတဲ့ စကားလုံးကိုရှာလိုက်တော့ kho ဆိုတဲ့ စကားလုံးကို 21,907 အကြိမ်နဲ့ ပထမစွဲသွားတာကိုတွေ့ရပါတယ်။

အဘိဓမ္မာဝိဘင်းကျမ်းကို database ထဲထည့်ပြီးသွားတော့ ထုံးစံအတိုင်း word frequency analysis လုပ်ကြည့်ပါတယ်။ ဒီတခါတော့ word count တခုထဲကို ဆွဲထုတ်တာ မဟုတ်ပဲနဲ့ အဲ့ဒီစကားလုံးကို ဘယ်နေရာတွေမှာ တွေ့ပါတယ်ဆိုတဲ့ index တွေကိုပါ ဆွဲထုတ်ထားဖြစ်ပါတယ်။ ဝိဘင်းကျမ်းကို database ထဲ ထည့်လိုက်တော့ records ပေါင်း 13,571 ရလာပါတယ်။ အဲ့ဒီ records တွေထဲမှာမှ unique words တွေကို ဆွဲထုတ်လိုက်တော့ စကားလုံးပေါင်း 5,850 ရလာပါတယ်။

အဲ့ဒီ unique words 5,850 ကိုမှ word frequency နဲ့ descending စီချလိုက်တော့ အများဆုံးပါဝင်နေတဲ့ စကားလုံးတွေက အပေါ်ဆုံးကို ရောက်လာကြပါတယ်။ စကားလုံး အကြိမ် အရေအတွက် ထောင်ကျော်ပါဝင်နေတာ ၇ လုံးတွေ့ရပါတယ်။ နံပါတ်တစ် ဗိုလ်စွဲသွားတာကတော့ siyā က အကြိမ်အရေတွက် 2292 ကြိမ်နဲ့ အများဆုံးပါဝင်နေတာကို တွေ့ရပါတယ်။ လွန်ခဲ့သော နှစ်ပေါင်း ၂၅၀၀ ကျော်က လေ့ကျင့်သင်ကြားပေးခဲ့တဲ့ မြတ်စွာဘုရားရဲ့ teaching techniques တွေဟာ အမေး အဖြေ စနစ်၊ discussion နည်းစနစ်ပေါ်မှာ အခြေခံထားတယ်ဆိုတဲ့ သက်သေတခုပါပဲ။

ကိုယ်တွေက oldies ဆိုတော့ ဘာလေးပဲဖြစ်ဖြစ် database ထဲ ပစ်ထည့်ထားလိုက်ရမှ နေသာထိုင်သာရှိတယ်။ ရှေ့ပိုင်း နိကာယလေးခုနဲ့ အဘိဓမ္မာဝိဘင်းကျမ်းကို machine readable dataset လေးလုပ်ဖြစ်ခဲ့တော့ လွယ်လွယ်ကူကူ ဖတ်လို့ရအောင်လို့ text format နဲ့ပဲ လုပ်ခဲ့တာပါ။ ဒါပေမယ့် query တွေ string processing တွေ လုပ်ရတော့မယ်ဆိုရင်တော့ တခါလာလိုက် text files တွေ ဖတ်တင်လိုက်၊ နောက်ထခါလာလိုက် text files တွေ ဖတ်တင်လိုက် မလုပ်ချင်တော့ဘူး။

ကိုယ်လိုချင်တာက query လုပ်လိုက်ပြီးရင် Digital Pali Reader မှာပါတဲ့ နိုင်ငံတကာသုံး index system အတိုင်း reference တွေ ပြန်ဆွဲထုတ်ချင်တာဆိုတော့ index တွေ line no တွေကိုပါ တခါထဲ database ထဲ ထည့်ထားလိုက်ရင် string processing ရေးဖို့အပိုင်းပဲ ကျန်တော့တယ်လေ။ database ထဲကနေ ကိုယ်လိုချင်တဲ့အတိုင်း query ရေးပြီးဆွဲထုတ်၊ ရလာတာကို string processing ဆက်ရေးရင် အဆင်ပြေပြီ။

အဘိဓမ္မာဝိဘင်းကျမ်းကို database ထဲ ဖတ်ထည့်လိုက်တာ records ပေါင်း 13,571 ရလာပါတယ်။

ရှေ့ပိုင်းနိကာယလေးခုနဲ့ အဘိဓမ္မာဝိဘင်းကျမ်းကို machine readable dataset လေးထဲထည့်ပြီးသွားတော့ တချို့ဓမ္မမိတ်ဆွေတွေက လိုချင်ကြတယ်။ အမှန်တော့ machine readable dataset ဆိုတာ ကွန်ပျုတာပရိုဂရမ်က ဖတ်လို့လွယ်အောင်လုပ်ထားတဲ့ dataset ပါ၊ လူတွေဖတ်ဖို့ကျတော့ https://tipitaka.org/ မှာ အပြည့်အစုံရှိပြီးသားပါ။

ဥပမာမယ် မြတ်စွာဘုရားက တန်ခိုးတော်နဲ့ ကြွတဲ့နေရာတွေမှာ "သေယျထာပိ နာမ ဗလဝါ ပုရိသော သမိဉ္ဇိတံ ဝါ ဗာဟံ ပသာရေယျ၊ ပသာရိတံ ဝါ ဗာဟံ သမိဉ္ဇေယျ" ဆိုတဲ့ စကားစုလေးကို ရှေ့ပိုင်းနိကာယလေးခုထဲမှာ ဘယ်သုတ္တံတွေမှာ ပါသလဲလို့ ရှာချင်တာမျိုးပါ။ Digital Pali Reader (https://www.digitalpalireader.online/_dprhtml/index.html) မှာ ရှာလို့ရနေပမယ့် ထွက်လာတဲ့ အဖြေကို text processing ဆက်လုပ်ဖို့ မလွယ်ပါ။

ဒါကြောင့်မို့လို့ ကိုယ်လုပ်ချင်တဲ့ သုတေသနအတွက် အသုံးတည့်မယ့် machine readable dataset ကို ကိုယ့်ဘာသာကိုယ် အရင်ဆောက်ပြီးမှ ကိုယ်သိချင်တဲ့ သုတေသနအဖြေတွေကို ရှာဖွေကြည့်ရမှာပါ။ ပါဠိဘာသာစကားဆိုတဲ့ language ဘက်ကိုပဲ လေ့လာချင် လေ့လာချင်၊ မြတ်စွာဘုရားရဲ့ ဆုံးမသွန်သင်ချက်ဆိုတဲ့ subject ဘက်ကိုပဲ လေ့လာချင် လေ့လာချင် နှစ်မျိုးစလုံးမှာ အသုံးတည့်စေမှာမို့ စိတ်ဝင်စားသူများအတွက် github (https://github.com/thanwin/sutta_text) အခမဲ့ဖြန့်ဝေထားပါတယ်ခင်ဗျာ။

ဘာသာရေးစာပေတွေကို လေ့လာတဲ့နေရာမှာ နည်းပညာအကူအညီနဲ့ လေ့လာရတာ ဝါသနာပါလို့ ရှေ့ပိုင်း နိကာယလေးခုရယ်၊ အဘိဓမ္မာဝိဘင်းကျမ်းရယ်ကို machine readable dataset လေးထဲထည့်နေ့တာ ဒီနေ့တော့ အကုန်ပြီးသွားပြီ။ coding ရေးပြီး string search လုပ်တဲ့နည်းနဲ့ အရင်ဦးဆုံးလေ့လာမယ်လို့ စိတ်ကူးတယ်။ မူရင်းပါဠိတော်တွေထဲက ကိုယ်စိတ်ဝင်စားတဲ့ စကားစုတွေ၊ စာကြောင်းတွေကို တခြားဘယ်သုတ္တံတွေမှာ ဟောထားသေးလဲလို့ ရှာကြည့်ချင်တာ။

ဥပမာမယ် မြတ်စွာဘုရားက တန်ခိုးတော်နဲ့ ကြွတဲ့နေရာတွေမှာ "သေယျထာပိ နာမ ဗလဝါ ပုရိသော သမိဉ္ဇိတံ ဝါ ဗာဟံ ပသာရေယျ၊ ပသာရိတံ ဝါ ဗာဟံ သမိဉ္ဇေယျ" ဆိုတဲ့ စကားစုလေး ပါလေ့ရှိတယ်။ အဲ့ဒီ စကားစုလေးကို ရှေ့ပိုင်းနိကာယလေးခုမှာ ဘယ်သုတ္တံတွေမှာ တွေ့ရသလဲလို့ ရှာကြည့်ချင်တာ။ တွေ့လာတာတွေ အထဲကမှ မြတ်စွာဘုရား ကြွခဲ့တာတွေချည်းပဲကို ဆွဲထုတ်ကြည့်လိုက်ရင် ဘယ်နှစ်ကြိမ် မှတ်တမ်းတင်ထားတယ်ဆိုတာ သိနိုင်တယ်။

string search လုပ်တဲ့နည်းက apps တွေမှာ ပါပေမယ့်လည်း စကားလုံး တလုံးစ နှစ်လုံးစလောက်ကို တမျက်နှာ နှစ်မျက်နှာလောက် ရှာရတာမှာ အဆင်ပြေပေမယ့် စကားလုံးအများကို စာမျက်နှာ အများကြီးမှာ ရှာချင်တာကျတော့ coding ရေးပြီး ရှာမှ အဆင်ပြေတယ်လေ။ machine readable dataset ရသွားပြီဆိုတော့ အဲ့လို့လုပ်ဖို့က အဆင်ပြေသွားပြီ။

နိကာယတွေကို machine readable dataset လေးထဲထည့်ပြီးတဲ့နောက် အဘိဓမ္မာဝိဘင်းကျမ်းကို machine readable dataset လေးထဲထည့်ဖို့ ကြိုးစားနေတာမှာ ၁၈ ခန်းရှိတဲ့အထဲမယ် ၁၇ ခန်းပြီးသွားပြီ။ အဘိဓမ္မာနည်းနဲ့ ဖွင့်ဆိုရှင်းပြထားတဲ့စကားလုံးတွေကို သုတ္တံတွေထဲမှာတွေ့ရင် annotated text အနေနဲ့ လေ့လာချင်လို့ ဝိဘင်းကျမ်းထဲမှာတွေ့တဲ့ စကားလုံးတွေကို index လုပ်မယ်လို့ စဥ်းစားတယ်။

ဝိဘင်းကျမ်းကို machine readable dataset လေးထဲထည့်ဖို့လုပ်နေရင်းနဲ့ တွေ့လာရတာက အခန်း ၁၇. ခုဒ္ဒကဝတ္ထုဝိဘင်္ဂေါ မှာ စကားလုံးတွေကို ဧကက၊ ဒုက၊ တိက စသည်ဖြင့် ဒသကအထိ စုစည်းထားတာ တွေ့ရတယ်။ ဥပမာမယ် ဧကကမှာ ၇၃ မျိုး၊ ဒုကမှာ ၁၈ မျိုး၊ တိကမှာ ၃၅ မျိုး စသဖြင့် မာတိကာစုစည်းထားတာတွေ့ရတယ်။ ပြီးတော့မှ ဧကကနိဒ္ဒေသော၊ ဒုကနိဒ္ဒေသော စသည်ဖြင့် ဒသကနိဒ္ဒေသော အထိ ပြန်ရှင်းပြထားတာတွေ့ရတယ်။

အဘိဓမ္မာဆိုင်ရာ စကားလုံးတွေကို annotated text အနေနဲ့ လုပ်ချင်တော့ ဝိဘင်းကျမ်းရဲ့ အခန်း ၁၇. ခုဒ္ဒကဝတ္ထုဝိဘင်္ဂေါ ကနေ အစပြုရင်ကောင်းမလားလို့ စဥ်းစားမိတယ်။ ဒီ့ထက်ပိုကောင်းတဲ့ နည်းစနစ်မတွေ့သေးရင်တော့ ဒီနေရာကပဲ အစပြုမယ်။

ငါတို့ဘုရား ငရုတ်သီးမစား

ဒီနေ့ သမီးစာမေးပွဲဖြေတာ စောင့်နေရင်းနဲ့ Sapiens : A Brief history of Humankind ကို ဖတ်နေရင်းနဲ့ Buddha never spiced up his food with chili လို့ရေးထားတာကို စာမျက်နှာ pg 357 of 915 မှာတွေ့လိုက်တယ်။ ကိုယ်တွေက မြတ်စွာဘုရားက India / Nepal မှာ ပွင့်တာဆိုတော့ ဒီနေ့ခေတ်လူနေမှုပုံစံမျိုးနဲ့ပဲ နားလည်နေမိတယ်။

Sapiens စာအုပ်လေးထဲမှာ တွေ့မှပဲ history of chili in india လို့ google ခေါက်ကြည့်မိမှပဲ မက်ဆီကို မျိုးရင်းဖြစ်တဲ့ ငရုတ်သီးကို ပေါ်တူဂီတွေက ၁၄၀၀ ခုနှစ်တဝိုက်လောက်ကျမှ India ကို ယူလာခဲ့တယ်ဆိုတာ တွေ့ရတယ် (https://www.podilife.com/blogs/journal/chillies-a-south-indian-love) မြတ်စွာဘုရားက BC 600 တဝိုက်လောက်မှာ ပွင့်တာဆိုတော့ နှစ်ပေါင်းအများကြီးကွာတယ်လေ။ အဲ့ဒါကြောင့်မို့လို့ Buddha never spiced up his food with chili လို့ရေးထားတာကိုးလို့ နားလည်သွားတယ်။

google ခေါက်ကြည့်ရုံနဲ့ အားမရသေးလို့ ပါဠိလို "ငရုတ်သီး" ကို ဘယ်လိုခေါ်သလဲလို့ ChatGPT ကို မေးကြည့်တော့ there may not be a direct term for "chili" in Pali လို့ထွက်လာတယ်။ အနီးစပ်ဆုံးက "kaṭuka" ပါတဲ့။