Add alternate form usecases.

ഉദ്ഘാടനം ചികിൽസ  തുടങ്ങിയവ.

Author: kavyamanohar

libindic/normalizer/rules/normalizer.ml.yaml

@@ -28,6 +28,12 @@ normalize_alternateforms:
   "വിദ്യാർത്ഥി": "വിദ്യാർഥി"
   "ൎ": "ർ"
   "ു്": "്"
+  "അൽഭുത" : "അദ്ഭുത"
+  "അത്ഭുത" : "അദ്ഭുത"
+  "ചികിൽസ" : "ചികിത്സ"
+  "പ്രഗൽഭ" : "പ്രഗത്ഭ"
+  "ഉൽഘ" : "ഉദ്ഘ"
+  "ഉത്ഘ" : "ഉദ്ഘ"
 
 
 common_mistakes: # Regex patterns for common mistakes in Malayalam raw corpus, ASR/OCR outputs

libindic/normalizer/tests/test_normalizer.py

@@ -61,6 +61,7 @@ def test_normalize(self):
         self.assertEqual(normalize('കാറ് '), 'കാറ് ')
         self.assertEqual(normalize('പൂമ്പാററ'), 'പൂമ്പാറ്റ')
         self.assertEqual(normalize('കാറ്റ്'), 'കാറ്റ്')
+        self.assertEqual(normalize('അൽഭുതം അത്ഭുതം ചികിൽസാപിഴവ്', remove_punctuations=False), "അദ്ഭുതം അദ്ഭുതം ചികിത്സാപിഴവ്")
         self.assertEqual(normalize('ദു:ഖത്തിന്റെ–'), 'ദുഃഖത്തിന്റെ')
         self.assertEqual(normalize('ദു:ഖത്തിന്റെ-', remove_punctuations=False),
                          'ദുഃഖത്തിന്റെ-')