Dataset Viewer
Auto-converted to Parquet Duplicate
sentence
string
length
int64
ތެޔޮ ފެނުމުގެ ފުރުސަތު މިހާރު އެބަ އޮތްތަ
41
އެހެން ކަމުން ހެދުމުގެ އަސްލު ކުލައަކީ ކޮބާ ހެއްޔޭ
50
ބަޔާންކުރެވުނު މަޤްޞަދުތަށް ޙާޞިލްކުރުމަށް މާލޭ ސިޓީ ކައުންސިލުން ކުރިއަށްގެންދާނެ އެންމެ މުހިއްމު މަސައްކަތަކީ ރަށްވެހިކަމުގެ ޚިދުމަތްތަށް ސިޓީގައި ދިނުމެވެ
157
ރައީސް އަބްދު ޔާމީންގެ ސަރުކާރުގެ ތަރައްގީގެ ސްޕީޑާ ގުޅޭ ގޮތުން ރައްޔިތުންގެ މަޖިލީހުގެ ފޮނަދޫ ދާއިރާގެ މެމްބަރު އަބްދުއްރަހީމް އަބްދު ގޫގުލްގެ މިސާލު ޖެއްސެވީ ރަނގަޅަށް ކަމަށާ ތަރައްގީގެ ސްޕީޑު
194
ބިނާވެގެންވާ އަސްލުތައް ނަގަހައްޓައި ކުރިއެރުވުމަށާ ރައްޔިތުންނަށް ޙައްޤު މިންވަރު ހޯދައިދިނުމަށް
97
އެއީ މިދިޔަ އަހަރު ރާއްޖެއަށް އިމްޕޯޓްކުރި މުދަލުގެ އެކާވީސް ޕަސެންޓެވެ
71
އެ ހާދިސާގެ ތަހުގީގު ކުރަމުންދާއިރު ބައިނަލްއަގްވާމީ ތަޖުރިބާކާރުންތަކެއްވެސް ތަހުގީގުގައި ބައިވެރިވެފައިވޭ
107
ފޮތްތަކުން އަމިއްލަ އަށް އުނގެނިވަޑައިގެން ގޭގެ ކޮޓަރިއެއްގެ ތެރޭގައި ގިނަ ދުވަސްތަކެއް ވަންދެން ބަލި މީހުންނަށް ފަރުވާ ދެއްވި
126
ނޮވެމްބަރު ހައެއް ގައި ވާރޭވެހެން ފެށި އިރު ވެސް ދެ ކާނު ހުރީ ހުޅުވާފަ
70
އަހަންނެއްް ގަބޫލެއް ނުކުރާނަން މިހާރުގެ ސަރުކާރުން ވެސް އައްޑޫގައި އެ ބުނާ އެއް ސަތޭކަ އެނދުގެ ހޮސްޕިޓަލެއް އަޅާނެ ކަމަކަށް އައްޑޫގެ ސިއްހީ ދާއިރާގައި މަސައްކަތް ކުރާ ދުވަސްވީ މީހަކު ބުނިން
190
އޭގެފަހުން އެއިޑްސް ބަލި ފެނުނުފަހުން ވޭތުވެދިޔަ ތިރީސް ތިނެއް އަހަރުގެތެރޭގައި އެންމެ ގިނަ ކޭސްތައް ރިކޯޑުކުރެވުނު އަހަރަކީ މިއަހަރުކަމަށް ތަފާސް ހިސާބުތަކުންދައްކައި
167
އަހުމަދިއްޔާގެ މިދިޔަ އަހަރުގެ އެންމެ މޮޅު ދަރިވަރަކަށް ހޮވުނު ޝިފާޒު ވަނީ އެ އަހަރުގެ އޯލެވެލް އިމްތިހާނުގައި އޭނާ ބައިވެރިވި އަށް މާއްދާއިން ވެސް އޭ ފާސް ހޯދައިގެން ގަދަ ދިހައެއް ގެ އެއްވަނަ މަގާމުގައި
203
އެމްއެންޑީއެފުން ބުނީ އެ ރަށުގެ ރަށްބޭރުގައި ބަޔަކު އަޅާފައި
60
ސައުދީގެ ނޫސްއެޖެންސީތަކުން ބުނެފައި ވަނީ ޕްރިންސް ނައްވާފް ބިން އަބްދުލްއަޒީޒު ފަސްދާނުލުމަށް ހަމަޖެހިފައި ވަނީ މާދަމާ ކަމަށް
126
އަވަހާރަވި ރަސްގެފާނު ބޫމިބޮލްއަކީ ތައިލެންޑްގެ ރައްޔިތުން ވަރަށް ބޮޑަށް ލޯބިވާ ތައިލެންޑް ރައްޔިތުންގެ މެދުގައި ވަރަށް މަގްބޫލް ރަސްކަލެއް
139
މިހާރު ބޮޑު ސްޓޫޑިއޯއެއްވެސް ހިންގާ އޯނޯގެ ސްޓޫޑިއޯގައި ހުންނަނީ މުޅިންވެސް އޭނާގެ އުފެއްދުންތައް
97
“ބަޣާވާތުގެ ކުރީގައި ސްކޫލުތަކުގައި ފޮތް ފަންސޫރު ހުންނާނެ
58
މި މެޗުގައި ކުޑަހެންވޭރުގެ އިސްމާއިލް ޝަބީން ހަތަރު ލަނޑު ޖެހިއިރު އަނެއް ލަނޑު ޖެހީ އަހުމަދު ސުނެއިން
102
ލިޔުންތެރީންވެސް ދިވެހީން ޤަމާރުކަންމަތީގައި އަބަދަށް ބައިތިއްބަން އުޅޭ ހެން އެބަ ހީވޭ
86
ލަފާކުރެވޭ ގޮތުގައި ތިން ސަތޭކަ އަށް ވުރެ ގިނަ މީހުން މިހާރު މުޒާހަރާގައި އެބަތިބި
82
މި ދަތުރުފުޅަކީ އެ ގައުމުގެ ފޮރިން މިނިސްޓަރާ ސައްޔިދު ބަދުރު ބިން ހަމަދު ބިން ހަމޫދު އަލްބުސައިދީގެ ދަޢުވަތަކަށް ދިހައެއް އިން ތޭރަ ޑިސެމްބަރު މަހުގެ ނިޔަލަށް ކުރައްވާ ދަތުރުފުޅެއް
181
: ނަވާރަ, ދެހާސް ފަނަރަ ރައީސްގެ ލޯންޗުގެ ގޮވުންނައިބު ރައީސް އަދީބުކްލަބް މޯލްޑިވްސް ކަޕް ދެހާސް ފަނަރަ ދަރިން ތަރުބިއްޔަތުކުރުން ފަސް މިނެޓު ތެރޭ ފަސް ރަތް ކާޑު ދައްކައިފި
173
އެހެން ނަމަވެސް އެ ފަރާތްތަކުން އެ ޝަރުތުތަކާ ހިލާފުވެފައިވާ ކަމަށާ އަދި އެއްބަސްވުން ހެދި ހެޔޮ ނިޔަތާ ހާލަތު މިހާރު ނެތުމުން ސެޓްލްމަންޓް އެގްރީމަންޓްތައް މިހާރު ބާތިލްވެގެން ގޮސްފައިވާ ކަމަށް
193
ނައިފަރުން ގޯތި ދިނުމަށް އެކުލަވާލެވިފައިވާ ލިސްޓްގައި އެފަދަ ދަތިހާލުގައި ދިރިއުޅޭ މީހުންގެ ނަންތައް ހިމެނިފައިނުވާކަމަށް ބުނާ މައްސަލަ
136
ސޫރަތަކުން ކުރެހުން އަޅާފައިވަނީ މިގޭގައި އުޅެނީ އެހެން ދީނެއްގެ ބަޔެއް ބާވައި
78
އެމް ހަތެއް ބުކްޝޮޕްގެ ސްކޫލް ފޮތް ލިސްޓް ޕްރޮމޯ ފަށައިފި
57
ޕްލެޓްފޯމް އޮތީ އެހާ ކަމުދާ ގޮތަކަށް ނޫން
41
ހިމެނޭ ކަމަށް ބުނާ ލިޔެކިޔުންތަކެއް ސޯޝަލް މީޑިއާގައި އާންމުވެފައި ވަނިކޮށް ފުލުހުން ވަނީ ފަޒުލް ރަޝީދަށް އަދި އެއްވެސް ތުހުމަތެއް މިހާތަނަށް ނުކުރެވޭ ކަމަށް ބުނެފައިވޭ
168
އިން ޑައުންލޯޑް ކުރެވެން ހުންނާނެ ކަމަށް ވެސް މިނިސްޓްރީ އިން މައުލޫމާތު ދެއްވައި
81
އާ އަހަރާ ދިމާކޮށް މިދިޔަ ބުދަދުވަހުގެ ރޭ ގަލޮޅު ދަނޑުގައި ބޭއްވި ޝޯގައި އިންޑިއާގެ ބައެއް މަޝްހޫރު ލަވަކިޔުންތެރިން ބައިވެރިވި
127
ޤާނޫނުގެ ދަށުން ކައުންސިލަށް ލިބިފައިވާ ބާރާ މަސްއޫލިއްޔަތު އަދާކުރުމަށްޓަކައި ކައުންސިލްގެ އިޚްތިޞާޞްގައި ހިމެނޭ ތަރައްޤީގެ މަޝްރޫޢުތައް ތަންފީޒުކުރުމުގެ ކަންތައްތައް ހިނގާ ނުހިނގާގޮތް ބެލުން
192
ނިންމާނީ ރައްޔިތުން ކަމަށް
26
މި ބިލު މަޖިލީހަށް ހުށަހެޅުއްވީ ޕީއެންސީއަށް ނިސްބަތްވެވަޑައިގަންނަވާ މާފަންނު ދެކުނު ދާއިރާގެ މަޖިލިސް މެންބަރު އަބްދު ރިފާއު ބޮޗޭ
131
ކުރިއަށް ދާން ދަތިވުން ކުރިން ރައްޓެހިވެގެން އުޅުނު މީހަކާ އެއްވެސް ވަރަކަށް ގުޅުން ބާއްވާ ނަމަ އެއީ ކިތަންމެ ކުޑަކޮށް ނަމަވެސް އާ ލޯބިވެރިއަކާ އެކު ހަޔާތުގެ އާ ސަފުހާތަކެއް ފަށަން ވަރަށް ދަތިވުމަކީ
198
އަދި ސީޕީވަނީ ޒަކިއްޔާ މަރުވީ އާދައިގެ ގޮތަކަށް ކަމަށް ގަބޫލުނުކުރެވޭ ކަމަށް ވިދާޅުވެފައިވޭ
91
އިއްޔެ ވެސް ވަނީ ފޭކް ޑިމޮކްރަސީއެއް ބޭނުމެއް ނޫން ކަމަށް ބުނެ ހޮންކޮންގުގެ އެކި ހިސާބުތަކުގައި އަޑު އުފުލައިފަ
111
ސައްބީސް މިލިއަން ބާރަ ހާސް ފަނަރަ ސޯޅަ ގަޑި ވިހި މާޒިޔާގެ އަސަދު އަތުން ބޯޅަ ހޯދުމުގެ ތެރޭގައި ފައުލު ކުރުމުގެ ސަބަބުން ނިއުގެ ފޯވަޑް ރަފީނިއާ އަށް ރެފްރީ ރީނދޫ ކާޑު ދައްކައިފި
177
ނާނިގެ ލަނޑަށްފަހު ޕޯޗުގަލްގެ ކުޅުންތެރިން އުފާފާޅުކުރަނީ: ވޭލްސް އަތުން ވިހި ލަނޑުން މޮޅުވެ ޕޯޗުގަލުން ވަނީ ފައިނަލުގެ ޖާގައެއް ހޯދާފައި ފޮޓޯ: އޭޕީ މެޗުގެ ފުރަތަމަ ހާފުގައި ދެ ޓީމުގެ ފަރާތުން
192
ހިތާމައަކީ އިންސާފު ހޯދަން ދާނެ ތަނެއް މި ގައުމުގައި މިހާރު ނެތީމަ
66
އެކަމަކު ރަސްމީކޮށް ތަހުގީގުކުރަން ފަށާފައިވަނީ ޖިހުއާގެ ބޭބެ ލިންގް ޖެންސްގެ މައްޗަށް ކޮށްފައިވާ ތުހުމަތުތައް އެކަނިން
119
ދައުލަތުގައި ފައިސާއެއް ނެތް ނަމަ އެއް ކޮލިފިކޭޝަންގެ ބަޔަކު ވަކި ކުންފުންޏަކަށް ބަދަލުވީމަ ވަކި ދެ ގުނަ ހަތަރު ގުނަ ބޮޑުކޮށް މުސާރަ ދެވިގެން ނުވާނެ ފަހުމީ ވިދާޅުވި
164
ބަދިގޭގައި އުޅެފައި ފަޒީނާ ކޮޓަރިއަށް އައިސް ވަތްއިރު ލޯގަނޑު ކައިރީގައި ހުރި އަލޫފް ފެނުމާ އެކު އޭނާ ހައިރާންވި
112
މުސްތަފާ ލުތުފީއާ އެކު މިއަދު ހެނދުނު ބޭއްވެވި ބައްދަލުވުމެއްގައި ވާހަކަދައްކަވަމުންނެ
86
ޖެހިވަޑައިގެންނެވި ޖުމްހޫރީ ޕާޓީގެ ރިޔާސީ ކެންޑިޑޭޓްް ގާސިމް އިބްރާހީމާ މިރޭ ބައްދަލުކުރައްވައިފި
97
ގައުމީ ބޭންކް އުފެއްދުމުގެ އިތުރުން ގައުމީ ފައިސާ އެއް ރަސްމީގޮތުން އެކުލަވާލައްވައި ކަނޑައެޅުއްވި
98
ވީމާ މި މަސައްކަތް ކޮށްދެއްވަން އެދިވަޑައިގަންނަވާ ފަރާތްތަކުން ދެހާސް ސޯޅަ ޖަނަވަރީ ވިހި ވާ ބުދަ ދުވަހުގެ އެގާރަ ގަޑި ސުމެއް އަށް އަންދާސީހިސާބު ހުށަހެޅުއްވުން އެދެމެވެ
169
އޭސީ ކައިރީގައި ތިބޭ މީހުންނަށް ފިނީގެ އަސަރު މާ ގަދަ އަށް ކުރެ
63
އަދި ދެހާސް ސޯޅަ އެޕްރީލް ފަންސަވީސް ވާ ހޯމަ ދުވަހުގެ ތޭރަ ގަޑި ސުމެއް އަށް އަންދާސީހިސާބު ހުށަހެޅުއްވުން އެދެމެވެ
114
ޝިޔާހުގެ މޫނަށް ބަލަހައްޓައިގެން ހުރެ އީސަ ވާހަކަ ދެއްކި
56
ޓޯނަމެންޓް އެމްވީގެ ފަރާތުން އޮފިޝަލަކު ވޮއިސް ސްޕޯޓްސްއަށް މައުލޫމާތުދިން ގޮތުގައި މިމުބާރާތަކީ މާލެ ސަރަހައްދުގައި ދިރިއުޅޭ މީމު އަދި ތާ އަތޮޅުގެ ޒުވާނުންނަށް އަމާޒުކޮށްގެން ބާއްވާ މުބާރާތެއް
193
ޝައިހާ ދޮންބެ މޫނު ރީތިކޮށްއިން ފޮޓޯއެއް ނެތްތަ” ކެމެރާގައިވާ ފޮޓޯގެ ވާހަކަ ބުނުމާއެކު ހީލާފައި ޒާރާ ބުނެލި
107
ކެއުން ސަކަރާތް ކޮށް ނުސާފު ވެއްޓެއްގައި އުޅޭ މީހާއަކީ ބަލިޖެހޭނެ މީހެއް
72
ޕާޓީ ދެބައި ނުވި ނަމަ ފައްޔާޒު ގަބޫލުކުރައްވަނީ އެމްޑީޕީއަށް އެ އިންތިހާބު ލިބޭނެ ކަމަށް
88
ނަމަވެސް ހަށިގަނޑުގައި ނިކަލް އަދާކުރާ ދައުރު ކަނޑައެޅިގެން އަދި ހޯދިފައެއް ނެތް
80
އަހަރެން މިހުންނަނީ ނަޒޫދެކެ ކުޑަކޮށް ރުޅި އައިއްސަ
51
ކުރެވޭނެ ކަމަށް ވެސް މިނިސްޓަރު ވިދާޅުވި
40
މިއާއެކު މި ވޭތުވެ ދިޔަ އަށާރަ ދުވަހުގެ ތެރޭގައި ޗައިނާއިން ރާއްޖެއަށް ވަނީ އެކެއް ޕޮއިންޓް ސުމެއް މިލިއަން ރުފިޔާގެ މުދާ ކްލިއާ ކޮށްފައި ކަމަށް ކަސްޓަމްސް އިން ބުނެ
165
ތަސްދީގުކުރުން ލާޒިމްވާ ގޮތަށް މިދިޔަ އަންގާރަ ދުވަހު މަޖިލީހުން ފާސްކުރި އިމްތިޔާޒު ބިލްގެ ދެ މާއްދާއެއް އުވާލަން ހުށަހަޅާނެ ކަމަށް ޑީއާރުޕީން ބުނެފި
150
ދަރިފުޅު މަރުވަމުން ދިޔައިރު ކަރުނައެޅުން ފިޔަވައި ކުރެވޭނެ ކަމެއްނެތިފައި
74
އެންޑީއެމްއޭގެ ރިކޯޑުތައް ދައްކާ ގޮތުގައި ރާއްޖޭގެ ރަށްތަކަށް އިމަޖެންސީ ހާލަތްތަކުގައި ރަށްތަކަށް ފެން ފޯރުކޮށްދިނުމަށްޓަކައި އެއްހާސް ލީޓަރުގެ މަގުން އައްޑިހަ ޑޮލަރު ބާރަސަތޭކަ ތިރީސް ތިން ރ އެއީ ފަސް މީހުން އުޅޭ ގެއެއް
221
ރައީސް މައުމޫން ވިދާޅުވިގޮތުގައި މިއީ ހުރިހާ ގައުމުތަކެއް ގުޅިގެން ސަރަހައްދުގެ ސުލްހަ އާ ހަމަޖެހުމަށްޓަކައި ވަރަށް މުހިންމު ކަމެއް
131
އިންފްލޭޝަން ހައްތާ މައްޗަށް މިދަނީ
35
ޢަދި އެ މޮޑެލް އާ އެއްގޮތަށް ކަންތައް ދޭތޯ ފިނޭންސްއިން ރެގިޔުލޭޓު ކުރަންވީ
75
އަދި ކުރު ވާހަކަ ލިޔުމުގެ ރޮނގުން ނަވާރަސަތޭކަ ނުވަދިހަ ހަތް ވަނަ އަހަރު ވަނީ ޢާންމު ޚިދުމަތުގެ ހިތްވަރު ދިނުމުގެ އިނާމު ލިބިވަޑައިގެންފައިވޭ
141
ރައީސް އޮފީހާ ހަވާލުވެ ވަޑައިންނެވުމަށްފަހު ޑޮކިއުމެންޓް ކޮށްފައިނުވާ ދެއެއް ނުވަތަ ތިން މިލިއަން މީހުން ވަގުތުން ޑީޕޯޓްކޮށްލާނެ ކަމަށް އެމެރިކާގެ އަލަށް އިންތިހާބުވެވަޑައިންނެވި ރައީސް ޑޯނަލްޑް
194
އަދީބު އާ ރިކާޒް އާ އާމިރުގެ މައްޗަށް ދައުވާ ސާބިތުވެއްޖެ ނަމަ ދިހައެއް އަހަރަށްވުރެ ދިގު މުއްދަތެއްގެ ޖަލު ޙުކުމެއް އައުން އެކަށީގެންވޭ
136
ތަކުރާރުކޮށް އޭނާ ވިދާޅުވި
26
ތިމަރަފުށީގައި ދިރިއުޅުއްވާ އަތޮޅު ކައުންސިލްގެ މެމްބަރެއް ކަމަށްވާ ހަސަން ޒަރީރު ވިދާޅުވިގޮތުގައި އޭނާގެ ގެއާ ޖެހިގެން ހުންނަ ކެތި ކިޔާ ގޭގެ މަގަށްވާ ގޮތަށް ހުރި ތިރީސް ހައެއް ފޫޓު ދިގު އަދި ބާރަ ފޫޓު އުސް ފާރު
211
މި ހާދިސާގައި ސަރުކާރުގެ ތިނެއް ވުޒާރާއެއް ހިންގަމުން އައި ގްރީން ބިލްޑިންގާފު އަނދައިގެން ގޮސްފައިވާކަން ފާހަގަކޮށްފައިވޭ
122
ރައްޔިތުންގެ މަޖިލީހުގެ ގަލޮޅު ދެކުނު ދާއިރާގެ މެމްބަރު އަހްމަދު މަހްލޫފު ރައީސް ޔާމީނަށް ފާޑުވިދާޅުވާން ފެއްޓެވުމާއެކު މި ހަފުތާގައި އޭނާ ވަނީ ޕީޕީއެމްއިން ވަކިކޮށްފަ
167
އަލި ރަސްގެފާނު ޒިޔާރަތް އެދުވަސްވަރު މާލޭގައި ހަމަނުޖެހުން ގިނަވެފައި ވޭ
73
އެތައް ބަޔަކު އެތައް އާންމު މެމްބަރުންނެއް ޒައީމް އަރިހުން އެދިވަޑައިގަންނަވާ ޒައީމް ނުކުމެވަޑައިގަންނަވައިގެންނޭ ރިޔާސީ އިންތިހާބު ކާމިޔާބު ކުރެއްވޭނީ އެހެންވީމަ ޒައީމް ނުކުމެވަޑައިގަންނަވާށޭ
192
އެގޮތަށް ހަދަން ޖެހެނީ މުއްދަތު މަޖިލީހަކީ ޝަރީއަތުގެ މަޖިލީހަކަށް ނުވުމުން މުއްދަތު މަޖިލީހުގައި ކުށަށް އިއުތިރާފުވެފައި ޝަރީއަތުގެ މަޖިލީހުގައި ދައުވާއަށް އިންކާރު ކުރާ މައްސަލައަށް ހައްލެއް
192
އެއަށްފަހު ނާޝިދުއާ ސަނާގެ ހުއްދަ ލިބިގެން ދެމަފިރިން އެގެއިން ނިކުތެވެ
71
އެ ކުދިން އެނބުރި ޖަޕާނަށްދާނީ އަންނަ ބުރާސްފަތި ދުވަހު
55
މި މަހުގެ އަށާވީސް ގައި ދައްކަން ފެށުމަށް ހަމަޖެހިފައިވާ ފިލްމާ ގުޅޭގޮތުން ޕްރޮޑަކްޝަނުން އަންނަނީ ތަފާތު އާ މައުލޫމާތު އާންމު ކުރަމުން
135
ޖުމްހޫރީ މައިދާނުގައި ކުރިން ބޭނުންކޮށް ވީރާނާވެފައި ހުރި މުސްކުޅި ފެންއަރުވާވަޑާން ނެގުމަށް ފަހު ޒަމާނީ ފެންއަރުވާވަޑާމެއް ހެދި ޓީމުން ދެ ކަމަކަށް ވަރަށް ބޮޑަށް އިސްކަންދިން
174
ކުޑަދަރިފުޅުގެ ހިތުގެ ތެޅުން ހުންނަގޮތް ބެލުމަކީ ވަކިގޮތަކަށް ދީ އުޅޭ ފަރުވާގެ ބައެއް
85
ނަމަވެސް ކޮޅަށް އަންނަ ބޯޅަތައް ވަނުމަކީ އަދިވެސް މައްސަލައެއްކަމަށް
68
ނަމަވެސް މި ނިންމުމާ ގުޅިގެން މިހާރު ލިބޭ ބްރޭކް ވަގުތު ކޮޅެއް ނުލިބޭނެ
71
ޕީއައިސީގެ ތިން މެމްބަރެއްގެ ދައުރު ހަމަވެފައިވާތީ ރައްޔިތުންގެ މަޖިލީހުގެ ރުހުމާ އެކު މިދިޔަ އޮގަސްޓު މަހުގެ ތެރޭގައި ރައީސް ޔާމީން ވަނީ ތިން ބޭފުޅަކު އެ ކޮމިޝަނަށް އައްޔަން ކުރައްވައިފަ
187
ޕީޕީއެމަކީ ވަކި ބޭފުޅެއްގެ މިލްކެއް ނޫން މުސްތޮފާ ވިދާޅުވި
58
އޭރު އަހަރެންނަށް ހުރެވުނީ ގެޔާ ވަރަށް ކައިރިގައި
49
ޖުމްހޫރީ ޕާޓީގެ ބައެއް މެމްބަރުން ވަނީ ސަލާމަތީ ބާރުތަކާ ވެރިކަން ހަވާލުކުރުމަށް ތާއީދުކުރައްވައި ވާހަކަ ދައްކަވައިފަ
117
އެ ޓީމުން ބުނާ ގޮތުގައި ޓެބްލެޓް އަމާޒުކުރަނީ ވިޔަފާރި ކުންފުނިތަކަށާ ސަރުކާރު އިދާރާތައް ފަދަ ރައްކާތެރިކަން ބޭނުންވާ ފަރާތްތަކަށް
131
އަޕްލިންކް ކުރުމުގެ ހުއްދައަކަށް ރާއްޖެ ޓީވީން އެދުނީ ވަތަނިއްޔާ މެދުވެރިކޮށް މާލެ ސަރަހައްދު ފިޔަވައި އެހެން ސަރަހައްދުތަކަށް ދެމުން އައި ހިދުމަތް އެ ޓީވީގެ ސިސްޓަމެއްގައި ޖެހުނު މައްސަލައަކާ ހެދި
197
ހައުސިންގާފު މިނިސްޓްރީން ރޭ ބުނެފައިވަނީ ހޮޅިދަނޑީގައި ލޮރީ ޖެހުނީ ދުއްވި ސްޕީޑް ބާރުކަމުން ކޮންޓްރޯލު ނުވެގެން ކަމަށް
119
މީގެ އިތުރުން މަގުބޫލް އުޒުރެއް ނެތި މައުލޫމާތު ހިފަހައްޓައިފި ނަމަ ފަސް ހާސް ރުފިޔާ އަށް ވުރެ ބޮޑު ނޫން އަދަދަކުން އިންފޮމޭޝަން އޮފިސަރު ޖޫރިމަނާކުރުމުގެ އިހުތިޔާރު ކޮމިޝަނަރަށް ލިބިދެ
185
މަގާމުން ވަކިކުރެއްވުމާ ގުޅިގެން
32
އެ ހަމަތައް ރައީސް އޮފީހުން ހިފަހައްޓާނެ ކަމަށް އޭނާ ވިދާޅުވި
61
ފޯނާ ކޮމްޕިއުޓަރުގެ ބަދަހިގުޅުމަކަށް އައިއޯއެސް އަށެއް އާ ޔޮސެމިޓީ އެޕަލްގެ އައިފޯނާ އައިޕެޑް ހިންގާ އޮޕަރޭޓިން ސިސްޓަމް އައިއޯއެސްގެ އާ އަދަދެއް ދައްކާލައިފި
158
އެކަމަކު ކީއްވެގެންތޯ މިއަދު އެމްޑީޕީ މިއަދު އެހާލަތަށް ދިޔައީ އެޕާޓީގެ ފުރަތަމަ ރައީސް އިބްރާހީމް އިސްމާއީލް ފޭލިވެގެން ދިޔައީ ކީއްވެތޯ ކާކާ ހެދިތޯ ހަމަ އެންމެ މީހަކާ ހެދި
172
ނަމަވެސް އާންމު ރައްޔިތު މީހާ އަށް އެއީ ފަސޭހައިން ވިސްނޭނެ ކަމެއް ނޫން
71
ޖަރުމަނާ ދެކޮޅަށް ކުޅުނު މެޗުގެ ކުރީ ދުވަހު އޭނާ އަށް ގުޅާފައި ބުނިން އަހަރެން ބަނޑުބޮޑޭ
88
އެ މިނިސްޓްރީން ނެރެފައިވާ އިއުލާނެއްގައި ބުނެފައިވަނީ ހުޅުމީދޫ ޕޮލިސް ސްޓޭޝަނާ އެކޮމޮޑޭޝަން އިމާރާތް ހަދައިދޭން ޝައުގުވެރިވާ ފަރާތްތަކުން މި މަހުގެ ހައެއް ގައި ބީލަން ހުށަހަޅަންޖެހޭނެ ކަމަށް
191
ވިސާ ދޫކުރަނީ ބިދޭސީ މީހާގެ ސިއްހަތު ރަނގަޅުކަން ވޯކްޕާމިޓް މެޑިކަލް އިން ޔަގީންކޮށްދިނުމުން
92
ގެންދިޔައީމަ އެކަމަށް ސަރުކާރުން ފިޔަވަޅު އަޅަން ޖެހޭ ކަމަށާ ފިޔަވަޅު އަޅާނެ ކަމަށް ވެސް ރައީސް ވިދާޅުވި
104
އޯވަރޯލްކޮށް ކޮމާންޑް ސެންޓަރޭ މި ބުނަނީ އެއްތަނަކުން އެ ހުރިހާ އިންސްޓްރަކްޝަނެއް ނެރެ ގްރައުންޑްގައިވާ ގޮތެއް އެތަނަކަށް އެނގި އަދި އެމްޑީޕީގެ ތެރެއިން އިންޓަލިޖެންސް ވެސް ޖަމާވާ ތަނެއް އެއީ
192
ނޯވެޗްގެ ދަނޑުގައި ކުޅުނު އެ މެޗުގައި ގިނަވަގުތު ބޯޅަ ހިފަހައްޓައިގެން ސިޓީ ކުޅުނު ނަމަވެސް އެ ޓީމަށް ވަނީ ނޯވެޗުގެ ގޯލުފޫއަޅުވާލެވޭ ގޮތް ނުވެފަ
144
އަޖައިބެއް އެނންމެ އިމްރާނުއެއްތަ އުޅެނީ ތި ވައުޗާގެ މީހާގެ ނަމުގެ މެދު ފޮހެލާފަ އެއިނީ ކީއްވެތަ
96
End of preview. Expand in Data Studio

Dhivehi Sentences Dataset

This repository contains a dataset of Dhivehi (Thaana, Maldivian) sentences processed and normalized for natural language processing tasks.

This is an extended version of the Dhivehi Sentences Dataset

Dataset Description

The dataset combines text from multiple sources:

  • Random News Articles
  • Glot500 Dhivehi-Thaana
  • FineWeb-2 Dhivehi-Thaana

The sentences have been processed to:

  • Split into individual sentences
  • Normalize numbers into Dhivehi text form
  • Normalize years into proper Dhivehi format
  • Normalize time expressions
  • Convert sentence endings to spoken form
  • Standardize common suffixes and abbreviations

Dataset Format

The dataset is split into train (80%) and test (20%) sets. Each row contains:

  • sentence: The processed Dhivehi text
  • length: Character length of the sentence

Usage

from datasets import load_dataset

ds = load_dataset("alakxender/dhivehi-sentences-extended")

# Print the first 10 rows of the dataset
print(ds["train"][:10])

Note: Chunked and created using dv-normalizer v0.1.2

Downloads last month
9