Santhosh Thottingal

TL;DR: Most slug libraries only allow \p{L} (letters), \p{N} (numbers), and \p{S} (symbols).

In 2024, I presented a paper on “Parametric Type Design” based on the technology behind the Nupuram font at the Grapholinguistics conference in Italy.

മലയാളത്തിൽ AI കോർപ്പസ് നിർമിക്കാനായി പത്തുകോടി രൂപ ഈയിടെ അവതരിപ്പിച്ച കേരളബഡ്ജറ്റിൽ നീക്കിയിരിത്തിയിട്ടുണ്ട്.

ശരദിന്ദു ബന്ദോപാധ്യായ രചിച്ച അനശ്വര ബംഗാളി കുറ്റാന്വേഷണപരമ്പരയായ ഡിറ്റക്ടീവ് ബ്യോംകേഷ് ബക്ഷിയുടെ മലയാളപരിഭാഷ മാതൃഭൂമി ബുക്ക്സ് പുറത്തിറക്കുന്ന വാർത്ത ഞാൻ വായിച്ചിരുന്നു.

Your laptop has ripgrep, installed via cargo install. ruff is there too, via uv tool install. golangci-lint came from go install. bash-language-server was npm i -g.

As a programmer, I spend most of my time in a terminal application like Kitty.

I’m excited to announce two new resources for natural language processing researchers and developers: wikisentences - A Rust-based tool for extracting sentence datasets from Wikipedia dumps in any language ml-wiki-sentences - A dataset of 2.25 million Mal…

We are witnessing a resurgence and evolution of Command Line Interfaces (CLIs), accelerated by AI agents.

In October 2023, we announced sentencex — a sentence segmentation library built for the wide language diversity of Wikipedia and Wikimedia projects.

If you have ever needed to work with sentences inside an HTML page — highlight them, translate them, read them aloud — you quickly run into a deceptively awkward problem.

Ever wondered how a computer learns to generate text that actually looks like Malayalam?

Standard LLMs fragment Malayalam words into 15+ meaningless pieces, destroying the semantic signal required for learning.

I am a type designer using non-conventional approaches to type design.

I published svg2glif - a Rust crate to convert SVG vector graphics into UFO (Unified Font Object) GLIF format, making it easy to incorporate SVG artwork into font development workflows.

On November 3rd, I spoke at Malayalam University on “How AI learns Malayalam,” tracing how humans acquire language versus how Large Language Models learn from patterns at scale.

I am excited to announce that the Malayalam morphology analyzer library, mlmorph, is now available as a Rust crate on crates.io.

Integrating Knowledge Graphs (KGs) with Large Language Models (LLMs) is a well-explored research field.

Wikidata is a rich knowledge graph, but its raw data format can be challenging for both humans and AI to process effectively.

In April 2024, I took a two-month sabbatical from work.

For those deeply involved with Wikidata, the richness of its interconnected data is both a blessing and a challenge when it comes to programmatic access.

Wikipedia, the world’s largest online encyclopedia, relies on a massive community of volunteers to maintain its accuracy and neutrality.

This is a blog post version a paper titled “Question-to-Question Retrieval for Hallucination-Free Knowledge Access: An Approach for Wikipedia and Wikidata Question Answering” available at https://arxiv.org/abs/2501.11301.

This year was also a busy one.

I presented a paper titled “Parametric type design in the era of variable and color fonts” in the Grapholinguistics conference 2024.

Artificial Intelligence (AI) is a hot topic these days, and it’s natural to wonder how it fits into education.

ഭാഷ തടസ്സമാകാതിരിക്കാൻ സഞ്ചാരികളെ സഹായിക്കാൻ AI Kiosk കൾ സ്ഥാപിക്കും എന്ന മന്ത്രി മുഹമ്മദ് റിയാസ് നിയമസഭയിൽ പറഞ്ഞെന്ന് പത്രത്തിൽ വായിച്ചു.

While working with MetaPost for typeface design(Nupuram, Malini), I frequently felt the need for a quick and easy way to test code snippets.

I recently learned about a new book titled “Tamil Computing” by Dr.

There’s been a recent surge in news reports about schools, including those in Kerala, incorporating AI into classrooms.

ഡോ.

നിർമിതബുദ്ധിമാതൃകകളിലെ മലയാളം എന്ന വിഷയത്തിൽ ശ്രീശങ്കരാചാര്യ കാലടി സംസ്കൃതസർവകലാശാലയുടെ തിരുനാവായ പ്രാദേശിക കേന്ദ്രത്തിൽ ജനുവരി ആറിന് പ്രഭാഷണം നടത്തി.

From facebook post വളരെ തിരക്കുപിടിച്ച ഒരു വർഷമാണ് കടന്നുപോകുന്നുന്നത്.

I presented a paper titled “Modernizing Parametric type design - A case study of Nupuram Malayalam typeface” at Typoday 2023, Banaras Hindu University.

On October 2, 2018, I reached out to the Kerala State Commission for Protection of Child Rights.

ഏറെക്കാലമായി പലരും ചോദിക്കുന്ന ഒരു സംശയമാണ് അക്കങ്ങളുടെ കൂടെ ആം ചിഹ്നം എഴുതുമ്പോൾ വരുന്ന കുത്തുവട്ടം എങ്ങനെ കളയാമെന്ന്. 16-ാം, 18ാം തുടങ്ങിയ ഉദാഹരണങ്ങൾ.

I created a simple MetaPost playground website mpost.thottingal.in where people can quickly write MetaPost code and preview the result.

I attended Wikimania 2023, an annual conference of people working on Wikipedia and other Wikimedia projects.

Sentence segmentation is a fundamental process in natural language processing.

I wrote about the exploration on Natural language querying for wikipedia in previous three blog posts.

I wrote about the exploration on Natural language querying for wikipedia in previous two blog posts.

A few days back I posted an experiment on Natural language querying for wikipedia by generating questions and answers.

In this blog post I explain the prospects of providing questions and answers as an additional content format in wikipedia and a human-in-the-loop approach for that with a prototype.

I am happy to introduce Nupuram, a new Malayalam typeface that I have been designing and developing for several months.

A new version of Gayathri typeface is available now.

മലയാളലിപി പരിഷ്കരിക്കാനായി സർക്കാർ രൂപീകരിച്ച വിദഗ്ദ്ധസമിതിയുടെ നിർദ്ദേശങ്ങൾ അംഗീകരിച്ചെന്നും ഉ ചിഹ്നങ്ങൾ മാത്രം വിട്ടെഴുതുന്ന പഴയലിപി സമിതി നിർദ്ദേശിച്ചുവെന്നുമുള്ള വാർത്തകളുടെ അടിസ്ഥാനത്തിൽ ചില പ്രതികരണങ്ങളും ചിന്തകളും പങ്കുവെയ്ക്കുന്നു.

ഈയിടെയായി ദേശാഭിമാനി പത്രത്തിൽ ബഹുവചനങ്ങൾ, പ്രത്യേകിച്ചും തലക്കെട്ടുകളിൽ ഒഴിവാക്കുന്നത് ശ്രദ്ധയിൽ പെട്ടു.

The latest version of Firefox - Firefox 97 - supports hyphenation of Indian languages.

Manjari is a traditional orthography font for Malayalam.

I am happy to share a news from my work at Wikimedia Foundation.

In the previous blog post I explained my efforts to modernize SFST.