Sentence segmentation

Sentences are split after POS and phrase chunking — not by matching သည် / တယ် alone. ClauseParser then builds nested Sentence → Clause → Phrase trees inside each sentence (doc.sentence_trees).

from burmesenlp import BurmeseNLP, sentence_tokenize

nlp = BurmeseNLP()
nlp.sentence_segment(
    "မင်္ဂလာပါ။ ကျွန်တော်တို့သည် မြန်မာဘာသာစကားကို လေ့လာနေကြသည်။"
)
# ['မင်္ဂလာပါ။', 'ကျွန်တော်တို့သည် မြန်မာဘာသာစကားကို လေ့လာနေကြသည်။']

sentence_tokenize("သူသည် ကျောင်းကို သွားသည်။")
# one sentence — first သည် is POSTP, not a boundary

Rules (summary)

1. Never split only because a token equals သည် / တယ် / ပါ.
2. Prefer a completed predicate (VP / GREETING) before ending a sentence.
3. Split on ။ ? ! …, end of text, or (optionally) completed VP followed by a new NP onset.
4. Isolated NP / PP does not end a sentence.

BurmeseNLP(split_on_final_particles=False) disables soft VP→NP splits (punctuation-only mode).