15

Чи зустрічав хтось українські словники (орфографічний, тлумачний, синонімічний, абревіатур та інші) у відкритих форматах (txt, csv, json, xml, markdown), що доступні для вільного завантаження та розповсюдження, в тому числі в комерційних цілях або як частини сторонніх програмних продуктів?

Я знайшов електронні проекти Українського мовно-інформаційного фонду НАН України, але це електронні версії словників, а не словники у формі відкритих даних.

Чи є обмеження щодо вільного копіювання та розповсюдження матеріалів із словників, що доступні на сайті фонду НАН України, якщо вони будуть переведені в формат відкритих даних?

  • 1
    Прибрав тег "нан", бо більше п'яти тегів не можна поставити. Потім об'єднаємо "словники" і "ukrainian-dictionaries", і звільниться слот. – bytebuster May 5 '17 at 0:16
  • 3
    Ось на GitHub є великий електронний словник української мови (ВЕСУМ). Словник містить слова та їхні парадигми з відповідними тегами, а також іншу інформацію, зокрема: * додаткові теги: slang, rare, bad... * пропоновані заміни для покручів * зв’язок між базовими та порівняльними формами прикметників Для всіх файлів в data/dict цей проект генерує всі можливі словоформи з тегами частин мови за допомогою правил афіксів у каталозі data/affix. – Ivan May 5 '17 at 8:10
14

Під відкритими даними мається на увазі один або обидва з таких аспектів:

Єдині проекти під відкритою ліцензією, що я знаю:

Всі інші проекти, в тому числі словники НАНУ, УМІФ тощо, здебільшого, на жаль, мають «традиційну» (не вільну) або взагалі не зазначену (тобто що власники в будь-який момент можуть позиватися з будь-якого приводу) ліцензію. Деякі з проектів, що оцифровують видані словники, можливо, самі є порушниками авторського права — але це не означає можливість вільного користування їхніми даними. Можливо, варто написати листа в НАНУ/УМІФ/тощо з метою з'ясувати чи пом'якщити ліцензію деяких проектів — але, за моїм особистим прогнозом, навряд чи вони будуть зацікавлені в повному відкритті матеріалів (формальному переведенні їх у стан суспільного надбання чи під вільну ліцензію), в найкращому випадку Ви отримаєте усну обіцянку непереслідування.

Щодо переведення даних в машиночитаний формат — то це, на мою думку, найменша проблема.

  • Щодо інституту УМІФ НАН України та його робіт: Всі продукти академічного інституту УМІФу НАН України розроблені за державний кошт, а такі продукти, як ІЛС «Словники України» та Український лінгвістичний корпус УМІФу НАН України віднесено до наукових об'єктів НАН України, що становлять національне надбання, на які щорічно виділяються державою України кошти. – Білий Ворон Nov 10 '17 at 9:46
  • Також звертаємо увагу, що до цього лінгвістичного корпусу УМІФу НАН України користувачі, громадяни України, взагалі не мають доступу (питання про існування цього національного надбання?), так само, як і до останньої версії ІЛС «Словники України» 4.1: система розроблена під одну пропрієтарну ОС, міжплатформенна веб-версія відсутня. – Білий Ворон Nov 10 '17 at 9:48
  • Також ще в 2004 році директору цієї інституції вдалось провернути аферу з віднесення до наукових об'єктів НАН України, що становлять національне надбання, ряд інформаційних об'єктів, в тому числі інструментальний комп’ютерний комплекс "Фундаментальний академічний Словник української мови". Як ми знаємо перший том цієї праці вийшов аж в 2010 році, а зараз ми маємо аж 7 томів цієї праці. Виходить, що в далекому 2004 році до наукових об'єктів НАН України, що становлять національне надбання, було віднесено повітря. – Білий Ворон Nov 10 '17 at 9:49
  • В той же час інститутом УМІФ до сих пір не надано повного доступу до словника (services.ulif.org.ua/expl), хоча директор інституту УМІФ в багатьох інтерв’ю та публікаціях вже давно заявляє, що цей словник готовий і він є національним надбанням, а гроші з бюджету продовжують надходити: prozorro.gov.ua/tender/UA-2017-03-03-000402-a – Білий Ворон Nov 10 '17 at 9:49
  • Наявність та осмислення цієї інформації демонструє хибність думки, щодо можливості про щось домовитись з директором УМІФу НАН України Широковим В.А. На нашу думку потрібно ці питання піднімати в суспільстві, обговорювати їх якомога ширшим колом. – Білий Ворон Nov 10 '17 at 10:47
9

"Цифрові лексикографічні системи української мови" (mphdict)

Проект містить:

  1. SQLite бази даних граматичних словників, що зберігають інформацію про слова, всі словозмінні класи, властиві їм квазіфлексії, акцентуаційні класи та інші дані;
  2. SQLite бази даних словників синонімів;
  3. SQLite базу даних етимологічного словника української мови, що була сформована в освітніх цілях на основі томів 1–6 Етимологічного словника української мови Інституту мовознавства ім. О.О. Потебні НАН України: була розроблена оригінальна структура БД та розроблена веб-система її відображення. Ми не надаємо доступ до твору Етимологічний словник української мови Інституту мовознавства ім. О.О. Потебні НАН України, а в освітніх цілях демонструємо можливість роботи зі складноструктурованою БД етимологічної системи, яка є нашою оригінальною розробкою;
  4. бібліотеку роботи з базами (mphdict project) та веб-систему словників (mphweb project).

Всі бази даних та алгоритми систем є відкритими та надаються до використання та модифікації відповідно до потреб користувача.

Проект розміщено на GitHub під ліцензією MIT (самі бази даних розповсюджуються за ліцензією Open Database License (ODbL) 1.0). Система може бути розгорнута як у Windows середовищі, так і в Linux. Будь-хто, системний адміністратор у школі або університеті, може розгорнути систему у внутрішній мережі закладу.

  • УМІФ НАН України невдоволений (ще посилання) використанням його матеріалів (можливо, вже подав позов до суду). – Sasha Dec 16 '17 at 19:22
  • Інформація щодо суперечки uSofTrod з інститутом Національної Академії Наук України УМІФ НАН України. facebook.com/… uSofTrod надав всі свої аргументи на користь того, що їх розробка є оригінальною, а звинувачення УМІФу безпідставними у коментарях до вищезазначеного посту. Але адміністратори цієї сторінки від УМІФу їх видалили. Тому uSofTrod опублікував їх на своїй сторінці і готовий до будь якого розвитку подій: facebook.com/… – Білий Ворон Dec 18 '17 at 9:59
  • Також, в світлі вищезазначених подій було проведено роботу з дослідження "наукової" діяльності директора УМІФу НАН України та деяких співробітників цього інституту: facebook.com/… – Білий Ворон Dec 18 '17 at 10:02
  • Я читав ці аргументи. Перепрошую, але, хоч я нічого не знаю про НАНУ (може, в них самих рильце в пушку) і не є професійним юристом, але мені здається, в даному випадку вони формально праві — Ви самі зазначаєте, що використовували матеріали ЕСУМ, власником якого не є. Та, навіть припистимо, що НАНУ неправі, а Ви праві — я просто зазначив, що така суперечка триває, і допоки вона офіційно не вирішена на Вашу користь, статус цієї розробки незрозумілий. – Sasha Dec 18 '17 at 11:50
  • Ви безперечно праві, щодо офіційного вирішення. Але ми беремося прогнозувати, що це питання УМІФ педалювати не буде, і саме через те, що прекрасно розуміє, чого цей інститут власником є, а чого ні. – Білий Ворон Dec 18 '17 at 11:58
2

Ось тут (гниле посилання) є база даних слів української мови у форматі SQLite. Усі дані розпарсено з сайту slovnyk.ua в якості студентського університетського проекту.

В українській мові є 10 частин мови. Для кожної з них створено окрему таблицю, а також окремі таблиці для вставних слів та дієприслівників, хоча вони не є окремими частинами мови. Відмінювані частини (іменники, прикметники, дієслова, займенники, числівники) містять також інформацію про свій рід, число, відмінок, часову форму та дієвідміну (якщо є).

Список таблиць у БД:

  • chastki
  • chislivniki
  • dieprislivniki
  • dieslova
  • imeniki
  • prikmetniki
  • primeniki
  • prislivniki
  • spolychniki
  • vihyki
  • vstavni_slova
  • zaimeniki

Стосовно ліцензії - ця база даних вільна для розповсюдження.

  • 2
    Здається, посилання перестало працювати. – Sasha Nov 2 '17 at 14:38
  • До речі, про це: «стосовно ліцензії — ця база даних вільна для розповсюдження» — а ліценція slovnyk.ua дозволяла його парсити (і вільно розповсюджувати результати парсингу)? – Sasha Nov 2 '17 at 14:39
  • Цікаво, хто продовжує плюсувати цю відповідь, незважаючи на те, що через застарілість посилання вона вже нічого не дає? – Sasha Nov 3 '17 at 15:58

Your Answer

By clicking “Post Your Answer”, you agree to our terms of service, privacy policy and cookie policy

Not the answer you're looking for? Browse other questions tagged or ask your own question.