https://github.com/brown-uk/dict_uk

Project to generate POS tag dictionary for Ukrainian language
https://github.com/brown-uk/dict_uk

dictionaries hunspell morfologik pos-tag-dictionary

Last synced: 4 months ago
JSON representation

Project to generate POS tag dictionary for Ukrainian language

• Host: GitHub
• URL: https://github.com/brown-uk/dict_uk
• Owner: brown-uk
• License: gpl-3.0
• Created: 2015-10-27T05:34:20.000Z (about 10 years ago)
• Default Branch: master
• Last Pushed: 2024-10-24T22:23:55.000Z (about 1 year ago)
• Last Synced: 2024-10-26T10:31:34.612Z (about 1 year ago)
• Topics: dictionaries, hunspell, morfologik, pos-tag-dictionary
• Language: Groovy
• Size: 128 MB
• Stars: 561
• Watchers: 42
• Forks: 73
• Open Issues: 55
• Metadata Files:
  • Readme: README.md
  • License: LICENSE

Awesome Lists containing this project

README

          
[![SWUbanner](https://raw.githubusercontent.com/vshymanskyy/StandWithUkraine/main/banner2-direct.svg)](https://vshymanskyy.github.io/StandWithUkraine)

## Це — великий електронний словник української мови (ВЕСУМ). ##

## This is a project to generate POS tag dictionary for Ukrainian language. ##

### Опис ###

    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

    * керування відмінками для 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.

Докладніша інформація в [теці doc/](doc)

### Вимоги до програмних засобів ###

* java (JDK >= 11)

* 5Гб вільної пам'яті

### Застосування ###

    зі словником можна робити дві речі:

1. згенерувати всі можливі словоформи для слів, що вже є в словнику (див. параграф «Як запускати» нижче)

2. генерувати форми для довільних слів в інтерактивному режимі: [докладніше](doc/interactive_mode.md)

### Як встановити ###

* Встановити java (JDK 11 або новішу)

* (Лише для Windows) встановити і запустити git bash

* Клонувати проект: `git clone https://github.com/brown-uk/dict_uk.git`

* Зайти в теку проекту: cd dict_uk

### Як запускати ###

    `./gradlew expand`

    

    або для Windows:

    

    `bin/expand_win.sh`

    На виході:

* out/dict_corp_vis.txt - словник у візуальному форматі (з відступами, згрупований за лемами) для перегляду, аналізу і опрацьовування

* out/dict_corp_lt.txt - словник у табличному форматі для використання в ПЗ, зокрема з цього файлу генеруємо словник morfologik, що використовується в LanguageTool

* out/words.txt - список всіх відомих словоформ

* out/words_spell.txt - список всіх відомих словоформ, правильних з погляду правопису

* out/lemmas.txt - список лем

### Ліцензія ###

Дані словника доступні для використання згідно з умовами ліцензії "Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License" (https://creativecommons.org/licenses/by-nc-sa/4.0/)

Програмні засоби вільно розповсюджується за умов ліцензії GPL 3.0 або вище.

Зауваження: [похідні проекти](distr/) мають свої ліцензії

Окрім цього матеріали цього проєкту дозволено використовувати у проєктах https://voice.mozilla.org/uk і https://common-voice.github.io/sentence-collector/#/ відповідно до їх ліцензій.

Copyright (c) 2023 Андрій Рисін (arysin@gmail.com), Василь Старко, команда БрУК

### Похідні проекти ###

* [Словники morfologik](distr/morfologik-ukrainian/README.md)

* [Словники hunspell](distr/hunspell/README.md)

* [Словники Firefox](distr/mozilla/README.md)

* [Словники LibreOffice.org](distr/openoffice.org/README.md)

### Description ###

    For all files in data/dict the project generates all possible word forms with POS tags

    by using affix rules from files in data/affix.

### Required software ###

* java (JDK >= 11)

* 5G of free RAM

### How to run ###

    `./gradlew expand`

    or on Windows:

    `bin/expand_win.sh`

    Output:

* out/dict_corp_vis.txt - Dictionary in visual (indented) format for review, analysis or conversion

* out/dict_corp_lt.txt - Dictionary in flat format (is used for preparing morfologik dictionary that can be used by LanguageTool)

* out/words.txt - list of all unique known words

* out/words_spell.txt - words valid for spelling

* out/lemmas.txt - list of unique lemmas

### Building under docker ###

```

sudo docker build -t brown-uk/dict_uk .

sudo docker run -d --name dict_uk brown-uk/dict_uk /bin/bash

sudo docker cp dict_uk:/src/out/ ./out

sudo chown -R $USER: ./out

sudo docker stop dict_uk

```

### License ###

Dictionary data are distributed under "Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License" (https://creativecommons.org/licenses/by-nc-sa/4.0/)

Software is distributed under GPL 3.0 or above.

Note: [derivative projects](distr/) have different licenses

Besides that materials in this project are allowed to be used in https://voice.mozilla.org/uk and https://common-voice.github.io/sentence-collector/#/ according to their licenses.

Copyright (c) 2024 Andriy Rysin (arysin@gmail.com), Vasyl Starko, BrUK team

#### Просимо посилатися на ресурс так: ####

Просимо посилатися на вебверсію ВЕСУМу так:

Рисін А., Старко В. Великий електронний словник української мови (ВЕСУМ). Вебверсія 6.5.2. 2005-2024. URL: https://vesum.nlp.net.ua/

Rysin, A., Starko, V. Large Electronic Dictionary of Ukrainian (VESUM). Version 6.5.2. 2005-2024. Available at: https://vesum.nlp.net.ua/

### Derivative Projects ###

* [morfologik dictionaries](distr/morfologik-ukrainian/README.md)

* [hunspell dictionaries](distr/hunspell/README.md)

* [Firefox dictionaries](distr/mozilla/README.md)

* [LibreOffice.org dictionaries](distr/openoffice.org/README.md)