Открытые данные
Словари и списки слов внутри GlossReader собраны из открытых данных. Вот те же файлы обычным архивом, без защиты и ограничений: скачивайте, открывайте, используйте на тех же условиях.
Приложение для iPhone и iPad распространяется через App Store, а он защищает приложения от копирования. Лицензия CC BY-SA, под которой выпущена большая часть данных, не позволяет ограничивать получателя техническими мерами. Поэтому те же данные лежат здесь простыми файлами. Кода приложения и ваших книг в архиве нет.
Файлы, которые собраны или написаны для GlossReader, предлагаются на условиях CC BY-SA 4.0, как и Викисловарь, на котором они построены. У каждого исходного набора своя лицензия и своё указание авторов: они перечислены ниже и в NOTICE.txt. Лицензия: CC BY-SA 4.0.
| Файл | Что внутри | Источник и лицензия |
|---|---|---|
wty-en-ru.zip | Англо-русский словарь из Викисловаря (формат Yomitan). | Wiktionary, wiktionary-to-yomitan. CC BY-SA. |
kaikki-en-ru.jsonl.gz | Английские слова из русского Викисловаря (Kaikki / Wiktextract). | kaikki.org. CC BY-SA / GFDL. |
wikdict-en-ru.jsonl.gz, freedict-en-ru.jsonl.gz | Англо-русский словарь WikDict / FreeDict (это одни и те же данные). | WikDict. CC BY-SA. |
10000_english_words_cerf_labelled.zip | Уровни CEFR A1–C2, около 10 000 слов. | CEFR-J Wordlist 1.5 (Tono Laboratory, Tokyo University of Foreign Studies; свободно, в том числе в коммерческих целях, с указанием источника) и Octanove C1/C2 (CC BY-SA 4.0). Собрано в наборе Kaggle из olp-en-cefrj. |
word_frequency.zip | 307 000 самых частотных английских слов по порядку частоты. | wordfreq, Robyn Speer (doi:10.5281/zenodo.7199437). CC BY-SA 4.0. Оставлены только обычные слова строчными, частоты округлены до целых. |
lemma_pos_freq.tsv.gz | Частота лемм по частям речи, 20 000 самых частых пар. | wordfreq (CC BY-SA 4.0) и разметка 460 книг Project Gutenberg программой spaCy (MIT); текстов и данных модели в файле нет. |
bnc_coca_headwords.zip | Заглавные слова первых 10 000 семейств BNC/COCA (Paul Nation). | Victoria University of Wellington. По заявлению автора CC BY-SA 4.0 или GNU GPL. |
wordnet_synonyms.zip | Синонимы из Princeton WordNet 3.0. | Princeton University. Лицензия WordNet, текст в NOTICE.txt. |
phrasal-en-ru.jsonl.gz | Фразовые глаголы с русскими пояснениями. | Из слоёв Викисловаря выше и собственного списка GlossReader. CC BY-SA 4.0. |
idiomx-en.jsonl.gz | Около 8000 идиом и пословиц с английским пояснением. | IdiomX, Ayman Sharara (CC BY-SA 4.0). Оставлены только строки из Викисловаря и WordNet; пояснения написала языковая модель по словарным статьям. |
idioms-en-ru.tsv | Русские переводы этих идиом. | Написаны для GlossReader по списку IdiomX. CC BY-SA 4.0. |
gaplex-en-ru.jsonl.gz | Короткие русские пояснения к словам, которых нет в Викисловаре. | В основном из слоёв Викисловаря выше. CC BY-SA. |
word_ipa.tsv.gz | Американская транскрипция IPA. | ipa-dict (MIT) на основе CMU Pronouncing Dictionary (© Carnegie Mellon University, BSD-подобная лицензия, текст в NOTICE.txt). |
word_traps.tsv.gz | Группы слов, которые звучат одинаково или похоже. | Омофоны вычислены по транскрипциям, остальные группы подобраны вручную по спискам часто путаемых слов (тексты страниц не использованы). CC BY-SA 4.0. |
collocations-en-ru.tsv | Около 1850 устойчивых сочетаний с русским переводом. | Написаны для GlossReader. CC BY-SA 4.0. |
Тот же перечень с полными текстами лицензий показывается в приложении: «О программе» → «Лицензии и источники данных». В приложении любой из этих файлов можно заменить в Настройках.
The dictionaries and word lists inside GlossReader are built from open data. The same files are offered here as a plain archive with no DRM or technical restrictions, because the iPhone and iPad app is distributed through the App Store, which protects apps against copying, and CC BY-SA does not allow restricting the recipient by technical means. The archive contains no app code and no user books.
glossreader-data.zip (14 MB) · NOTICE.txt with the source, credit and licence of every file, including the Princeton WordNet licence and the CMU Pronouncing Dictionary notice. Files built or written for GlossReader are offered under CC BY-SA 4.0; every upstream source keeps its own licence and credit. Contact: anzhela.somenkova@gmail.com.