Polski słownik dla ispella

Strona polskiego zbioru wyrazów dla programu ispell. Można znaleźć tutaj oficjalne wersje słownika, opisy i inne rzeczy związane bezpośrednio z projektem utworzenia zbioru słów dla ispella na licencji GPL.

Stąd można ściągnąć słownik

Licencja

GPL + dwa dodatkowe warunki. Jeśli używasz słownika w swoim programie, lub udostępniasz go w jakimś pakiecie (np deb, rpm) itp, to musisz podać:

dokładne wersje zarówno słownika jak i polish.aff, którego użyłeś
adres WWW/FTP lub inny z którego ściągnąłeś słownik

Chodzi o dokładną kontrolę wersji i zawartości słownika (niech użytkownicy Twoich programow wiedzą czego używają, im będzie wtedy także łatwiej uaktulanić słownik).

Zasoby:

Nowe wersje słownika pojawiają się średnio raz w roku. Bazę słów w wersji z 20 listopada 2002 uzupełniono i zweryfikowano wykorzystując, udostępniony przez autorów, słownik programu KORRIDA, zawierający ponad dwa miliony form.

Ostatnie wersje słownika można ściągnąć z sekcji download projektu ispell-pl. Większość informacji o słowniku można znaleźć w pliku CZYTAJ.TO. Jeśli tworzysz pakiet binarny w oparciu o ten słownik, to musisz umieścić w nim plik CZYTAJ.TO oraz informację o licencji.

Słownik składa się z kilku podsłowników, podzielonych ze względu na częstość występujących wyrazów. Poza tym wyodrębnione zostały specjalne zestawy słów (tzw. słowniki fachowe). Dodatkowo do słownika w wersji 20011004 dołączona jest na początku lista najczęściej występująych w j. polskim wyrazów, wg częstości. Jeśli słownik jest używany tylko do odpowiedzi na pytanie, czy dany wyraz w nim występuje, to umieszczenie na samym początku listy wyrazów najczęstszych przyspiesza kilkukrotnie jego działanie (zwiększa to natomiast objętość pliku słownikowego).

Sam słownik posiada jeszcze pewne braki, które wynikają głównie ze sposobu, w jaki były wprowadzane wyrazy. Brakuje czasem częstych wyrazów z nieregularną odmianą (wprowadzane były i oflagowywane całe klasy części mowy).

Słownik do OpenOffice można ściągnąć ze stron OpenOffice, FTP.

Słownik do aspella można ściągnąć stąd.

Alternatywny słownik do ispella (powstały na bazie ispella ze zmienionym plikiem reguł oraz dodaną pewną ilością wyrazów można znaleźć tamże.

TODO LIST (Lista rzeczy do zrobienia)

Przede wszystkim ta lista:

Niekonsekwentnie wprowadzony stopień wyższy i najwyższy dla przymiotników. Ze względu na regularną odmianę obu tych stopni są one traktowane jako oddzielnie oflagowane wyrazy.
Stworzenie koncepcji bazy danych, w której można byłoby przechowywać wyrazy wraz z ich oflagowaniami w taki sposób, by można było w sposób automatyczny nanosić poprawki. Podstawowym problemem jest to, że wyrazu nie moża zidentyfikować poprzez jego formę podstawową, gdyż istnieją równobrzmiące słowa, mające różne odmiany w zależności od znaczenia. Tak samo jest z pewnymi archaizmami. Jeśli teraz otrzymujemy od kogoś listę wyrazów poprawnie oflagowanych, to nigdy nie wiemy, który z dwóch zestawów flag poprawić, tym bardziej, że użytkownik zgłaszający poprawkę może nie zdawać sobie sprawy, że to słowo ma także inną odmianę (zwykle bardzo rzadką) i uwspólnienie flag może prowadzić w konsekwencji do utraty informacji. Poza tym traktowanie wyrazów o dwóch różnych odmianach oddzielnie pozwala na umieszczeniu jednej z nich np. w słowniku A, natomiast drugiej np. w C oraz łączenie flag dopiero na etapie generowania słownika.
Imiesłowy przymiotnikowe: bardzo liczna grupa rzadko występujących wyrazów o regularnej odmianie.
Uporządkowanie słowników fachowych.
Uporządkowanie znaków przestanowych (takich jak kropki w skrótach, dywizy i półpauzy w wyrazach, itp). Tutaj niestety trafiamy na niedoskonałości, a właściwie na niedostosowanie ispella do warunków polskich.
Dopracowanie skryptów tworzących słownik. Teraz używany jest perl i bash ale być może dałoby się użyć prostszego narzędzia (takiego jak np. awk), które można byłoby udostępnić obok słownika. Dotyczy to przede wszystkim systemów DOS/Windows.
aspell - program ten zysukje coraz większą popularność, jednak nie radzi sobie z tak obszernym materiałem jakim jest słownik polski do ispella. Być może istnieje jakiś sposób na ,,oswojenie'' tego programu wykorzystując ten materiał.
Inne ,,sprawdzacze pisowni'': pytanie o sposób użycia w nich tej listy słów.

Informacje o wykonanych pracach.

około 2,5 miln form
polish.aff zapewniający zgodne z zasadami gramatycznymi gramtycznymi generowanie wyrazów
podział na słowniki (wg częstości występowania oraz podział na kategorie wyrazów, tzw. słowniki fachowe)
słownik zawierający konkordancje (najczęściej występujące wyrazy zebrane z wielu tekstów (głównie z literatury) dostępnych w Internecie oraz otrzymane od osób prywatnych

[Mirek]
Mirosław Prywata