Skip to content
← Retour au corpus

À propos du projet

verba est un corpus ouvert et unifié de proverbes, adages et dictons ukrainiens, compilé à partir de cinq recueils numérisés couvrant 1841 jusqu’à aujourd’hui.

48 787 записів; кожен — із сучасним написанням і тематичними мітками, із пошуком за словом, темою, джерелом і за змістом.

Présentation

Pendant des décennies, la parémiologie ukrainienne est restée dispersée dans des recueils imprimés aux conventions orthographiques variées, sans format commun lisible par machine. verba unifie ces recueils en un seul corpus, le rendant consultable, étudiable et réutilisable.

Chaque entrée comprend : le texte original (en conservant l’orthographe historique de la source), une orthographe moderne, 1 à 3 thèmes parmi un ensemble fixe de 27, la source et la référence, et un groupe de variantes (reliant les équivalents dialectaux probables).

Sources

Méthode de constitution

Les éditions historiques ont été numérisées ; la ROC (tesseract) a été appliquée aux scans, tandis que le matériau de Nomys a été extrait d’une édition critique. Les doublons ont été fusionnés de façon souple, et les variantes dialectales probables ont été reliées plutôt que supprimées. Les textes sont présentés aussi fidèlement que possible aux sources.

Limites honnêtes : le recueil de Nomys (1864) représente la meilleure ROC possible (≈75–80 % de précision des caractères), donc des erreurs de reconnaissance occasionnelles se produisent. Les orthographes modernes et les thèmes ont été générés par IA et sont approximatifs (orthographe moderne ≈95 % acceptable, thèmes ≈85 %). L’étiquette de thème principal est la plus fiable.

Dans les données elles-mêmes, la typographie est réduite à l’ASCII simple (guillemets droits, apostrophe, trait d’union) pour faciliter le traitement programmatique ; la typographie ukrainienne (« », tiret cadratin, ’) n’est utilisée qu’à l’affichage — sur le site et les cartes.

Utilisation

Licence et citation

Curation et enrichissement (structure du corpus, orthographes modernes, thèmes, annotations nettoyées, groupes de variantes) — CC BY 4.0. Textes historiques (1841–1909) — domaine public. Recueils modernes (Bobkova ; Mlodzynskyi, 2009) restent sous droits éditoriaux ; inclus à des fins de recherche et d’éducation, avec attribution via le champ sources.

Comment citer :

Yemelianov, Dmytro (2026). verba — Ukrainian Proverbs Corpus (v1.0.2). https://verbacorpus.org · ORCID 0009-0002-9244-7426

Soutenir le projet

verba est un projet non commercial en données ouvertes. Le site et le bot sont gratuits ; les dons financent son développement : enregistrements audio par des locuteurs natifs, nouvelles sources et variantes dialectales. Merci de préserver la parole vivante 🌾

🌾 Soutenir via monobank ☕ Ko-fi

Автор: Дмитро Ємельянов · Версія 1.0.2 · GitHub · Карта даних · API