Skip to content
← Torna al corpus

Informazioni sul progetto

verba è un corpus aperto e unificato di proverbi, adagi e detti ucraini, compilato da cinque raccolte digitalizzate che coprono dal 1841 ad oggi.

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

Che cos'è

Per decenni la paremiologia ucraina è rimasta frammentata in singole raccolte a stampa con diverse convenzioni ortografiche e senza un formato leggibile dalla macchina condiviso. verba unifica queste raccolte in un unico corpus, rendendolo consultabile, studiabile e riutilizzabile.

Ogni voce include: il testo originale (preservando la grafia storica della fonte), una grafia moderna, 1–3 temi da un insieme fisso di 27, la fonte e il riferimento, e un gruppo di varianti (collegando probabili equivalenti dialettali).

Fonti

Come è stato realizzato

Le edizioni storiche sono state digitalizzate; l'OCR (tesseract) è stato applicato alle scansioni, mentre il materiale di Nomys è stato estratto da un'edizione critica. I duplicati sono stati uniti in modo morbido e le probabili varianti dialettali sono state collegate anziché eliminate. I testi sono presentati il più vicino possibile alle fonti.

Limiti onesti: la raccolta di Nomys (1864) rappresenta il miglior OCR possibile (≈75–80% di accuratezza dei caratteri), quindi si verificano occasionali errori di riconoscimento. Le grafie moderne e i temi sono stati generati dall'intelligenza artificiale e sono approssimativi (grafia moderna ≈95% accettabile, temi ≈85%). Il tag del tema principale è il più affidabile.

Nei dati stessi, la tipografia è ridotta ad ASCII semplice (virgolette diritte, apostrofo, trattino) per facilitare l'elaborazione programmatica; la tipografia ucraina (« », em dash, ') è applicata solo per la visualizzazione — sul sito e sulle schede.

Come usarlo

Licenza e citazione

Cura e arricchimento (struttura del corpus, grafie moderne, temi, annotazioni ripulite, gruppi di varianti) — CC BY 4.0. Testi storici (1841–1909) — di pubblico dominio. Raccolte moderne (Bobkova; Mlodzynskyi, 2009) rimangono sotto i diritti degli editori; incluse per ricerca e istruzione, con attribuzione tramite il campo sources.

Come citare:

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

Sostieni il progetto

verba è un progetto non commerciale a dati aperti. Il sito e il bot sono gratuiti; le donazioni ne finanziano lo sviluppo: registrazioni audio di madrelingua, nuove fonti e varianti dialettali. Grazie per custodire la parola viva 🌾

🌾 Sostieni con monobank ☕ Ko-fi

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