Fuzuê Open Dictionary

Base lexical multilíngue, estruturada e revisável, publicada como dados abertos para jogos, pesquisa, NLP e futuras APIs de dicionário.

O que este repositório contém

A branch main contém somente o contrato do dataset, documentação, amostras pequenas, manifestos e ferramentas de verificação. A base completa é distribuída nos GitHub Releases, evitando commits binários e históricos Git gigantes.

Cada release oferece:

• Parquet particionado por idioma (language=pt-BR);
• SQLite com índices e busca FTS5;
• JSONL canônico compactado com Zstandard;
• conjuntos separados core/ e preview/;
• manifest.json, SHA256SUMS e assinatura destacada.

core contém somente registros ativos com revisão humana ou especializada. preview contém sugestões geradas ou validadas apenas por máquina e não deve ser tratado como fonte lexicográfica confirmada.

Modelo

O modelo preserva as distinções entre:

• entrada lexical: lema + UPOS + índice de homógrafo;
• forma escrita: grafia exata e características morfológicas;
• sentido: definições, exemplos, registro, domínio e região;
• fonologia: pronúncia por variedade;
• frequência: observação identificada por idioma, forma normalizada, corpus e período;
• conceitos, relações semânticas e traduções entre sentidos.

Grafias com e sem acento são registros diferentes. A normalização existe para busca e aplicações como jogos, não para apagar diferenças ortográficas.

O DDL autoritativo está em schema/lex.sql, acompanhado por JSON Schema, Data Package e Croissant em schema/. UUIDs públicos são UUIDv5 no namespace d6947180-3e3f-51cc-8df7-e7b98a2f2059.

Licenças

• Dados: CC0-1.0.
• Código e ferramentas: MIT.
• Documentação e schema textual: CC BY 4.0, salvo indicação por arquivo.

“CC0” descreve a dedicação definida em LICENSE-DATA; o projeto não usa “domínio público” como promessa genérica sobre jurisdições ou direitos de terceiros.

Verificação

python3 scripts/verify.py caminho/para/release

O comando valida checksums, manifesto, estrutura SQLite e separação entre core e preview. Para verificar a assinatura, importe security/release-signing-key.asc e execute gpg --verify SHA256SUMS.asc SHA256SUMS.

Para produzir JSONL canônico a partir do SQLite de uma release:

python3 scripts/export.py dictionary-pt-BR.sqlite export/

Versões

• Schema: SemVer, por exemplo schema-v3.0.0.
• Dados: CalVer, por exemplo data-2026.08.

Consulte CHANGELOG.md, PROVENANCE.md, DATA_STATEMENT.md e CONTRIBUTING.md antes de redistribuir ou contribuir.