wordlink
קוד פתוחGenius-Societyapache-2.02025-01-16
מאגר מילים נרדפות באנגלית שמכוון ישירות למבחן TOEFL. מי שצריך לבנות תרגול אוצר מילים אקדמי או לבדוק החלפת מילים ימצא כאן חומר ממוקד בלי רעש מסביב.
- 21הורדות בחודש
- 26לייקים
מה זה
המאגר מיועד ללומדי אנגלית ונבחני TOEFL, ומרכז מילים נפוצות במבחן יחד עם מילים נרדפות שלהן. המטרה המוצהרת שלו היא עזרה בהבנת דקויות וביצוע החלפות מדויקות של מילים, אבל הכרטיס לא מפרט את מבנה הרשומות המדויק בכל אובייקט.
התוכן מחולק לתיקיית נתונים עם קובצי JSON לפי יחידות, כמו unit1.json עד unit10.json, לצד קובץ README. בסך הכל יש במאגר 13 קבצים. היוצרים לא מציינים מאיזה מקורות בדיוק המילים נאספו, האם מדובר במבחני עבר רשמיים, ואיזה סינון ידני או אוטומטי בוצע על הזוגות.
מתאים ל
- אימון מודל להחלפת מילים
התאמת שמות תואר ופעלים באנגלית אקדמית כדי לשפר ניסוח של טקסטים אוטומטיים.
- בניית אפליקציית תרגול
יצירת שאלות אמריקאיות וכרטיסיות זיכרון להכנה לקראת מבחני קבלה באנגלית.
- הערכת עושר לשוני
בדיקת מגוון אוצר המילים של מודלים או של משתמשים בכתיבה אקדמית.
איפה זה נופל
התיעוד דל מאוד ולא מציג את השדות, כמות הרשומות הכוללת, או את הדרך שבה נבדקה איכות ההתאמה בין המילים. אין פה נגיעה לעברית, הכל באנגלית בלבד. אם אתם בונים על זה כלי שדורש דיוק סמנטי גבוה, תצטרכו לדגום את הקבצים ידנית כדי לוודא שאין מילים נרדפות שגויות או הקשרים מטעים.
שאלות
נפוצות
האם מותר להשתמש במאגר לפיתוח מוצר מסחרי?
כן, הרישיון הוא apache-2.0 ומאפשר שימוש מסחרי לחלוטין. התנאי המרכזי הוא שמירה על הודעת הרישיון ומתן קרדיט ליוצרים. אין חובה לפתוח את הקוד של המוצר שאתם מפתחים.
האם יש במאגר תרגום או תמיכה בעברית?
לא, המאגר כולל אך ורק מילים נרדפות בשפה האנגלית עבור מבחן TOEFL. אין בו תרגומים לשפות אחרות. אם תרצו להשתמש בו ללומדים ישראלים, תצטרכו להצמיד לו תרגום בעצמכם.
איך הנתונים נאספו והאם הם עברו בדיקה אנושית?
יוצרי המאגר לא פירטו בכרטיס את שיטת האיסוף או הסינון. לא ברור אם המילים הועתקו מחומרי לימוד, נוצרו על ידי מודל שפה, או לוקטו ידנית. בגלל חוסר המידע מומלץ לבדוק מדגם מתוך הקבצים לפני שמסתמכים עליהם.
איך טוענים
טוענים אותו ישירות דרך ספריית datasets עם השם Genius-Society/wordlink, כשהספליט המוגדר הוא train. אין צורך בבקשת גישה מיוחדת, והוא פתוח להורדה חופשית. הנתונים עצמם יושבים בקובצי JSON מחולקים ליחידות, ואפשר למשוך את המאגר גם ישירות מגיטהאב או דרך גיט ללא הורדת קבצים כבדים.
from datasets import load_dataset
ds = load_dataset("Genius-Society/wordlink")הרישיון
המאגר מופץ תחת רישיון apache-2.0, שמאפשר שימוש מסחרי מלא, שינוי והפצה של המידע. אתם יכולים לאמן עליו מודלים חופשי בלי לחלוק את קוד המקור, כל עוד אתם שומרים על הודעת זכויות היוצרים והרישיון המקורי בקבצים.
- שימוש מסחרי
- שינוי הקוד
- הפצה מחדש
- שימוש בפטנטים