Zasoby¶

Olski stoi na zasobach Zespołu Inżynierii Lingwistycznej IPI PAN. Repozytorium nie trzyma korpusów, bo są duże i mają własne licencje. Ten dokument mówi, skąd je wziąć i które pliki repozytorium z nich powstają.

Morfeusz 2¶

Analizator i generator morfologiczny polszczyzny, oparty na słowniku SGJP. Instaluje się z PyPI jako zależność pakietu (morfeusz2), więc pip install -e '.[dev]' przynosi go razem z resztą. Strona projektu: http://morfeusz.sgjp.pl/.

Walenty¶

Słownik walencyjny polszczyzny: co czasownik i rzeczownik bierze oraz, w warstwie semantycznej, czego żąda od argumentu. Z wydania z 18 kwietnia 2016 powstają dwa pliki pakietu. Oba są na CC BY-SA 4.0, tak jak źródło.

Wydanie tekstowe daje leksykon walencyjny:

curl -L -o walenty.zip \
  'http://zil.ipipan.waw.pl/Walenty?action=AttachFile&do=get&target=walenty_20160418-text.zip'
unzip walenty.zip
python3 -m harness.walenty walenty_20160418-text/verbs/walenty_20160418_verbs_all.txt \
  --rzeczowniki walenty_20160418-text/nouns/walenty_20160418_nouns_all.txt \
  > olski/leksykon.txt

Wydanie TEI niesie warstwę semantyczną i daje plik żądań:

curl -L -o walenty-tei.zip \
  'http://zil.ipipan.waw.pl/Walenty?action=AttachFile&do=get&target=walenty_20160418-TEI.zip'
unzip walenty-tei.zip
python3 -m harness.żądania walenty_20160418-TEI/walenty_20160418.xml > olski/żądania.txt

Warstwa semantyczna obsadza pozycje rolami i żąda od argumentu klasy rzeczy: klasy nazwanej (na przykład LUDZIE, MIEJSCE, KOMUNIKAT) albo zbioru synsetów Słowosieci.

Składnica¶

Bank drzew składnikowych polszczyzny ze zdaniami z NKJP. Wydanie z 23 lipca 2018 ma 13 035 zdań z pełnym złotym drzewem. Jest na GPL, więc tabela przyłączeń zbudowana na nim, olski/skłonności.txt, też.

curl -L -o skladnica.tar.gz \
  'https://zil.ipipan.waw.pl/Sk%C5%82adnica?action=AttachFile&do=get&target=Sk%C5%82adnica-frazowa-180723.tar.gz'
tar xzf skladnica.tar.gz
python3 -m harness.pomiar Składnica-frazowa-180723/
python3 -m harness.skłonności Składnica-frazowa-180723/ --zbuduj olski/skłonności.txt

harness.pomiar mierzy pokrycie gramatyki, czyli ile zdań wychodzi z jednym czytaniem, ile z kilkoma i ile bez żadnego.

NKJP¶

Narodowy Korpus Języka Polskiego. Podkorpus milionowy w wydaniu 1.2 jest na CC BY i niesie warstwy anotacji obok tekstu. Z niego pochodzą zdania w próba/nkjp-sądy.txt.

curl -L -o nkjp1m.tar.gz \
  'http://clip.ipipan.waw.pl/NationalCorpusOfPolish?action=AttachFile&do=get&target=NKJP-PodkorpusMilionowy-1.2.tar.gz'
mkdir nkjp && tar xzf nkjp1m.tar.gz -C nkjp
python3 -m harness.nkjp nkjp/ --into proza/nkjp

Słowosieć¶

Relacyjny słownik znaczeń polszczyzny (plWordNet). Jest potrzebny, żeby sprawdzić, czy słowo w zdaniu należy do klasy, której żąda Walenty. W październiku 2026 formularz pobierania przekierowuje na https://slowosiec.pl/, a pełne zrzuty witryna udostępnia po zgłoszeniu. Sprawy licencyjne idą na plwordnet@clarin-pl.eu. Licencja pozwala używać i rozpowszechniać Słowosieć bez opłat, pod warunkiem zachowania noty copyright na kopii.