La lista di parole e le sue licenze

Che cosa contiene la lista

Forme flesse

379.331

Lunghezza

da 2 a 15 lettere

Righe della fonte

505.072

Forme accentate

18.059

Tolte per il contenuto

32

Liste costruite su questo sito

319

Non è una lista ufficiale né una lista da torneo. Contiene forme flesse, termini tecnici e varianti; non contiene tutte le parole dell’italiano, e ciò che non c’è non compare su nessuna pagina di questo sito.

Che cosa è stato cambiato

• Morph-it! elenca una riga per (forma, lemma, tratti): «porta» compare come nome e come verbo. Uno strumento di parole elenca grafie, quindi le righe diventano una voce per forma.
• Le voci che non si scrivono interamente con lettere italiane — gruppi con spazio, forme con apostrofo o trattino, sigle con cifre — sono state tolte.
• 32 forme sono tolte per il contenuto. La regola è aperta, in tools/wordlist/blocklist-it.json, e riguarda solo gli insulti contro caratteristiche protette; il linguaggio volgare resta nella lista, perché sta in ogni dizionario stampato. Tre voci restano schermate con una riserva scritta nel file, perché hanno un omografo innocuo: «giudia» è anche un piatto romano, «checca» anche un sugo, «subnormale» anche un termine di calcolo numerico.
• L’ordine viene da una lista di frequenza. Decide che cosa viene prima, mai che cosa c’è nella lista.

Licenze

Le fonti di questa lista hanno licenze aperte, e quelle licenze chiedono che il loro testo accompagni i dati. È quindi riprodotto qui per intero e senza modifiche. Il build di questo sito fallisce se ne manca uno.

LICENSING INFORMATION
======================

This program is dual-licensed free software; you can redistribute it
and/or modify it under the terms of the under the Creative Commons 
Attribution ShareAlike 2.0 License and the GNU Lesser General Public
License.

***********************************************
* Creative Commons Attribution ShareAlike 2.0 *
***********************************************

Morph-it! is licensed under the Creative Commons Attribution
ShareAlike 2.0 License.

You are free:

- to copy, distribute and display the resource;
- to make derivative works;
- to make commercial use of the resource;

under the following conditions:

- you must give the original authors credit;
- if you alter, transform, or build upon this work, you may distribute
  the resulting work only under a license identical to this one;
- for any reuse or distribution, you must make clear to others the
  license terms of this work;
- any of these conditions can be waived if you get permission from the
  copyright holders.

Your fair use and other rights are in no way affected by the above.

You can find a link to the full license from the Morph-it! website.

Copyright (C) 2004-2007 Marco Baroni and Eros Zanchetta.

*************************************
* GNU Lesser General Public License *
*************************************

Morph-it! A free morphological lexicon for the Italian Language
Copyright (C) 2004-2007 Marco Baroni and Eros Zanchetta

This program is free software; you can redistribute it and/or modify
it under the terms of the GNU General Public License as published by
the Free Software Foundation; either version 2 of the License, or
(at your option) any later version.

This program is distributed in the hope that it will be useful,
but WITHOUT ANY WARRANTY; without even the implied warranty of
MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
GNU General Public License for more details.

You should have received a copy of the GNU General Public License along
with this program; if not, write to the Free Software Foundation, Inc.,
51 Franklin Street, Fifth Floor, Boston, MA 02110-1301 USA.

# FrequencyWords
Repository for Frequency Word List Generator and processed files

In early days I hosted the generated files on OneDrive with my blog https://invokeit.wordpress.com/frequency-word-lists/ linking to it.
Moving forward, the code and the generated outputs are on GitHub.

### OpenSubtitle tokenized source
The data used to generate 2016 lists can be found at http://opus.lingfil.uu.se/OpenSubtitles2016.php 
The data used to generate 2018 lists can be found at http://opus.nlpl.eu/OpenSubtitles2018.php

### Format
Frequency lists are on the `{word}{space}{numer_of_occurences_in_corpus}`. By example, in file `en_50k.txt` :
```
you 22484400
i 19975318
the 17594291
to 13200962
...
```

### Usages
These data are reused by various widely used opensource projects, among which Wikipedia, input methods and autocomplete keyoards, etc.

### License 
MIT License for code.<br>
CC-by-sa-4.0 for content.