Zobrazení zdroje stránky Kontrola pravopisu:Nový slovník

== Situace konec roku 2020 ==

* Hunspell pod lincencí CC0: https://gitlab.com/strepon/czech-cc0-dictionaries pro LibreOffice a aplikace Mozilly
* [https://youtu.be/b1kQJs4Y1tg přednáška Stanislava Horáčka na OpenAltu 2020]

== Situace podzim 2019 ==

* Český tvarotvorný slovník (licence Public Domain): https://github.com/plin/slovnik
* České CC0 slovníky: http://ceskeslovniky.cz/

Na serveru YouTube je k dispozici [https://www.youtube.com/watch?v=5LITQ8Ygtzo přednáška Stanislava Horáčka] z konference LinuxDays 2019, která shrnuje vývoj kolem nového otevřeného Českého tvarotvorného slovníku a představuje na něj navazující projekt ceskeslovniky.cz.

Viz také https://www.l10n.cz/2019/10/13/novy-cesky-slovnik-pro-kontrolu-pravopisu/.

'''Informace o slovníku také v [https://pad.openalt.org/om_korektor padu OpenAltu].'''

== Situace podzim 2018 ==

Během [http://www.l10n.cz/2016/10/13/report-z-linuxdays/ setkání na LinuxDays 2018] jsme jako jeden z hlavních problémů identifikovali nevyhovující stav standardních open source slovníků pro kontrolu překlepů a skutečnost, že je je šířen pod [https://en.wikipedia.org/wiki/Copyleft copyleftovou] licencí ([https://www.gnu.org/licenses/gpl-2.0.html GNU GPL]). Současný slovník je neaktuální, neudržovaný a nemá žádného správce. [ftp://ftp.tul.cz/pub/unix/ispell/ Ispellový slovník] slouží/posloužil jako základ [ftp://ftp.gnu.org/gnu/aspell/dict/cs/ aspellovému slovníku]. Z aspellové verze jsou generovány ostatní formáty (myspell, hunspell). Netrpí tak jen open source projekty, jejichž lokalizaci zajišťují komunitní týmy, ale všechny projekty a produkty, které tyto slovníky používají (např. kontrola pravopisu na Email.cz).

Jako vhodné řešení se jeví vytvořit nový slovník. Komunita překladatelů L10N.cz tak hledá zdroj dat pro nový slovník, kterým by mohla být data ÚJČ AV ČR nebo některá z českých vysokých škol. Nový slovník by komunita překladatelů L10N.cz chtěla uvolnit pod svobodnější licencí (nikoliv copyleft) a počítá se i s možností zpětné vazby a zadávání nových dat od překladatelů i koncových uživatelů.

== Skupina komunitních překladatelů L10n.cz ==

Skupina komunitních překladatelů [https://www.l10n.cz/ L10n.cz] je neformálním uskupením technických překladatelů a přispěvatelů do open source projektů. Cílem skupiny je zpřístupnění velkého množství open source softwaru rozličné povahy a zaměření českým uživatelům a přizpůsobení tohoto softwaru českému prostředí. Mezi oblasti zájmu skupiny tak patří i otevřené české slovníky a lexikografické databáze. Skupina L10n.cz je pro potřeby tvorby nových otevřených lexikografických databází a slovníků zaštítěna spolkem [https://www.openalt.org/o-spolku OpenAlt z.s.].

== Cíle ==

Pro softwarové projekty a zainteresované produkty plánuje komunita překladatelů L10N.cz získat přístup k databázím, které umožní tvorbu a distribuci otevřených slovníků, jejichž zaměření a vlastnosti jsou podrobněji rozebrány v následujících sekcích. Mezi zainteresované produkty mohou patřit komunitní i komerční, open source i proprietární řešení, pokud to licenční podmínky budou umožňovat.

Poskytnutí otevřených dat ve formě slovníků co nejširšímu okruhu zájemců a konzumentů umožní překonat zjevnou technologickou propast mezi dostupnými otevřenými českými slovníky a nabídkou některých komerčních dodavatelů proprietárního kancelářského softwaru.

=== Slovník pro kontrolu překlepů ===

Základní slovník pro kontrolu překlepů založený na otevřené databázi, který bude:

* průběžné aktualizovaný,
* bude svým obsahem více vyhovovat současným potřebám českých uživatelů,
* dostupný pod svobodou a otevřenou licencí, která umožní jeho další údržbu a přebírání do co nejširšího okruhu projektů a produktů (tedy méně restriktivní licencí než copyleft),
* zcela či částečně automatizovaně generovat ve všech potřebných formátech ze společného zdroje.

=== Další slovníky ===

Mimo vytvoření a distribuci základního slovníku pro kontrolu překlepů je dalším cílem tvorba slovníku synonym a kontroly gramatiky. Tyto by měly být sémanticky založené a splňovat stejné obsahové a licenční požadavky jako slovník pro kontrolu překlepů.

=== Vývoj a údržba slovníků ===

Pro údržbu slovníku plánuje komunita překladatelů L10N.cz nasadit nástroj pro sběr zpětné vazby od uživatelů, který umožní jednoduše lexikografické návrhy spravovat a slovník jimi aktualizovat, nebo naopak z něj lexikografická data odebírat. Možnosti implementace jsou:

* webová stránka s formulářem,
* automatický program či skript na odeslání lexikografických dat zadaných uživatelem do osobního slovníku v jednotlivých programech,
* softwarová rozšíření pro nejpoužívanější software.

=== Co může skupina L10n.cz nabídnout spolupracující instituci? ===

Zásadním pro naplnění výše předestřených cílů je aktivní a intenzivní spolupráce s některou z institucí, které mají přístup k potenciálním zdrojům dat pro otevřené databáze a slovníky.

Členové skupiny L10n.cz mohou spolupracující instituci nabídnout bohaté zkušenosti s managementem otevřených dat, znalosti v oblasti zpracování přirozeného jazyka, softwarové lokalizace a inženýrství a systémové administrace, dále pak kontakty na a zapojení do práce velkého množství mezinárodních technických komunit zabývajících se vývojem open source softwaru.

=== Potenciální zdroje dat pro databáze ===
* ÚJČ AV ČR
* další akademická pracoviště a jejich projekty (např. https://www.korpus.cz/)
* [https://cs.wiktionary.org/ Wikislovník]
* další existující slovníky, viz [[Pomůcky_pro_překladatele#Online_slovn.C3.ADky |stránka Pomůcky pro překladatele]]
* volně dostupná literární díla v digitalizované podobě

=== Očekávaný průběh získání slovníku a použití ===
* postupné oslovení jednotlivých zdrojů (viz výše) a zjištění dostupnosti dat pod vhodnou licencí
* implementace nástrojů pro zpracování dat a vygenerování slovníku
* uvedení slovníku do produktů
* implementace nástrojů pro získávání návrhů od uživatelů a jejich správu
* následná údržba a doplňování z návrhů uživatelů a případně z aktualizovaných zdrojových dat

== Další odkazy ==
* [http://lists.ubuntu.cz/pipermail/diskuze/2009-August/000730.html Výzva v konferenci ze dne 10. 8. 2009]
* [http://lists.l10n.cz/pipermail/diskuze/2016-October/002244.html Diskuze po LinuxDays]
* [https://github.com/tvondra/ispell_czech Verze slovníku pro ispell od Tomáše Vondry]
* [https://websvn.kde.org/trunk/l10n-support/pology/lang/cs/ Whitelist slov z překladu KDE], ([http://lists.l10n.cz/pipermail/diskuze/2016-October/002270.html diskuze])
* [http://liberix.cz/doplnky/slovniky/ooo/ Slovník OpenOffice.org na webu Liberix.cz]
* [http://www.ujc.cas.cz/ ÚJČ AV ČR]
* [https://cs.wiktionary.org/wiki/Wikislovn%C3%ADk:Hlavn%C3%AD_strana Wikislovník]
* [http://eurovoc.europa.eu/ Eurovoc, mnohojazyčný tezaurus Evropské unie]

[[Kategorie:Kontrola pravopisu]]
[[Kategorie:Slovníky]]