Nos lexiques français, retravaillés — en un seul paquet.
C'est le lexique du correcteur et de la dictée OMEGA — retravaillé, complété, curé, et sensiblement plus utile que la matière première dont il part : ~214 000 formes (enrichies au Wiktionnaire), le genre des noms bouché, les homophones, la morphologie, et un POS-tagger qu'on a entraîné nous-mêmes — le tout trié à zéro faux positif. Le français n'appartient à personne : sers-t'en librement, pour n'importe quel projet.
Un seul zip contient tout, avec un NOTICE.txt qui décrit chaque fichier. Aucune donnée personnelle : rien qui vienne d'un corpus privé.
Ce qu'il y a dans le paquet
| Fichier | Contenu | Point de départ |
|---|---|---|
speller.tsv.gz | Lexique orthographique — ~214 000 formes (correction, accents, non-mots). | Lexique 4 · Wiktionnaire |
genre-noms.tsv.gz | Genre des noms à genre non ambigu (pour l'accord). | Lexique 4 · Wiktionnaire |
pos-tagger-hmm.json[.gz] | POS-tagger HMM : émissions + transitions bigramme, décodage Viterbi (version compressée + JSON lisible). | UD French-GSD · Lexique 4 |
noun-post.txt.gz | Contextes post-nominaux (désambiguïsation nom/verbe en contexte). | Lexique 4 |
accord-sujet-verbe-lm.json.gz | Modèle de langue trigramme élagué pour arbitrer l'accord sujet-verbe. | UD French-GSD |
confusables.json | Groupes de confusables (homophones + paronymes) avec sens. | Lexique 4 · Wiktionnaire |
morpho.json | Morphologie : radicaux (md/mb). | Lexique 4 |
homophones-phonetiques.json | Groupes d'homophones par clé phonétique. | Lexique 4 |
elision.txt | Mots à apostrophe (élision) pour le rappel. | UD French-GSD · curé |
Formats simples : TSV et JSON (les .gz se décompressent avec n'importe quel outil, gunzip compris).
Libres à réutiliser
On a fait le gros du travail — extraire, croiser, curer à zéro faux positif, entraîner le POS-tagger, poser les clés phonétiques : c'est cette version-là qu'on te donne, prête à l'emploi, pas la matière brute. Sers-t'en pour ce que tu veux.
Point de départ : Lexique 4, le Wiktionnaire et Universal Dependencies French-GSD (CC BY-SA 4.0). Par correction : garde-les ouvertes et crédite OMEGA-Ω + ces sources si tu réutilises.