Datos abiertos, atribución visible
Fuentes y licencias
La lista de palabras no procede de copiar a ningún competidor ni de utilizar datos de la Real Academia Española. Se construyó desde dos fuentes abiertas, y la lista derivada se distribuye bajo la misma licencia de compartir igual.
Atribución
Fuentes de datos. La lista de palabras de este sitio se construyó a partir de dos fuentes abiertas: (1) las frecuencias de palabras del español de FrequencyWords (datos de OpenSubtitles 2018, compilación de Hermit Dave), y (2) los datos lexicográficos de Wiktionary en la extracción estructurada de Kaikki.org (Wiktextract, Tatu Ylonen, LREC 2022). Ambas fuentes se publican bajo la licencia Creative Commons Atribución-CompartirIgual 4.0 Internacional (CC BY-SA 4.0), y esta lista de palabras se distribuye bajo esa misma licencia. Las descripciones breves de cada palabra son redacción propia de este sitio. Este proyecto no está afiliado a la Real Academia Española ni a Wiktionary/Wikimedia; no utilizamos datos de la RAE.
FrequencyWords y OpenSubtitles
El repositorio FrequencyWords aporta el orden de frecuencia del español a partir de OpenSubtitles 2018. Su README distingue el código, bajo MIT, del contenido, bajo CC BY-SA 4.0. Usamos el contenido y por eso se aplica la atribución y la cláusula de compartir igual.
La frecuencia es de formas que aparecen en subtítulos, no una lista de lemas ya depurada. Nuestro proceso descartó formas flexionadas, nombres y residuos sin entrada lexicográfica coincidente.
Wiktionary y Kaikki.org
Kaikki.org ofrece una extracción estructurada de Wiktionary. Wiktionary utiliza una doble licencia CC BY-SA y GFDL; este proyecto elige únicamente la ruta CC BY-SA 4.0. Las definiciones de Wiktionary se emplearon como señales internas para clasificar y revisar, y no se reproducen como texto de las páginas.
Como cortesía académica, también citamos: Tatu Ylonen, «Wiktextract: Wiktionary as Machine-Readable Structured Data», LREC 2022.
Qué cubre CC BY-SA 4.0
La licencia cubre el conjunto de datos derivado cuando se redistribuye. Si reutilizas la lista, debes dar la atribución correspondiente, enlazar la licencia e indicar los cambios, y distribuir tu versión derivada bajo la misma licencia. El código, el diseño y los artículos originales del sitio son obras separadas.
Leer el resumen de la licencia CC BY-SA 4.0
Fuentes no utilizadas
- No se utilizaron datos de la RAE ni de CORPES XXI.
- No se copiaron las listas ni las páginas de generadordepalabras.com, palabrasaleatorias.com o aleatorios.com.
- Leipzig Corpora no se utilizó en esta versión.