База даних
verba — це масштабний цифровий масив, який об’єднує 48 787 записів української пареміографії, зведених у єдиний уніфікований корпус із п’яти фундаментальних історичних джерел. Хронологічно матеріали охоплюють період від 1841 року до сучасності.
Читайте также: Claude Code отримав вбудований браузер. Тепер AI може читати сайти, натискати кнопки та заповнювати форми
Фундаментом платформи стали оцифровані збірки видатних діячів та інституцій:
- «Галицькі приповідки і загадки» Григорія Ількевича 1841 року;
- фундаментальна праця Матвія Номиса «Українські приказки, прислів’я і таке інше» 1864 року;
- тритомне видання «Галицько-руських народних приповідок» Івана Франка, випущене Науковим товариством імені Шевченка у 1901–1910 роках;
- академічна збірка Видавництва АН УРСР 1961 року;
- репринт «Практичного російсько-українського словника приказок» Г. Млодзинського від Інституту енциклопедичних досліджень НАН України.
Для перенесення цих історичних видань у цифровий формат було застосовано оптичне розпізнавання тексту за допомогою технології Tesseract, а матеріал зі збірки Номиса додатково опрацьовано через критичний апарат видання.
Кожен окремий запис у корпусі перетворено на структуровану картку, придатну для пошуку, глибинного дослідження та повторного використання. Вона містить оригінальний текст із повним збереженням історичного правопису джерела, його нормоване сучасне написання, точне посилання на першоджерело, а також групу варіантів, яка підсвічує зв’язки між схожими діалектними чи орфографічними відповідниками.
Адаптація текстів під сучасний правопис та їхня тематична класифікація були виконані за допомогою штучного інтелекту: точність згенерованого ШІ сучасного написання становить приблизно 95%, а релевантність визначених тем — близько 85%.
Як працює сайт
Шукати прислів’я можна за конкретним ключовим словом, обраною темою або першоджерелом.
Проте головною фішкою платформи є семантичний пошук — функція «за змістом». Вона незамінна у випадках, коли користувач не памʼятає точних слів із прислів’я, а лише його загальну ідею чи суть. Штучний інтелект розпізнає контекст запиту і підбирає максимально близькі за значенням народні вислови.
Читайте также: КПІ відкрив другий набір на «Ветеранську магістратуру» з протезування. Навчання фінансує українська IT-компанія appflame
Кожен вираз має тематичну розмітку, яка розподіляє народну творчість за 27 фіксованими категоріями, причому одному запису може бути присвоєно від однієї до трьох тем одночасно.
Для тих, хто зайшов на сайт за натхненням або хоче ближче познайомитися з українською пареміографією, передбачено режим «Гортати» — він дозволяє досліджувати базу у вільному форматі. Усі знайдені перлини народної мудрості, які припали до душі, можна додавати до «Збережених», щоб мати до них швидкий доступ у майбутньому.
Крім вебверсії, проєкт має зручне мобільне розширення — офіційного Telegram-бота (@VerbaCorpus). Він дублює основний функціонал сайту, дозволяючи шукати прямо у вікні месенджера.
Про технічний стек айтівець розповів у себе в LinkedIn: «Корпус супроводжується повноцінним REST API на базі Cloudflare Workers, семантичним та лексичним пошуком, генератором інтерактивних GIF/PNG карток для поширення, а також відкритими форматами (JSON, XML, CSV, Croissant) та ліцензією CC BY 4.0.»
Читайте также: ФОПи зможуть сплачувати податки прямо у смартфоні через Приват24: як працює новий сервіс
Дізнатися докладніше про код та дані проєкту можна на GitHub.