nicoletterankin/word-orb-vocabulary

--- license: cc-by-nc-sa-4.0 task_categories: - text-classification - text-generation - translation - question-answering language: - en - es - fr - de - pt - ja - ko - zh - ar - hi - ru - it - nl - tr - vi - th - pl - id - sv - da - no - fi - cs - ro - hu - el - uk - he - bn - ta - ms - tl - te - sw - ur - fa - ig - am - yo - my - zu - ha - km - kk - gu - ca - mr - pa tags: - vocabulary - education - multilingual - ethics - nlp - linguistics - pronunciation - etymology - age-appropriate - cultural-sensitivity - gender-equity - dictionary - word-enrichment pretty_name: Word Orb Vocabulary Intelligence size_categories: - 100K<n<1M --- # Word Orb Vocabulary Intelligence Structured vocabulary intelligence for AI agents, educators, and researchers. 162,253 words with pronunciation, etymology, age-appropriate definitions, translations across 47 languages, and ethical context. ## Dataset Description Word Orb is the world's most comprehensive structured vocabulary dataset designed for AI agents and education technology. Each word entry includes: - **IPA pronunciation** for text-to-speech and phonetics research - **Age-appropriate definitions** (child, adult, elder) for differentiated instruction - **Etymology** tracing word origins across languages - **Translations** across up to 47 languages with native pronunciations - **Semantic connections** (related words, synonyms, antonyms) - **Part of speech** classification ### Supported Tasks - **Text Classification**: Age-appropriate content filtering, readability scoring - **Text Generation**: Vocabulary-aware content generation for education - **Translation**: Multilingual vocabulary with pronunciation guides - **Question Answering**: Etymology and linguistics QA - **Educational Content Generation**: Lesson planning, quiz generation, vocabulary curricula ### Languages 47 languages: English, Spanish, French, German, Portuguese, Japanese, Korean, Chinese, Arabic, Hindi, Russian, Italian, Dutch, Turkish, Vietnamese, Thai, Polish, Indonesian, Swedish, Danish, Norwegian, Finnish, Czech, Romanian, Hungarian, Greek, Ukrainian, Hebrew, Bengali, Tamil, Malay, Tagalog, Telugu, Swahili, Urdu, Persian, Igbo, Amharic, Yoruba, Burmese, Zulu, Hausa, Khmer, Kazakh, Gujarati, Catalan, Marathi, Punjabi. ## Data Splits | Split | Rows | Description | |-------|------|-------------| | `full` | 162,253 | Complete vocabulary dataset | | `english_core` | 10,000 | Most-looked-up English words | | `multilingual_sample` | 1,000 | Words with the most translations across languages | ## Data Fields | Field | Type | Description | |-------|------|-------------| | `word` | string | The vocabulary word | | `ipa` | string | International Phonetic Alphabet pronunciation | | `pos` | string | Part of speech (noun, verb, adjective, etc.) | | `definition` | string | Standard definition | | `etymology` | string | Word origin and historical development | | `definition_child` | string | Age-appropriate definition for children (ages 5-12) | | `definition_adult` | string | Definition for adults | | `definition_elder` | string | Definition for seniors (65+) with life experience context | | `translations` | dict | Translations keyed by ISO 639-1 language code | | `translation_count` | int | Number of available translations | | `connections` | list | Semantically related words | | `lookups` | int | Number of API lookups (popularity proxy) | | `created_at` | string | When the word was added to the dataset | ## Usage ```python from datasets import load_dataset # Load the full dataset ds = load_dataset("nicoletterankin/word-orb-vocabulary", split="full") # Load just the core English vocabulary core = load_dataset("nicoletterankin/word-orb-vocabulary", split="english_core") # Find a word word = ds.filter(lambda x: x["word"] == "courage")[0] print(f"IPA: {word['ipa']}") print(f"Etymology: {word['etymology']}") print(f"Child definition: {word['definition_child']}") ``` ### Build a vocabulary quiz ```python import random ds = load_dataset("nicoletterankin/word-orb-vocabulary", split="english_core") sample = random.sample(range(len(ds)), 4) correct = sample[0] word = ds[correct] print(f"What does '{word['word']}' mean?") for i, idx in enumerate(sample): print(f" {chr(65+i)}. {ds[idx]['definition']}") ``` ### Multilingual lookup ```python ds = load_dataset("nicoletterankin/word-orb-vocabulary", split="multilingual_sample") word = ds.filter(lambda x: x["word"] == "peace")[0] for lang, translation in word["translations"].items(): print(f" {lang}: {translation}") ``` ## Curation Rationale This dataset was curated by Lesson of the Day, PBC specifically for AI education agents requiring age-appropriate, culturally sensitive, and gender-equitable vocabulary data. Unlike raw dictionary dumps, every entry is structured for machine consumption with typed fields, consistent formatting, and ethical annotations. The age-appropriate definitions enable differentiated instruction: the same word is explained differently for a 7-year-old, a 30-year-old professional, and a 70-year-old retiree. This is critical for education AI that must adapt to learner age and context. ## Source Data Curated and maintained by [Lesson of the Day, PBC](https://lotdpbc.com), a California Public Benefit Corporation building vocabulary infrastructure for AI agents and educators. Live API: [wordorb.ai](https://wordorb.ai) (free tier: 50 calls/day, no API key required) ## Licensing This dataset is released under **CC-BY-NC-SA 4.0**. Free for research and non-commercial use. Commercial applications requiring higher volume or real-time access should use the [Word Orb API](https://wordorb.ai/pricing). ## Citation ```bibtex @dataset{wordorb2026, title={Word Orb Vocabulary Intelligence}, author={Rankin, Nicolette}, year={2026}, publisher={Lesson of the Day, PBC}, url={https://huggingface.co/datasets/nicoletterankin/word-orb-vocabulary}, note={162,253 words, 47 languages, age-appropriate definitions, etymology, IPA pronunciation} } ```license: CC-BY-NC-SA 4.0 task_categories: - 文本分类 - 文本生成 - 机器翻译 - 问答任务 language: - 英语（en） - 西班牙语（es） - 法语（fr） - 德语（de） - 葡萄牙语（pt） - 日语（ja） - 韩语（ko） - 中文（zh） - 阿拉伯语（ar） - 印地语（hi） - 俄语（ru） - 意大利语（it） - 荷兰语（nl） - 土耳其语（tr） - 越南语（vi） - 泰语（th） - 波兰语（pl） - 印度尼西亚语（id） - 瑞典语（sv） - 丹麦语（da） - 挪威语（no） - 芬兰语（fi） - 捷克语（cs） - 罗马尼亚语（ro） - 匈牙利语（hu） - 希腊语（el） - 乌克兰语（uk） - 希伯来语（he） - 孟加拉语（bn） - 泰米尔语（ta） - 马来语（ms） - 他加禄语（tl） - 泰卢固语（te） - 斯瓦西里语（sw） - 乌尔都语（ur） - 波斯语（fa） - 伊博语（ig） - 阿姆哈拉语（am） - 约鲁巴语（yo） - 缅甸语（my） - 祖鲁语（zu） - 豪萨语（ha） - 高棉语（km） - 哈萨克语（kk） - 古吉拉特语（gu） - 加泰罗尼亚语（ca） - 马拉地语（mr） - 旁遮普语（pa） tags: - 词汇 - 教育 - 多语言 - 伦理 - 自然语言处理（NLP, Natural Language Processing） - 语言学 - 发音 - 词源 - 适配年龄 - 文化敏感性 - 性别平等 - 词典 - 词汇扩充 pretty_name: Word Orb词汇智能数据集 size_categories: 10万 < 条目数 < 100万 # Word Orb词汇智能数据集 专为AI智能体（AI Agent）、教育工作者与研究人员打造的结构化词汇智能数据集。包含162253个词汇条目，涵盖发音、词源、适配年龄的释义、47种语言的译法及伦理语境信息。 ## 数据集概述 Word Orb是全球最全面的结构化词汇数据集，专为AI智能体与教育科技场景设计。每个词汇条目包含： - **国际音标（IPA, International Phonetic Alphabet）发音**：用于语音合成与语音学研究 - **适配年龄的释义**：针对儿童、成人、老年人的差异化教学释义 - **词源**：追溯词汇跨语言的起源 - **跨47种语言的译法**：附带母语发音 - **语义关联**：相关词汇、同义词、反义词 - **词性**：分类标注 ### 支持任务 - **文本分类**：适配年龄的内容过滤、可读性评分 - **文本生成**：面向教育场景的词汇感知内容生成 - **机器翻译**：附带发音指南的多语言词汇支持 - **问答任务**：词源与语言学相关问答 - **教育内容生成**：教案规划、测验生成、词汇课程构建 ### 支持语言 共47种语言：英语、西班牙语、法语、德语、葡萄牙语、日语、韩语、中文、阿拉伯语、印地语、俄语、意大利语、荷兰语、土耳其语、越南语、泰语、波兰语、印度尼西亚语、瑞典语、丹麦语、挪威语、芬兰语、捷克语、罗马尼亚语、匈牙利语、希腊语、乌克兰语、希伯来语、孟加拉语、泰米尔语、马来语、他加禄语、泰卢固语、斯瓦西里语、乌尔都语、波斯语、伊博语、阿姆哈拉语、约鲁巴语、缅甸语、祖鲁语、豪萨语、高棉语、哈萨克语、古吉拉特语、加泰罗尼亚语、马拉地语、旁遮普语。 ## 数据划分 | 划分名称 | 条目数 | 描述 | |-------|------|-------------| | `full` | 162,253 | 完整词汇数据集 | | `english_core` | 10,000 | 最受关注的英语核心词汇 | | `multilingual_sample` | 1,000 | 覆盖最多语言译法的词汇样本 | ## 数据字段 | 字段名 | 数据类型 | 描述 | |-------|------|-------------| | `word` | 字符串 | 目标词汇 | | `ipa` | 字符串 | 国际音标（IPA, International Phonetic Alphabet）发音 | | `pos` | 字符串 | 词性标注（名词、动词、形容词等） | | `definition` | 字符串 | 标准释义 | | `etymology` | 字符串 | 词汇起源与历史演变 | | `definition_child` | 字符串 | 面向儿童（5-12岁）的适配年龄释义 | | `definition_adult` | 字符串 | 面向成人的释义 | | `definition_elder` | 字符串 | 面向老年人（65岁以上）的、结合生活经验的释义 | | `translations` | 字典 | 以ISO 639-1语言代码为键的译文字典 | | `translation_count` | 整数 | 可用译法的数量 | | `connections` | 列表 | 语义关联词汇集合 | | `lookups` | 整数 | API调用次数（词汇流行度代理指标） | | `created_at` | 字符串 | 词汇被加入数据集的时间 | ## 使用示例 python from datasets import load_dataset # 加载完整数据集 ds = load_dataset("nicoletterankin/word-orb-vocabulary", split="full") # 加载核心英语词汇集 core = load_dataset("nicoletterankin/word-orb-vocabulary", split="english_core") # 检索指定词汇 word = ds.filter(lambda x: x["word"] == "courage")[0] print(f"国际音标：{word['ipa']}") print(f"词源：{word['etymology']}") print(f"儿童版释义：{word['definition_child']}") ### 构建词汇测验 python import random ds = load_dataset("nicoletterankin/word-orb-vocabulary", split="english_core") sample = random.sample(range(len(ds)), 4) correct = sample[0] word = ds[correct] print(f"请选择'{word['word']}'的释义：") for i, idx in enumerate(sample): print(f" {chr(65+i)}. {ds[idx]['definition']}") ### 多语言词汇检索 python ds = load_dataset("nicoletterankin/word-orb-vocabulary", split="multilingual_sample") word = ds.filter(lambda x: x["word"] == "peace")[0] for lang, translation in word["translations"].items(): print(f" {lang}: {translation}") ## 数据集构建逻辑 本数据集由Lesson of the Day, PBC专为需要适配年龄、文化敏感且性别平等的词汇数据的AI教育智能体打造。与原始词典转储数据不同，所有条目均为结构化机器可读格式，包含类型化字段、统一格式与伦理标注。 适配年龄的释义支持差异化教学：同一词汇可为7岁儿童、30岁职场人士及70岁退休老人提供不同版本的解释，这对于需适配学习者年龄与场景的教育AI至关重要。 ## 数据源 本数据集由[Lesson of the Day, PBC](https://lotdpbc.com)（一家位于加州的公共利益公司，致力于为AI智能体与教育工作者构建词汇基础设施）整理与维护。 官方API：[wordorb.ai](https://wordorb.ai)（免费层级：每日50次调用，无需API密钥） ## 授权许可 本数据集采用**CC-BY-NC-SA 4.0**协议发布，可免费用于研究与非商业用途。商业应用若需更高调用量或实时访问权限，请使用[Word Orb官方API](https://wordorb.ai/pricing)。 ## 引用格式 bibtex @dataset{wordorb2026, title={Word Orb Vocabulary Intelligence}, author={Rankin, Nicolette}, year={2026}, publisher={Lesson of the Day, PBC}, url={https://huggingface.co/datasets/nicoletterankin/word-orb-vocabulary}, note={162,253个词汇，覆盖47种语言，包含适配年龄的释义、词源与国际音标发音} }