Topic: [2020] Lista de Palavras em Português para o BIP-0039 - page 11. (Read 3828 times)

Retirei mais estas:

cirene - typo
bocudo - pouco utilizada
boiada - já tem "bolada", "i" e "l" é muito fácil confundir
chuca - 4 primeiras
comboio - 4 primeiras
doloso - negativa
embaixo - 4 primeiras
empada - 4 primeiras
enjoado - negativa
esquadro - 4 primeiras
falecido - negativa
fedido - negativa
fedor - negativa
folha - 4 primeiras
formado - 4 primeiras
fugitivo - negativa
garoto - 4 primeiras
interno - 4 primeiras
jasmin - typo, corrigido para jasmim
loiro - grafia dupla -> louro/loiro
malabar - pouco utilizada
melado - 4 primeiras
modal - pouco utilizada
museu - tinha 2x
paginar - pouco utilizada
plano - 4 primeiras
plugue - pouco utilizada
racismo - negativa
sentido - 4 primeiras
toca - muito parecida com touca, que já está na lista
trilogia - 4 primeiras
umedecer - Grafia em Portugal: humedecer*
umidade - Grafia em Portugal: humidade*
velar - pouco utilizada
vividez - pouco utilizada

*tem que ter um português para dar uma olhada na lista para evitar a rejeição do PR.. melhor uma 'universal' do que uma PTBR..



Então tem 2019 palavras, restam 29..


Peço que deem uma olhada manualmente, eu já olhei várias e sempre tem algo errado.. melhor revisar agora do que esperar 1 mês para o PR ser rejeitado e ter que refazer..



Sobre os acentos: acho que causaria mais confusão ao usuário final..


Não entendi nada sobre a Distância Levenshtein

Pessoal, tivemos uma boa sugestão aqui:

https://bitcointalksearch.org/topic/m.55132937

vou tentar aplicar ao código, especialmente a parte da https://en.wikipedia.org/wiki/Levenshtein_distance e das 4 palavras no comeco (essa das 4 palavras é bem simples de aplicar, vou fazer esses dias.)

Mas na verdade nós podemos usar acento, afinal, com o sem assento, o resultado vai ser o mesmo (a carteira tira os acentos). Foi só algo que o outro user (autor inicial da lista) decidiu. Mas eu também concordo que usar acento é melhor (afinal, não atrapalha).

Eu acho muito bem que se mantenham os acentos. Essa ditadura imposta pelos anglo-saxónicos tem que terminar. Será que ainda não ouviram falar em Unicode?

A língua portuguesa tem acentos! Estar a escolher palavras que sejam convenientes para "eles" não faz sentido.

Devíamos tentar, de alguma forma, lutar contra isso!

Eu concordo com todas do grupo "regra das 4 primeiras" e "pouco utilizada"
Pelas minhas contas vai sobrar umas 25 palavras após o @bitmover ajustar e rodar o script, então vamos ir com calma aí

Pessoal, tirem essas que vocês sugiram.
Vou tentar fazer o script hoje , no mais tardar amanhã.

Palavras que eu tiraria: EDIT: as palavras riscadas foram excluídas.. a lista agora contém 2048 palavras e só precisa ser revisada.

Tamanho - Tamanco - regra das 4 primeiras
Mugido - Mugir - regra das 4 primeiras
Moradia - Morango - regra das 4 primeiras
Jogada - Jogador - regra das 4 primeiras
Gerador - Gerar - regra das 4 primeiras
Encontro - Encosto - regra das 4 primeiras
Dinamite - Dinastia - regra das 4 primeiras

Utero - typo (útero)
Fuba - typo (fubá)

Zonzar - não existe no dicionário

Vilania - não sei o que é

Agrado - mudar para verbo

Roxa - Roxo - muito parecidas
Rali - Ralo - muito parecidas
Pular - Pulo - muito parecidas
Clipe - Clique - muito parecidas
Bula - Bule - muito parecidas

Vomitar - negativa
Vitimar - negativa
Virose - negativa
Vingar - negativa
Vesgo - negativa
Viciado - negativa
Verme - negativa
Tontura - negativa
Pior - negativa
Maluco - negativa
Nunca - negativa
Lamento - negativa
Jazida - negativa
Ineficaz - negativa
Falha - negativa
Falido - negativa
Fajuto - negativa
Facada - negativa
Dreno - negativa
Danoso - negativa
Caolho - negativa
Caluniar - negativa
Cafona - negativa
Azedo - negativa

Ecomuseu - pouco utilizada
Paiol - pouco utilizada
Miudeza - pouco utilizada
Macro - pouco utilizada
Leonino - pouco utilizada
Lavrado - pouco utilizada
Harpia - pouco utilizada
Fava - pouco utilizada
Bruma - pouco utilizada
Brado - pouco utilizada
Adiposo - pouco utilizada

Pelo meu script, tem que eliminar essas...


Das atuais 2085 palavras vai pra 2062.
Mas não confio muito porque estou fazendo tudo no excel (Microsoft, sabe né), vamos ver o que tu consegue.

kct... realmente... eu consigo fazer isso sim. Preciso converter a lista deles toda de "é" para "e" e comparo depois.



Sim, é possível.

Acho que consigo fazer fácil.

Se preparem que lá vem bomba.

Edit:
Acho que usei uma bomba atomica pra mata uma formiga, mas nada ficou de fora desse dicionario:

kkkk ja vou atualizar

Edit 2:
Pessoal tive um problema na hora de rodar, e vou ter que alterar o script.
Espero conseguir fazer hj, mas sexta e foda...

https://youtu.be/UPw-3e_pzqU

🤦
E eu já tava contente que não precisaria mais garimpar palavras....
Vou te mandar os dicionários que faltaram.

@bitmover os caras usaram palavras com acento na lista em espanhol/francês.. Então tem que substituir os acentos na lista para fazer a comparação.. ex: "é" por "e", "à, á, ã" por "a"..

Francês tem: "cinéma" (linha 396) e o nosso também tem "cinema".. creio que deve ter mais palavras, assim como tinha "acne" na primeira lista em português e tem "acné" em espanhol..

Eu esperaria alguns portugueses fazerem uma revisão.. Eu mandei uma PM para Jay_Pal, pedrog, FilipeHenriques, Trimegistus e idunets aqui no fórum.. com sorte eles dão uma olhada..

Eu acho que ainda tem trabalho a ser feito, passar um pente fino.. tem umas palavras pouco utilizadas como "modal".. "arruela" que é muito parecida com "ruela" (esta eu retirei) e é pouco utilizada, talvez tenha mais algumas "ofensivas/negativas" perdidas por ali também..

Também tem que citar os outros 2 contribuidores do Github que começaram a lista, e ver se teve mais gente que os ajudou..


Cheguei agora e já aceitei o PR..

se você me mandar mais letras eu adiciono mais algumas para poder filtrar melhor depois..

edit: também tem umas que fogem a regra das 4 primeiras letras, como "mugir" e "mugido".. Alguém consegue automatizar a revisão desta regra?

Mas também, ficou mamão com açúcar depois de receber um dicionário já com palavras filtradas de 4 a 8 palavras, sem acentos, com as 4 primeiras letras distintas e que não existe nos outros dicionários do BIP39.

Quero ver o @bitmover tirar algo agora



[EDIT]

@bitmover, não estou vendo essa sua exclusão aqui no histórico.

Tem certeza que está no branch correto?

Pessoal, tirei mais algumas que achei ofensivas ou sem sentido (sexual, afta, vuvuzera entre outras)

Trabalho praticamente encerrado. Acho que agora é reduzir mais ainda pra 2048.

Vou criar um topico na aba technical discussion, direcionando para os 4 principais contribuires (Sabota, Alegotardo eu e o TryNinja) e perguntando se eles tem alguma recomendacao para a proposta final antes de enviarmos para o iancoleman.

O @alegotardo fez eu trabalhar hoje..

Botei umas 6 letras.. agora a lista está com 2058 palavras..


Vou mandar umas PMs para o pessoal de Portugal nos ajudar a filtrar a lista..

Esqueci desse acesso.
A intenção era fazer essa pré-filtragem antes de poluir o branch principal do @sabotag3x.

Vi que ele já tinha adicionado as palavras que separei, só faltou remover as que você destacou (já feito também).

Temos 1961 palavras até agora.

Eu não achei isso, onde você colocou?

retiradas 2 palavras com mais de 8 letras
(   desumando e   discursar)

e retiradas palavras que batiam com outras listas

total de 37palavras removidas


Eu to sem acesso de escrita ao seu branch, e naoconsegui editar la...
acho que é melhor voltarmos pro fork do sabotagex, assim pode dar problema

Adicionei algumas manualmente respeitando a regra das 4 primeiras.. e deixei o PR aberto, não sei nem fechar

Eu não botaria "bocal" por ser muito próximo a "bucal", inclusive retirei ela da primeira lista por conta disso..
https://dicionario.priberam.org/bocal
https://dicionario.priberam.org/bucal

Contei aqui 244 palavras, dessas consegui substituto para 41 delas, algumas com até 5 sugestões (vai ter que escolher só uma).

Coloquei tudo em um novo branch (alegotardo-patch-1), aí você tira o que precisa que depois eu vejo se precisa fazer mais algum ajuste para então juntar ao branch atual