Datasets:
lang_origin stringclasses 272 values | word_origin stringlengths 1 104 | lang_dest stringclasses 268 values | word_dest stringlengths 1 84 | link_type stringclasses 2 values | dump_row int64 7 1M | word_origin_transcr stringlengths 1 102 ⌀ | word_dest_transcr stringlengths 1 83 ⌀ |
|---|---|---|---|---|---|---|---|
japonés | ひらがな | castellano | hiragana | direct | 7 | hiragana | hiragana |
japonés | 片仮名 | castellano | katakana | direct | 10 | piàn fǎn míng | katakana |
japonés | か名な | castellano | katakana | direct | 17 | ka míngna | katakana |
francés antiguo | alemant | castellano | alemán | direct | 52 | alemant | alemán |
latín | Alemannus | castellano | alemán | indirect | 52 | Alemannus | alemán |
latín | Alemannus | francés antiguo | alemant | direct | 52 | Alemannus | alemant |
antiguo | alemán Alaman | castellano | alemán | indirect | 52 | alemán Alaman | alemán |
antiguo | alemán Alaman | latín | Alemannus | direct | 52 | alemán Alaman | Alemannus |
germánico | *allaz | castellano | alemán | indirect | 52 | allaz | alemán |
germánico | *allaz | antiguo | alemán Alaman | direct | 52 | allaz | alemán Alaman |
germánico | *mann- | castellano | alemán | indirect | 52 | mann- | alemán |
germánico | *mann- | protogermánico | *allaz | direct | 52 | mann- | allaz |
castellano antiguo | catalan | castellano | catalán | direct | 58 | catalan | catalán |
latín | Maius | castellano | mayo | direct | 59 | Maius | mayo |
castellano antiguo | domingo | castellano | domingo | direct | 65 | domingo | domingo |
castellano antiguo | dominico | castellano | domingo | indirect | 65 | dominico | domingo |
castellano antiguo | dominico | castellano antiguo | domingo | direct | 65 | dominico | domingo |
latín | dominicus | castellano | domingo | indirect | 65 | dominicus | domingo |
latín | dominicus | castellano antiguo | dominico | direct | 65 | dominicus | dominico |
latín | Dominus dei | castellano | domingo | direct | 67 | Dominus dei | domingo |
indio-iranio | गुरू | castellano | gurú | direct | 72 | gurū | gurú |
provenzal antiguo | fransés | castellano | francés | direct | 74 | fransés | francés |
castellano antiguo | ynglés | castellano | inglés | direct | 77 | ynglés | inglés |
francés antiguo | angleis | castellano | inglés | indirect | 77 | angleis | inglés |
francés antiguo | angleis | castellano antiguo | ynglés | direct | 77 | angleis | ynglés |
latín | Angles | castellano | inglés | indirect | 77 | Angles | inglés |
latín | Angles | francés antiguo | angleis | direct | 77 | Angles | angleis |
inglés | Engle | castellano | inglés | indirect | 77 | Engle | inglés |
inglés | Engle | latín | Angles | direct | 77 | Engle | Angles |
protoindoeuropeo | *h₂énkos | castellano | inglés | indirect | 77 | h2énkos | inglés |
protoindoeuropeo | *h₂énkos | inglés | Engle | direct | 77 | h2énkos | Engle |
latín | amāns | castellano | amante | direct | 79 | amāns | amante |
griego antiguo | ἱμάς | castellano | amante | direct | 81 | himás | amante |
castellano antiguo | idioma | castellano | idioma | direct | 92 | idioma | idioma |
latín | idioma | castellano | idioma | indirect | 92 | idioma | idioma |
latín | idioma | castellano antiguo | idioma | direct | 92 | idioma | idioma |
griego antiguo | ἰδίωμα | castellano | idioma | indirect | 92 | idíōma | idioma |
griego antiguo | ἰδίωμα | latín | idioma | direct | 92 | idíōma | idioma |
griego antiguo | ἰδίομαι | castellano | idioma | indirect | 92 | idíomai | idioma |
griego antiguo | ἰδίομαι | griego antiguo | ἰδίωμα | direct | 92 | idíomai | idíōma |
protoindoeuropeo | *swe- | castellano | idioma | indirect | 92 | swe- | idioma |
protoindoeuropeo | *swe- | griego antiguo | ἰδίομαι | direct | 92 | swe- | idíomai |
latín | *linguaticum | castellano | language | direct | 98 | linguaticum | language |
protoindoeuropeo | *dn̥ǵʰwéh₂s | castellano | language | indirect | 98 | dn̥ǵhwéh2s | language |
protoindoeuropeo | *dn̥ǵʰwéh₂s | latín | *linguaticum | direct | 98 | dn̥ǵhwéh2s | linguaticum |
francés antiguo | language | castellano | language | direct | 99 | language | language |
latín | *linguaticum | castellano | language | indirect | 99 | linguaticum | language |
inglés | language | castellano | language | direct | 100 | language | language |
francés antiguo | language | castellano | language | indirect | 100 | language | language |
latín | *linguāticum | castellano | language | indirect | 100 | linguāticum | language |
latín | *linguāticum | francés antiguo | language | direct | 100 | linguāticum | language |
latín | lingua | castellano | language | indirect | 100 | lingua | language |
latín | lingua | latín | *linguāticum | direct | 100 | lingua | linguāticum |
latín antiguo | dingua | castellano | language | indirect | 100 | dingua | language |
latín antiguo | dingua | latín | lingua | direct | 100 | dingua | lingua |
inglés antiguo | wilcuma | castellano | welcome | direct | 104 | wilcuma | welcome |
inglés | dogge | castellano | dog | direct | 114 | dogge | dog |
inglés antiguo | docga | castellano | dog | indirect | 114 | docga | dog |
inglés antiguo | docga | inglés | dogge | direct | 114 | docga | dogge |
inglés | dog | castellano | dog | direct | 116 | dog | dog |
irlandés antiguo | catt | castellano | cat | direct | 117 | catt | cat |
latín | cattus | castellano | cat | indirect | 117 | cattus | cat |
latín | cattus | irlandés antiguo | catt | direct | 117 | cattus | catt |
egipcio | čaus | castellano | cat | indirect | 117 | čaus | cat |
egipcio | čaus | latín | cattus | direct | 117 | čaus | cattus |
antiguo | tešau | castellano | cat | indirect | 117 | tešau | cat |
antiguo | tešau | egipcio | čaus | direct | 117 | tešau | čaus |
chino | 漆 | castellano | cat | direct | 118 | qī | cat |
inglés | catt | castellano | cat | direct | 119 | catt | cat |
inglés antiguo | catt | castellano | cat | indirect | 119 | catt | cat |
inglés antiguo | catt | inglés | catt | direct | 119 | catt | catt |
germánico | *katte | castellano | cat | indirect | 119 | katte | cat |
germánico | *katte | inglés antiguo | catt | direct | 119 | katte | catt |
germánico | *kattuz | castellano | cat | indirect | 119 | kattuz | cat |
germánico | *kattuz | protogermánico | *katte | direct | 119 | kattuz | katte |
turco | kat | castellano | cat | direct | 122 | kat | cat |
inglés | mouse | castellano | mouse | direct | 123 | mouse | mouse |
inglés | mous | castellano | mouse | indirect | 123 | mous | mouse |
inglés | mous | inglés | mouse | direct | 123 | mous | mouse |
antiguo | mūs | castellano | mouse | indirect | 123 | mūs | mouse |
antiguo | mūs | inglés | mous | direct | 123 | mūs | mous |
germánico | *mūs | castellano | mouse | indirect | 123 | mūs | mouse |
germánico | *mūs | antiguo | mūs | direct | 123 | mūs | mūs |
protoindoeuropeo | *muh₂s | castellano | mouse | indirect | 123 | muh2s | mouse |
protoindoeuropeo | *muh₂s | protogermánico | *mūs | direct | 123 | muh2s | mūs |
neerlandés | monnekijn | castellano | monkey | direct | 125 | monnekijn | monkey |
inglés antiguo | fisc | castellano | fish | direct | 135 | fisc | fish |
protoindoeuropeo | *pik̑sk̑os | castellano | fish | indirect | 135 | pik̑sk̑os | fish |
protoindoeuropeo | *pik̑sk̑os | inglés antiguo | fisc | direct | 135 | pik̑sk̑os | fisc |
latín | piscis | castellano | fish | indirect | 135 | piscis | fish |
latín | piscis | protoindoeuropeo | *pik̑sk̑os | direct | 135 | piscis | pik̑sk̑os |
inglés | bug | castellano | bug | direct | 137 | bug | bug |
inglés | bugge | castellano | bug | direct | 138 | bugge | bug |
inglés | pigge | castellano | pig | direct | 140 | pigge | pig |
inglés antiguo | *picg | castellano | pig | indirect | 140 | picg | pig |
inglés antiguo | *picg | inglés | pigge | direct | 140 | picg | pigge |
latín | humanus | castellano | human | direct | 141 | humanus | human |
inglés | been | castellano | be | direct | 146 | been | be |
inglés antiguo | bēon | castellano | be | indirect | 146 | bēon | be |
inglés antiguo | bēon | inglés | been | direct | 146 | bēon | been |
End of preview. Expand
in Data Studio
📚 Etymos Dataset
This dataset contains normalized etymological transformation data from different languages to spanish, extracted from Wiktionary.
📄 Dataset Details
- Source: Wiktionary contributors (via kaikki/wiktextract)
- Dump date: 2025-08-23
- Fields included:
- lang_origin: Original language
- word_origin: Word in the original language
- lang_dest: Target/derived language
- word_dest: Word in the target language
- link_type: Relationship type (direct/indirect),
for example if there is a derivation from
latin -> old spanish -> spanish, there will be a direct derivation fromlatin -> old spanishandold spanish -> spanishand an indirect derivation fromlatin -> spanish - id: Shared identifier linking related entries
🛠️ Transformation & Preprocessing
- Extracted the etymological text
- Used a rule-based system to extract etymological languages and words
- Cleaned non real languages
- Normalized languages into main languages and families (e.g. specific chinese dialects to "chinese")
For the original extraction see: Kaikki Wiktionary Raw Data.
For the extraction methodology see:
Tatu Ylönen. Wiktextract: Wiktionary as Machine-Readable Structured Data. LREC 2022. PDF.
📜 License
- Dataset text content: CC BY-SA 4.0
- Attribution required: “Wiktionary contributors (via Kaikki/wiktextract)”
- Include license and indicate changes.
- This transformation modifies the original by restructuring, normalizing, and linking entries.
🚀 Usage Example
from datasets import load_dataset
dataset = load_dataset("username/etymos-es")
print(dataset['train'][0])
- Downloads last month
- 74