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
- 54