Dataset Viewer
Auto-converted to Parquet Duplicate
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
castellano
cat
direct
118
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 from latin -> old spanish and old spanish -> spanish and an indirect derivation from latin -> 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