# WordGlance 数据来源与许可

## CEFR 难度资料

`extension/difficulty-data.js` 包含 **8,845 个规范化英语见出词**的 CEFR 元数据。它由以下公开数据转换而来，下载日期为 **2026-10-10**，固定到 Open Language Profiles 仓库提交 [`d4e45b75b38f27b30dfc5c44d8c571aec7e7092f`](https://github.com/openlanguageprofiles/olp-en-cefrj/tree/d4e45b75b38f27b30dfc5c44d8c571aec7e7092f)。该元数据没有中文释义。

精选中文词典的 623 条中，有 **380 条**匹配上述 CEFR 资料，另外 **243 条**使用人工难度后备。8,845 个难度见出词不等于 8,845 条中文翻译；人工词典没有释义的词可通过下文 ECDICT 完整词库补充；完整词库仍未收录的词需要用户自定义或可选 AI，插件不会凭空补出中文。

1. **CEFR-J Wordlist Version 1.5**. Compiled by **Yukio Tono, Tokyo University of Foreign Studies (TUFS), Tono Laboratory**. Retrieved 10 October 2026 from the [Open Language Profiles CSV mirror](https://github.com/openlanguageprofiles/olp-en-cefrj/blob/d4e45b75b38f27b30dfc5c44d8c571aec7e7092f/cefrj-vocabulary-profile-1.5.csv). Source contains **7,799 headword / part-of-speech rows**, covering A1–B2. Copyright belongs to Tono Laboratory at TUFS. The [repository terms](https://github.com/openlanguageprofiles/olp-en-cefrj#terms-of-use) permit free research and commercial use with proper citation. The [official CEFR-J download page](https://www.cefr-j.org/download.html) also permits adaptations with proper attribution. WordGlance preserves this attribution; it does not claim that CEFR-J uses an MIT or public-domain license.

2. **Octanove Vocabulary Profile C1/C2 Version 1.0**, **Octanove Labs**. Retrieved 10 October 2026 from the [Open Language Profiles CSV](https://github.com/openlanguageprofiles/olp-en-cefrj/blob/d4e45b75b38f27b30dfc5c44d8c571aec7e7092f/octanove-vocabulary-profile-c1c2-1.0.csv). Source contains **2,136 headword / part-of-speech rows**, covering C1–C2. Licensed under [Creative Commons Attribution-ShareAlike 4.0 International (CC BY-SA 4.0)](https://creativecommons.org/licenses/by-sa/4.0/), as stated in the [source repository](https://github.com/openlanguageprofiles/olp-en-cefrj#terms-of-use).

本包的适配元数据文件 `difficulty-data.js` 以 **CC BY-SA 4.0** 提供，并保留 CEFR-J 原始资料的署名条件。复制或修改此元数据时，请保留本文及文件内署名，链接原始来源和许可，说明修改，并按相同许可分享适配资料。此许可针对难度元数据文件，不改变其余独立代码的许可；原始 CEFR-J 资料仍受上述原始使用条款约束。

## 转换方法和使用限制

- 从 CSV 的 `headword`、`pos` 和 `CEFR` 三列读取实际标注，拆开以 `/` 分隔的拼写变体，小写并规范空白；不推测未标注词的 CEFR。
- 合并同见出词的不同词性记录，保留所有来源、词性等级和出现的 CEFR 等级。显示过滤使用**最低已标注等级**，避免把已有基础含义的词一律当作高级词。此方法不判断该句中的具体词义或词性。
- 词形别名通过本包人工词典回到规范词。CEFR 缺失时优先使用下文 ECDICT 的词频；无词频时使用词典分档。这些规则不能作为真实 CEFR 标注。
- 选择学习者 B1 时，自动注释的已收录词需要高于 B1；显式标记“不认识”的词优先，显式标记“已认识”的词不注释。
- v0.4.0 加入下文 ECDICT 真实词频作为 CEFR 缺失时的筛选后备。CEFR 标签是学习资料中的等级参考，不能证明用户是否认识某个词，也不能保证某句中的难度或语境释义准确。
- 来源作者不对数据准确性或使用所造成的损失负责。WordGlance 的转换和整合不代表原作者认可或背书。

## 中文释义

`extension/lexicon.js` 的 **623 条**中文短释义及显式词形别名由本原型自行编写，未从上述数据、商业词典或网页抓取。它们只提供简短常见含义，不能覆盖所有语境；短语如 `pull it off` 使用整体释义。用户自定义释义和可选 AI 的语境释义不属于上述来源数据。

## v0.4.0 完整 ECDICT 本地词库

来源：[skywind3000/ECDICT](https://github.com/skywind3000/ECDICT)，完整文件 `stardict.7z`，于 2026-10-11 从作者仓库下载（49.19 MiB），通过系统解压器完整解压。库中 3,402,564 条源记录全部转成 1,024 个按短语首词分组的本地 JSON 分片；13 个原字段均保留，英文/中文释义中的字面换行转成可读换行。索引对大小写、重复空格、常见弯引号与连字符归一，碰撞时保存全部记录。数据不包含音频 URL。

MIT 许可原文随数据放在 `extension/dictionary/LICENSE-ECDICT.txt`。精确下载哈希、原始 CSV 哈希、各分片哈希和统计保存在 `extension/dictionary/manifest.json`。此仓库的 MIT 标示和原文以下载时版本为准；词条质量和语境准确性不由 WordGlance 保证。

本地数据包含词义、已有音标、词形、词频、标签、英文释义等；非每条都有全部信息，不宣称收齐所有英语单词、短语、读音和词义。简短字幕释义默认取常见首义；v0.5.0 在匹配到明确局部搭配时按有限规则选择语境义，未匹配或冲突时保留首义。人工常用释义及用户自定义优先。CEFR 优先，缺 CEFR 使用真实 frq/BNC 排名筛选，排名门槛不是 CEFR 标注。

原始压缩文件 SHA-256：`f370a0ecb58ada758d9dfe739db1667fd4ed87ed3055a4a7cb6c7054ecdf83d6`。
原始 CSV SHA-256：`88fce01e0a30524192a62e363d47eeb036fa17820d5826121b3b419fd67a3996`。

## v0.5.0 本地语境规则与对白补充

新增 164 条本原型编写的短释义，其中 145 条附有用法标签；原 459 条保留，并扩展部分词形及代词分离短语别名。共有 623 条精选中文词条，其中 380 条匹配已有 CEFR 资料，243 条使用原有分档后备。完整 ECDICT 分片、字段、统计、许可和哈希未改动。精确查找新增规范条目时，158 条已存在 ECDICT、6 条未找到；这不表示只有 6 个表达能通过普通词形或其他名称找到。

`extension/offline-context.js` 的 45 组搭配规则、84 个候选语境义由本原型编写，使用有限局部正则匹配与证据门槛，不包含神经模型，也不调用 API。不是全量词义消歧系统；未覆盖、冲突、隐喻和语气依赖的用法仍可选错。CEFR 等级数据不因新增规则而改变，少数明确俚语义按产品 2 档提示。完整新增清单见 [COLLOQUIAL_WORDS.md](COLLOQUIAL_WORDS.md)。

补充释义自行用中文编写，未批量复制商业词典释义或例句。2026-10-11 对若干代表用法参考以下词典出版方的公开说明进行核对：

- [Cambridge：piss off / piss someone off](https://dictionary.cambridge.org/us/dictionary/english/piss-off)，用于区分离开、赶走与惹恼。
- [Cambridge：mess up / screw up 等问题短语](https://dictionaryblog.cambridge.org/2017/04/19/i-messed-up-phrasal-verbs-for-problems/)。
- [Cambridge：freak out 等情绪短语](https://dictionaryblog.cambridge.org/2019/10/30/freaking-out-or-shrugging-it-off-phrasal-verbs-to-express-emotions-3/)。

这些引用仅用于来源说明，相关出版方没有审核或背书本扩展。新增释义和规则沿用本包代码许可；独立 CEFR 与 ECDICT 数据继续按各自许可提供。


## v0.5.1 基础过滤修正

未下载新资料，未修改词库分片或 CEFR 等级。A1 和无 CEFR 时的前 2,500 词频过滤使用现有资料；语气词与常见缩写的排除列表是产品规则，不是假定这些词拥有某个 CEFR 等级。完整词库的普通词组没有词组级难度依据时，不再以“缺数据=难”自动提示；精选习语与个人未知、自定义、主动查词仍可显示。过滤不写入或清空个人词库。


## v0.6.0 日常对白扩容

新增 241 条自行编写的中文短释义，精选库共 864 条。对规范键查询原始 ECDICT：225 条已有中文，16 条没有带中文的精确记录。补充自己的短义与别名，不批量复制商业词典释义或例句，不修改原始 CEFR / ECDICT 分片。词形修正、58 组局部搭配与 102 个候选义均是本原型代码；不能代替通用词义理解。新增清单见 VOCABULARY_EXPANSION.md。

对少数新俚语含义核对了出版方公开资料，中文短义由本原型编写：

- [Cambridge：rizz](https://dictionary.cambridge.org/us/dictionary/english/rizz)
- [Cambridge：delulu](https://dictionary.cambridge.org/dictionary/english/delulu)
- [Cambridge 出版方：新恋爱词语](https://www.cambridge.org/news-and-insights/new-language-of-love)
- [Dictionary.com：sus](https://www.dictionary.com/browse/sus)

资料不提供背书，也未把商业词典网页或其例句打包。个人词库上限提高到每类 10,000 项，属于本产品规则，与原始词条数量无关。

## v0.9.0 持续对白扩容

新增 672 条本原型自行编写的中文短释义，精选库共 1,536 条，其中本次新增 328 条短语。新增条目含 3,180 个别名/词形，另为已有条目补 224 个变体，继续保留原来的规范词与个人记录。原始 ECDICT 的 3,402,564 条记录、字段、许可和分片哈希未修改。新增规范键中 662 条已有 ECDICT 精确中文记录，10 条没有精确中文；这不是声称仅有 10 条能通过相近表达找到。

本地规则扩为 97 组、155 个候选义；均由本原型编写，仅进行有限搭配识别，不调用 AI 或接口。未匹配或线索冲突时保留默认义。新增词形覆盖是有限显式枚举，不能任意跨标点或把整句话当作短语。新释义与规则沿用本项目代码许可，不改变独立 CEFR/ECDICT 数据许可。

2026-10-14 对少数多义短语参考出版方公开说明核对，未下载、复制或打包其例句和长释义：[Cambridge make out](https://dictionary.cambridge.org/dictionary/english/make-out)、[Cambridge pass out](https://dictionary.cambridge.org/us/dictionary/english/pass-out)、[Cambridge write off](https://dictionary.cambridge.org/us/dictionary/english/write-off)、[Cambridge get away with](https://dictionary.cambridge.org/dictionary/english/get-away-with)。中文短义自行编写，出版方未审核或背书本产品。