← RunoVerse

RunoVerse’ist

RunoVerse’i puudutavate küsimustega kirjuta aadressil veskis.kaarel@gmail.com

Mida sellelt lehelt leiab

See leht on kogu RunoVerse’i teatmik. Siin kirjeldatakse nelja lähtekorpust (SKVR, JR, KR, ERAB), kogu korpust hõlmavat statistikat (439 000 lemmat, 15,3 miljonit sõnet, 292 000 laulu) ning lemmatiseerimise ja tehisarumärgenduse metoodikat.

Selle lehe osad

Lähtekorpused — iga kogu kirjeldus ja laulude arv koos tulpdiagrammiga.
Sõnastiku statistika – lemmade, sõnavormide, sõnede ja sugulassõnapaaride arvud ning tõlgete ja etümoloogiate usaldusväärsuse ja seletuste katvuse näitajad.
Andmeallikad – selgitab kolme allikakategooriat (Ainult korpus, Mõlemad allikad, Ainult DeepSeek) ning seda, mida tähendavad värvitud sõnavormid ja kokkulangevusmärgised.
Sarnasus — kirjeldab kõiki 5 laulutasandi ja 5 värsitasandi sarnasusalgoritmi, nende alust ja katvust.
Sõnaraamatuseletused — loetleb kõik 9 sõnaraamatuallikat (EMS, EKSS, IMS, ERLA, VMS, Seto, SMS, KKS, VKS).
Lemmatiseerimine — kirjeldab eesti (EstNLTK) ja soome (Omorfi/Voikko/Stanza) töötlusahelaid ning DeepSeeki tehisarumärgenduse kihti.

Lehtede kaardid

Allolevad kaardid viivad RunoVerse’i tähtsamatele lehtedele (kokku on lehti üle 70). Iga kaart annab lehe lühikirjelduse. Pikemad selgitused leiab viiest teemajuhendist (sõnastik, sarnasus, poeetika, keeltevaheline analüüs, korpus).

Saidil liikumine

Ülemine menüüriba viib põhilehtedele (sõnastik, lugemisvaade, sarnasus, teave). Rippmenüü Veel avab kõik ülejäänud lehed. Sisukaart korrastab kõik lehed 11 kategooriasse. Koondvaade pakub visuaalset alguspunkti koos tähtsamate arvude ja uurimisküsimuste juhisega.

Pane tähele, et RunoVerse on alles arendamisel. Ajalooliste murdetekstide lemmatiseerimine on paratamatult ligikaudne ning tehisaru loodud kirjakeelseid kujusid (lugemisvaate kiht „Kirjakeelne“), tõlkeid, etümoloogilisi analüüse ja sarnasusnäitajaid tuleb pidada katselisteks. Statistika ja arvud võivad andmete täpsustudes muutuda. RunoVerse on mõeldud uurimist toetavaks abivahendiks, mitte lõplikuks teatmeallikaks.

▼ Kuidas viidata

Kui kasutad RunoVerse’i teadustöös, viita palun nii:

Veskis, K. (2026). RunoVerse: A Digital Explorer for Finnic Runosong Corpora (Version 1.0) [Web application]. Estonian Folklore Archives of the Estonian Literary Museum. https://runoverse.org/
BibTeXi kirje 
@misc{veskis2026runoverse,
  author = {Veskis, Kaarel},
  title = {{RunoVerse}: A Digital Explorer for Finnic Runosong Corpora},
  year = {2026},
  publisher = {Estonian Folklore Archives of the Estonian Literary Museum},
  url = {https://runoverse.org/},
  note = {Version 1.0. Accessed: }
}

BibLaTeXi kasutajad võivad eelistada tüüpi @online (BibLaTeXi põhitüüp, milles on olemas väljad url ja urldate) või tüüpi @software (nõuab paketti biblatex-software). Siin on kasutatud tüüpi @misc, sest see sobib kõigi BibTeXi töötlejatega.

Üksikule laulule viitamiseks kasuta lugemisvaates laulu pealkirja kõrval olevat nuppu Viita: see koostab viite, mis nimetab esmalt lähtekorpuse või arhiivi ja seejärel RunoVerse’i kui juurdepääsukeskkonna. Püsilingid kujul reader.html?poem=<id> on stabiilsed ja neid võib viidetes kasutada.

Mis see on?

RunoVerse on läänemeresoome regilaulukorpuste uurimiskeskkond. See koondab nelja kogu laulutekstid, nende lemmatiseeritud sõnavara, sõnaraamatuseletused ja tõlked, nii et läänemeresoome regilaulupärimust saab lugeda, otsida, võrrelda ja kaardistada ühe tervikuna, keelest ja korpusest sõltumata.

439 746
Lemmat
15,3 mln
Sõnet
292 089
Laulu
4
Korpust
9
Sõnaraamatut
4,3 mln
Värsirida

Lähtekorpused

Kogu Keel Kirjeldus
SKVR soome, karjala, isuri, vadja Suomen Kansan Vanhat Runot („Soome rahva vanad laulud“) – Soome Kirjanduse Seltsi (SKS) trükis avaldatud regilaulukogu. 89 247 laulu.
JR soome, karjala, isuri, vadja, lüüdi, vepsa Julkaisemattomat Runot („avaldamata laulud“) – Soome Kirjanduse Seltsi (SKS) rahvaluulearhiivi avaldamata laulutekstid. 85 607 laulu.
ERAB eesti (sh seto); veidi ingerisoome laule Eesti regilaulude andmebaas. Eesti Kirjandusmuuseumi Eesti Rahvaluule Arhiiv. 108 969 laulu.
KR soome, karjala, eesti Kirjalliset Runot („kirjalikud laulud“) – autoriõigusest vabadel allikatel põhinev kirjanduslike laulude korpus, mis sisaldab muu hulgas Kalevalat (1849), Wanha Kalevalat (1835), Kanteletari, Kalevipoega ja teisi trükis ilmunud teoseid. Koostanud Sakari Korpikallio (Soome Kirjanduse Selts, SKS) projektide FILTER ja REFOP raames (Soome Akadeemia). CC BY 4.0. 10 544 laulu.

KR-korpus erineb laadilt ülejäänud kolmest. Selle nimi Kirjalliset Runot („kirjalikud laulud“) viitab ainese päritolule: korpus sisaldab kalevalamõõdulist värssi, mis on säilinud käsikirjalistes ja trükitud allikates, mitte esitajate suust tehtud üleskirjutustes. Nagu Kati Kallio (Soome Kirjanduse Selts) on näidanud, leidub sellist värssi peamiselt lühikeste katketena teiste tekstide sees – vanasõnades, loitsudes, pühendustes, õnnitlustes ja kaastundeavaldustes –, kuid korpusesse kuuluvad ka 19. sajandi suured kirjanduslikud väljaanded, nagu Kalevala, Kanteletar ja Kalevipoeg. Tausta annab Kallio uurimus kirjanduslikust kalevalamõõdulisest luulest: folklore.ee/folklore/vol67/kallio.pdf.

Ka kolm arhiivikorpust koosnevad valdavalt regilauludest, kuid pole žanrilt ühtlased. Regilaulude kõrval leidub neis loitse (need moodustavad märkimisväärse osa liigitatud soomekeelsetest tekstidest), siirdevormilisi ja lõppriimilisi uuemaid laule, tantsu- ja lastelaule ning muud samadesse kogudesse talletatud rahvaluuleainest. RunoVerse hoiab kogu selle ainese koos ja nimetab tervikut lihtsustavalt regilauluks; vaade „Žanrid“ näitab eesti korpuse žanrijaotust.

Kumbki korpuserühm ei ole ühekeelne. SKVR ja JR on valdavalt soomekeelsed, kuid sisaldavad rohkesti karjala (sh livvi) ja Ingeri (isuri ja ingerisoome) ainest, vähemal määral vadja, lüüdi ja vepsa laule ning üksikuid saami ja eesti tekste; kogumiskoha murdeala järgi on umbes kolmandik SKVR-i ja veerand JR-i lauludest kirja pandud Ingeris ja Karjalas. ERAB hõlmab põhja- ja lõunaeesti laulutraditsiooni, sealhulgas seto laule, ning mõnisada Ingeris ja soomekeelsetes asundustes kogutud laulu. KR on peamiselt soome- ja karjalakeelne, lisaks sisaldab see eesti „Kalevipoega“. Korpusetähised FI ja ET tähistavad seega kahte korpuserühma, mitte kahte keelt; lehe „Paigad“ murdekiht näitab, kus iga keelekuju on üles kirjutatud.

Sõnastiku statistika

Näitaja Arv Märkused
Eri lemmasid 439 746 Eri algvormid kõigis korpustes (sh 183 137 ainult DeepSeekist)
Eri sõnavorme 1 480 455 Eri sõnavormid kõigis laulutekstides
Sõnavormi ja lemma seosed 2 083 995 Muutevormide ja lemmade seoseid kokku (üks sõnavorm võib viidata mitmele lemmale)
Sõnesid kokku 15 264 640 Sõnaesinemusi lähtetekstides kokku
Laule 292 089 Eri laule, mille terviktekst on lugemisvaates nähtav (lähtekorpustes kokku 294 367; osa on välja jäänud värsiteksti puudumise tõttu)
Ainult soome lemmad 206 518 Lemmad ainult soome korpustest (SKVR ja JR)
Ainult eesti lemmad 100 835 Lemmad ainult eesti korpusest (ERAB)
Ühised (läänemeresoome) lemmad 1 240 Lemmad, mis esinevad nii soome kui ka eesti allikates
Sugulassõnapaarid (ET↔FI) 4 748 Automaatselt leitud eesti ja soome sugulassõnapaarid tõlgete kattuvuse, etümoloogiliste tüvede ja kirjapildi sarnasuse alusel (186 ühist vormi, 2 013 peaaegu täpset, 2 714 tõlke kaudu seotud; veel 72 täpselt kattuva kirjapildiga paari on hinnatud vähem usaldusväärseks ja neid ei kuvata)
Tõlgete usaldusväärsus 192 236 Lemmad, millel on DeepSeeki tõlgete kooskõla skoor (8 446 tugev, 11 069 hea, 41 650 keskmine, 131 071 nõrk; 113 502 andmed puuduvad)
Etümoloogiate usaldusväärsus 211 919 Lemmad, millel on DeepSeeki etümoloogiliste analüüside kooskõla skoor (11 748 tugev, 13 183 hea, 46 078 keskmine, 140 910 nõrk; 93 819 andmeteta)
Seletuste katvus 91,3% Ingliskeelse tõlkega sõnavormid (1 344 094 sõnavormi 1 472 442-st), sh 11 423 Claude Opuse lisaseletust
Esinemused korpustes 15 264 640 SKVR: 4 522 811 · JR: 3 398 967 · KR: 1 389 200 · ERAB: 7 341 908

Statistika kajastab lemmatiseeritud andmete praegust seisu ja võib lemmatiseerimise täpsustumisel muutuda.

Andmeallikad ja allikafilter

Iga sõnastiku lemma on liigitatud ühte kolmest allikakategooriast selle järgi, kuidas see tuvastati. Põhivaate rippmenüüs olev allikafilter võimaldab kirjeid nende kategooriate järgi filtreerida:

Allikas Lemmad Tähendus
Ainult korpus 5 217 Lemma tuvastas korpuse lemmatiseerimisahel. Ühendamisel ei leitud ühelegi selle lemma sõnavormile vastet DeepSeeki märgendustes. Lemma ise võib siiski esineda DeepSeeki andmetes sõnavormina, mistõttu ka mõnel kategooria „Ainult korpus“ kirjel võib A–Z sirvimisvaates olla tehisaru tõlge.
Mõlemad allikad 251 392 Lemma pärineb korpuse lemmatiseerimisahelast ja vähemalt üks selle sõnavorm esineb ka DeepSeeki märgendustes (võimalik, et teise lemma all). Nendel kirjetel on tavaliselt tehisaru loodud tõlked ning mõnikord ka ristviited (dsLemma) teistsugustele lemmatiseeringutele. Kategooria „Mõlemad allikad“ sõnavormid on värvitud: roheline tähendab, et mõlemad süsteemid annavad sama lemma; oranž, et DeepSeek annab teise lemma; hall, et sõnavormi DeepSeeki andmetes ei ole.
Ainult DeepSeek 183 137 Lemma esineb ainult DeepSeeki märgendustes. Aluseks olevad sõnavormid esinevad korpuses sageli teiste lemmade all (96% juhtudest), kuid just see lemmatiseering pärineb üksnes tehisaru analüüsist.

Allikakategooriad kajastavad kahe lemmatiseerimissüsteemi kattuvust sõnavormide tasandil, mitte seda, kas kirjel on tõlge. Kuna korpuse lemmatiseerimisahel ja DeepSeek lemmatiseerivad samu sõnavorme mõnikord erinevalt, võib sõnavorm kuuluda kategooria „Ainult korpus“ lemma alla ja samal ajal esineda DeepSeeki andmetes iseseisvalt teise lemma all. Kategooria „Mõlemad allikad“ hõlmab kirjeid, mille sõnavormid on tundnud ära mõlemad süsteemid.

DeepSeeki vahekaardil olev kokkulangevusmärgis esitab tulemuse kujul „30/35 langeb kokku +15 puudub“: DeepSeeki märgendatud 35 sõnavormist on 30 mõlemas süsteemis sama lemma all ning veel 15 sõnavormi DeepSeeki andmetes puudub. Täieliku jaotuse nägemiseks vii kursor märgise kohale.

DeepSeeki tehisarumärgendus

Osa korpusest on täiendava keeleanalüüsi saamiseks eraldi märgendatud suure keelemudeliga DeepSeek. Tehisaru märgenduse sisu:

Näitaja Arv Märkused
DeepSeeki sõned 5 962 070 Tehisaruga märgendatud sõned (ET: 2 867 388 + FI: 3 094 682)
Ainult DeepSeeki lemmad 183 137 Lemmad, mis esinevad ainult tehisaru analüüsis
Ingliskeelsed tõlked 241 141 Tehisaru märgendustest eraldatud ingliskeelsed vasted, sirvitavad tähestiku järgi (kokku 1 252 781 seost)
Ristviited 91 754 Kirjed, mis seovad korpuse ja DeepSeeki erinevaid lemmatiseeringuid

Tehisaru loodud märgendused on lisamaterjal ja neid ei ole käsitsi üle kontrollitud. Neisse tuleb suhtuda ettevaatusega, eriti etümoloogiliste väidete ja haruldaste murdevormide tõlgete puhul.

Sarnasus- ja vektorandmed

Sõnavormide vaheliste seoste uurimiseks on sõnastikus kaks sõnatasandi sarnasussüsteemi:

Laulude sarnasus

Viis laulutasandi sarnasusalgoritmi leiavad seotud laule ligikaudu 290 000 laulu seast. Tulemusi näeb lugemisvaate paneelis „Seotud laulud“ (Laulude lugemisvaade) ja eraldi lehel (Sarnasusesirvija), kus on kõrvutivaade, võrgustikuvaated ning geograafiline ja ajaline analüüs.

Algoritm Alus Kirjeldus
TF-IDF lemmade järgi lemmatasand Koosinussarnasus lemmatiseeritud laulutekstide TF-IDF-vektorite vahel. Tabab teemasarnasust ühise sõnavara kaudu, kaaludes sõnu nende tähtsuse järgi kogu korpuses. Kuni 50 lähinaabrit laulu kohta.
Sõnavormide kattuvus (Jaccard) täpselt kattuvad sõnavormid Jaccardi indeks (|A∩B| / |A∪B|) töötlemata sõnavormihulkade vahel. Leiab laule, milles esinevad täpselt samad sõnavormid; sobib korduvate värsside ja otseste tekstiparalleelide tuvastamiseks.
Temaatiline (Translation) keeltevaheline Boole’i IDF-koosinussarnasus DeepSeeki märgendustest tuletatud ingliskeelsete tõlgete vahel; katvuse parandamiseks kasutatakse varuvariandina lemmatasandi võrdlust. Võimaldab eri keeltes laule võrrelda ühises tähendusruumis. Kuni 50 lähinaabrit laulu kohta.
Joondamine märkide n-grammid Värsijärjestuse joondamine märgibigrammide koosinussarnasuse ja Wagneri-Fischeri dünaamilise programmeerimise abil; pärineb projektist FILTER (Janicki, Kallio & Sarv 2023). Hõlmab 256 970 laulu korpustest SKVR, JR, KR ja ERAB. Tabab struktuurilist sarnasust: sama värsijärjestusega laulud saavad kõrge skoori. Parimate vastete puhul kuvab joondatud värsipaaride katkeid. Kuni 50 lähinaabrit laulu kohta.
Värsitasandi RRF värsitasandi liitmine Arvutab iga meetodi jaoks laulupaari skoori värsside parimate vastete keskmisena ning ühendab viie värsitasandi meetodi (Jaccard, TF-IDF, tõlkepõhine, märgibigrammipõhine ja lausevektoripõhine) tulemused RRF-meetodiga (k=60) üheks laulutasandi järjestuseks. Algoritmide panust näidatakse tähistega T/J/Tr/C/Se.

Sarnasusesirvija kuvab märgise BOTH, kui laul esineb mitme algoritmi tulemustes; märgis ET↔FI tähistab korpusteüleseid vasteid tõlkepõhise algoritmi, joondusalgoritmi ja värsitasandi RRF-algoritmi tulemustes.

Värsside sarnasus

Viis algoritmi (Jaccard, TF-IDF, tõlkepõhine, märgibigrammidel põhinev, lausevektoritel põhinev) töötavad üksikvärsi tasandil ja hõlmavad 4,32 miljonit värsiesinemust. Iga värssi võrreldakse kõigi teiste laulude värssidega ja algoritmi kohta salvestatakse kuni 20 lähinaabrit.

Näitaja Väärtus
Indekseeritud värsse kokku 4 316 744
Värsiandmetega laule 289 702
Eri värsitüüpe (otsinguindeks) 2 906 535
Värsiklastrid 200

Avasta RunoVerse’i

Teemajuhendid

RunoVerse’is on üle 30 omavahel seotud vaate ja otsinguvahendi läänemeresoome regilaulupärimuse uurimiseks. Need juhendid kirjeldavad igaüht neist lähemalt: mida see näitab, millistel andmetel see põhineb ja kuidas seda kasutada.

Sõnastik ja sõnaraamatud
Põhisõnastik, sõnade võrdlus, katvuse analüüs, kategooriad, sagedus ja mitmesus
Laulude ja värsside sarnasus
Laulude lugemisvaade, viis seotud laulude järjestust, värsiotsing, võrgustikuvaated, teekonna otsing, värsiklastrid
Poeetiline struktuur ja stiil
Algriim, parallelism, värsimõõt, fraasid, kollokaadid ja emotsioonisõnavara
Keeltevaheline analüüs
Sugulassõnad, etümoloogia, ühine sõnavara, murded, mõisted ja teemavaldkonnad
Korpus ja geograafia
Statistika, sagedusjaotused, piirkondlik kaart, ajatelg ja kogujate sirvija

Mida RunoVerse pakub

Sõnaraamatuseletused

Sõnakirjeid täiendavad seletused Eestis ja Soomes koostatud sõnaraamatutest:

Lemmatiseerimine

Eesti tekstid lemmatiseeriti EstNLTK morfoloogilise analüüsiga. Täiendavad allikad ja meetodid olid Tartu Ülikooli murdekorpus (Lindström, Lippus & Tuisk 2019), Kristiina Rossi märgendatud regilaulude sõnaloendid (Ross & Lohk 2017), mitu leksikaalset allikat (EMS, EKSS, VES, ERLA jt), eksperdi käsitsi tehtud märgendused (37% korpusest) ning korduvad automaatsed parandusringid.

Soome tekstid on lemmatiseeritud mitme analüsaatoriga: kõigepealt Omorfi, seejärel Voikko ja Stanza – järgmine tuleb kasutusele siis, kui eelmine analüüsi ei anna; lisaks on abiks sõnaraamatud Suomen murteiden sanakirja (SMS), Karjalan kielen sanakirja (KKS) ja Vanhan kirjasuomen sanakirja (VKS).

Lisaks on umbes 290 000 laulu eraldi märgendatud suure keelemudeliga DeepSeek-R1, mida käitati superarvutil LUMI. Märgenduse tegi Lidia Pivovarova (Helsingi Ülikool), järgides metoodikat, mille arvutuslingvistid ja folkloristid töötasid ühiselt välja keelemudeli juhiste koostamiseks (Pivovarova et al., 2025). Tehisaru analüüs andis iga sõne kohta lemma, ingliskeelse tõlke, morfoloogilise kirjelduse ja etümoloogilise tüve. Märgendamise tulemusel lisandus 183 137 lemmat, mida korpuse lemmatiseerimisahelas ei olnud. Kirjetele, mille sõnavormid tuvastasid mõlemad lemmatiseerimissüsteemid, lisati ristviited nende kahe süsteemi vahel.

Viited ja tänuavaldused

RunoVerse tugineb projektile FILTER (Formulaic Intertextuality, Thematic Networks and Poetic Variation across Regional Cultures of Finnic Oral Poetry), mille korpusetaristu ja värsside joondamise meetodid on mitme RunoVerse’i sarnasuskihi aluseks. Runoregi on FILTERi enda keskkond läänemeresoome regilaulude laulu- ja värsisarnasuse uurimiseks; see pakub lugejale võimaluse vaadata samu tekste RunoVerse’i kõrval ka teise, sõltumatu vahendi abil.

Korpused

Paikade koordinaadid

Lehe „Paigad“ kaardikiht „Külad, vallad ja muud paigad“ sisaldab 6 279 täpsemat kogumiskohta – külasid, valdu, mõisaid, asundusi – ja hõlmab 124 001 kirjet 130 757 kirjest (94,8%), kus sellist paika on nimetatud. Koordinaadid pärinevad allpool loetletud registritest. Marker on paigutatud registri viitepunkti, mitte paiga mõõdistatud keskpunkti; registri koordinaadid on ligikaudsed ja nende täpsus on umbes küla läbimõõdu suurusjärgus.

Umbes 850 neist paikadest on paigutatud käsitsi ükshaaval, mitte automaatse sobitusega. Enamik neist tugineb ülalnimetatud registritele; mõnikümmend tugineb ühele eraldi viidatud allikale – kihelkonna ajaloole, 1905. aasta vallanimestikule või kaarditeenusele – ning iga sellise paiga hüpikaknas on allikas nimetatud.

Lemmatiseerimisvahendid

Leksikaalsed allikad

Õigused ja taaskasutus

Laulu- ja muistenditekstide kasutamist reguleerivad nende lähtekogude tingimused (vt korpuste viiteid eespool: SKVR ja KR on avaldatud litsentsi CC BY 4.0 alusel; JR-i ja ERABi materjalid kuuluvad Soome Kirjanduse Seltsile ja Eesti Rahvaluule Arhiivile). Märgenduskihtide autorsus on kirjeldatud eespool: tehisaru loodud lemmatiseeringud, ingliskeelsed tõlked ning morfoloogilised ja etümoloogilised analüüsid pärinevad DeepSeek-R1 märgendusest, mille tegi Lidia Pivovarova (Helsingi Ülikool) Pivovarova jt (2025) metoodika järgi, ja neid tuleb pidada katselisteks. RunoVerse’i koondteose enda – saidi, selle indeksite ja visualiseeringute – autoriõigus: © Kaarel Veskis. RunoVerse’i kasutamine teadus- ja õppetöös on teretulnud, kui allikale viidatakse; muu kasutuse puhul palun võta ühendust. See luba ei hõlma alusandmefailide (märgenduskihtide, indeksite ja tõlgete) ulatuslikku kasutamist ega edasilevitamist; selleks on vaja autori eelnevat nõusolekut.

Kontakt

RunoVerse’i puudutavate küsimustega kirjuta aadressil veskis.kaarel@gmail.com

← Tagasi sõnastikku