# Nguồn dữ liệu và giấy phép của `words.json`

Người lập: Chief. Ngày: 2026-11-11.

## Nguồn danh sách từ

- **Tên:** Viet11K.txt, danh sách khoảng 11.000 từ và cụm từ tiếng Việt phổ biến, của Hồ Ngọc Đức, do duyet đóng gói lại.
- **Địa chỉ:** https://github.com/duyet/vietnamese-wordlist (tệp `Viet11K.txt`, 11.373 dòng).
- **Giấy phép:** GNU General Public License v2 (GPL-2.0). Kho có tệp `LICENSE` là văn bản GPL v2 đầy đủ, và README ghi "GNU General Public License", ghi công Hồ Ngọc Đức.
- **Kiểm chứng:** mình đọc được `LICENSE` và README trực tiếp. Trang gốc của tác giả (informatik.uni-leipzig.de/~duc/...) đã trả về 404, nên **không đối chiếu được với trang gốc**. Giấy phép dựa vào kho duyet.

## Bộ lọc từ thô tục

- **Tên:** vietnamese-offensive-words, https://github.com/blue-eyes-vn/vietnamese-offensive-words (tệp `vn_offensive_words.txt`).
- **Giấy phép:** MIT (đã đọc qua API GitHub).
- **Cách dùng:** chỉ dùng để loại từ khỏi danh sách đáp án, không nằm trong sản phẩm.

## Cách chọn 432 từ

1. Lấy các từ hoặc cụm hai âm tiết của `Viet11K.txt` mà khi bỏ dấu đúng 5 chữ cái a–z, khớp định dạng game.
2. Với cụm hai âm tiết, cả hai âm tiết phải tự có mặt như một mục riêng trong danh sách, để loại các mảnh vụn và từ lạ.
3. Loại mục chứa chuỗi trong danh sách từ thô tục.
4. Loại các cặp khác nhau mà bỏ dấu giống nhau (ví dụ hai từ cùng thành "tamly"), vì game đối chiếu không dấu và sẽ có hai đáp án đúng. Còn lại 749 mục.
5. **Chọn tay 432 từ từ 749.** Mình đọc toàn bộ 749 từ và bỏ: từ cổ hoặc rất hiếm, địa danh, từ ngoại ("stick"), từ liên quan tình dục hoặc bạo lực, từ tục, từ nhạy cảm tôn giáo hoặc chính trị, và từ viết sai chính tả theo cách dùng hiện đại. Danh sách còn lại là các từ thông dụng, trung tính.
6. Xáo trộn bằng seed cố định (20261111) để thứ tự không theo bảng chữ cái. Mỗi ngày một từ, 432 ngày không lặp (đã kiểm tra bằng `dayIndex`).

## Hạn chế cần nói thẳng

- **Giấy phép GPL-2.0 là copyleft.** Chỉ dữ liệu `words.json` (danh sách đáp án) lấy từ nguồn GPL. Mình chưa đánh giá được pháp lý xem việc đó có buộc cả trang game phải theo GPL hay không (tùy việc `words.json` có được coi là tác phẩm phái sinh). **Cách an toàn: phát hành `words.json` kèm file này và giấy phép GPL-2.0, ghi công Hồ Ngọc Đức và duyet, và để mã nguồn game công khai.** Nếu người dùng muốn bán game đóng mã nguồn thì phải hỏi người có chuyên môn pháp lý. Đây không phải tư vấn pháp lý.
- **Chưa kiểm tra nghĩa từng từ.** Mình chọn theo hình thức và độ thông dụng của từ trong danh sách, không có từ điển nghĩa. Một số mục là từ ghép ít gặp hoặc có thể mang nghĩa khác ngữ cảnh.
- **Chưa kiểm chứng chính tả với từ điển chuẩn.** Danh sách gốc có vài mục theo kiểu viết cũ (ví dụ "qui mô", "kì kèo"). Mình đã ưu tiên bỏ, nhưng không bảo đảm sót.
- **Game chấm theo không dấu**, nên các từ khác dấu cùng 5 chữ đã bị loại (bước 4). Đó là lý do danh sách chỉ còn 749 từ, rồi 432 từ sau khi bỏ thêm 8 từ có sắc thái chính trị hoặc xã hội (tư bản, tư sản, tư hữu, đả đảo, áp bức, đàn áp, áp đặt, ăn mày).
- Chưa có người Việt thứ hai đọc lại danh sách. Nên đọc lướt trước khi đăng.