字母频率

✍ dations ◷ 2025-05-17 05:31:11 #密码学,语言学,语言学术语,计量语言学

字母频率(frequency of letters; character frequencies),指的是各个字母在文本材料中出现的频率。常被应用于密码学,尤其是可破解古典密码的频率分析。在英语中最常见的字母是e。而在铅字印刷时代,人们已根据经验在Linotype排字机上将字母按常用与否排列成etaoin shrdlu(英语:ETAOIN SHRDLU) cmfwyp vbgkjq xz 。还有,摩斯电码中越常用的字母,其编码符号就越短;而发出各字母的用时由快到慢顺序是e it san hurdm wgvlfbk opjxcz yq。数据压缩技术中也有相似的方法,如霍夫曼编码就是按来源符号出现的机率大小去编码。

有分析显示字母频率就像词频(英语:word frequencies),不同作者或写作主题的作品中往往各不相同。当为x射线(x-rays)撰文时,文章中就会有大量的字母X。而撰写用x射线治疗卡塔尔(Qatar)的斑马(zebras)时,一般很少出现的字母X、Q和Z就会充斥文中。可从作者的字母使用频率中看出他的某些写作习惯。例如,海明威的写作风格明显不同于福克纳。字母、双字母组、三字母组(英语:trigram)、单词频率、单词长度和句子长度,这些都可以经统计后用以证明或反驳某一作品是某作者所写,甚至待鉴别作品与作者的写作风格相近也可用这一方法。

只能靠分析大量有代表性的文本才可得出准确的字母平均频率,而借由现代计算机和庞大的文本语料库,很容易完成这样的统计工作。又聋又瞎网(Deafandblind)列出了各种文本材料(新闻报告、宗教文本、科学文本和一般小说)的字母频率顺序,其中在一般小说类里,字母“h”与“i”的排位差异尤甚,由Linotype排字机的“etaoin shrdlu”变成了“etaohn isrdlu”。

赫伯特·S·基姆(英语:Herbert Zim)在他那部经典的密码学入门著作 《密码和隐密写作》(Codes and Secret Writing)里提道:英文的字母频率排列顺序是ETAON RISHD LFCMU GYPWB VKJXQ Z,最常见的字母对是TH HE AN RE ER IN ON AT ND ST ES EN OF TE ED OR TI HI AS TO,最常见的连写字母对是LL EE SS OO TT FF RR NN PP CC。

使用最多的前12个字母占了总使用次数的80%,使用最多的前8个字母则占了总使用次数的65%。数种排名函数(英语:rank functions)能很好地拟合字母频率,而双参数Cocho/Beta排名函数(two-parameter Cocho/Beta rank function)是当中的佼佼者。用另一种不能调节参数的排名函数也能不错地拟合字母频率分布,该函数也能拟合蛋白质序列中的氨基酸频率。

使用VIC暗号(英语:VIC cipher)或其他基于纵横棋盘格的暗号时,间谍常用助记符如“a sin to err”(最后的r不计)来记住最常用的8个字母。在密码解谜游戏cryptograms(英语:cryptograms)和单词解谜游戏如猜单词游戏、Scrabble、香蕉拼字游戏和电视游戏节目幸运轮(英语:Wheel of Fortune (U.S. game show))中,须要运用字母频率和频率分析。在古典文学中,爱伦坡早在其著名小说《金甲虫》描述了如何用英文字母频率的知识去解开故事中的替换式密码,找出船长基德埋藏宝藏的所在。

字母频率在一些键盘布局的设计上举足轻重。Blickensderfer打字机(英语:Blickensderfer typewriter#Layouts)在下排放置最常用的字母。德沃夏克键盘将最常用的字母放在最易输入的中排,即除拇指外的八指所放之处。

英语中的字母频率如下:

上面列出的表格引自Algoritmy网站。而这个列表和其他的表稍微不同,如美国康奈尔大学数学探索项目(Math Explorer's Project)在统计40000个单词后得到了大同小异的另一表 页面存档备份,存于互联网档案馆。牛津大学出版社分析简明牛津词典的词条后也得出百分比稍有不同的一表。

英语中空格出现的频率比使用最多的字母(e)还稍稍多点(约为107%),而非字母符号(如数字、标点等)统共后排名第四,即在字母“T”和“A”之间。

单词中首字母的频率如下:

*参见带点与不带点I


根据上表,英语中使用频率最高的10个字母为etaoi nshrd,而其他语言的排列顺序如下:

以上语言基本使用相似的25个(或以上)字母。而道本语的排列顺序是ainlo ektms,与以上语言不同的是道本语只使用了14个字母。

相关

  • 非那斯特莱非那斯特莱(英语:Finasteride),或名非那雄胺,别名非那司提,非那甾胺。是预防摄护腺肥大的药物。非那斯特莱会抑制头发毛囊的第二型5α还原酶(type 2 5-alpha reductase),使双氢睾酮(Di
  • 二异丙基氨基锂二异丙基氨基锂,又称LDA,化学式为2NLi。在有机化学中,LDA通常作为碱被用于去质子化碳氢化合物。LDA因可溶于非极性有机溶剂中,而被广泛应用。LDA属于非亲核性强碱。在0至-78 °
  • 伤齿龙科蜥鸟龙科 Saurornithoididae Barsbold, 1974 ?沼泽鸟龙科 Elopterygidae Lambrecht, 1933 ?原鸟形龙科 Archaeornithoididae Elzanowski & Wellnhofer, 1992伤齿龙科(Troodonti
  • 蔗鼠科蔗鼠是单型科蔗鼠科(Thryonomyidae)下的2种较大型啮齿类动物的统称,分布于撒哈拉以南的非洲。身材肥短,尾较短,耳小,毛粗硬,褐色带有小斑点。体长35-60厘米。其肉可食。一般栖息于
  • 赵振业赵振业(1937年11月13日-),河南原阳人,金属材料专家,中国工程院院士,曾任北京航空材料研究院副总工程师,现任北京航空材料研究院研究员、博士生导师,中国航空学会北京航空航天学会理事
  • 化物语《化物语》(日语:化物語)是西尾维新的轻小说作品。《物语系列》的第1作,《讲谈社BOX》的创刊连载作品 。台湾插画家VOFAN负责插画。2009年改编电视动画,2012年授权电子游戏(PSP)。
  • 旧门旧门(德语:Altpoertel)是德国城市施派尔在中世纪时期的西城门,也是旧城的68塔之一。城门高度达55米,是德国最高大的城门建筑之一。旧门修建于1230年至1250年期间。坐标:49°19′03
  • 无花果蝠属无花果蝠属(无花果蝠),哺乳纲、翼手目、狐蝠科的一属,而与无花果蝠属(无花果蝠)同科的动物尚有、长尾果蝠属(长尾果蝠)、猪形果蝠属(黑腹所罗门果蝠)等之数种哺乳动物。
  • 春晓油气田春晓油气田(日本称之为“白桦油气田”(白樺ガス田))是中国在东海大陆架盆地西湖凹陷中开发的一个大型油气田,位于浙江宁波东南约350公里,探明的天然气储量达700亿立方米以上,由中国
  • 世界末日前《世界末日前》(日语:明日世界が終わるなら),日本女歌手中岛美嘉的第35张单曲。2012年9月19日发行。距离前作“LOVE IS ECSTASY”约1年的新作,是间隔时间最长的一次。※ 初回生产