字母频率

✍ dations ◷ 2025-11-15 21:51:07 #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

  • .ru.ru为俄罗斯国家和地区顶级域(ccTLD)的域名。俄罗斯政府认为.ru域名翻译成斯拉夫语是巴拉圭的顶级域名.py,这样会引起安全问题。因此俄罗斯正在试图改变顶级域名,换用斯拉夫语.
  • 开曼群岛2019冠状病毒病开曼群岛疫情,介绍在2019新型冠状病毒疫情中,在开曼群岛发生的情况。2020年3月12日,开曼群岛宣布确诊首例新冠肺炎病例。患者为意大利游客,2月29日由于严重心脏问
  • 消寒诗社消寒诗社是清朝嘉庆道光年间以翰林院官员为主的文人在北京进行的文学性结社活动。因活动地点在宣武门外宣南地区,又称宣南诗社、宣南诗会、城南吟社等。消寒诗社的主要活动是
  • 中国记协中华全国新闻工作者协会(英语:All-China Journalists' Association),简称中国记协,是中华人民共和国新闻界最大、影响力最为广泛的社会团体,同时受中国共产党领导,亦是参加中国人民
  • 罗明珠罗明珠(英语:Sheree Lo Ming Chu,1968年9月11日-2016年5月27日),原名罗皓茵(英语:Bonnie Lo),以及别名罗爱过,跟罗美薇、李丽珍、陈加玲、袁洁莹、柏安妮及黎姿等女星同一时期出道,为前
  • 九八式钢盔九八式钢盔(日语:九八式铁帽)是1938年起至二次世界大战结束在形式上被大日本帝国陆军采用的新式头盔,特别提高了对手枪弹等低威力子弹的防护能力以求能取代防护力薄弱的九O式
  • 鲁温鲁温(Janani Luwum,1922年-1977年2月17日,又译“陆宏”、“鲁宏”),普世圣公宗乌干达教省(英语:Church of Uganda)主教,也是乌干达教省第二任主教长、大主教。在1970年代“狂人”阿敏(I
  • 约翰·斯科普斯约翰·托马斯·斯科普斯 (1900年8月3日 – 1970年10月21日) 是一个田纳西州代顿市的公立学校教师。他在1925年五月5日因为在课堂上教导进化论而被指控违反田纳西州的巴特勒
  • 2009年1月逝世人物列表2009年逝世人物列表:1月 - 2月 - 3月 - 4月 - 5月 - 6月 - 7月 - 8月 - 9月 - 10月 - 11月 - 12月下面是2009年1月逝世的知名人士列表:
  • 金晨金晨(1990年9月5日-),女,回族,中国大陆演员,毕业于北京舞蹈学院2007级中国民族民间舞系。2011年因出演《七种武器之孔雀翎》而正式成为演员,同年与黎诺懿于舞蹈节目《舞动奇迹》第三