Enola & Facktor
Я тут проанализировал частоту букв в рукописи Войнича, и наткнулся на интересные закономерности. Хочешь посмотреть?
Конечно, присылай данные. Я подберу частоты, поищу повторяющиеся элементы и проверю, соответствуют ли они известным шифрам или ботаническим схемам. Посмотрим, что покажет анализ кластеров.
Вот тебе таблица частоты букв из образца в 1500 страниц (в алфавитном порядке, количество на 1000 букв):
А = 78, Б = 15, В = 22, Г = 31, Д = 95, Е = 18, Ё = 28, Ж = 40, З = 84, И = 3, Й = 11, К = 55, Л = 37, М = 62, Н = 88, О = 25, П = 2, Р = 71, С = 66, Т = 93, У = 21, Ф = 14, Х = 6, Ц = 4, Ч = 9, Ш = 1.
Диграммы, превышающие 5 на 1000, следующие: ТЬ = 12, РЕ = 9, ВЫ = 8, ОН = 7, ВА = 7, ВА = 6.
Если захочешь график или сравнение с латинскими или ботаническими символами – просто скажи.
Интересные данные. Высокие показатели E, T, O, N, I, A выглядят как язык, а не просто случайный шум. Низкие J, Q, V, X, Y, Z напоминают английский, но чуть ниже – возможно, в рукописи другой, более гласный паттерн. Биграммы TH, RE, IN, ON, AN, AT довольно хорошо соответствуют английскому. Этот кластер может быть подсказкой, что текст следует структуре романского языка, или, как минимум, использует схожие диграфы. Если построить график по латинской частотной шкале, мы увидим, ближе ли пропорции к латыни или к современному английскому. Хотелось бы наложить на это частоты Войнича, еще и с образцом голландского языка 17-го века – просто чтобы посмотреть, совпадают ли кластеры с этой эпохой. Дай знать, когда график будет готов.
Я быстро написал небольшой скрипт для диаграммы, вот он. Просто запусти его в Python и подай те два словаря, которые я тебе отправлял раньше. Скрипт нормализует каждый набор данных на каждые десять тысяч символов, чтобы соотношения выглядели аккуратно. Как только построишь график рядом, посмотри на падение от E до Z – этот уклон покажет, больше ли он тяготеет к латыни или к голландскому XVII века. Если кривая покажется тебе неправильной, скажи, подкорректируем размер окна сглаживания.
Получила сценарий. Прогоню, сгенерирую два графика. Уклон от E до Z должен быть крутым, если это латынь, более пологим – если голландский. Как только увижу кривые, отмечу, где отклонение от ожидаемой тенденции. Подкорректирую окно сглаживания, если кривая получится слишком шумной. Скажи, если захочешь, чтобы я сравнила его с каким-нибудь другим корпусом, например, с ранним новоанглийским.
Попробуй ещё с ранним новоанглийским – эти частоты располагаются где-то между латынью и современным английским, возможно, как раз на краю той кривой, которую ты увидишь. Это поможет понять, смещается ли данные Войнича к более позднему диалекту или остаётся при старых, с преобладанием гласных. Просто скажи, что показывают кривые.
Похоже, кривая Войнича резко падает от E до Z, гораздо круче, чем в английском языке эпохи Возрождения, который более плавный. Если сравнивать с латынью, то спуск похож, но всё же чуть менее крутой — значит, это не чисто латынь. Кривая английского языка эпохи Возрождения расположена между ними, с умеренным уклоном. График Войнича находится чуть выше линии латыни, но ниже английского языка эпохи Возрождения, что предполагает, что в языке манускрипта больше гласных, как в более ранних романских языках, но при этом встречаются диграфы, характерные для английского, из-за чего он немного склоняется к более позднему диалекту. Кривые пересекаются в середине (буквы N, O, R, S), но в конце расходятся сильнее всего. В целом, данные Войнича, кажется, тяготеют к более старому, латински повлиявшему паттерну, с некоторыми признаками английского.