Trigram - Trigram
Trigramy jsou zvláštním případem n -gramu , kde n je 3. Často se používají při zpracování přirozeného jazyka pro provádění statistické analýzy textů a v kryptografii pro ovládání a používání šifer a kódů .
Frekvence
Kontext je velmi důležitý. Různé žebříčky a procenta analýzy lze snadno odvodit z různých velikostí vzorků, od různých autorů; nebo různé typy dokumentů: poezie, sci-fi, technologická dokumentace; a úrovně psaní: příběhy pro děti versus dospělí, vojenské rozkazy a recepty.
Typická kryptanalytická frekvenční analýza zjistila, že 16 nejběžnějších trigramů na úrovni znaků v angličtině je:
| Hodnost | Trigram | Frekvence (jiný zdroj) |
|---|---|---|
| 1 | the | 1,81% |
| 2 | a | 0,73% |
| 3 | tha | 0,33% |
| 4 | ent | 0,42% |
| 5 | ing | 0,72% |
| 6 | ion | 0,42% |
| 7 | tio | 0,31% |
| 8 | pro | 0,34% |
| 9 | nde | |
| 10 | má | |
| 11 | nce | |
| 12 | edt | |
| 13 | tis | |
| 14 | často | 0,22% |
| 15 | sth | 0,21% |
| 16 | muži |
Protože šifrované zprávy odesílané telegrafem často vynechávají interpunkci a mezery, analýza kryptografické frekvence těchto zpráv obsahuje trigramy, které překračují hranice slov. To způsobuje, že se často objevují trigramy, jako je „edt“, přestože se to v žádném slově těchto zpráv nemusí nikdy vyskytnout.
Příklady
Věta „rychlá červená liška přeskočí líného hnědého psa“ má následující trigramy na úrovni slov:
the quick red quick red fox red fox jumps fox jumps over jumps over the over the lazy the lazy brown lazy brown dog
A trigram na úrovni slov „rychlá červená“ má následující trigramy na úrovni znaků (kde podtržítko „_“ označuje mezeru):
the he_ e_q _qu qui uic ick ck_ k_r _re red