Trigramă - Trigram
Trigramele sunt un caz special al n -gramei , unde n este 3. Ele sunt adesea utilizate în prelucrarea limbajului natural pentru efectuarea analizei statistice a textelor și în criptografie pentru controlul și utilizarea cifrelor și codurilor .
Frecvență
Contextul este foarte important, clasificările și procentele variate ale analizei sunt ușor derivate prin extragerea din diferite dimensiuni ale eșantionului, diferiți autori; sau diferite tipuri de documente: poezie, science-fiction, documentare tehnologică; și niveluri de scriere: povești pentru copii versus adulți, ordine militare și rețete.
Analiza tipică a frecvenței criptanalitice constată că cele mai comune 16 trigrame la nivel de caracter în limba engleză sunt:
| Rang | Trigramă | Frecvență (sursă diferită) |
|---|---|---|
| 1 | the | 1,81% |
| 2 | și | 0,73% |
| 3 | tha | 0,33% |
| 4 | ent | 0,42% |
| 5 | ing | 0,72% |
| 6 | ion | 0,42% |
| 7 | tio | 0,31% |
| 8 | pentru | 0,34% |
| 9 | nde | |
| 10 | are | |
| 11 | nce | |
| 12 | EDT | |
| 13 | este | |
| 14 | adesea | 0,22% |
| 15 | sth | 0,21% |
| 16 | bărbați |
Deoarece mesajele criptate trimise prin telegraf omit deseori punctuația și spațiile, analiza de frecvență criptografică a acestor mesaje include trigrame care se încadrează în limitele cuvintelor. Acest lucru face ca trigrame cum ar fi „edt” să apară frecvent, chiar dacă nu poate apărea niciodată în niciun cuvânt al mesajelor respective.
Exemple
Propoziția „vulpea roșie rapidă sare peste câinele leneș maro” are următoarele trigrame la nivel de cuvânt:
the quick red quick red fox red fox jumps fox jumps over jumps over the over the lazy the lazy brown lazy brown dog
Iar trigrama la nivel de cuvânt „roșu rapid” are următoarele trigrame la nivel de caracter (unde un subliniat „_” marchează un spațiu):
the he_ e_q _qu qui uic ick ck_ k_r _re red