Siin siis lubatud eesti tähestiku naabrite statistika. Keskmises veerus on täht, vasakul sellest on kõige levinum eelnev täht, paremal kõige levinum järgnev täht. Mida kaugema põhitähest, seda vähem levinud, ära toodud 10 kõige levinumat naabrit kummalgi pool:
Kood: Vali kõik
aglnkdjvmt a sltndarmgk
lõräomieua b aieurloksü
mtuernoasi c hoakeilurt
öüorlenaui d aeiurslmno
rhkdmnetls e sletinmdrg
ruflsnioae f ioeartlufü
üäorulinea g aiuerlonms
csõiüuäeoa h eatiuokväj
kgtrienmsl i sndkitlmgr
õieouhsrla j auäoeõüinj
rühokuseai k uasoeikõüä
õätüiuloae l eialtumjdg
sümrluoiae m aieuõmäbop
tälõnueoai n aieudngtäo
inhslrtpok o lnormshtdg
ämsoupiõea p aeioäurõps
udnoersaic q uivatqgdlo
rõtpiouäea r iaeoudvgtj
nüostkueai s etiauksoõü
nrelšoiuat š eaiotkvušn
rzodutenia z hiaeozuknw
lürinouead ž ieaundüäok
nothulieas t aeuisotlär
dlmgjusntk u sdlutnirmk
tslohuirea v aiõeäuoslk
zrydwskaoe w aieoswhnrc
õnjlptsmkv õ intrulhpeõ
hmlktnpäjv ä riälhengkt
vnrlkpsmtö ö ödretlskgi
hrlmnptsük ü lühdktsmnr
éäyrxoauie x iaxetpvulo
dsonteakrl y aonldstepw
Tekstimassiivi oli 110 MB mainitud korpusest, huvi korral võin ka selle kusagile üles riputada.
Kasutatud skript ka:
Kood: Vali kõik
#!/usr/bin/perl
# analüüsime kõrvuti asetsemist ja sõnaalgust, sisendtekst peab olema UTF-8 kodeeringus
# kasutamine kujul ./markide_naabrite_sagedus.pl < analyysitav.txt
# või
# cat analyysitav.txt | ./markide_naabrite_sagedus.pl
#
# väljundist saab kõigepealt teksti populaarsemate esitähtede statistika
# ja siis juba tähtede sõbralikumate naabrite tabel: keskmises veerus on
# kõnealune tähemärk, sellest vasakule jäävad kõige popimad eelnevad tähemärgid
# (mida lähemal, seda levinum), paremale jälle järgnevad (samuti: mida lähemal, seda enam kordi)
#
# skripti kirjutas Wanradt Koell 2008. a pimedate sügisõhtute leevendamiseks
# ja eesti dvoraki-laotuse edendamiseks
# seesamust võib kasutada ja levitada tingimusel, et esmakordsel käivitamisel naeratatakse
# ning levitamisel ja muutmisel säilitatakse käesolev päis järeltulevatele põlvedele
use strict;
use locale;
use utf8;
binmode STDIN, ":utf8";
binmode STDOUT, ":utf8";
my %margid = (); # siia kogume statistika
while (<>) {
chomp;
my $rida = $_;
$rida =~ s/\P{IsAlpha}/ /ig; # kõik mittetähed tühikuteks
my @sonad = split(/\s+/, $rida); # tekitame sõnade pinu
&Loendaja(@sonad);
}
&PopimadEsitahed();
&ParimadNaabrid();
exit(0);
##########################
##
## Loendaja loeb üle reas olevate sõnade märkide naabrid
sub Loendaja {
my (@sonad) = @_;
foreach my $sona ( @sonad ) {
$sona = lc($sona);
my ($jrk, $eel) = ();
foreach my $mrk ( split(//, $sona) ) {
if (!$jrk) { # peab järge levinumate esitähtede üle
$margid{$mrk}{esimene}++;
$jrk++;
}
else { # eelmise ja järgmise märgi arvestus
$margid{$mrk}{eelmine}{$eel}++;
$margid{$eel}{jargmine}{$mrk}++;
}
$eel = $mrk; # vajalik eelmise/järgmise arvestuses
}
}
}
##
##
##
## ParimadNaabrid väljastab iga märgi eelnevate ja järgnevate naabrite pingerea (10)
sub ParimadNaabrid {
foreach my $mrk (sort keys %margid) {
my ($eelnevad, $jargnevad) = ();
$eelnevad = substr( join("", sort { $margid{$mrk}{eelmine}{$a} <=> $margid{$mrk}{eelmine}{$b} } keys %{ $margid{$mrk}{eelmine} } ), -10); # sorteerime välja kõige lähemad eelnevad naabrid, ühendame ja jätame alles ainult 10 viimast (st kõige popimat)
$jargnevad = substr( join("", sort { $margid{$mrk}{jargmine}{$b} <=> $margid{$mrk}{jargmine}{$a} } keys %{ $margid{$mrk}{jargmine} } ), 0, 10); # sorteerime välja kõige lähemad järgnevad naabrid, ühendame ja jätame alles ainult 10 esimest (st kõige popimat)
printf ( "%10s %s %s\n", $eelnevad, $mrk, $jargnevad ); ## väljastame: kuni 10 eelnevat, märgi enda, kuni 10 järgnevat
}
}
##
##
##
## PopimadEsitahed väljastab sõnade esitähtede pingerea
sub PopimadEsitahed {
my %hash = ();
foreach (sort keys %margid ) { # vahe-hashi täitmine
$hash{$_} = $margid{$_}{esimene};
}
my @keys = sort { $hash{$b} <=> $hash{$a} } keys %hash; # sorteerime kõige levinumad esitähed pinusse
foreach ( @keys ) { # väljastame märgi ja leviku
print "$_\t$hash{$_}\n";
}
}
##
##
__END__
Katsetajatele: 110 mega näris mu skript ca 7 minutit, nii et ärge väga ära ehmatage, kui tükk aega vastuseks A-d ega O-d ei kosta, kannatage ära.
, aga asjal oleks mingit jumet ka. Kusjuures ei peakski palju aju tööd tegema. Peab leidma massiivse sõnastiku või jutu ning kirjutada lihtne programmi jupike, mis arvutab välja, mis tähti kõige tihedamini üksteise kõrval on ning vastavalt kahe käe vaheldumise ning ühe rea loogikale lasta sellel paigutus ehitada. (kahel käel korda mööda on kirjutamine kõige kiirem ning samuti, kui tähed paiknevad ühes reas)
(ülevalt "download", terminalis $ sudo bash /kataloog-kuhu-salvestati/m26ebfe88 , klaviatuuripaigutuseks valida "ee (dvorak-est)".)