Tần suất chữ cái trong văn bản
Đếm mỗi chữ cái xuất hiện bao nhiêu lần trong văn bản. Công cụ cho biết từng chữ cái trong 29 chữ cái tiếng Việt, kèm số lần và tỉ lệ phần trăm, xếp từ phổ biến nhất đến hiếm nhất và đánh dấu những chữ bạn chưa dùng: hữu ích cho mật thư, trò chơi chữ và giờ học ngôn ngữ.
- Bảng đủ 29 chữ cái
- Dấu thanh gộp vào chữ gốc
- Ở lại trên thiết bị
Bảng tần suất chữ cái
Mỗi chữ cái kèm số lần và tỉ lệ trên tổng số chữ cái trong văn bản của bạn.
| Chữ cái | Số lần | Tỉ lệ |
|---|
Số đếm chữ cái của bạn sẽ hiện ở đây.
Cách xem tần suất chữ cái
Tính tần suất chữ cái trong văn bản với ba bước.
-
Dán văn bản
Một đoạn văn, một mật thư bạn muốn giải hay cả một chương. Văn bản càng dài, tỉ lệ càng ổn định.
-
Chọn tùy chọn
Theo mặc định, chữ mang dấu thanh được gộp vào chữ gốc (ế tính là ê, ữ tính là ư), chữ hoa đếm chung với chữ thường, còn ă, â, đ, ê, ô, ơ và ư vẫn là chữ riêng.
-
Đọc bảng
Mỗi chữ cái kèm số lần và tỉ lệ trên tổng số. Sắp xếp theo tần suất hoặc theo bảng chữ cái, rồi sao chép hoặc tải bảng về.
Trong đoạn văn mẫu, N là chữ cái phổ biến nhất với 12,62%, tiếp theo là H (10,68%) và T (8,74%). Đoạn văn dùng đủ cả 29 chữ cái tiếng Việt.
Tần suất chữ cái trong tiếng Việt
Tỉ lệ của mỗi chữ cái trong bản tiếng Việt của Tuyên ngôn Quốc tế Nhân quyền (8.179 chữ cái), đo bằng công cụ này, với dấu thanh gộp vào chữ gốc.
| Chữ cái | Tỉ lệ | Chữ cái | Tỉ lệ |
|---|---|---|---|
| N | 11,20% | V | 2,30% |
| H | 8,62% | Y | 2,18% |
| A | 8,07% | M | 2,16% |
| I | 7,60% | Â | 2,07% |
| C | 7,49% | P | 1,60% |
| T | 5,84% | B | 1,58% |
| U | 4,98% | Q | 1,39% |
| G | 4,74% | L | 1,19% |
| Ư | 4,39% | K | 0,98% |
| Ê | 4,30% | R | 0,92% |
| O | 4,07% | D | 0,86% |
| Đ | 3,24% | Ă | 0,62% |
| Ô | 3,20% | S | 0,56% |
| Ơ | 3,17% | X | 0,45% |
| E | 0,22% |
Đây là một văn bản về quyền con người, nên chữ “quyền” lặp lại rất nhiều: vì vậy Ê và Q cao hơn, còn E không dấu mũ rất hiếm. Văn bản hằng ngày có thể cho tỉ lệ khác, nhưng N, H và C gần như luôn ở nhóm đầu.
Vì sao N, H và C phổ biến trong tiếng Việt
Trong gần như mọi văn bản tiếng Việt, N, H và C đứng ở nhóm đầu. Lý do nằm ở phụ âm ghép: tiếng Việt viết nhiều âm bằng hai hay ba chữ cái, như ng, nh, ngh, ch, th, kh, ph và tr. Chỉ riêng chữ H xuất hiện trong nh, ch, th, kh, ph, gh và ngh; chữ N đứng ở đầu và cuối của vô số tiếng như người, những, nhân, trong, năm.
Vì vậy, phân bố chữ cái tiếng Việt khác hẳn tiếng Anh, nơi E dẫn đầu. Công cụ không so văn bản của bạn với một bảng chuẩn tiếng Việt, nhưng bảng ở trên cho bạn hình dung: nếu văn bản của bạn khác xa bảng này, có lẽ nó rất ngắn, viết bằng ngôn ngữ khác hoặc đã được mã hóa.
Tần suất chữ cái để giải mật thư
Phân tích tần suất là cách lâu đời nhất để phá một mật mã thay thế, nơi mỗi chữ cái được thay bằng một chữ khác. Mô tả sớm nhất được biết đến là của nhà bác học Ả Rập al-Kindi vào thế kỷ IX.
Với một mật thư tiếng Việt, hãy thử như sau:
- Dán mật thư và sắp xếp bảng theo tần suất.
- Ký hiệu phổ biến nhất rất có thể là N hoặc H, tiếp theo là A, I, C hay T.
- Tìm các nhóm ký hiệu lặp lại: hai ký hiệu hay đi liền nhau có thể là ng, nh hoặc ch.
- Ghi lại phỏng đoán và sửa dần khi các từ hiện ra.
Phân tích tần suất hiệu quả nhất với mật thư dài; một mật thư ngắn có thể lệch xa phân bố thông thường. Mật thư trong các trò chơi lớn thường viết không dấu, đôi khi ghi dấu thanh bằng các chữ cái kiểu Telex (s, f, r, x, j), nên các chữ này có thể xuất hiện nhiều hơn bình thường.
Công cụ đếm tần suất chữ cái dùng để làm gì
Tần suất chữ cái hữu ích hơn nhiều so với chỉ giải mật thư.
| Mục đích | Tần suất chữ cái cho biết gì |
|---|---|
| Mật thư và trò chơi giải mã | Ký hiệu nào có lẽ là N, H, A hay I. |
| Trò chơi chữ | Nên đoán chữ cái nào trước, và chữ hiếm nào (E, X, S, Ă) để dành sau cùng. |
| Học ngôn ngữ | Phân bố chữ cái của một ngôn ngữ khác khác tiếng Việt thế nào. |
| Thử nghiệm văn chương | Kiểm tra một bài viết tránh hẳn một chữ cái, như cuốn tiểu thuyết nổi tiếng không có chữ E của Georges Perec. |
| Giờ học thống kê | Một bộ dữ liệu thật và đơn giản để vẽ biểu đồ và so sánh. |
Câu hỏi thường gặp về tần suất chữ cái
Chữ cái nào dùng nhiều nhất trong tiếng Việt?
Thường là N, rồi đến H, A, I và C. Trong Tuyên ngôn Quốc tế Nhân quyền, N chiếm 11,20% số chữ cái, H 8,62% và A 8,07%. Phụ âm ghép như ng, nh, ch và th khiến N và H xuất hiện rất thường xuyên.
Làm sao tính tần suất của một chữ cái?
Lấy số lần chữ cái đó xuất hiện chia cho tổng số chữ cái, rồi nhân 100. Dấu cách, chữ số và dấu câu không được tính.
Ă, â và ê có được đếm riêng khỏi a và e không?
Có. Chúng là chữ cái riêng trong bảng chữ cái tiếng Việt và có dòng riêng trong bảng. Dấu thanh thì được gộp vào chữ gốc theo mặc định: ế tính là ê, á tính là a.
Tôi có tách riêng chữ mang dấu thanh được không?
Có. Tắt “Gộp dấu thanh vào chữ gốc” để á, à, ả, ã, ạ và các chữ mang dấu khác hiện thành dòng riêng.
Chữ hoa và chữ thường có được đếm chung không?
Có, theo mặc định. Để xem A và a trên hai dòng riêng, hãy bật “Đếm riêng chữ hoa và chữ thường”.
Tôi có dùng công cụ này để giải mật thư được không?
Có, nếu đó là mật mã thay thế đơn giản. Sắp xếp bảng theo tần suất: ký hiệu phổ biến nhất có lẽ là N hoặc H.
Văn bản của tôi có bị gửi đi đâu không?
Không. Chữ cái được đếm trong trình duyệt, và văn bản không rời khỏi thiết bị của bạn.
Nguồn và tài liệu tham khảo
- Letter frequency, Wikipedia
- Frequency analysis, Wikipedia
- Universal Declaration of Human Rights, translations, OHCHR
Thêm công cụ phân tích văn bản
- Chữ cái Đếm chữ cái Chỉ đếm chữ cái trong văn bản: không tính dấu cách, chữ số và dấu câu. Mở công cụ
- Nguyên âm Đếm nguyên âm Đếm nguyên âm trong từ hoặc văn bản, kèm từng nguyên âm và tỉ lệ. Mở công cụ
- Unicode Đếm ký tự khác nhau Liệt kê mọi ký tự khác nhau, kèm điểm mã Unicode và số lần xuất hiện. Mở công cụ
- Tần suất Tần suất từ Xếp các từ theo số lần xuất hiện, kèm số lần và mật độ. Mở công cụ