和文モールス符号における各文字の出現頻度を推定した

結果

順位	文字	符号	割合	個数	備考
1	い	・－	10.48%	13,848
2	゛	・・	8.65%	11,431	濁点
3	つ	・－－・	5.34%	7,057
4	か	・－・・	4.25%	5,622
5	し	－－・－・	3.91%	5,167
6	て	・－・－－	3.74%	4,945
7	う	・・－	3.51%	4,644
8	よ	－－	3.47%	4,588
9	た	－・	3.42%	4,518
10	ん	・－・－・	3.30%	4,366
11	と	・・－・・	3.17%	4,188
12	の	・・－－	2.46%	3,247
13	お	・－・・・	2.23%	2,948
14	な	・－・	2.11%	2,788
15	、	・－・－・－	2.06%	2,728	区切り点
16	こ	－－－－	2.03%	2,683
17	は	－・・・	1.98%	2,617
18	あ	－－・－－	1.91%	2,520
19	く	・・・－	1.80%	2,375
20	き	－・－・・	1.78%	2,355
21	に	－・－・	1.74%	2,304
22	」	・－・－・・	1.71%	2,266	段落
23	や	・－－	1.68%	2,226
24	す	－－－・－	1.64%	2,166
25	ま	－・・－	1.50%	1,985
26	も	－・・－・	1.41%	1,867
27	る	－・－－・	1.41%	1,859
28	わ	－・－	1.30%	1,712
29	え	－・－－－	1.28%	1,694
30	ら	・・・	1.14%	1,504
31	り	－－・	1.13%	1,487
32	ゆ	－・・－－	1.01%	1,334
33	れ	－－－	0.99%	1,311
34	け	－・－－	0.98%	1,292
35	さ	－・－・－	0.94%	1,248
36	せ	・－－－・	0.92%	1,218
37	を	・－－－	0.92%	1,216
38	そ	－－－・	0.75%	992
39	ひ	－－・・－	0.74%	972
40	ち	・・－・	0.70%	927
41	ふ	－－・・	0.67%	885
42	ほ	－・・	0.58%	760
43	め	－・・・－	0.50%	661
44	ろ	・－・－	0.47%	616
45	み	・・－・－	0.43%	568
46	ー	・－－・－	0.42%	558	長音
47	ね	－－・－	0.32%	428
48	へ	・	0.32%	417
49	゜	・・－－・	0.31%	406	半濁点
50	む	－	0.27%	359
51	（	－・－－・－	0.09%	117	下向き括弧
52	）	・－・・－・	0.09%	115	上向き括弧
53	ぬ	・・・・	0.03%	44
54	ゐ	・－・・－	0.00%	0
54	ゑ	・－－・・	0.00%	0

和文モールス符号における各字の出現頻度

算出方法

ブログ『Weblog 61℃』の 10万字サンプルにおける文字の出現頻度。のデータに基づき独自に算出した。引用元のデータは、計 104,357 字の日本語テキストから各文字の出現回数を集計したもの。元のデータを記事末尾に引用する。

引用した集計から和文モールス符号における頻度を算出するために、次の 4 つの操作を行った。ここでは操作の対象の字を特定しやすくするため、元データにおける各字の出現頻度の順位を併記した。

(1) 符号が未定義の字を取り除く

具体的に対象としたのは次の 54 字。

対象	順位	対象	順位	対象	順位	対象	順位	対象	順位
`0`	72	`・`	91	`％`	115	`F`	119	`Q`	126
`1`	69	`，`	109	`＋`	134	`G`	122	`R`	95
`2`	76	`；`	127	`＜`	136	`H`	119	`S`	96
`3`	84	`：`	136	`＝`	131	`I`	101	`T`	97
`4`	94	`！`	85	`＞`	116	`J`	121	`U`	123
`5`	89	`？`	80	`～`	73	`K`	127	`V`	130
`6`	91	`．`	105	`A`	88	`L`	109	`W`	132
`7`	103	`”`	134	`B`	118	`M`	116	`X`	111
`8`	100	`「`	48	`C`	108	`N`	112	`Y`	124
`9`	105	`」`	49	`D`	98	`O`	98	`Z`	132
`－`	87	`／`	129	`E`	90	`P`	113

除去した文字と、元データにおけるその文字の順位

数字 (0 – 9) の和文モールス符号は未定義とは言えないが、集計結果が特に面白くないことが予想されるため、除くこととした。

(2) 濁音と半濁音を、清音と濁点/半濁点の 2 字として扱う

具体的に対象としたのは次の 26 字。

対象	順位	対象	順位	対象	順位	対象	順位	対象	順位
`ヴ`	136	`ざ`	61	`ぢ`	136	`び`	65	`ぼ`	67
`が`	21	`じ`	32	`づ`	82	`ぴ`	103	`ぽ`	83
`ぎ`	64	`ず`	66	`で`	16	`ぶ`	59
`ぐ`	74	`ぜ`	62	`ど`	40	`ぷ`	81
`げ`	63	`ぞ`	79	`ば`	55	`べ`	70
`ご`	53	`だ`	29	`ぱ`	75	`ぺ`	86

濁音と半濁音は、清音 + 記号として二重計上

(3) 捨て仮名 (小さい字) を、対応する大きい字として扱う

具体的に対象としたのは次の 10 字。

対象	順位	対象	順位	対象	順位	対象	順位	対象	順位
`ぁ`	107	`ぅ`	137	`ぉ`	124	`ゃ`	52	`ょ`	27
`ぃ`	113	`ぇ`	102	`っ`	17	`ゅ`	56	`ゎ`	136

捨て仮名は、対応する大きい字として計上

(4) 和文句点 `。` を、和文モールス符号の段落 `」` として扱う

書き言葉における句点が、モールス符号における段落に対応すると考えたため。

参照したデータ

出典: 10万字サンプルにおける文字の出現頻度。

1	い	6,906	6.618%
2	う	4,643	4.449%
3	ん	4,366	4.184%
4	し	3,858	3.697%
5	か	3,647	3.495%
6	と	3,317	3.179%
7	の	3,247	3.111%
8	た	3,105	2.975%
9	て	2,793	2.676%
10	な	2,788	2.672%
11	、	2,728	2.614%
12	に	2,304	2.208%
13	。	2,266	2.171%
14	く	2,232	2.139%
15	こ	2,212	2.120%
16	で	2,152	2.062%
17	っ	2,095	2.008%
18	き	2,082	1.995%
19	は	2,025	1.940%
20	ま	1,985	1.902%
21	が	1,975	1.893%
22	す	1,933	1.852%
23	も	1,867	1.789%
24	る	1,859	1.781%
25	ら	1,504	1.441%
26	り	1,487	1.425%
27	ょ	1,469	1.408%
28	お	1,464	1.403%
29	だ	1,413	1.354%
30	つ	1,392	1.334%
31	れ	1,311	1.256%
32	じ	1,309	1.254%
33	あ	1,236	1.184%
34	を	1,216	1.165%
35	け	1,004	0.962%
36	さ	928	0.889%
37	ち	926	0.887%
38	せ	907	0.869%
39	そ	889	0.852%
40	ど	871	0.835%
41	わ	855	0.819%
42	よ	825	0.791%
43	え	818	0.784%
44	ひ	691	0.662%
45	め	661	0.633%
46	ろ	616	0.590%
47	み	568	0.544%
48	「	561	0.538%
49	」	560	0.537%
50	や	559	0.536%
51	ー	558	0.535%
52	ゃ	554	0.531%
53	ご	471	0.451%
54	ほ	458	0.439%
55	ば	455	0.436%
56	ゅ	453	0.434%
57	ね	428	0.410%
58	ふ	421	0.403%
59	ぶ	374	0.358%
60	む	359	0.344%
61	ざ	320	0.307%
62	ぜ	311	0.298%
63	げ	288	0.276%
64	ぎ	273	0.262%
65	び	255	0.244%
66	ず	233	0.223%
67	ぼ	224	0.215%
68	ゆ	214	0.205%
69	1	195	0.187%
70	べ	175	0.168%
71	へ	167	0.160%
72	0	159	0.152%
73	～	150	0.144%
74	ぐ	143	0.137%
75	ぱ	137	0.131%
76	2	122	0.117%
77	（	117	0.112%
78	）	115	0.110%
79	ぞ	103	0.099%
80	？	99	0.095%
81	ぷ	90	0.086%
82	づ	83	0.080%
83	ぽ	78	0.075%
84	3	77	0.074%
85	！	76	0.073%
86	ぺ	75	0.072%
87	－	73	0.070%
88	A	54	0.052%
89	5	48	0.046%
90	E	46	0.044%
91	6	45	0.043%
91	・	45	0.043%
93	ぬ	44	0.042%
94	4	43	0.041%
95	R	36	0.034%
96	S	35	0.034%
97	T	33	0.032%
98	D	32	0.031%
98	O	32	0.031%
100	8	31	0.030%
101	I	30	0.029%
102	ぇ	29	0.028%
103	7	26	0.025%
103	ぴ	26	0.025%
105	9	25	0.024%
105	．	25	0.024%
107	ぁ	24	0.023%
108	C	22	0.021%
109	，	21	0.020%
109	L	21	0.020%
111	X	20	0.019%
112	N	19	0.018%
113	P	18	0.017%
113	ぃ	18	0.017%
115	％	17	0.016%
116	＞	16	0.015%
116	M	16	0.015%
118	B	15	0.014%
119	F	14	0.013%
119	H	14	0.013%
121	J	13	0.012%
122	G	12	0.011%
123	U	11	0.011%
124	Y	10	0.010%
124	ぉ	10	0.010%
126	Q	8	0.008%
127	；	7	0.007%
127	K	7	0.007%
129	／	6	0.006%
130	V	5	0.005%
131	＝	4	0.004%
132	W	3	0.003%
132	Z	3	0.003%
134	”	2	0.002%
134	＋	2	0.002%
136	゛	1	0.001%
136	：	1	0.001%
136	＜	1	0.001%
136	ヴ	1	0.001%
136	ぢ	1	0.001%
136	ゎ	1	0.001%
137	ぅ	0	0.000%

カテゴリー:ことば

ピンバック: 和文モールスは、最適化で符号長を ~25% 削減できる – 回れ右の内輪差

回れ右の内輪差

和文モールス符号における各文字の出現頻度を推定した

結果