编写包含 160 位可恢复信息的合成英语短语

Posted 2023-03-22

【中文标题】编写包含 160 位可恢复信息的合成英语短语

【英文标题】：Compose synthetic English phrase that would contain 160 bits of recoverable information

【发布时间】：2011-06-09 13:16:16

【问题描述】：

我有 160 位随机数据​​。

只是为了好玩，我想生成伪英语短语来“存储”这些信息。我希望能够从短语中恢复这些信息。

注意：这不是一个安全问题，我不在乎其他人是否能够恢复信息，甚至检测到它是否存在.

从最重要到最不重要的更好短语的标准：

短 独特 自然外观

目前的做法，建议here：

列出 1024 个名词、动词和形容词的三个列表（选择最流行的）。按以下模式生成短语，每个单词读取 20 位：

名词动词形容词动词， 名词动词形容词动词， 名词动词形容词动词， 名词动词形容词动词。

现在，这似乎是一个不错的方法，但这个短语有点太长了，有点太沉闷了。

我找到了一个词库here（部分语音数据库）。

经过一些临时过滤后，我计算出这个语料库大约包含

50690 个可用形容词 123585 名词 15301 个动词 13010 个副词（不包括在模式中，但在答案中提到）

这让我最多可以使用

每个形容词 16 位（实际上是 16.9，但我不知道如何使用小数位） 每个名词 15 位 每个动词 13 位 每个副词 13 位

对于名词-动词-形容词-动词模式，这为短语中的每个“句子”提供 57 位。这意味着，如果我使用从这个语料库中可以得到的所有单词，我可以生成三个句子而不是四个句子（160 / 57 ≈ 2.8）。

名词动词形容词动词， 名词动词形容词动词， 名词动词形容词动词。

还是有点太长太枯燥了。

任何提示我该如何改进它？

我看到的我可以尝试：

在编码之前尝试以某种方式压缩我的数据。但由于数据是完全随机的，只有一些短语会更短（而且，我猜，不会短很多）。

改进短语模式，使其看起来更好。

使用多种模式，使用短语中的第一个单词以某种方式指示未来解码使用了哪种模式。 （例如，使用最后一个字母甚至单词的长度。）根据数据的第一个字节选择模式。

...我的英语不太好想出更好的短语模式。有什么建议吗？

在模式中使用更多的语言学。不同的时态等。

...我想，我需要比现在更好的词库。有什么提示我在哪里可以买到合适的？

【问题讨论】：

尝试使用时态会导致复杂化，因为英语没有规则的形态系统。例如，对于第三人称复数主动直陈式，我们在“他们去”和“他们去”之间有一个紧张的区别，但在“他们适合（过去）”和“他们适合（现在）”之间没有区别。由于时态区分的可用性因其他数据而异，因此很难以简单的方式将其合并到您的存储算法中。

很抱歉，但我发现自己不得不提出相关建议，无论它是否真的完全回答了您的问题：tools.ietf.org/html/rfc1605

【参考方案1】：

我会考虑在您的列表中添加副词。这是我想出的一个模式：

<Adverb>, the
    <adverb> <adjective>, <adverb> <adjective> <noun> and the
    <adverb> <adjective>, <adverb> <adjective> <noun>
<verb> <adverb> over the <adverb> <adjective> <noun>.

这可以编码 181 位数据。我使用不久前从 WordNet 数据中制作的列表得出了这个数字（可能有点偏离，因为我包含了复合词）：

12650 个可用名词（13.6 位/名词，四舍五入） 5247 个可用形容词（12.3 位/形容词） 5009 个可用动词（12.2 位/动词） 1512 个可用副词（10.5 位/副词）

例句：“浸泡，习惯性的愚蠢，社会投机的样本和无所畏惧的灾难性，在某个互惠的宏观世界中，在不可避免的间歇性被子上天使般地排挤。”

【讨论】：

很好，谢谢。除了我会造一个两三句话的短语，这句话有点太不自然了。 （另外：你的形容词数量比我少很多——也许我算错了什么？）

我想补充一点：使用英文编码的方式，但是用自己喜欢的歌曲来唱。当我这样做时，我能够记住 70 个地铁站！