Himpunan bagian dari alfabet Latin yang secara visual dan jelas tidak ambigu?

13

Bayangkan Anda memberi seseorang kartu dengan kode "5SBDO0" di atasnya.

Dalam beberapa font, huruf "S" sulit dibedakan secara visual dari angka lima, (seperti dengan angka nol dan huruf "O").

Membaca kode dengan keras, mungkin sulit untuk membedakan "B" dari "D", mengharuskan mengatakan "B seperti pada anak laki-laki," "D seperti pada anjing," atau menggunakan " alfabet fonetik " sebagai gantinya.

Apa subset huruf dan angka terbesar yang, dalam kebanyakan kasus, keduanya terlihat tidak ambigu secara visual dan terdengar tidak ambigu ketika dibaca dengan keras?

Latar Belakang:

Kami ingin membuat string pendek yang dapat menyandikan nilai sebanyak mungkin sambil tetap mudah untuk berkomunikasi.

Bayangkan Anda memiliki string 6 karakter, "123456". Dalam basis 10 ini dapat mengkodekan nilai 10 ^ 6.

Dalam hex "1B23DF" Anda dapat menyandikan 16 ^ 6 nilai dalam jumlah karakter yang sama, tetapi ini bisa terdengar ambigu ketika dibaca dengan keras. ("B" vs. "D")

Demikian juga untuk string N karakter apa pun, Anda mendapatkan (ukuran alfabet) ^ N nilai.

String terbatas pada panjang sekitar enam karakter, karena ingin mudah masuk dalam kapasitas kapasitas memori kerja manusia .

Jadi untuk menemukan jumlah maksimum nilai yang dapat kita enkode, kita perlu menemukan set huruf / angka yang tidak ambigu terbesar. Tidak ada alasan kita tidak dapat mempertimbangkan huruf GZ, dan beberapa tanda baca umum, tetapi saya tidak ingin harus secara manual berpasangan membandingkan "apakah G terdengar seperti A?", "Apakah G terdengar seperti B?", "Apakah G terdengar seperti C "sendiri. Seperti yang kita tahu ini akan menjadi O (n ^ 2) pekerjaan linguistik untuk dilakukan =) ...

design elliot42
sumber
6
Perhatikan bahwa huruf apa yang diucapkan serupa dapat sangat berbeda antara bahasa ...
Michael Borgwardt
Selain itu, apa sebenarnya yang abjad Latin?
MSalters
Lihat juga jawaban saya dalam pertanyaan StackOverflow terkait.
MSalters
Untuk perbedaan visual, Basis 32 adalah pengkodean standar yang membatasi kesamaan simbol.
barjak
@MSalters "Skrip Latin" adalah ide linguistik, untuk tujuan kami, saya benar-benar hanya bermaksud "memilih dari subset skrip Latin yang dikodifikasikan ke dalam Unicode," misalnya en.wikipedia.org/wiki/ISO/IEC_8859-1
elliot42

Jawaban:

15

Anda harus mempartisi himpunan alfanumerik ke dalam grup berdasarkan kesamaan visual, dan memilih perwakilan "paling ikonik" dari setiap grup. Ini agak subyektif, meskipun Anda bisa menjalankan tes pengguna di atasnya. Pilihan yang Anda buat juga tergantung pada apakah angka akan dicetak atau tulisan tangan. Sebagai contoh:

  • { O , 0 , Q , D }

  • { I , L , 1 }

  • { B , 8 }

  • { Z , 2 }

  • { S , 5 }

  • { 7 , T }

  • { U , V , Y }

Demikian pula, partisi karakter dengan kemiripan fonetik dari pengucapan nama mereka:

  • { A [ʔeɪ], 8 [ʔeɪ (ʔ / t)]}
    = dimulai dengan [ʔeɪ]

  • { P [pi:], B [bi:], V [vi:], D [di:], T [ti:], E [ʔi:]}
    = stop / frikatif + [i:]

  • { G [ʤi:], C [si:], Z [zi:], 3 [θɹi:]}
    = fricative / affricate (cluster) + [i:]

  • { M [ɛm], N [ɛn]}
    = [ɛ] + nasal

  • { S [ɛs], F [ɛf], X [ɛks]}
    = [ɛ] + fricative / affricate

  • { I [ʔaɪ], Y [waɪ], 5 [faɪv], 9 [naɪn]}
    = konsonan + [aɪ] + (konsonan)

  • { Q [kjʉ:], U [jʉ:], 2 [t (j) ʉ:]}
    = konsonan + [(j) ʉ:]

Ini, tentu saja, bukan satu-satunya partisi yang mungkin, hanya apa yang terlintas dalam pikiran saat ini. Bagaimanapun, itu harus cukup untuk membantu Anda memulai pengujian lebih lanjut. Juga, ini tidak didukung oleh sumber-sumber profesional — saya hanya mengutip latar belakang hobiis saya dalam tipografi dan fonetik.

Jon Purdy
sumber
3
Untuk memulai dengan kesamaan Auditori, lihat komunikasi radio seperti manual operasi Pengendalian lalu lintas udara (di mana komunikasi verbal harus ditafsirkan dengan benar atau orang mati) dan Ham Radio. Misalnya 5 dan 9 mudah digabungkan, maka diucapkan sebagai "lima" dan "sembilan-a"
mattnz
@ mattnz: Terima kasih, saya lupa 5 dan 9. Kualitas audio juga merupakan faktor besar: radio, telepon, rekaman studio, dan komunikasi langsung semuanya menimbulkan masalah unik mereka sendiri.
Jon Purdy
1
Secara teknis itu "niner," empat adalah "fower."
Patrick Hughes
3

Anda bisa menggunakan Mechanical Turk untuk membuat orang menilai semua 26 ^ 2 pasang huruf untuk kesamaan aural dan visual. Keuntungannya adalah Anda bahkan bisa mendapatkan data untuk berbagai bahasa asli dengan cara ini.

Michael Borgwardt
sumber
1

Untuk bahasa Inggris, soundex dan algoritma Metaphone mengkodekan suara-suara yang ambigu. Soundex mungkin terlalu sederhana, tetapi Metaphone menggabungkan beberapa poin bagus. Anda ingin urutan "OU"? Itu bisa diucapkan dalam banyak cara, karena kalimat ini mengalami demontrasi;)

MSalters
sumber