جنگ Ùˆ صلح چند کلمه است؟!‌ جنگ Ùˆ صلح چند کلمه 3 حرفی داره؟!‌ من Ú©Ù‡ نشمردم، ولی اونایی Ú©Ù‡ شمردن می‌گن 142048 کلمه سه حرفی داره. (البته بماند Ú©Ù‡ نسخه انگلیسی ماجرا منظورمه!)‌ خوب … این‌ها به Ú†Ù‡ درد می‌خورد؟
تحلیل متون ادبی، چیز جدیدی نیست. حالا اولین مراحل کار می‌تواند شماره کلمات و پراکندگی آن‌ها باشد و مرحله‌های بعدی آماره‌های بهتر. مثلا یادم هست در مقاله‌ای خوانده بودم که میزان randomness تعدادی اثر مختلف با زبان‌های گوناگون (هم زبان‌های طبیعی و هم مصنوعی (یعنی زبان‌های کامپیوتری)) با هم مقایسه شده بود. نویسنده مقاله این فرض را کرده بود که هر چه این میزان بیش‌تر باشد، نشان‌دهنده خلاقیت بیش‌تر نویسنده در انتخاب کلمات است و خوب چنین چیزی هم مشاهده شده بود. زبان‌های کامپیوتری به مراتب ساختار یافته‌تر بودند (چیزی که انتظارش می‌رود).
کلا کار روی داده‌های زبانی، چیزی است که در دو دنیا عاقبت دارد. اگر کسی خواست بداند چرا،‌ می‌نویسم