Beinahe-Treffer
Tür Nummer zwei: wie wir das Buch gesucht haben, von dem die Handschrift abgeschrieben wurde, und eine Übereinstimmung mit einem Vorsprung von 0.14 Prozent fanden
Eine Chiffre vernichtet Buchstaben, aber nicht die Länge. Steht hinter einem Abschnitt der Handschrift ein fertiger mittelalterlicher Text, überlebt die Folge seiner Eintragslängen jede Verschlüsselung. Wir haben 182 Texte an sechs Zielen geprüft. Einer schlug an - und hielt der Bestätigung nicht stand.
Tür Nummer eins ist die Suche nach dem Schlüssel als Dokument. Tür Nummer zwei öffnete sich aus einer einfachen Beobachtung darüber, was eine Chiffre mit einem Text macht und was nicht.
Was die Chiffre überlebt
Eine verbose Chiffre ersetzt eine Silbe durch eine Gruppe von Zeichen. Die Buchstaben verschwinden, die Häufigkeiten werden verzerrt, die Wörter werden länger. Aber sie werden gleichmäßig länger: um das 1.24-1.53-fache, nach unseren Messungen am Modell. Ein Eintrag von dreißig Wörtern wird zu einem von vierzig, ein Eintrag von zehn zu einem von dreizehn. Die Reihenfolge der Längen bleibt erhalten.
Daher die Idee. Der Sternenabschnitt der Handschrift - die Lage Q20 - besteht aus 292 Absätzen, jeder mit einem Stern am Rand markiert, im Mittel 7-8 Wörter Klartext. Das sieht nach einer Sammlung kurzer Einträge aus: ein Rezeptar, ein Kräuterbuch, ein Traumbuch, eine Spruchsammlung. Steht dahinter ein fertiges Buch, muss die Folge seiner Eintragslängen mit der Folge der Absatzlängen von Q20 korrelieren. Dasselbe für das Herbarium (179 Einträge in Sprache A, 66 in Sprache B), für die „Bade“-Lage Q13 (78 Absätze), für den pharmazeutischen Abschnitt (26).
Das Korpus
Die Kandidaten wurden drei Wochen lang gesammelt. Spanische medizinische Texte des fünfzehnten Jahrhunderts aus dem Korpus HSMS - 63 Texte, 12 660 Einträge, vollständig ausgeschöpft. Die gesamte lateinische Patrologie und das Corpus Medicorum Latinorum. Plinius nach Büchern, Marcellus, die Medicina Plinii, Gargilius, Serenus, Cassius Felix, Theodorus Priscianus. Frauenmedizin: Caelius Aurelianus, Muscio, Hildegard, Trotula. Drei germanische Sprachen: mittelenglische Kräuterbücher aus EEBO, die mittelniederländischen Yperman und Scellinck, deutsche Kochhandschriften. Zwei französische Lapidarien, Aldebrandin, Rusio. Zusammen 182 Texte, mit der Regel für die Aufteilung in Einträge im Kopf jeder Datei vermerkt.
Vier Siebe und zwei Nullmodelle
Sieb a/c/d - Rangkorrelation der Längen beim besten Versatz, Eintragsgrenzen eins zu eins. Sieb e2 - Zahl der Einträge je Seite bei kontrollierter Seitenlänge. Sieb f - Ausrichtung mit Aufspaltung: Ein Eintrag der Quelle darf auf zwei bis drei Absätze der Handschrift fallen und umgekehrt, mit Strafpunkten. Sieb g - ein Kandidat, der kürzer ist als das Ziel, als Stück eingebettet. Die Teststärke jedes Siebs wurde an Synthetik geprüft: Sieb a/c/d fängt eine echte Entsprechung mit einer Wahrscheinlichkeit von 0.998, Sieb f hält eine Grenzabweichung bis 10 % aus.
Nullmodelle gibt es zwei, und das ist wichtig. Die Permutation der Einträge ist eine notwendige Bedingung, aber sie ist anti-konservativ: Sie zerstört die lokale Autokorrelation der Längen, und ihr Anteil falscher Treffer lag bei 6 % statt der erklärten 0.1 %. Deshalb entscheidet das zweite Nullmodell - die Permutation von Blöcken zu zwanzig Einträgen. Dazu die Forderung nach Spezifität: Ein Kandidat, der an mehr als zwei Zielen von sechs besteht, ist ein Artefakt.
Paare „Kandidat × Ziel“ kamen 1 104 zusammen. Beide Nullmodelle bestanden hat - eines.
Ketham, Saragossa, 1494
Compendio de la humana salud ist die spanische Ausgabe des medizinischen Sammelwerks, das auf Lateinisch als Fasciculus medicinae des Johannes de Ketham bekannt ist. Saragossa, 1494. Gegen Q20 ergab es eine Distanz von 0.2119 bei einem Minimum des Block-Nullmodells von 0.2147. Der Vorsprung - 0.14 %.
Das ist der Moment, in dem ein Forscher einen Aufsatz schreiben möchte. Stattdessen schrieben wir ein bestätigendes Verfahren - bevor wir weiterschauten. Die Logik ist diese: Ist die Quelle echt, dann müssen sich nicht nur die Längen, sondern auch die Blockreihenfolge von Q20 stärker als zufällig von einer Permutation unterscheiden. Auf Synthetik mit echter Entsprechung beträgt die Differenz 0.080 bei einem Nullmodell von 0.025. Bei Q20 gegen Ketham - 0.015 bei einem Nullmodell von 0.033. Kein Unterschied.
Der zweite Zeuge ist die lateinische Ausgabe von 1495, der Fasciculus medicine, mit derselben Abschnittsfolge. Beruht die Übereinstimmung auf der Reihenfolge des Inhalts, muss der lateinische Text an mindestens einem Ziel bestehen. Er bestand an keinem. Der einzige Treffer wurde noch am selben Abend durch Zahlen geschlossen.
Ein Traumbuch mit genau 292 Einträgen
Der zweite Beinahe-Treffer desselben Tages sah noch verführerischer aus. Das Traumbuch Daniels - ein mittelalterlicher Traumdeuter, der sich in kurzen Einträgen über ganz Europa verbreitete. In der englischen Redaktion von 1866 - 292 Einträge. In Q20 - 292 Absätze. Je neun Wörter pro Eintrag.
Sieb f nahm es nicht an: +0.011 bei einer Teststärke von +0.62 auf Synthetik aus seinen eigenen Längen. Eine Übereinstimmung der Anzahl, nicht der Reihenfolge. Wir haben auch die lateinische alphabetische Redaktion aus der Wiener Handschrift 271 geprüft - 157 Einträge, von den Scans abgeschrieben: drei Siebe, überall null bei geprüfter Teststärke in beiden Szenarien. Die Lehre, die wir in die Regeln geschrieben haben: Eine Übereinstimmung der Anzahl bedeutet keine Übereinstimmung der Reihenfolge.
Zwei weitere an der Schwelle
Das Keukenboek aus Gent kam dem Herbarium B nahe, Plinius, Buch 21, der Lage Q13: beide genau an der Schwelle des Block-Nullmodells, bei Gewinnen von 0.087 und 0.101. Sie bestehen nicht. Die hippokratischen Aphorismen gegen Q13 und Hildegard gegen das Herbarium A - vom Block-Nullmodell beseitigt. Das ist das normale Bild eines ehrlichen Siebs: einige Kandidaten an der Grenze, keiner dahinter.
Was das Sieb nicht sieht
Es ist wichtig zu sagen, was die Methode ihrem Bau nach nicht finden kann. Eine Quelle, aus der die Handschrift Einträge ausgewählt oder umgestellt hat. Einen Text, der nach zwei bis drei Quellen zugleich geschrieben ist. Eine Grenzabweichung von mehr als 10 %. Ein Buch, das nicht erhalten oder nicht digitalisiert ist - und das ist bei den Kräuterbüchern des fünfzehnten Jahrhunderts die Mehrheit. Das nicht Beschaffte haben wir gesondert notiert: das florentinische Ricettario, das Herbolario volgare, die deutschen Gart der Gesundheit und Ortus sanitatis, deren Kapitelüberschriften über den Holzschnitten stehen und von der OCR nicht gelesen werden.
Wir haben auch das Argument geprüft, die Absätze von Q20 seien durch die Bindung durcheinandergeraten und die Suche nach einer Reihenfolge sei sinnlos: Zusammengehörige Blätter sind einander nur schwach und in allen Abschnitten gleich näher als die übrigen (Q20 +0.0185 bei p 0.015, Schwelle 0.01). Das Ziel bleibt in der Reihenfolge der Bindung.
Was bleibt
Das Werkzeug ist fertig: Ein neuer Text wird in Minuten geprüft, mit einem Befehl, an allen sechs Zielen und vier Sieben mit beiden Nullmodellen. Es fehlt das Korpus - gerade die Bücher, die nicht digitalisiert sind. Steht hinter Q20 ein Text, der in einem einzigen Exemplar in einer Klosterbibliothek erhalten ist, dann wartet Tür Nummer zwei auf seine Scans.
Zum Verständnis: Das Sieb sucht die Reihenfolge der Längen, nicht den Inhalt; ein Erfolg wäre ein Paar „Kandidat × Ziel“, das beide Nullmodelle, das bestätigende Verfahren nach Blöcken und einen Zeugen derselben Reihenfolge in einer anderen Sprache besteht. Ketham bestand das erste von dreien.
Häufige Fragen
Warum ausgerechnet die Länge der Einträge?
Eine verbose Chiffre bläht jedes Wort um das 1.24-1.53-fache auf, tut das aber gleichmäßig - die Reihenfolge der Längen wird nicht durcheinandergebracht. Ist ein Abschnitt der Handschrift von einem fertigen Buch abgeschrieben, muss die Folge der Absatzlängen mit der Folge der Eintragslängen der Quelle korrelieren. Das ist die einzige Größe, die die Chiffre garantiert überlebt.
Was ist das Buch Kethams und warum hat es gepasst?
Compendio de la humana salud ist eine spanische Ausgabe eines medizinischen Sammelwerks, Saragossa, 1494. Seine Einträge stimmten mit der Reihenfolge der 292 Absätze des Sternenabschnitts Q20 auf einem Niveau überein, das keiner der 182 Kandidaten erreicht hat, mit einem Vorsprung von 0.14 Prozent bis zur Zufallsschwelle.
Warum hat sich die Übereinstimmung nicht bestätigt?
Wir hatten im Voraus ein bestätigendes Verfahren mit einem anderen Nullmodell beschrieben - der Reihenfolge der Blöcke. Ist die Quelle echt, muss sich die Blockreihenfolge von Q20 stärker als zufällig von einer Permutation unterscheiden. Das tat sie nicht - 0.015 bei einem Nullmodell von 0.033, während es auf Synthetik mit echter Entsprechung 0.080 sind. Die lateinische Ausgabe desselben Sammelwerks mit derselben Abschnittsfolge nahm die Schwelle an keinem einzigen Ziel.
Was kann das Sieb seinem Bau nach nicht finden?
Eine Quelle, aus der die Handschrift Einträge ausgewählt oder umgestellt hat; einen Text, der nach mehreren Quellen geschrieben ist; eine Grenzabweichung von mehr als 10 Prozent; ein Buch, das nicht erhalten oder nicht digitalisiert ist.