第二扇门：我们如何寻找手稿由之抄出的那本书，并找到一次余量 0.14 个百分点的吻合

第一扇门是把密钥当作文件来寻找。第二扇门，是从一个简单的观察打开的： 密码对文本做了什么，又没做什么。

什么在密码下存活

冗长密码把音节换成一组符号。字母消失，频率被扭曲，词变长。但它们是均匀地变长：按我们在模型上的 测量，是 1.24-1.53 倍。三十个词的条目变成四十个词的条目，十个词的变成十三个词的。长度的顺序保持不变。

由此得到一个想法。手稿的星辰部分，第 Q20 帖，是 292 个段落，每个都在页边用一颗星标出，平均每段 7-8 个明文词。看起来像一部短条目的汇编：药方集、草药书、解梦书、格言集。如果它背后站着一本现成的书， 这本书条目长度的序列应当与 Q20 段落长度的序列相关。对草药部分（语言 A 的 179 个条目，语言 B 的 66 个）、 “沐浴”帖 Q13（78 个段落）、药用部分（26 个）也是一样。

语料库

候选收集了三个星期。来自 HSMS 语料库的十五世纪西班牙医学文本，63 篇文本、12 660 个条目，整个用尽。 全部拉丁教父文集和 Corpus Medicorum Latinorum。按卷的普林尼、Marcellus、Medicina Plinii、Gargilius、 Serenus、Cassius Felix、Theodorus Priscianus。女性医学：Caelius Aurelianus、Muscio、Hildegard、Trotula。 三种日耳曼语：EEBO 的中古英语草药书，中古荷兰语的 Yperman 和 Scellinck，德语的烹饪手稿。两部法语 宝石书，Aldebrandin，Rusio。总计 182 篇文本，每个文件的文件头都记有划分条目的规则。

四道筛与两个零模型

筛 a/c/d：在最佳偏移下长度的秩相关，条目边界一对一。筛 e2：控制页长的条件下每页的条目计数。筛 f： 带拆分的对齐，来源的一个条目可以落在手稿的两三个段落上，反之亦然，有罚分。筛 g：候选比目标短，作为 一块嵌入。每道筛的检验力都在合成文本上核查过：筛 a/c/d 以 0.998 的概率捕获真实对应，筛 f 能承受至多 10 % 的边界分歧。

零模型有两个，这很要紧。条目的置换是必要条件，但它是反保守的：它摧毁长度的局部自相关，其误报率是 6 %，而宣称的是 0.1 %。所以起决定作用的是第二个零模型：按每二十个条目一块进行区块置换。再加上特异性 要求：在六个目标中超过两个上通过的候选，是伪影。

“候选 × 目标”对凑了 1 104 对。通过两个零模型的：一对。

Ketham，萨拉戈萨，1494 年

Compendio de la humana salud 是一部医学汇编的西班牙文版，这部汇编的拉丁文名称是 Johannes de Ketham 的 Fasciculus medicinae。萨拉戈萨，1494 年。对 Q20，它给出的距离是 0.2119，区块零模型的最小值是 0.2147。 余量 0.14 %。

这是研究者想写论文的时刻。我们没有，而是写了一套确认程序，在继续往下看之前。逻辑是这样的：如果来源 是真的，那么不仅长度，Q20 的区块顺序与置换之间的差别也应当强于随机。在有真实对应的合成文本上，差别是 0.080，零模型 0.025。Q20 对 Ketham：0.015，零模型 0.033。没有差别。

第二位证人是 1495 年的拉丁文版 Fasciculus medicine，章节顺序相同。如果吻合依赖的是内容的顺序，拉丁 文本至少应在一个目标上通过。一个都没通过。唯一的一次命中，当天晚上就被数据否定了。

恰好 292 条的解梦书

同一天的第二次差一步看起来更诱人。但以理解梦书，一部以短条目传遍整个欧洲的中世纪解梦手册。在 1866 年的英文校订本里是 292 条。Q20 是 292 个段落。每条九个词。

筛 f 没有收下它：+0.011，而在用它自己的长度做的合成文本上检验力为 +0.62。数量的吻合，不是顺序的 吻合。我们还检查了维也纳手稿 271 中的拉丁文字母顺序校订本，157 个条目，照扫描件抄录：三道筛，处处 为零，两种情形下的检验力都核查过。我们把教训写进了规则：数量的吻合不意味着顺序的吻合。

门槛边还有两位

根特的 Keukenboek 逼近了草药部分 B，普林尼第 21 卷逼近了 Q13：两者都恰好停在区块零模型的阈值上， 增益为 0.087 和 0.101。不通过。对 Q13 的希波克拉底箴言和对草药部分 A 的 Hildegard，被区块零模型撤下。 这正是一道诚实的筛的正常图景：几个候选在边界上，没有一个越过边界。

筛看不见什么

重要的是说明，按构造，方法找不到什么。手稿从中挑选条目或调换条目的来源。同时依据两三个来源写成的 文本。超过 10 % 的边界分歧。没有留存下来或没有数字化的书，而对十五世纪的草药书来说，这是大多数。没 弄到的我们另外记下了：佛罗伦萨的 Ricettario、Herbolario volgare、德语的 Gart der Gesundheit 和 Ortus sanitatis，它们的章节标题位于木刻版画上方，OCR 读不出来。

我们还检验了一个论点：Q20 的段落被装订打乱了，找顺序没有意义。共轭页比其他页更近只是微弱的，而且在 所有部分都同样微弱（Q20 +0.0185，p 0.015，阈值 0.01）。目标仍按装订顺序。

还剩什么

工具已就绪：一篇新文本在几分钟内、用一条命令，就能在全部六个目标、四道筛、两个零模型上检验。缺的是 语料库，正是那些没有数字化的书。如果 Q20 背后站着一篇在某座修道院图书馆里仅存一册的文本，第二扇门在 等它的扫描件。

说明：筛找的是长度的顺序，不是内容；若要算成功，需要一对“候选 × 目标”通过两个零模型、按区块的确认 程序，以及另一种语言里同一顺序的证人。Ketham 过了三关中的第一关。

← 全部发现