【原创】三万汉字涵盖全部地球文明！

zzjjll

三万汉字涵盖全部地球文明!
2006-1-22在本坛发表 词频定理,希望大家证明或证伪。班门斧先生旁证：用字的增加是语料增加的对数关系。未见有证伪的跟贴。既然如此,我就当作定理用一用,看能得出什么结果。

应用:已知180万字的语料中有汉字4574个,则
360万字的语料中汉字不多于5074个。
720万字的语料中汉字不多于5574个。
1440万字的语料中汉字不多于6074个。
2880万字的语料中汉字不多于6574个。31536000秒=1年
5760万字的语料中汉字不多于7074个。
11520万字的语料中汉字不多于7574个。
23040万字的语料中汉字不多于8074个。
46080万字的语料中汉字不多于8574个。
92160万字的语料中汉字不多于9074个。
184320万字的语料中汉字不多于9574个。
368640万字的语料中汉字不多于10074个。31.536亿秒=1百年
737280万字的语料中汉字不多于10574个。
1474560万字的语料中汉字不多于11074个。
2949120万字的语料中汉字不多于11574个。315.36亿秒=1千年
5898240万字的语料中汉字不多于12074个。630.72亿秒=2千年
11796480万字的语料中汉字不多于12574个。
23592960万字的语料中汉字不多于13074个。
47185920万字的语料中汉字不多于13574个。
94371840万字的语料中汉字不多于14074个。
188743680万字的语料中汉字不多于14574个。
377487360万字的语料中汉字不多于15074个。
754974720万字的语料中汉字不多于15574个。
1509949440万字的语料中汉字不多于16074个。
3019898880万字的语料中汉字不多于16574个。
6039797760万字的语料中汉字不多于17074个。630720亿秒=2千年X1千人
12079595520万字的语料中汉字不多于17574个。
24159191040万字的语料中汉字不多于18074个。
48318382080万字的语料中汉字不多于18574个。
96636764160万字的语料中汉字不多于19074个。
193273528320万字的语料中汉字不多于19574个。
386547056640万字的语料中汉字不多于20074个。
773094113280万字的语料中汉字不多于20574个。
1546188226560万字的语料中汉字不多于21074个。
3092376453120万字的语料中汉字不多于21574个。
6184752906240万字的语料中汉字不多于22074个。6.3072亿亿秒=2千年X1百万人
12369505812480万字的语料中汉字不多于22574个。
24739011624960万字的语料中汉字不多于23074个。
49478023249920万字的语料中汉字不多于23574个。
98956046499840万字的语料中汉字不多于24074个。
197912092999680万字的语料中汉字不多于24574个。
395824185999360万字的语料中汉字不多于25074个。
791648371998720万字的语料中汉字不多于25574个。
1583296743997440万字的语料中汉字不多于26074个。
3166593487994880万字的语料中汉字不多于26574个。
6333186975989760万字的语料中汉字不多于27074个。6307.2亿亿秒=2千年X10亿人
12666373951979520万字的语料中汉字不多于27574个。12614.4亿亿秒=2千年X20亿人
25332747903959040万字的语料中汉字不多于28074个。25228.8亿亿秒=2千年X40亿人
50665495807918080万字的语料中汉字不多于28574个。50457.6亿亿秒=2千年X80亿人
101330991615836160万字的语料中汉字不多于29074个。100915.2亿亿秒=4千年X80亿人
202661983231672320万字的语料中汉字不多于29574个。201830.4亿亿秒=8千年X80亿人
................

结论令人吃惊,80亿人昼夜不停的以每秒一字的速度读了8千年语料,才用了不到一半的汉字!
这足以包括全部的地球文明!另外三万多汉字是给外星人用的???
错了吗?请你再验算一遍!
误差吗?得出的语料字数是最低限度的,因为
1,低频字的定值范围是0到500,按500计算.
2,语料中不含印刷品,即一期报纸不管印了几万份,只能把一份当作语料.

我可以把函盖六万多汉字所需要的语料数计算出来,写出来,但是形容不出来,这个数太大了!只能用无法形容来形容.

或者定理有问题;
或者汉字有问题.

pluiepoco

汉字没有问题，定理也没有问题，但人类的问题要大于数学的问题。

我们是不能说服别的民族使用汉语的。如果让他们使用汉字，应该是可以接受的。

班门斧

哈哈，有趣！（当然，这也是一个严肃的问题）

1、我猜想，楼主一定不是理工科出身。（这里没有任何贬意，镰刀锤子，各有长短而已）

2、提及的班门斧定理是正确的。但应该称其为定律，不宜叫为定理。“班门斧文字--语料对数定律”。

3、“班门斧文字--语料对数定律”是相对的、有条件的、有限的。它的对数关系发生在三五百到七八千左右的定义域，远离这个中心区，它就逐渐地偏离对数关系，而趋向一条渐近线（这点可以立刻严格证明：假如社会现实使用汉字一共只有六万，它怎么可以七万、八万地对数下去嘛，随着语料的无限增加，当然只能逐渐无限地趋近于六万了，证毕了，呵呵）。

4、物理问题函数、社会问题函数，尤其是后者，通常不是一个绝对的数学问题，即使必须强行建立数学模型，也不得不分段定义、采样模拟。

5、班门斧早时已多次论证过，如果握有先机，世界认可的话，只要一两万汉字就可以满足全人类的、永远的需要，临界点大概在一万二三左右（包括一个特殊的汉字子集：36个新汉字abc--xyz123--890）。不怕僵化？不怕其数量不能满足社会科技文化的无限发展？哈哈，不怕的！我随后找一点相关的论述跟贴上来。

班门斧

避免“汉字僵化”“汉字局限”的论调抬头
--------------------------------
关于“当用汉字和限用汉字”的两个帖子必须附上以下这篇文章作支撑，以免“汉字僵化”“汉字局限”的论调又抬头。说起来也是，人家给你26个字母组词你就得意忘形，我们给你4500个字组词你就感觉贫乏。双字词可组两千多万，三字词可组九百亿，何来贫乏？可见，不是汉字不好用，而是你没用好。详细论说如下：

端正文风，开展大众语运动；改革量词，实行两个腿走路

对汉字有善意又有担忧的人，常有两个疑问，汉字是否僵化而不能适应社会

的发展？汉字数量是否足够而能够避免语言文字之贫乏？

1、关于僵化。先看一个汉字与时俱进的实例：“腕们去看克隆秀，嫌打的

不够酷，面的更无菲士，要叹坦克。”大文豪李白也看不懂这段浅显的文字

。汉字的义项是可以随着时代的需要、社会的发展而消失或添加的，腕、秀

、打、的、面、酷、叹，还有直接引词的“坦克克隆”（尚未词素化、字化

），充分显示了汉字的轻灵空活。铁的事实证明，汉字并不僵化，汉字可以

表达任何时代要求它表达的任何语义。在理论角度，“班氏汉字图标论”揭

示了汉字的最根本的性质就是：汉字无音、无义，汉字是一种二维图标。简

证之：汉字时代不同，读音不同；地域不同，读音不同；语系（京粤闽客）

不同，读音不同。可见汉字无音，其音可约（约定俗成）。从本段开始的实

例，可证汉字无义，其义可赋。汉字作为一种二维图标（特别提示，字母文

字虽然可以借用二维平面的纸张写出来，但本质上它不是二维图标，而是一

维线性密码，它其中的任何一个字母可以用0至9或其他任何符号替换而不影

响其构型及音义）。Windows窗口采用图标代替字母词，就是为了便于被人

的眼、脑识记。图标性汉字就是一套音义非常灵活、绝不僵化的语义符号。

担心或攻击汉字僵化的观点是完全站不住脚的。

2、关于数量。还是先来看一些例子吧。电与话、与视、与发，本来是完全

不相关的字，却可以组成电话、电视、电发，表达一些新生事物。激与光、

雷与达、的和士、拷和贝，也是风牛马不相及的字，却可以组成激光、雷达

、的士、拷贝。前几个词利用了原字的一些义项及延伸，而后三个词不但与

其字无关，还反向促使这些字产生了新的义项（如的、拷）。星移斗转沧海

桑田，日后任何两个汉字几乎都有组合成词的可能。回到正题，我们需要多

少汉字才够用呢？可以大胆地说，四五千就够，6763更是足够（不反对超过

的部分也收入生僻字库，作为经典研习之查用）。算一下码位，6763字有

4574万双字码位，只要用上十分之一二，就比现在的英语总词汇量多了（三

字词还没算进去），担忧数量之不够纯粹是杞人忧天。除了以上理论数字的

计算，让我们再来看看社会现实的用字量。例子一，“词频研究显示，2400

个高频单音节词的现代汉语覆盖率达99%。日本规定2000个常用汉字的做法

也反映出这个语言现实。作者曾对自己在联合国差不多6年的译文进行统计,

发现总共使用约2100个汉字。”（作者:吴文超，前联合国资深翻译员，香

港中国语文学会会员，高威软件有限公司主席兼总裁）。例子二，孙中山先

生写《三民主义》，总字数约16万，仅用了2134个不同的字。例子三，《毛

泽东选集》一至四卷，总字数超过66万，也只用了2891个不同的字。例子四

，小说《骆驼祥子》，总字数达10万多，用到的汉字数为2413（后三个例子

数据引自http://www.qmxx.com.cn/orft.htm《汉字库简介》）。可见，山不在

高，有仙则灵；字不在多，有机则丰。我国在1988年公布的《现代汉语常用字表》只选收了2500个常用字、1000个次常用字，总共3500。班氏一直主张

，1500、2500、3500以上，分别是脱盲级（读报）、知识分子级（包括数学

、化学、工程力学教授）、文史学者级的识字要求。这是符合社会现实的，

是科学合理的。

3、提倡大众汉语运动。班氏呼吁国人开展一场“大众汉语”运动，继“五

四”白话文运动之后，再来一次文风革命。摈弃生僻字，铲除逐奇斗难的腐

朽文风。让国人、让青少年一代把精力时间从十年习字中解放出来，把精力

时间用到学习政治经济、科学技术、文学艺术中去。同时，也可以摘掉所谓

汉语难学的帽子，让汉语汉字走到数千万华侨子弟中去，走到更多的外邦外

族朋友中去，抗衡霸权英语对汉语及其他语言文化的毁灭性压迫。因此，大

众汉语运动不仅仅是一种文字游戏，更是具有伟大政治经济文化意义的历史

性壮举。

4、关于唐诗宋词。开展大众汉语运动是否会割裂史料丰富的中华文明？丝

毫不会。一直以来，大家都习惯于人云亦云，空口白牙地说历史文化、经典

文学很重要、非常重要。这个“很”是多少？“非常”是多少？缺乏计算甚

至最粗略的量估。这是文科领域不少人的一个弱点。以唐诗宋词为例，是很

重要非常重要，但这没法操作。班氏说，一般人能学好三五百首就有足够的

诗词修养了，文史专业的人学好六七百首也足够了。人生一辈子没有多少日

子多少小时。只有文史专业里面又专攻唐诗宋词或唐宋文学的人，才需要深

入广泛地去钻研。欢迎有人建立更科学的数学模型，算出更精密的结果。而

2000、3000字，大概能分别覆盖唐诗宋词的百分之五十、七十。尤其是，班

氏有一个特别的发现，手头有一本《古代诗词曲名句选》，收历代诗、词、

曲、杂剧、传奇名句名段两千多条（首），班氏发现2500常用字就能覆盖其

中90%以上的条目。“海内存知己，天涯若比邻”，“山重水复疑无路，柳

暗花明又一村”，“白日依山尽，黄河入海流，欲穷千里目，更上一层楼”

，“朝辞白帝彩云间，千里江陵一日还，两岸猿声啼不住，轻舟已过万重山

”。隽永不朽的诗句多是用字平易浅白的，这是一个极其关键的性质。班氏

认为这不是一个巧合，而是文字的一个本质。生僻字不但不利于流传，而且

它本身就没有多大的生命力。

5、关于改革量词。汉语的量词真是种类繁多，不胜其烦。优点是用好了使

人觉得生动活泼、丰富多彩。缺点是对新学习者是一个很头痛的麻烦。班氏

建议实行两条腿走路，允许单数确数通用“个”、复数概数通用“些”，而

阳春白雪高级写作也可以采用原有量词系统。班氏在汉语母语者中有意试用

，“你家有两个车吗？”“这个歌你唱得很好”，发现感觉效果还是很不错

的。改革量词，实行两个腿走路！

本贴由班门斧于2005年3月29日07:13:56在〖汉语拼音与输入法论坛-汉语拼音第一网站〗发表.

zzjjll

答班大师:
我的看法与班大师不同，它不趋向一条渐近线，而是以尾部突然大幅度远离结束。
因为在统计出3万汉字之前，语料已经穷尽，不得不把字典作为语料投入统计，使所有汉字全部得到统计。
如果规定字典或字表在任何情况下都不能参与统计，则证明了另一个命题：6万汉字中有3万以上的汉字在语料穷尽后不会出现。
不知道是我错了，还是使用6万汉字的人错了！

我的词频定理是花了一天时间估计出来的，其表述见http://www.faedia.com/luntan/ShowPost.asp?id=1479
但我不会证明，希望有人证明或证伪。在证明或证伪之前，只是试用。

班大师的表述没有搜到，希望能够共享一下。