140文字の「重み」を言語毎に比較してみた

最近tempescopeのアナウンスのため英語でツイートする機会が多くなったのですが、 日本語なら140文字制限内に詰め込める内容が、英語だと入りきらずにモヤモヤすることがあります。 英語は表音文字なので当然ですね。 そこで140文字制約の中では日本語がどれぐらい多く喋れるのか、機械翻訳を使って検証してみました。 方法 今回の検証では「各言語で書かれたツイートを英語で書いた場合、何文字分になるか」を計算することで、各言語の「密度」を評価します。 (1) TwitterのストリームAPIで三日分ぐらいのツイートを取得 「140文字で詰め込める量がどれぐらいか」を評価したいので、長め（120文字以上）のツイートだけを収集しました。 短いツイートは文字数制限を意識しない冗長な文法が使われがちなため「140文字に詰め込める内容はいくらか」という趣旨に合わないと考えたからです。 またリンクが含まれる

[napsucks]

2バイト文字だから密度高いのは当然のような。140バイト制限なら日本語だってたいしたことかけまい。

[Rikerike]

日本語・中国語はともかく、韓国語も情報密度高いのが驚いた

[animist]

おもしろい

[weekly_utaran]

英語の場合は140単語までとかだったらまた流れも変わったのかもなあ

[STARFLEET]

面白いエントリ。俺もブクマ→Twitter転載する際に日本語での許容文字数の恩恵をフルに活用させてもらっているしなあｗ

[theatrical]

id:nekonyantaro バイト数では複雑だからでしょう。文字コードは恐らくUTF8を使用していると思いますが、その場合同じ言語の文字でも文字ごとにバイト数が違い使える文字数が予測し辛く、使い難いサービスとなったはずです

[quick_past]

漢字の情報量最強伝説。ハングルとタイ語もそこそこ高いのは、なんでだろう。音節が少ない単語が多いとか？

[nekonyantaro]

やはり２バイト文字の1字には英字2字分の情報量があるのかな。twitterが国際化の実装で140バイトでなく140字にした理由が知りたい。

[cloudliner_tweets]

「中国語・日本語・韓国語の密度が圧倒的」 / 他4コメント http://t.co/eY5cOvJY6Z “河本の実験室: 140文字の「重み」を言語毎に比較してみた”

[yohei003]

なるほど

[saku_na63]

面白い