SAPIR 861 · Recherche · Houmach et code de l'IA
Somme égale n'est pas sens égal : la guématria testée par vecteurs de mots sur tout le Tanakh
Le sens calculé comme le calculent les modèles de langue : par les contextes, sur 201 175 mots du Tanakh. Les mots de somme égale ne sont pas, en moyenne, plus proches par le sens que des paires au hasard. Là où ils le sont, ils partagent une racine, ce qui se voit sans nombres.
Ce qui a été testé
La vieille affirmation de la guématria : si deux mots ont la même somme de lettres, un lien de sens les unit. Nous l'avons prise au pied de la lettre et testée avec l'instrument qui mesure le sens en linguistique computationnelle et à l'intérieur des modèles de langue : un mot est le vecteur de ses contextes. Deux mots sont proches par le sens s'ils apparaissent dans des entourages semblables. Aucune sémantique posée d'avance, seulement le texte.
Données et méthode
Texte : Open Scriptures Hebrew Bible (Codex de Léningrad avec morphologie, CC BY 4.0), les 39 livres, 23 213 versets. Seuls les morphèmes de contenu : noms, verbes, adjectifs : 201 175 occurrences, 8 550 lexèmes par numéro Strong. 1 312 lexèmes d'au moins 20 occurrences sont entrés dans le calcul. Fenêtre de ±4 mots dans le verset, matrice PPMI, décomposition en valeurs singulières à 150 dimensions : la recette standard de la sémantique distributionnelle. La somme des lettres est prise sur la forme de dictionnaire du lexème dans le lexique Strong ouvert (CC BY 4.0). Toutes les règles fixées avant le résultat ; code et tables ouverts.
Le résultat brut et ce qui se cache derrière
Il y a 2 139 paires de lexèmes de somme égale. Leur similarité moyenne est de 0,046 contre 0,032 pour des paires au hasard ; en 2 000 permutations des sommes entre les mots, cela n'arrive jamais (z ≈ 8). L'affirmation semble confirmée. Mais les paires en tête de liste sont נדר et נדר (le verbe « vouer » et le nom « vœu », similarité 0,84), טמא et טמא, זבח et זבח, קבר et קבר, et les anagrammes כפרת et פרכת, שמעיה et מעשיה. Ce ne sont pas des coïncidences de sommes : c'est le même jeu de lettres, une racine ou sa permutation. Ces paires font 570 des 2 139, et tout l'effet est en elles.
Le résultat contrôlé
On retire les paires au même jeu de lettres et on permute les sommes seulement entre mots de même longueur. Il reste 1 569 paires : similarité 0,0352 contre 0,0325 au hasard, z = 1,5, p = 0,06. Dans cinq autres réglages (seuil de fréquence, fenêtre, dimensions), z va de 0,7 à 2,8 et l'écart lui-même est d'environ 0,003 de cosinus. Pour l'échelle : une paire de même racine donne 0,5–0,8. Second test : parmi les dix mots les plus proches par le sens, une somme égale apparaît dans 0,20 % des cas contre 0,25 % attendus — moins qu'au hasard. La tolérance « im ha-kolel » (±1) : z = 1,3, p = 0,09. La somme des lettres ne prédit pas le sens, ni exactement ni avec tolérance.
Et les paires des livres classiques ?
De notre base de 8 629 attestations, 103 paires que des auteurs du XIIe au XXe siècle ont réellement dites égales ont pu être rattachées à des lexèmes du corpus. Leur similarité moyenne est de 0,031 contre 0,022 pour des paires au hasard de même somme ; p = 0,16. Il y a un écart, mais de la taille que produit le hasard. Autrement dit, les commentateurs n'ont pas choisi, et ne pouvaient pas choisir, systématiquement des égalités « de sens » : le sens, ils l'ajoutaient eux-mêmes, par l'interprétation — et c'est la nature honnête du genre.
Ce que cela change pour le site
Rien dans les calculs et tout dans les mots. Nous montrons toujours le mot de la Torah portant le nombre de votre prénom, le chapitre et le verset : c'est un fait sur le texte, et il se vérifie. Mais nous ne disons pas que ce mot « révèle » le prénom : la mesure a montré que la somme des lettres ne dit rien du sens. Le mot portant votre nombre est une adresse dans le texte, un point d'où commencer la lecture. Ce que vous faites de ce point vous appartient. Nous donnons le nombre, l'adresse et le code avec lequel c'est calculé.
Les données de ce travail
Le tableau des lexèmes avec leurs sommes et leurs vecteurs, la liste des voisins de sens pour des sommes égales et le code qui recalcule l'ensemble sont réunis dans un paquet distinct, en préparation pour le dépôt dans l'archive. Dès qu'il aura un numéro permanent, il figurera ici sous forme de lien.
La coïncidence ne coûte rien · Exact et ±1 · Nos données et notre code dans l'archive (DOI) · Code et reproduction complète (GitHub)
La structure de 354 pages de 861 lettres suit l'édition Binyamin Pichkhadze, « Houmach 354 » (חומש 354), Bnei Brak, 2002 / התשס״ג. Le calcul a été reproduit de façon indépendante à partir du Westminster Leningrad Codex (CC BY 4.0) ; 31 pages de contrôle sur 31 concordent avec l'édition.