Encontré finalmente en Col's Random Sentence Generator una explicación (y código fuente) de Colin Frayn sobre un algoritmo que genera frases aleatorias parecidas a la del virus/gusano/troyano comentado ayer. Que por otro lado sigo sin identificar (y no ha vuelto a enviar nada).
El algoritmo en cuestión se basa en una entrada suficientemente grande de texto sobre el que realiza un análisis de frecuencias («gramatical») y en un generador aleatorio que posteriormente encadena las mismas palabras, según dichas frecuencias.
Por ejemplo si a las palabras «Esta mañana» les suelen seguir dos veces de cada tres la palabra «desperté» y una vez «desayuné», se añaden dichas palabras al azar con esa probabilidad (2/3 y 1/3). Se repite el proceso y se generan frases más largas.
The larger the input set the better the results. If a correlation length of 3 words is used for the generation routine then the code has a tendency to life large chunks verbatim from the source material, unless a very large input dataset is used. Funniest results are produced using a correlation length of 1 or 2 words, though these are less likely to produce anything grammatically correct.La clave está en las conexiones entre «frases», que se hacen mediante una correlación de las probabilidades de que una, dos o tres palabras aparezcan en el mismo orden. Dependiendo de la cantidad de texto original disposible, una correlación 3 da resultados muy curiosos, aunque a veces demasiado literales respecto al original. Una correlación 2 ó 1 genera resultados más divertidos, aunque probablemente incorrectos gramaticalmente.
