N-gram

定义 Definition

n-gram（N 元语法/ N 元组）指在一段文本或符号序列中，连续出现的 n 个单位（通常是词、字母或字符）组成的片段，用于统计与建模语言模式。常见的有 unigram（1-gram）、bigram（2-gram）、trigram（3-gram） 等。（在自然语言处理与信息检索中最常见。）

发音 Pronunciation (IPA)

/ˈɛn ɡræm/

例句 Examples

We trained a bigram n-gram model on news text.
我们在新闻文本上训练了一个二元（bigram）的 n-gram 模型。

In a language model, n-grams approximate word sequences by assuming each word depends mainly on the previous n−1 words.
在语言模型中，n-gram 通过假设每个词主要依赖于前面 n−1 个词来近似建模词序列。

词源 Etymology

n-gram由 n（表示“任意长度 n”这一变量）+ gram（来自希腊语 gramma，意为“字母、书写的东西”）构成，字面意思可理解为“由 n 个书写单位组成的片段”。该术语在统计语言模型、信息论与计算语言学的发展中被广泛使用。

相关词 Related Words

• Bigram
• Trigram
• Unigram
• Language Model
• Token
• Corpus
• Markov
• Smoothing
• Perplexity
• Collocation

文学与著作中的用例 Literary Works

• Daniel Jurafsky & James H. Martin，《Speech and Language Processing》：在语言模型章节系统介绍 n-gram 模型及其应用。
• Christopher D. Manning & Hinrich Schütze，《Foundations of Statistical Natural Language Processing》：以 n-gram 作为统计 NLP 的基础方法之一进行讨论。
• Claude E. Shannon，“A Mathematical Theory of Communication”（1948）：以字符序列的统计近似思想奠定相关背景，常被用于解释 n-gram 语言模型的直观来源。
• Manning, Raghavan & Schütze，《Introduction to Information Retrieval》：在检索与文本表示相关内容中涉及基于 n-gram 的方法与特征表示。