|
n元语法（英語：n-gram）指文本中连续出现的n个语词。n元语法模型是基于(n-1)阶马尔可夫链的一种概率语言模型，通过n个语词出现的概率来推断语句的结构。[1][2]这一模型被广泛应用于概率论、通信理论、计算语言学（如基于统计的自然语言处理）、计算生物学（如序列分析）、数据压缩等领域。
当n分别为1、2、3时，又分别称为一元语法（unigram）、二元语法（bigram）与三元语法（trigram）。[2]
示例
不同领域中的n元语法示例
| 领域 |
单位 |
示例 |
一元语法 |
二元语法 |
三元语法
|
| 马尔可夫链阶数 |
|
|
0 |
1 |
2
|
| 蛋白质测序 |
氨基酸 |
… Cys-Gly-Leu-Ser-Trp … |
…, Cys, Gly, Leu, Ser, Trp, … |
…, Cys-Gly, Gly-Leu, Leu-Ser, Ser-Trp, … |
…, Cys-Gly-Leu, Gly-Leu-Ser, Leu-Ser-Trp, …
|
| DNA测序 |
碱基对 |
…AGCTTCGA… |
…, A, G, C, T, T, C, G, A, … |
…, AG, GC, CT, TT, TC, CG, GA, … |
…, AGC, GCT, CTT, TTC, TCG, CGA, …
|
| 计算语言学 |
字符 |
…to_be_or_not_to_be… |
…, t, o, _, b, e, _, o, r, _, n, o, t, _, t, o, _, b, e, … |
…, to, o_, _b, be, e_, _o, or, r_, _n, no, ot, t_, _t, to, o_, _b, be, … |
…, to_, o_b, _be, be_, e_o, _or, or_, r_n, _no, not, ot_, t_t, _to, to_, o_b, _be, …
|
| 计算语言学 |
单词 |
… to be or not to be … |
…, to, be, or, not, to, be, … |
…, to be, be or, or not, not to, to be, … |
…, to be or, be or not, or not to, not to be, …
|
参考文献
|
