n-gram

n-gram 是自然语言处理和概率统计领域中常用的一种模型，用于捕捉文本数据中的模式。n-gram 的基本思想是将文本序列（如句子或者文档）切分成一系列连续的词组或者字组，每个词组或字组包含 n 个词或字。

• 当 n=1 时，我们称之为 "unigram"，即一个词或字。
• 当 n=2 时，我们称之为 "bigram"，即两个词或字。
• 当 n=3 时，我们称之为 "trigram"，即三个词或字。

以及以此类推。

例如，对于句子 "I love to play football"，如果我们采用 bigram（也就是 2-gram），那么我们会得到以下的词组："I love", "love to", "to play", "play football"。

n-gram 模型在许多语言处理任务中都有应用，比如拼写检查、语音识别、机器翻译等。其中最常见的应用是在构建语言模型，通过计算词序列的概率来预测下一个词。