N-gram模型

原文链接： https://blog.csdn.net/lengyuhong/article/details/6022053

N-gram是一种传统的统计语言模型，该模型基于这样一种假设：第 $n$ 个词的出现只与前面 $m-1$ 个词相关，而与其它任何词都不相关，整句的概率就是各个词出现概率的乘积。这些概率可以通过直接从语料中统计 $m$ 个词同时出现的次数得到。常用的是二元的Bi-Gram和三元的Tri-Gram（即 $m=2$ 或 $m=3$）。

预备知识

条件概率

$$P(B|A)=\frac{P(AB)}{P(A)}$$

乘法公式

$$\begin{gathered} P(AB)=P(A)P(B|A) \\ P(A_1{A}_2\dots A_n)=P(A_1)P(A_2|A_1)P(A_3|A_2{A}_1)\dots P(A_n|A_{n-1}\dots A_1) \end{gathered}$$

缺陷

上述的条件概率很少在实际中应用，因为它存在两个致命的缺陷：

• 参数空间过大
• 数据稀疏严重
  为了解决上述问题，我们引入马尔可夫假设：

一个词的出现仅仅依赖于它前面出现的有限的一个或者几个词。

如果一个词的出现仅依赖于它前面出现的一个词，那么我们就称之为bigram，即：
$$P(T)=P(w_1{w}_2\dots w_n)=P(w_1)P(w_2|w_1)P(w_3|w_2)\dots P(w_n|w_{n-1})$$
同理可得trigram。

举例

在实践中用的最多的就是bigram和trigram了，而且效果很不错。高于四元的用的很少，因为训练它需要更庞大的语料，而且数据稀疏严重，时间复杂度高，精度却提高的不多。
使用最大似然估计可以很方便的得到 $P(w_i|w_{i-1}{w}_{i-2}\dots w_1)$，即：
$$P(w_i|w_{i-1}{w}_{i-2}\dots w_1)=\frac{P(w_i{w}_{i-1}{w}_{i-2}\dots w_1)}{P(w_{i-1}{w}_{i-2}\dots w_1)}$$
下面我们用bigram举个例子。假设语料库总词数为13748


$$\begin{array}{rl}P(IwanttoeatChinesefood)& =P(I)\ast P(want|I)\ast P(to|want)\ast P(eat|to)\ast P(Chinese|eat)\ast P(food|Chinese)\\ & =\frac{3437}{13748}\ast \frac{1087}{3437}\ast \frac{786}{1215}\frac{860}{3256}\ast \frac{19}{938}\ast \frac{120}{213}\\ & =0.000154171\end{array}$$

注意

这里有一个问题要说，那就是数据稀疏的问题。假设词表中有20000个词，如果是bigram那么可能的N-gram就有400000000个，如果是trigram，那么可能的N-gram就有8000000000000个！那么对于其中的很多词对的组合，在语料库中都没有出现，根据最大似然估计得到的概率将会是0，这会造成很大的麻烦。在算句子的概率时一旦其中的某项为0，那么整个句子的概率就会为0。因此，我们要进行数据平滑（data Smoothing）。数据平滑的目的有两个：

• 使所有的N-gram概率之和为1
• 使所有的N-gram概率都不为0

---

转载自：https://blog.csdn.net/lengyuhong/article/details/6022053