n-gram模型

N-gram是一种基于统计的语言模型，它基于一个假设，即一个词的出现仅与它前面的N-1个词有关，而与更远的词无关。

N-gram模型通常用于自然语言处理(NLP)任务，如文本生成、文本分类、机器翻译、拼写检查和语音识别等。在N-gram模型中，文本被分解为一连串连续的词或字节片段，这些片段被称为grams。模型通过统计这些grams在训练语料库中的出现频率来估计下一个词出现的概率。

例如，一个2-gram（Bi-gram）模型考虑的是连续两个词的序列，如“I love”；而3-gram（Tri-gram）模型则是三个词的序列，如“I love you”。N-gram模型的优点是简单且能够有效处理文本数据，但它的一个主要缺点是无法捕捉长距离的依赖关系，因此在处理复杂语言结构时可能效果不佳。在实际应用中，N-gram模型通常与其他更复杂的模型（如神经网络语言模型）结合使用。