NLP中的Ngram算法简易原理及overlap

本文通过实例解析N-gram模型,介绍了unigram、bigram及trigram的概念,并探讨了序列间overlap的计算方法,强调了在计算overlap时不必严格对应相同位置。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

查到的大多数博客写的都比较复杂,在看到一个stanford cs276的课件之后,决定按照自己的理解来写一点,权做抛砖引玉了。

假定给予两个词

november

december

则unibram是

n o v e m b e r

d e c e m b e r

bigram是

no ov ve em mb be er

de ec ce em mb be er

trigram是

nov ove vem emb mbe ber

dec ece cem emb mbe ber

如果在计算两个序列之间的overlap的时候,比如对于trigram而言,其

X∪Y= 9

X∩Y =3

因此其overlap是3/9

而在276课件中,是提到了X与Y可以为不同长度。因此,我认为在X和Y的overlap比对中,并不一定需要相同位置的两个一样,即对顺序不敏感。意思是说

nov emb mbe ber ove vem和dec ece cem emb mbe ber的overlap也是3/9


276 课件链接

https://web.stanford.edu/class/cs276/handouts/lecture3-tolerant-retrieval-handout-1-per.pdf


评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值