🔑 名詞卡
N-gram
🎯 定義
將語言中連續 N 個詞（或字）組合成一個特徵單位的表示方法，用來保留詞彙的序列與語法結構；N 值愈大能捕捉愈長的上下文範圍，但特徵維度也急劇膨脹。
公式化表示
給定詞序列 \(S=(\omega_1,\omega_2,\dots,\omega_m)\)： $\(N\text{-grams}(S,n)=\{(\omega_i,\omega_{i+1},\dots,\omega_{i+n-1}) \mid 1 \le i \le m-n+1\}\)$
示例
S = [I, love, machine, learning]
- Bi-grams：(I, love)、(love, machine)、(machine, learning)
- Tri-grams：(I, love, machine)、(love, machine, learning)
記憶技巧
N-gram 就是「一次看 N 個字的滑動窗口」，N=2 是兩兩一組（Bi-gram），N=3 是三個一組（Tri-gram）。
易混淆
- vs TF-IDF：N-gram 保留詞序，TF-IDF 不考慮詞序，僅計算頻率權重。
📖 課文原文「N-grams：是將語言中的『連續 N 個詞、組合成一個特徵單位』，用來保留詞彙的序列與語法結構。」