n-grama

Donada una seqüència, anomenem n-grama a una subseqüència de n elements. Els elements poden ser tant lletres com paraules. S'utilitzen en diverses tasques de la traducció automàtica estadística, i també en altres camps de la investigació científica com l'anàlisi de seqüències genètiques.

Anomenem unigrama al n-grama quan n=1, bigrama amb n=2, trigrama amb n=3, etc. Els models de n-grames també es coneixen com a "Models de Markov no-ocults", ja que es coneixen les probabilitats de transició entre els diferents estats.

Model de n-grames

Un model de n-grames ens permet generar, gràcies a les propietats estadístiques dels n-grames, models de llenguatges naturals.

Aquesta idea va néixer amb un experiment realitzat per Claude Shannon per a la seva Teoria de la informació. Donada una seqüència de lletres, va estudiar quina era la següent lletra més probable. A partir d'un conjunt de dades d'aprenentatge, es pot deduir una distribució de probabilitat amb què obtenir quina és aquesta lletra.

A l'hora de modelar llenguatges, concretament, un model de n-grama és capaç de predir $x_i$ donades $x_{i-1},x_{i-2},\dots ,x_{i-n}$. Degut a limitacions computacionals i també a què, en principi, una llengua pot tenir infinites paraules possibles, se simplifica de manera que cadascun dels elements (en aquest cas paraules) només depèn d'un nombre finit de n paraules.

Tècniques de suavitzat

Els models de n-grames poden presentar alguns problemes: algunes probabilitats poden ser zero, si no s'ha vist mai el n-grama corresponent. Per això, se solen utilitzar algunes tècniques de suavitzat. Aquestes es poden dividir en dos grans tipus: tècniques per interpolació i tècniques back-off. En grans línies, la principal diferència entre ambdós tipus és que les tècniques d'interpolació sempre utilitzen informació de k-grames inferiors, mentre que les de back-off només ho fan si la probabilitat del n-grama és zero.

Tècniques basades en interpolació

Les tècniques basades en interpolació calculen la probabilitat de manera ponderada entre el n-grama, corregit amb un factor $\lambda$ i una probabilitat més robusta (que no presenta zeros) del n-grama i una història simplificada.

$p(w|h)=\lambda \frac{N(hw)}{\sum _{w^{\prime }}h{w}^{\prime }}+(1-\lambda )\beta (w|\hat{h})$

• $h$: història detallada ($w_1{w}_{2}w$)
• $\beta$: probabilitat més robusta
• $\hat{h}$: història simplificada ($w_{2}w$)

Tècniques basades en back-off

Les tècniques basades en back-off calculen la probabilitat de manera normal en els n-grames vistos durant la fase d'entrenament, i per als casos on aquesta probabilitat és zero, utilitzen probabilitat més robusta i una història simplificada.

$p(w|h)=\lambda \frac{N(hw)}{\sum _{w^{\prime }}N(h{w}^{\prime })}$, si $N(hw)>0$

$p(w|h)=(1-\lambda )\frac{\beta (w|\hat{h})}{\sum _{w^{\prime }:N(h{w}^{\prime })=0}\beta (w^{\prime }|\hat{h})}$, si $N(hw)=0$

Vegeu també

• Model de llenguatge
• Model ocult de Markov

Enllaços externs

• Plantilla:Ref-notícia
• Generador de paraules a l'atzar basat en cadenes de Markov Plantilla:En [Consulta: 17 febrer 2020]
• Web Trigrams: Visualizing Google's Tri-Gram Data Plantilla:En [Consulta: 14 març 2020]