Bigrama

Bigrama

Saltar a navegación, búsqueda

Los Bigramas son grupos de dos letras, dos sílabas, o dos palabras, y son utilizados comúnmente como base para el simple análisis estadístico de texto. Se utilizan en uno de los más exitosos modelos de lenguaje para el reconocimiento de voz.^[1] Se trata de un caso especial del N-grama.

Los Bigramas ayudan a proporcionar la probabilidad condicional de una palabra dada la palabra precedente, cuando la relación de la probabilidad condicional se aplica:

$P(W_n|W_{n-1}) = { P(W_{n-1},W_n) \over P(W_{n-1}) }$

Es decir, la probabilidad P() de una palabra W_n < / math > dadalapalabraprecedente < math > W_{n − 1} es igual a la probabilidad de su bigrama, o la co-ocurrencia de las dos palabras P(W_{n − 1},W_n), dividido por la probabilidad de que la palabra precedente.

References

1. ↑ Michael Collins. A new statistical parser based on bigram lexical dependencies. In Proceedings of the 34th Annual Meeting of the Association of Computational Linguistics, Santa Cruz, CA. 1996. pp.184-191.

Véase también

• N-grama

Obtenido de "Bigrama"