双字母组

双字母组或称二元语法（英语：bigrams，或称digrams），作为统计分析文本使用非常广泛；它是由两个字母，或者两个音节，或者两个词构成的双字母组。Gappy bigrams或称skipping bigrams是允许有跳空的词对组（也许想避免把词连接起来，或者想允许某种模拟的依赖，如依赖语法）。Head word bigrams是具有明确依赖关系的gappy bigrams。在给定一个前导词情况下，双字母组可帮助计算出现某个词的概率，这是条件概率应用场景：P ( W n | W n − 1 ) = P ( W n − 1 , W n ) P ( W n − 1 ) {displaystyle P(W_{n}|W_{n-1})={P(W_{n-1},W_{n}) over P(W_{n-1})}}即，在给定前面一个词 W n − 1 {displaystyle W_{n-1}} 的前提下，出现某个词 W n {displaystyle W_{n}} 的概率 P ( W n ) {displaystyle P(W_{n})} 与他们构成的双字母组的概率一致，换言之，两个词同时出现的概率 P ( W n − 1 , W n ) {displaystyle P(W_{n-1},W_{n})} 被出现前一个词 W n − 1 {displaystyle W_{n-1}} 的概率除。这种组被用在最成功的一种语音识别的 语言模型中。它们是N字母组的一种特例。本术语也被用在密码学里, 在此领域，试图破解密码电文有时二元语法频率攻击会被用到。参考频率分析。据小英语语料库的统计结果，最常见的字母双字母的频率是：可以获得从更大语料库中提取的完整双字母频率。