Bigram

Bigram či digram je posloupnost dvou sousedících prvků v řetězci tokenů, typicky písmen, slabik nebo slov. Bigram je n-gram pro n=2. Frekvenční distribuce každého bigramu v řetězci se běžně používá pro jednoduchou statistickou analýzu textu v mnoha aplikacích včetně počítačové lingvistiky, kryptografie, rozpoznávání řeči a podobně.

Využití

Bigramy jsou používány v nejúspěšnějších jazykových modelech pro rozpoznávání řeči. Jsou speciálním typem n-gramu.

Bigramové frekvenční útoky mohou být použity v kryptografii k luštění kryptogramů.

Bigramová frekvence je jedním ze způsobů statistické jazykové identifikace.

Reference

V tomto článku byl použit překlad textu z článku Bigram na anglické Wikipedii.