Un n-gramme est une collection ordonnée de n éléments du même type, généralement présenté dans une grande collection de nombreux autres n-grammes similaires. Les éléments individuels sont des mots linguistiques généralement naturels, bien que N-grammes aient été appliqués à de nombreux autres types de données, tels que des chiffres, des lettres, des protéines génétiques dans l'ADN, etc. L'analyse statistique N-GRAM est couramment effectuée dans le cadre de la transformation des langues naturelles, bioinformatique et théorie de l'information.
J'essaie de coder l'algorithme de presse dissocié basé sur N-gram dans Scala.
Comment générer un N-gramme pour un grand fichier:
Par exemple, pour le fichier contenant ...
