Google bigquery BigQuery和公共数据集似乎都没有所有的Bigram

小结：我所要做的就是找出在n-gram查看器中可以看到的数据的下载位置，因为原始数据和BigQuery的结果似乎都不如查看器那么多

因此，在我尝试下载所有bigram而不手动打开每个文件（从可用的原始数据）的过程中，我转向BigQuery，试图将trigram数据转换为bigram，但意识到，由于trigram是如何构造的，有很多bigram没有包含在内

---

于是我采用了老式的方法，作为测试，从可用的原始数据下载了st文件。这是一个巨大的文件，但出于某种原因，它没有包含明显的bigram stay here，即使ngram查看器有它。另一个例子是系好安全带。查看器将向您显示这两个短语的图形，但是st文件（我希望它包含该数据）没有显示。有人知道我为什么以及我能做些什么来获得这些数据吗？我认为，如果可以通过n-gram viewer下载，一定有办法下载它？

从您链接到的文档中，可以下载的nGram数据集是及时的快照。最近一次发布于2012年7月。我相信nGram查看器本身正在与更新的数据进行对比

---

我知道在BigQuery的例子中，trigram数据是nGram数据的一个旧快照，可以追溯到BigQuery首次启动时。请注意，我们的快照不包括trigrams数据集，部分原因是快照的使用时间有多长。

Hi，感谢您的澄清。你知道我在哪里可以得到更新的数据吗？因为数据不仅在ngram viewer上看起来更新，而且更全面。它们的词组很少出现，而可下载的数据集似乎有一定的限制，它们只是不包含那些不经常出现的词组（例如“待在这里”或“系好安全带”）。您需要下载原始数据并将其加载到BigQuery中，除非其他人执行此任务并共享其数据集。也许你就是那个人！