Python Ngram的计算是什么？

我正在做一个约会书的项目，我的主要想法是用“ngram”来做。 我进入这里，发现了具有最明确图表的ngrams（多年来数值不稳定）。 然后，我用python编写了一个代码，用于“阅读”书籍——它需要这本书，一些Ngram，然后计算Ngram在文本中的频率。例如，文本“用爆炸性大爆炸解除所有人类的武装”中的ngram“ex”应该是0.05263157894736842，因为文本中有2个“ex”，有38个可能的两个字母组合，所以我认为ngram应该是2/38

所以我用1gram（ABC）对很多书进行了计算，我得到了所有书的大致相同的数字。然后我回到谷歌的ngram，很明显我得到的数字和他们得到的数字完全不同。例如，1gram“a”约为0.078，b为0.0135，依此类推，但谷歌的ngram为[a=1.54]和[b=0.0066]

我得出的结论是我的计算完全错了。现在，我想问你，ngram的真实计算是什么。我真的需要了解这一点，所以请，如果你知道这件事是如何运作的，请让我知道

非常感谢：）

---

回答后编辑：我确实得到了比谷歌更高的值，因为我的值是概率（0比1），所以如果我想把这个值转换成%，我必须乘以100，这是有意义的，因为在英语中字母“a”（8%）比“a”更多总之。

你确定你从谷歌报告的价值吗？频率范围从0到1，结果是1.54。如果我是你，我会查一查

这表示字母

a

的频率为0.08167

您还应该意识到，此频率是基于特定样本的。当样本量足够大时，假设字母出现的频率接近真实值

---

当我听到n-gram时，我通常会想到单词。1克是一个单词（例如“苹果”）；三个字就是三个字（例如“我们人民”）。

好的，所以我做了一些研究，@duffymo实际上是对的。 不管是单词还是字母，谷歌的Ngram引擎都会以单字短语的形式搜索。例如，如果我写“a”，它会将“a”（带空格）作为单个单词搜索

我对我的代码做了一些修改，现在我得到的结果和谷歌的一样

---

谢谢

-你确定1-gram是一个单词吗-谢谢，我会读到frequency这封信，但我仍然认为n-gram是一个最好的选择，因为我有谷歌的频率与年数的图表，它真的能帮我确定书的年代。问题是我不理解他们的计算，因此我得不到相同的数字-我还想用2克，3克或4克（我指的是2，3和4个字母的组合），但我也看到了我的值和谷歌2克的值之间的不同。我不想用常量值，因为我想给书定日期，所以我想知道N-gramYes的频率随年份的不同，我确信n-gram指的是单词和字母。n-gram可以在字符和单词两个层次上计算；哪一个是合适的取决于任务。您正在计算字符n-gram统计。谷歌使用n-grams这个词。