最終更新日：2026年8月26日

gk nlp

G検定トップ ＞ N-gramとは？文字・単語の連続列で整理【G検定対策】

まず結論

N-gramは、文章中の連続するN個の文字や単語を1つのまとまりとして扱う方法です。

G検定では、次で切ります。

  • 1個ずつ → unigram
  • 2個ずつ → bigram
  • 3個ずつ → trigram
  • 連続するN個を扱う → N-gram

直感的な説明

単語列

機械 学習 を 学ぶ

を単語bigramにすると、

機械 学習
学習 を
を 学ぶ

となります。

通常のunigramだけよりも、近くに並ぶ単語の組合せを表しやすくなります。

定義・仕組み

N-gramの要素には主に2種類あります。

  • 文字N-gram：連続するN文字
  • 単語N-gram：連続するN単語

Nを大きくすると、より長い局所パターンを表せます。ただし候補数が増えるため、特徴量が高次元・疎になりやすくなります。

BoWとの関係

BoWは文書を語彙ごとの出現情報で表す考え方です。

N-gramを特徴として数えれば、N-gram版のBoWとして使うこともできます。その場合、N-gram自体は局所的な並びを含みますが、文書全体の完全な語順を保持するわけではありません。

いつ使う？（得意・不得意）

向いている場面

  • 文書分類
  • 短い語句のパターンを特徴量にしたい
  • 文字列の類似やスペル変化を扱いたい
  • 単純な言語モデルの基礎を理解したい

注意点

  • Nが大きいほど組合せが増える
  • 長距離の依存関係や文全体の意味を直接扱うものではない
  • N-gramそのものはニューラルネットワークではない

G検定ひっかけポイント

  • ❌「N-gramは単語の意味を学習する分散表現」
    • それはWord2Vecなどの話です。
  • ❌「N-gramは文書全体の語順を完全に保持する」
    • 保持できるのは主にN個の範囲の局所的な並びです。
  • ❌「CBOWと同じ」
    • CBOWはWord2Vecの学習方式です。

判断基準

  • 「連続する2語」→ bigram
  • 「連続する3文字」→ trigram
  • 「局所的な並びを特徴にする」→ N-gram
  • 「語順を基本的に捨てて単語を数える」→ BoW

まとめ（試験直前用）

  • N-gram＝連続するN個の文字・単語
  • unigram / bigram / trigram を区別
  • 局所的な並びを表せる
  • Nを大きくすると特徴量が増えやすい
  • Word2VecやCBOWとは別物

© 2024-2026 stemtazoo. All rights reserved.