Bigrama

Un bigrama o digrama es una secuencia de dos elementos adyacentes de una cadena de tokens , que suelen ser letras, sílabas o palabras. Un bigrama es un n -grama para n = 2.

La distribución de frecuencia de cada bigrama en una cadena se utiliza comúnmente para el análisis estadístico simple de texto en muchas aplicaciones, incluyendo la lingüística computacional , la criptografía y el reconocimiento de voz .

Los bigramas con huecos o bigramas con saltos son pares de palabras que permiten huecos (quizás evitando conectar palabras o permitiendo alguna simulación de dependencias, como en una gramática de dependencias ).

Los bigramas, junto con otros n-gramas, se utilizan en la mayoría de los modelos de lenguaje exitosos para el reconocimiento de voz . ^{[ 1 ]}

Los ataques de frecuencia de bigramas pueden utilizarse en criptografía para resolver criptogramas . Véase análisis de frecuencia .

La frecuencia de bigramas es un método para la identificación estadística del lenguaje .

Algunas actividades en logología o lingüística recreativa involucran bigramas. Estas incluyen intentos de encontrar palabras en inglés que comiencen con cada bigrama posible, ^{[ 2 ]} o palabras que contengan una cadena de bigramas repetidos, como logogogue . ^{[ 3 ]}

La frecuencia de los bigramas de letras más comunes en un gran corpus de inglés es: ^{[ 4 ]}

el 3,56% de 1,17% io 0,83% él 3,07% ed 1,17% le 0,83% en 2,43% es 1,13% ve 0,83% er 2,05% it 1,12% co 0,79% un 1,99% al 1,09% yo 0,79% re 1,85% ar 1,07% de 0,76% en 1,76% st 1,05% hi 0,76% al 1,49% al 1,05% ri 0,73% en 1,45% nt 1,04% ro 0,73% nd 1,35% ng 0,95% ic 0,70% ti 1,34% se 0,93% ne 0,69% es 1,34% ha 0,93% ea 0,69% o 1,28% como 0,87% ra 0,69% te 1,20% ou 0,87% ce 0,65%

• coeficiente de Dice-Sørensen
• Dígrafo (ortografía)
• Frecuencia de letras