我听说谷歌使用高达7克的语义相似性比较。我有兴趣找到在上下文中相似的单词（即猫和狗），我想知道如何在n-gram模型上计算两个单词的相似性，因为n＆gt; 2。
所以基本上给出了一个文字，比如“你好，我的名字是等等。我喜欢猫”，我生成了3克以上的一套：
[（'hello'，'my'，'name'）， （'我的名字是'）， （'名字'，'是'，'等等'）， （'是'，'等等'，'等等'）， （'等等'，'等等'，'我'）， （'bla'，'我'，'爱'）， （'我'，'爱'，'猫'）]
如果您没有就如何处理此特定NGRAM问题提出建议，请不要回应
我可以用什么样的计算来找出'猫'和'名字'之间的相似性？ （应该是0.5）我知道如何使用bigram，只需将freq（cats，name）/（freq（cats，）+ freq（name，））分开。但是对于n＆gt;呢？ 2？
答案 0 :(得分：1)
我用谷歌搜索“三卦之间的相似性”，并提出了this article，它将单词分成3个字母段。我知道这并不是你想要的，但也许这将有助于你前进。
本文还比较了基于3字母方法的2个单词。似乎需要在两个搜索术语之间进行比较，例如“你好我的名字是等等。我爱猫”和“我的名字是别的。我爱狗”。当然我对这个域名知之甚少，所以如果这不正确，我很抱歉，我只是希望能够为你的问题提出一些想法。
答案 1 :(得分：0)
我不知道google是如何工作的，但是一种已知的方法是计算给定单词的文档中的共现。考虑到谷歌有可能的所有文件，然后很容易计算出因素和单词（频率）的出现，然后你可以得到单词之间的债券因素。它不是衡量相似性的标准（如猫和狗），而是更多的搭配。
看看： http://en.wikipedia.org/wiki/Tf - IDF
另一种方法是删除互联网文档，只关注字典条目，有几次尝试解析这些条目构建“常识”系统。通过这种方式，您可以自动获得关系（WordNet和类似手工制作）。