在apache mahout中的nGrams

Question

我正在通过apache mahout运行朴素的贝叶斯分类器算法。我们可以选择在训练和运行算法实例时设置克大小。

将我的n-Gram大小从1更改为2，会彻底更改生成的分类。为什么会这样？ n-gram的大小如何使结果发生剧烈变化？

Answer 1

1克是单词。 2克（或双字母）是成对的单词。这就像根据“美国”和“国家”或“美国”的存在对文件进行分类。使用bigrams可能会产生一些空间和性能影响，但可能会产生比1克更好的结果。