nagrams in apache mahout

Question

私はnaive bayesクラシファイアアルゴリズムをapache mahoutで実行しています。アルゴリズムのインスタンスをトレーニングして実行する際に、グラムサイズを設定するオプションがあります。

nグラムサイズを1から2に変更すると、結果の分類が大幅に変更されます。なぜこれが起こるのですか？どのようにnグラムのサイズは結果に劇的な変化を起こすのですか？

Answer 1

1グラムは単語です。 2グラム（またはバイグラム）は単語のペアです。それは、 "合衆国"と "合衆国"、すなわち "米国"の存在に基づいて文書を分類するようなものです。バイグラムを使用すると、いくつかの領域とパフォーマンスに影響がありますが、おそらく1グラムより良い結果が得られます。