1、N-gram存在的问题

N-gram作为统计语言模型的重要部分，是学习统计自然语言的重要基石，了解N-gram十分重要。N-gram会因为数据稀疏而导致效果变差，也就是某些n元组在训练样本中未出现，则其样本概率为0，这是一个很差的概率估计，会导致模型估计效果变差，可以通过数据平滑来解决数据稀疏问题。

2、平滑算法

2.1 加法平滑

2.1.1 Laplace平滑

通过给每个n元组都加1，实现将一小部分概率转移到未知事件上，公式如下：
$$P_{Lap}(w_1,...,w_n)=\frac{C(w_1,...,w_n)+1}{N+B}$$
其中，$N$为总样本数，$B$为$n$元组的总数。这样做其实是假设每个$n$元组都存在相同的先验概率。但是对于一个大词表的稀疏数据集，Laplace平滑就会将太多的概率转移到了未知事件上。

2.1.2 Lidstone平滑

针对Laplace平滑存在的过估计问题，Lidstone不加1，而加一个通常较小的正值$\lambda$：
$$P_{Lid}(w_1,...,w_n)=\frac{C(w_1,...,w_n)+\lambda }{N+B\lambda }$$
它可以看作是在MLE估计和统一的先验概率之间的线性插值，这样可以解决太多的概率空间被转移到未知时间上的缺点。但是这种方法依然存在着两个缺点：1）需要预先猜测一个合适的$\lambda$；2）使用Lidstone法则的折扣总是在MLE频率上给出一个线性的概率估计，但是这和低频情况下的经验分布不能很好地吻合。

2.2 Good-Turing估计

Good-Turing估计是很多平滑技术的核心，于1953年古德（I.J.Good）引用图灵（Turing）的方法而提出来的。其基本思想是：利用频率的类别信息来平滑频率。对于任何出现 $r$ 次的$n$元组，都假设它出现了 $r^{\ast }$​ 次。
$$r^{\ast }=(r+1)\frac{n_{r+1}}{n_r}$$
其中，$n_r$是训练语料中正好出现$r$次的$n$元组的个数，也就是说，发生$r$次的$n$元组的调整由发生$r$次的$n$元组与发生$r+1$次的$n$元组两个类别共同决定。假设m-gram的$w_1^m$出现了$c(w_1^m)$​​次，Good_Turing给出其出现的概率为：
$$P_{GT}(w_1^m)=\frac{c^{\ast }(w_1^m)}{N}$$
那么对于$c=0$​（训练样本中未出现）的样本有：
$$p0=1-\sum _{c>0}{N}_c\ast p_c=1-\frac{1}{N}\sum _{c>0}{N}_c\ast c^{\ast }=\frac{N_1}{N}$$
因此仍然有$\frac{N_1}{N}$的概率余量分配给未出现的元组。

2.3 Katz回退

n-gram允许回退（back off）到越来越短的历史上，它的思路就是如果一个n-gram的条件概率为0，则用(n-1)-gram的条件概率取代，如果(n-1)-gram的条件概率依然为0，继续回退，直到1-gram概率，如果1-gram依然为0，就直接忽略掉该词。

2.4 线性插值

unigram的插值：
$$\begin{gathered} P(w_t)=\lambda P_{ML}(w_t)+(1-\lambda )\frac{1}{N} \\ {P}_{ML}(w_t)=\frac{c(w_t)}{N} \end{gathered}$$
bigram的插值：
$$\begin{gathered} P(w_t|w_{t-1})=\lambda P_{ML}(w_t|w_{t-1})+(1-\lambda )P(w_t) \\ {P}_{ML}(w_t|w_{t-1})=\frac{c(w_{t-1},w_t)}{{\sum }_{w_t}c(w_{t-1},w_t)} \end{gathered}$$