从一个句子中提取的*N*个（或更少）连续单词的集合。这一概念中的“单词”也可以替换为“字符” > “The cat sat on the mat.”（“猫坐在垫子上”） > **二元语法（2-grams）:** ~~~ {"The", "The cat", "cat", "cat sat", "sat", "sat on", "on", "on the", "the", "the mat", "mat"} ~~~ **三元语法（3-grams）:** ~~~ {"The", "The cat", "cat", "cat sat", "The cat sat", "sat", "sat on", "on", "cat sat on", "on the", "the", "sat on the", "the mat", "mat", "on the mat"} ~~~ * 这样的集合分别叫作**二元语法袋**（bag-of-2-grams）及**三元语法袋**（bag-of-3-grams） * **袋**（bag）这一术语指的是，我们处理的是标记组成的集合，而不是一个列表或序列，即标记**没有特定的顺序** * 词袋是一种**不保存顺序**的分词方法（生成的标记组成一个集合，而不是一个序列，舍弃了句子的总体结构） ***** * 使用**轻量级**的浅层文本处理模型时（比如 logistic 回归和随机森林），n-gram 是一种功能强大、不可或缺的特征工程工具