ثنائيات الكلمات

الثنائي أو الثنائي اللفظي هو تسلسل من عنصرين متجاورين من سلسلة من الرموز ، والتي عادةً ما تكون حروفًا أو مقاطع لفظية أو كلمات. الثنائي هو n -gram عندما n = 2.

يُستخدم توزيع التردد لكل ثنائي في سلسلة بشكل شائع للتحليل الإحصائي البسيط للنص في العديد من التطبيقات، بما في ذلك اللغويات الحاسوبية والتشفير والتعرف على الكلام .

الثنائيات المتقطعة أو الثنائيات المتقطعة هي أزواج من الكلمات تسمح بوجود فجوات (ربما تجنب ربط الكلمات، أو السماح ببعض محاكاة التبعيات، كما هو الحال في قواعد التبعية ).

تُستخدم الثنائيات، إلى جانب النماذج اللغوية الأخرى، في معظم نماذج اللغة الناجحة للتعرف على الكلام . ^{[ 1 ]}

يمكن استخدام هجمات التردد الثنائي في علم التشفير لحل الشفرات . انظر تحليل التردد .

يُعد تكرار الثنائيات أحد أساليب تحديد اللغة الإحصائية .

تتضمن بعض الأنشطة في علم اللغة أو اللغويات الترفيهية استخدام الثنائيات. وتشمل هذه الأنشطة محاولات إيجاد كلمات إنجليزية تبدأ بكل ثنائية ممكنة، ^{[ 2 ]} أو كلمات تحتوي على سلسلة من الثنائيات المتكررة، مثل كلمة logogogue . ^{[ 3 ]}

يبلغ تكرار أكثر ثنائيات الأحرف شيوعًا في مجموعة كبيرة من النصوص الإنجليزية: ^{[ 4 ]}

th 3.56% من 1.17% io 0.83% he 3.07% ed 1.17% le 0.83% في 2.43% يكون 1.13% و 0.83% er 2.05% it 1.12% co 0.79% an 1.99% al 1.09% me 0.79% re 1.85% ar 1.07% de 0.76% على 1.76% st 1.05% hi 0.76% بنسبة تتراوح بين 1.49% و1.05%، ونسبة ri 0.73% en 1.45% nt 1.04% ro 0.73% nd 1.35% ng 0.95% ic 0.70% ti 1.34% se 0.93% ne 0.69% es 1.34% ha 0.93% ea 0.69% أو 1.28% كـ 0.87% ra 0.69% te 1.20% ou 0.87% ce 0.65%

• معامل دايس-سورنسن
• حرف مزدوج (كتابة)
• تكرار الأحرف